CN111260589B - 基于Retinex的输电线路监控图像去雾方法 - Google Patents
基于Retinex的输电线路监控图像去雾方法 Download PDFInfo
- Publication number
- CN111260589B CN111260589B CN202010104974.XA CN202010104974A CN111260589B CN 111260589 B CN111260589 B CN 111260589B CN 202010104974 A CN202010104974 A CN 202010104974A CN 111260589 B CN111260589 B CN 111260589B
- Authority
- CN
- China
- Prior art keywords
- image
- channel
- transmission line
- power transmission
- defogging
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000012544 monitoring process Methods 0.000 title claims abstract description 49
- 230000005540 biological transmission Effects 0.000 title claims abstract description 46
- 238000001914 filtration Methods 0.000 claims abstract description 22
- 230000004927 fusion Effects 0.000 claims abstract description 21
- 238000005286 illumination Methods 0.000 claims abstract description 10
- 238000011084 recovery Methods 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 24
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000004088 simulation Methods 0.000 description 16
- 230000000694 effects Effects 0.000 description 12
- 125000001475 halogen functional group Chemical group 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000006731 degradation reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明公开了基于Retinex的输电线路监控图像去雾方法，主要解决现有的图像去雾方法无法有效提升雾天输电线路监控图像质量的问题；其实现方案是：获取雾天输电线路监控图像，并拆分成RGB通道图像；对RGB通道图像进行多尺度引导滤波，估计光照分量；加权去除RGB通道图像的光照分量，得到复原图像；对复原图像进行直方图均衡化，得到增强图像；计算融合系数，对复原图像和增强图像进行融合，得到融合图像；合并RGB通道的融合图像，得到最终的去雾图像。本发明通过图像处理技术对输电线路监控图像进行去雾处理，能够获得较高质量的去雾处理结果，对比度高，细节突出，适于人眼观看，实用性强，可用于输电线路各类背景下监控图像的去雾增强。
Description
技术领域
本发明属于图像处理技术领域，特别涉及一种图像去雾方法，可用于雾天输电线路监控图像的去雾增强。
背景技术
近些年，电网规模不断扩大，输电线路增长迅速，逐渐开始需要借助智能图像监控技术，来高效快捷地完成电力设备的日常巡检工作。图像监控系统对天气条件非常敏感，易受雾霾天气以及光线不足的影响，导致采集到的户外图像对比度过低、特征衰减严重，给后续的识别与检测工作带来困难。因此，需要对雾天输电线路监控图像进行去雾处理，从而有效改善图像质量，提升对比度，突出细节。
现阶段，图像去雾方法主要分为基于物理模型和基于图像增强的两类方法，其中：
所述基于物理模型的方法研究雾霾图像退化过程，参照大气散射模型复原无雾图像，其中包括典型的暗通道先验去雾方法。基于物理模型的方法去雾效果自然，但是存在天空颜色失真，出现光晕效应的问题，并且由于基于场景光线辐射充足且均匀的假设，在实际监控场景的应用中较难取得良好的去雾效果。
