CN112200755B - 一种图像去雾方法 - Google Patents
一种图像去雾方法 Download PDFInfo
- Publication number
- CN112200755B CN112200755B CN202011429446.8A CN202011429446A CN112200755B CN 112200755 B CN112200755 B CN 112200755B CN 202011429446 A CN202011429446 A CN 202011429446A CN 112200755 B CN112200755 B CN 112200755B
- Authority
- CN
- China
- Prior art keywords
- image
- value
- defogged
- rgb
- 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 53
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 36
- 238000002834 transmittance Methods 0.000 claims description 48
- 238000001914 filtration Methods 0.000 claims description 44
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 15
- 230000007547 defect Effects 0.000 abstract description 5
- 238000012545 processing Methods 0.000 abstract description 5
- 230000000007 visual effect Effects 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000009795 derivation Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G06T5/73—
-
- G06T5/90—
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/10024—Color 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Abstract
本发明公开了一种图像去雾方法,包括步骤:输入待去雾图像,计算其大气光值和透射率图;然后计算去雾后的图像;对去雾后的图像进行曝光处理,输出去雾后的图像等;本发明提高了算法鲁棒性和算法效率,适用于包含天空等明亮区域的场景,解决了传统去雾方法对明亮区域去雾效果差,适用范围小的缺点等。
Description
技术领域
本发明涉及图像去雾处理领域,更为具体的,涉及一种图像去雾方法。
背景技术
图像去雾是安防、图像增强领域很重要的技术。对于雾霾较大的室外环境,监控难度更大,需要对监控图像进行去雾处理,才能得到清晰目标,例如车牌、人脸等等。
近年来,有雾图像的复原工作已成为计算机视觉和计算机图形学等多学科交叉领域的热门研究方向。在雾天环境下,拍摄出来的景物能见度和对比度降低,使各种户外监测系统,如视频监控系统,在恶劣的天气下往往无法可靠工作。因此,简单有效的图像去雾对提高视觉系统的可靠性和鲁棒性具有重要意义。
当前,对于图像的去雾算法主要分为两类:一类是基于大气散射物理模型的方法。这类方法基于大气散射规律建立了图像退化模型,能够利用先验知识,具有内在的优越性。何凯明基于对户外无雾图像数据库的统计规律,提出一种简单有效的暗原色先验单一图像去雾方法,对一般户外图像取得了很好的去雾效果。何凯明提出的导向滤波代替了softmatting软抠图算法,在保证透射率图精度的同时大幅度地提高滤波速度。但该去雾算法建立在暗原色假设之上,对不满足这个假设的明亮区域,算法估计的透射率偏小,恢复结果出现色彩失真,影响了图像的视觉效果。