所述基于图像增强的方法根据图像有用信息进行细节增强，同时抑制多余信息来提升图像质量，其中包括直方图均衡化、同态滤波和Retinex等方法。直方图均衡化、同态滤波主要用于增强图像对比度，但是容易造成细节丢失，并且没有考虑图像降质原因；Retinex方法基于人眼视觉模型，通过估计并移除图像的光照分量来恢复原始图像，适用于多种场景的图像去雾，但是去雾处理结果对比度较低，过渡区域容易出现光晕效应，在实际应用中仍然需要改进。
综上，目前提出的许多图像去雾方法，在实际应用于输电线路监控图像去雾时，去雾处理结果容易出现光晕现象，亮度和对比度较低，细节不够突出，无法有效提升雾天输电线路监控图像的质量。
发明内容
本发明的目的在于针对现有的图像去雾方法无法有效提升雾天输电线路监控图像质量的问题，提出一种输电线路监控图像去雾方法，以提高雾天输电线路监控图像的质量，实现对比度提升、细节突出的去雾处理效果。
为达到上述目的，本发明所述基于Retinex的输电线路监控图像去雾方法，包括以下步骤：
步骤1.读取雾天采集的输电线路监控图像；
步骤2.根据图像RGB通道分布，将雾天输电线路监控图像拆分成R通道图像Ir，G通道图像Ig和B通道图像Ib；
步骤3.分别对R通道图像Ir、G通道图像Ig和B通道图像Ib进行多尺度引导滤波，得到各自对应的光照分量Lr、Lg和Lb；
步骤4.根据加权复原公式，分别去除R通道图像Ir、G通道图像Ig和B通道图像Ib的光照分量，得到各自对应的复原图像Dr、Dg和Db；
步骤5.分别对R通道图像、G通道图像和B通道图像的复原图像进行直方图均衡化，得到R通道图像的增强图像Er、G通道图像的增强图像Eg和B通道图像的增强图像Eb；
步骤6.计算融合系数λ，根据融合公式分别融合R通道图像的复原图像Dr和增强图像Er，G通道图像的复原图像Dg和增强图像Eg，以及R通道图像的复原图像Db和增强图像Eb，得到B通道图像的融合图像Mr、G通道图像的融合图像Mg和B通道图像的融合图像Mb；
步骤7.合并R通道图像的融合图像Mr、G通道图像的融合图像Mg和B通道图像的融合图像Mb，得到最终的去雾图像。
与现有技术相比，本发明至少具有以下有益的技术效果：
1)Retinex去雾方法由于在估计光照分量时采用高斯滤波函数，容易产生边缘效应导致光晕现象，本发明在估计光照分量时采用引导滤波函数，具有较好的平滑和边缘保持功能，从而克服光晕现象，去雾效果自然。
2)本发明在去除图像雾气的基础上加以直方图均衡化，显著增强图像对比度，提高图像亮度，突出雾天输电线路监控图像中的输电线、杆塔等监控对象的细节，并且考虑了人眼视觉特性，避免过度增强，使得去雾处理结果更加适于人眼的观看。
3)本发明较其他去雾方法能够更好的去除输电线路监控图像的雾气，有效克服光晕现象，提升对比度和亮度，在突出细节的同时，避免过度增强，去雾效果保持在适于人眼视觉观看的范围内，去雾图像中的景物清晰可见，输电线、杆塔等主要监控对象线条分明。
附图说明
图1为本发明的实现流程图；
图2a为雾天输电线路监控图像一；
图2b为采用引导滤波暗通道先验方法对图2a进去去雾处理得到的去雾图像；
图2c为采用色彩恢复多尺度Retinex方法对图2a进去去雾处理得到的去雾图像；
图2d为采用直方图均衡化方法对图2a进去去雾处理得到的去雾图像；
图2e为采用同态滤波方法对仿真实验用图2a进去去雾处理得到的去雾图像；
图2f为采用本发明对仿真实验用图2a进行去雾处理得到的去雾图像；
图3a为雾天输电线路监控图像二；
图3b为采用引导滤波暗通道先验方法对图3a进去去雾处理得到的去雾图像；
图3c为采用色彩恢复多尺度Retinex方法对图3a进去去雾处理得到的去雾图像；
图3d为采用直方图均衡化方法对图3a进去去雾处理得到的去雾图像；
图3e为采用同态滤波方法对仿真实验用图3a进去去雾处理得到的去雾图像；
图3f为采用本发明对仿真实验用图3a进行去雾处理得到的去雾图像；
图4a为雾天输电线路监控图像三；
图4b为采用引导滤波暗通道先验方法对图4a进去去雾处理得到的去雾图像；
图4c为采用色彩恢复多尺度Retinex方法对图4a进去去雾处理得到的去雾图像；
图4d为采用直方图均衡化方法对图4a进去去雾处理得到的去雾图像；
图4e为采用同态滤波方法对仿真实验用图4a进去去雾处理得到的去雾图像；
图4f为采用本发明对仿真实验用图4a进行去雾处理得到的去雾图像；
图5a为雾天输电线路监控图像四；
图5b为采用引导滤波暗通道先验方法对图5a进去去雾处理得到的去雾图像；
图5c为采用色彩恢复多尺度Retinex方法对图5a进去去雾处理得到的去雾图像；
图5d为采用直方图均衡化方法对图5a进去去雾处理得到的去雾图像；
图5e为采用同态滤波方法对仿真实验用图5a进去去雾处理得到的去雾图像；
图5f为采用本发明对仿真实验用图5a进行去雾处理得到的去雾图像。
具体实施方式
为了使本发明的目的和技术方案更加清晰和便于理解。以下结合附图和实施例，对本发明进行进一步的详细说明，此处所描述的具体实施例仅用于解释本发明，并非用于限定本发明。
参照图1，基于Retinex的输电线路监控图像去雾方法，包括以下步骤：
步骤1.计算机读取雾天采集的输电线路监控图像。
步骤2.根据图像RGB通道分布，将雾天输电线路监控图像拆分成R通道图像Ir，G通道图像Ig和B通道图像Ib。
步骤3.分别对R通道图像、G通道图像和B通道图像进行多尺度引导滤波，估计得到各自对应的光照分量Lr、Lg和Lb，具体包括以下步骤：
步骤3.1.设置大、中、小三个尺度的滤波窗口
和
本实例中设置的大、中、小三个尺度分别为240×240、100×100和50×50，单位均为像素单元×像素单元；
步骤3.2.根据线性因数公式，求解得到R通道图像、G通道图像和B通道图像Ii在滤波窗口
中对应的线性因数ak与bk，i＝r,g,b，k＝1,2,3：
其中，(x,y)为像素位置，F为引导图像，取输入图像Ii本身作为引导图像，N为F在
中的像素总个数，μk为F在
中的像素均值，pk为Ii在
中的像素均值，σk 2为F在
中的像素方差，ε＝0.64为平滑因子；
步骤3.3.根据滤波模型对Ii进行引导滤波，估计得到Ii对应的光照分量Li＝[Li1,Li2,Li3]：
步骤4.根据加权复原公式，分别去除R通道图像、G通道图像和B通道图像的光照分量，得到各自对应的复原图像Dr、Dg和Db。
加权复原公式如下：
其中，W1＝W2＝W3＝1/3为加权系数，i＝r,g,b。
步骤5.分别对R通道图像、G通道图像和B通道图像的复原图像进行直方图均衡化，得到各自对应的增强图像Er、Eg和Eb，具体包括以下步骤：
步骤5.1.统计复原图像Di的灰度直方图hi，i＝r,g,b；
步骤5.2.根据灰度值变换公式，对Di进行直方图均衡化：
其中，f'为变换后的灰度值，f为变换前的灰度值，n为Di的像素总个数，nj为根据hi获取的灰度值为j时对应的像素个数。
步骤6.计算融合系数λ，根据融合公式，分别融合R通道图像、G通道图像和B通道图像的复原图像和增强图像，得到各自对应的融合图像Mr、Mg和Mb，具体包括以下步骤：
步骤6.1、将雾天输电线路监控图像转为灰度图Y；
步骤6.1、根据均值公式，计算Y的灰度均值m：
其中，h为Y的高，w为Y的宽。
步骤6.3、根据系数公式，计算融合系数λ：
λ＝m×0.5/255；
步骤6.4、根据融合公式，对复原图像Di和增强图像Ei进行像素级融合，得到融合图像Mi，i＝r,g,b：
Mi(x,y)＝λDi(x,y)+(1-λ)Ei(x,y)。
步骤7.合并R通道图像、G通道图像和B通道图像的融合图像，得到最终的去雾图像。
本发明通过图像处理技术对输电线路监控图像进行去雾处理，能够获得较高质量的去雾处理结果，对比度高，细节突出，适于人眼观看，实用性强，可用于输电线路各类背景下监控图像的去雾增强。
通过以下仿真进一步说明本发明的效果。
1.仿真条件：
本发明的仿真实验在CPU主频3.50GHz、内存3.88GB、Windows7的硬件环境和Matlab R2017a的软件环境下进行的。
选取雾天监控设备在输电线沿路采集的图像作为仿真实验用图，采集图像的分辨率为1280×720。
2.仿真内容：
为验证基于Retinex的输电线路监控图像去雾方法的有效性，对仿真实验用图进行去雾处理，得到去雾图像，同时采用其他4种典型图像去雾方法对仿真实验用图进行去雾处理，得到去雾图像作为对比图像，其分别为引导滤波暗通道先验(GuidedDark ChannelPrior，GDCP)、色彩恢复多尺度Retinex(Multi-scale Retinex with Color Restore，MSRCR)、直方图均衡化(Histgram Equalization，HE)和同态滤波(HomomorphicFiltering，HF)去雾方法。仿真结果图如图2至图5所示，从图2至图5可以看出，本发明较其他去雾方法能够更好的去除输电线路监控图像的雾气，有效克服光晕现象，提升对比度和亮度，在突出细节的同时，避免过度增强，去雾效果保持在适于人眼视觉观看的范围内，去雾图像中的景物清晰可见，输电线、杆塔等主要监控对象线条分明。
对图2至图5中的图像进行客观指标评价，选取3种客观评价指标：平均灰度avg、新增可见边之比e和可见边梯度均值r。其中，avg表示图像亮度，值越大表示图像越明亮；e表示图像可视边缘，值越大表示图像可视边缘越多；r表示图像对比度，值越大表示图像对比度越高。结果如表1所示。