另一类是基于图像对比度增强的方法,韩国学者提出的基于图像对比度增强的去雾方法也是利用了雾模型理论。基于图像去雾效果的好坏与对比度和损失参数相关的假设,为它们分配相应的权重,建立评分标准,计算最佳的透射率图。这个算法对天空的处理效果比较好,这是因为算法对透射率图的计算结果进行了参数限制,防止去雾结果中天空、水面等明亮部分的去雾结果对比度过高。
现有的两种去雾算法对天空部分的去雾效果都很差,这是因为天空部分的透射率图计算结果与实际有相当大的偏差,使得本来不该去雾的部分被强行执行了去雾算法。另一方面,由于去雾后的结果对比度增强,图像普遍较暗,不便观察。对此,本申请提出了改进做法。
发明内容
本发明的目的在于克服现有技术的不足,提供一种图像去雾方法,提高了算法鲁棒性和算法效率,适用于包含天空等明亮区域的场景,解决了传统去雾方法对明亮区域去雾效果差,适用范围小的缺点等。
本发明的目的是通过以下方案实现的:
一种图像去雾方法,包括步骤:
输入待去雾图像,计算其大气光值和透射率图;然后采用如下公式计算去雾后的图像:
其中,J(x)为去雾图,I(x)为输入的带有雾霾的图像,A为大气光值,t(x)为透射率图,t0为最小透射率,r表示对明亮区域的修正程度,x为像素点在图像上的坐标;
输出去雾后的图像。
进一步地,在输出去雾后的图像前,对去雾后的图像采用如下步骤进行曝光处理:
第一步,对整幅去雾后的图像计算亮度均值,利用亮度均值计算曲线调节参数;
第二步,利用曲线调节参数,采用如下调节方程对去雾后的图像进行曝光度调节;
其中,expose表示第一步中用图像的亮度均值计算得到的曲线调节参数,m为自动曝光调节的上限值,res为曝光度调节的去雾图像,I为未经曝光处理的去雾后图像。
进一步地,计算待去雾图像的大气光值,包括步骤:
S1,采用求解RGB三通道最小值的方法先得到一幅灰度图,再对这幅灰度图进行最小值滤波,得到原待去雾图像的暗通道dark;
S2,对暗通道像素进行排序,选取暗通道中像素值最大的前0.1%的像素点,找到原RGB图像中对应位置的像素点,计算其平均值,求得大气光值。
进一步地,计算待去雾图像的透射率图,包括步骤:
S3,对原图与大气光值相除的结果求解暗通道,包括求解RGB三通道最小值,对其结果进行最小值滤波,得到暗通道,再计算图像的透射率图。
进一步地,包括步骤:
S4,采用快速导向滤波算法对透射率图进行滤波,修复透射率图细节,并采用降采样的方法提高导向滤波算法的速度。
进一步地,在步骤S1中,采用如下公式计算待去雾图像的暗通道dark:
其中,y表示像素点坐标,c表示RGB三通道的某一个通道,表示输入待去雾
图像在坐标y下的像素点的RGB三个通道的像素值,该公式中从左边起第二个表示对的结果计算RGB三通道的最小值,该公式中从左边起第一个表示对前面的结果
进行最小值滤波,表示滤波模板范围,在此范围内进行最小值滤波。
进一步地,在步骤S2中,
采取桶排序的方法,选取暗通道中像素值最大的前0.1%的像素点,找到原RGB图像中对应位置的像素点,计算其平均值,求得大气光值,计算公式如下:
其中,表示暗通道上像素值最大的前0.1%的像素对应在原图像上像素的集合,
分别计算该集合中全部像素RGB三个通道的均值,为大气光值,y表示像素点坐标,
num为选取的用于计算大气光值的像素数量,c表示RGB三通道的某一个通道。
其中,w表示去雾程度参数,y表示像素点坐标,A表示大气光值,c表示RGB三通道的
某一个通道,表示在坐标y下的像素点的RGB三个通道的像素值,左边起第二个
表示对的结果计算RGB三通道的最小值,左边起第一个表示对前面的结果进行
最小值滤波,表示滤波模板范围。
本发明的有益效果是:
(1)本发明提出了一种鲁棒性高、算法效率高的图像去雾方法,适用于包含天空等明亮区域的场景,解决了传统去雾方法对明亮区域去雾效果差,适用范围小的缺点。具体的实施例中,对去雾模型进行了改进,针对明亮区域进行了修正补偿,另外利用快速导向滤波提高了算法效率,增强实时性;采用自动曝光处理,对去雾结果进行了补偿,使最终的去雾效果更加明亮,视觉效果良好。
(2)本发明实施例中,对基于暗通道的去雾算法进行了改进,有针对性地对图像中的明亮区域进行修正,使图像的去雾结果干净整洁,没有偏色。