表1客观指标评价结果一览表
| 第1组图像 | a | b | c | d | e | f |
| avg | 106.741 | 38.089 | 106.937 | 113.089 | 82.567 | 105.024 |
| e | / | 2.027 | 0.008 | 1.329 | 1.952 | 1.229 |
| r | / | 1.219 | 1.096 | 2.937 | 2.640 | 2.765 |
| 第2组图像 | a | b | c | d | e | f |
| avg | 92.498 | 43.236 | 92.185 | 104.919 | 73.266 | 95.106 |
| e | / | 0.579 | 0.019 | 0.472 | 0.578 | 0.433 |
| r | / | 1.185 | 1.034 | 3.070 | 2.602 | 2.741 |
| 第3组图像 | a | b | c | d | e | f |
| avg | 102.954 | 48.411 | 102.642 | 107.960 | 79.876 | 106.944 |
| e | / | 1.072 | 0.030 | 0.957 | 1.140 | 0.741 |
| r | / | 1.223 | 1.037 | 2.817 | 2.358 | 2.253 |
| 第4组图像 | a | b | c | d | e | f |
| avg | 133.276 | 29.197 | 135.023 | 138.955 | 102.799 | 137.790 |
| e | / | 4.855 | 0.312 | 2.259 | 2.701 | 1.784 |
| r | / | 1.513 | 1.113 | 2.995 | 2.684 | 2.383 |
通过表1可以看出，本发明在3种客观评价指标上均取得较大的值，去雾效果在亮度、细节、对比度三个方面能够达到平衡。
综上，本发明从主观视觉和客观参数两方面都能达到较好的图像去雾效果。
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。
Claims (7)
1.基于Retinex的输电线路监控图像去雾方法，其特征在于，包括以下步骤：
步骤1、读取雾天采集的输电线路监控图像；
步骤2、根据图像RGB通道分布，将雾天输电线路监控图像拆分成R通道图像Ir，G通道图像Ig和B通道图像Ib；
步骤3、分别对步骤2得到的R通道图像Ir、G通道图像Ig和B通道图像Ib进行多尺度引导滤波，得到各自对应的光照分量Lr、Lg和Lb；
步骤4、根据加权复原公式，分别去除R通道图像Ir、G通道图像Ig和B通道图像Ib的光照分量，得到各自对应的复原图像Dr、Dg和Db；
步骤5、分别对步骤4得到的R通道图像、G通道图像和B通道图像的复原图像Dr、Dg和Db进行直方图均衡化，得到R通道图像的增强图像Er、G通道图像的增强图像Eg和B通道图像的增强图像Eb；
步骤6、计算融合系数λ，根据融合公式分别融合R通道图像的复原图像Dr和增强图像Er，G通道图像的复原图像Dg和增强图像Eg，以及R通道图像的复原图像Db和增强图像Eb，得到B通道图像的融合图像Mr、G通道图像的融合图像Mg和B通道图像的融合图像Mb；
步骤7、合并步骤6得到的R通道图像的融合图像Mr、G通道图像的融合图像Mg和B通道图像的融合图像Mb，得到最终的去雾图像。
2.根据权利要求1所述的基于Retinex的输电线路监控图像去雾方法，其特征在于，所述步骤3包括以下步骤：
步骤3.1.设置三个尺度的滤波窗口
和
步骤3.2.根据线性因数公式，求解得到R通道图像、G通道图像和B通道图像Ii在滤波窗口
中对应的线性因数ak与bk，i＝r,g,b，k＝1,2,3：
其中，(x,y)为像素位置，F为引导图像，取输入图像Ii本身作为引导图像，N为F在
中的像素总个数，μk为F在
中的像素均值，pk为Ii在
中的像素均值，σk 2为F在
中的像素方差，ε为平滑因子；
步骤3.3.根据滤波模型对输入图像Ii进行引导滤波，估计得到Ii对应的光照分量Li＝[Li1,Li2,Li3]：
3.根据权利要求2所述的基于Retinex的输电线路监控图像去雾方法，其特征在于，所述步骤3中，三个滤波窗口的尺度分别为240×240、100×100和50×50。
4.根据权利要求1所述的基于Retinex的输电线路监控图像去雾方法，其特征在于，所述步骤4中，加权复原公式为：
其中，W1、W2和W3均为加权系数，i＝r,g,b。
5.根据权利要求1所述的基于Retinex的输电线路监控图像去雾方法，其特征在于，所述步骤5包括以下步骤：
步骤5.1、统计复原图像Di的灰度直方图hi，i＝r,g,b；
步骤5.2、根据灰度值变换公式和灰度直方图hi，对Di进行直方图均衡化，得到R通道图像的增强图像Er、G通道图像的增强图像Eg和B通道图像的增强图像Eb。
6.根据权利要求5所述的基于Retinex的输电线路监控图像去雾方法，其特征在于，灰度值变换公式为：
其中，f'为变换后的灰度值，f为变换前的灰度值，n为Di的像素总个数，nj为根据hi获取的灰度值为j时对应的像素个数。
7.根据权利要求1所述的基于Retinex的输电线路监控图像去雾方法，其特征在于，所述步骤6包括以下步骤：
步骤6.1、将雾天输电线路监控图像转为灰度图Y；
步骤6.2、根据均值公式，计算灰度图Y的灰度均值m：
其中，h为灰度图Y的高，w为灰度图Y的宽；
步骤6.3、根据系数公式，计算融合系数λ：λ＝m×0.5/255；
步骤6.4、根据融合公式，对复原图像Di和增强图像Ei进行像素级融合，得到融合图像Mi，i＝r,g,b：Mi(x,y)＝λDi(x,y)+(1-λ)Ei(x,y)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010104974.XA CN111260589B (zh) | 2020-02-20 | 2020-02-20 | 基于Retinex的输电线路监控图像去雾方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010104974.XA CN111260589B (zh) | 2020-02-20 | 2020-02-20 | 基于Retinex的输电线路监控图像去雾方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111260589A CN111260589A (zh) | 2020-06-09 |
| CN111260589B true CN111260589B (zh) | 2023-02-07 |
Family
ID=70949406
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010104974.XA Active CN111260589B (zh) | 2020-02-20 | 2020-02-20 | 基于Retinex的输电线路监控图像去雾方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111260589B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113516602B (zh) * | 2021-07-14 | 2022-11-22 | 广东汇天航空航天科技有限公司 | 一种图像去雾方法、图像去雾装置、电子设备及存储介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101901482B (zh) * | 2009-05-31 | 2012-05-02 | 汉王科技股份有限公司 | 判断去雾增强图像质量效果的方法 |
| CN104796582B (zh) * | 2015-04-20 | 2018-05-04 | 中国矿业大学 | 基于随机喷射retinex的视频图像去噪与增强方法及装置 |
| CN109816605B (zh) * | 2019-01-16 | 2022-10-04 | 大连海事大学 | 一种基于多通道卷积的msrcr图像去雾方法 |
-
2020
- 2020-02-20 CN CN202010104974.XA patent/CN111260589B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN111260589A (zh) | 2020-06-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108230264B (zh) | 一种基于ResNet神经网络的单幅图像去雾方法 | |
| CN111161360B (zh) | 基于Retinex理论的端到端网络的图像去雾方法 | |
| Zhou et al. | Retinex-based laplacian pyramid method for image defogging | |
| CN110148093B (zh) | 一种基于暗通道先验的图像去雾改进方法 | |
| CN110570365A (zh) | 基于先验信息的图像去雾方法 | |
| CN110097522B (zh) | 一种基于多尺度卷积神经网络的单幅户外图像去雾方法 | |
| CN110211070B (zh) | 一种基于局部极值的低照度彩色图像增强方法 | |
| CN114219732A (zh) | 基于天空区域分割和透射率细化的图像去雾方法及系统 | |
| CN111179196B (zh) | 一种基于分而治之的多分辨率深度网络图像去高光方法 | |
| CN111861896A (zh) | 一种面向uuv的水下图像色彩补偿与恢复方法 | |
| CN111598800B (zh) | 基于空间域同态滤波和暗通道先验的单幅图像去雾方法 | |
| CN111553856B (zh) | 基于深度估计辅助的图像去雾方法 | |
| CN112419163B (zh) | 一种基于先验知识和深度学习的单张图像弱监督去雾方法 | |
| Tan et al. | Image haze removal based on superpixels and Markov random field | |
| CN111260589B (zh) | 基于Retinex的输电线路监控图像去雾方法 | |
| CN108765337B (zh) | 一种基于暗原色先验与非局部mtv模型的单幅彩色图像去雾处理方法 | |
| CN114066786A (zh) | 一种基于稀疏和滤波器的红外和可见光图像融合方法 | |
| CN116128766A (zh) | 一种基于改进Retinex-Net的电力设备红外图像增强方法 | |
| CN116883259A (zh) | 一种基于去噪扩散概率模型的水下图像增强方法 | |
| Abbaspour et al. | A new fast method for foggy image enhancement | |
| Chen et al. | An adaptive image dehazing algorithm based on dark channel prior | |
| Song et al. | An adaptive real-time video defogging method based on context-sensitiveness | |
| CN113256533B (zh) | 基于msrcr的自适应低照度图像增强方法及系统 | |
| CN115760640A (zh) | 基于含噪Retinex模型的煤矿低光照图像增强方法 | |
| CN113298730B (zh) | 一种基于图像分解的去雾复原方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240508 Address after: No. 669, Hangtian Middle Road, Xi'an national civil aerospace industry base, Shaanxi 710100 Patentee after: Electric Power Research Institute of State Grid Shaanxi Electric Power Co.,Ltd. Country or region after: China Patentee after: State Grid Shaanxi Electric Power Co.,Ltd. Patentee after: STATE GRID CORPORATION OF CHINA Patentee after: National Network (Xi'an) Environmental Protection Technology Center Co.,Ltd. Address before: No.669, Hangtian Middle Road, Chang'an District, Xi'an City, Shaanxi Province Patentee before: STATE GRID SHAANXI ELECTRIC POWER Research Institute Country or region before: China Patentee before: STATE GRID SHAANXI ELECTRIC POWER Co. Country or region before: China Patentee before: STATE GRID CORPORATION OF CHINA |