(3)本发明实施例中,对去雾结果进行了自适应曝光处理,使最终的去雾结果明亮清晰。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例的方法步骤流程图;
图2为待去雾图像图;
图3为图像的暗通道图;
图4为图像的透射率图;
图5为图像透射率图的导向滤波结果图。
具体实施方式
本说明书中所有实施例公开的所有特征(包括任何附加权利要求、摘要和附图),或隐含公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合和/或扩展、替换。
如图1~5所示,一种图像去雾方法,包括步骤:
输入待去雾图像,计算其大气光值和透射率图;然后采用如下公式计算去雾后的图像:
其中,J(x)为去雾图,I(x)为输入的带有雾霾的图像,A为大气光值,t(x)为透射率图,t0为最小透射率,r表示对明亮区域的修正程度,x为像素点在图像上的坐标;
输出去雾后的图像。
进一步地,在输出去雾后的图像前,对去雾后的图像采用如下步骤进行曝光处理:
第一步,对整幅去雾后的图像计算亮度均值,利用亮度均值计算曲线调节参数;
第二步,利用曲线调节参数,采用如下调节方程对去雾后的图像进行曝光度调节;
其中,expose表示第一步中用图像的亮度均值计算得到的曲线调节参数,m为自动曝光调节的上限值,res为曝光度调节的去雾图像,I为未经曝光处理的去雾后图像。
进一步地,计算待去雾图像的大气光值,包括步骤:
S1,采用求解RGB三通道最小值的方法先得到一幅灰度图,再对这幅灰度图进行最小值滤波,得到原待去雾图像的暗通道dark;
S2,对暗通道像素进行排序,选取暗通道中像素值最大的前0.1%的像素点,找到原RGB图像中对应位置的像素点,计算其平均值,求得大气光值。
进一步地,计算待去雾图像的透射率图,包括步骤:
S3,对原图与大气光值相除的结果求解暗通道,包括求解RGB三通道最小值,对其结果进行最小值滤波,得到暗通道,再计算图像的透射率图。
进一步地,包括步骤:
S4,采用快速导向滤波算法对透射率图进行滤波,修复透射率图细节,并采用降采样的方法提高导向滤波算法的速度。
进一步地,在步骤S1中,采用如下公式计算待去雾图像的暗通道dark:
其中,y表示像素点坐标,c表示RGB三通道的某一个通道,表示输入待去雾
图像在坐标y下的像素点的RGB三个通道的像素值,该公式中从左边起第二个表示对的结果计算RGB三通道的最小值,该公式中从左边起第一个表示对前面的结果
进行最小值滤波,表示滤波模板范围,在此范围内进行最小值滤波。
进一步地,在步骤S2中,
采取桶排序的方法,选取暗通道中像素值最大的前0.1%的像素点,找到原RGB图像中对应位置的像素点,计算其平均值,求得大气光值,计算公式如下:
其中,表示暗通道上像素值最大的前0.1%的像素对应在原图像上像素的集合,
分别计算该集合中全部像素RGB三个通道的均值,为大气光值,y表示像素点坐标,
num为选取的用于计算大气光值的像素数量,c表示RGB三通道的某一个通道。
其中,w表示去雾程度参数,y表示像素点坐标,A表示大气光值,c表示RGB三通道的
某一个通道,表示在坐标y下的像素点的RGB三个通道的像素值,左边起第二个
表示对的结果计算RGB三通道的最小值,左边起第一个表示对前面的结果进行
最小值滤波,表示滤波模板范围。
在本发明的实施例中,如图1所示,本实施例提供一种改进的基于暗通道的去雾方法,包括如下步骤:
第一步:对输入的待去雾图像如图2,采用求解RGB三通道最小值的方法先得到一幅灰度图,再对这幅灰度图进行最小值滤波,得到原图像的暗通道dark,如图3所示。计算公式为:
其中,y表示像素点坐标,c表示RGB三通道的某一个通道,表示输入待去雾
图像在坐标y下的像素点的RGB三个通道的像素值,第二个min表示对RGB三通道的最
小值,第一个min表示对前面的结果进行最小值滤波,表示滤波模板范围,在此范围内进
行最小值滤波。
第二步:采取桶排序的方法,选取暗通道中像素值最大的前0.1%的像素点,找到原RGB图像中对应位置的像素点,计算其平均值,求得大气光值,计算公式如下:
第三步:对原图与大气光值相除的结果求解暗通道,包括求解RGB三通道最小值,对其结果进行最小值滤波,得到暗通道,再利用透射率计算公式计算图像的透射率图,透射率图如图4所示,计算公式为:
公式中去雾程度参数,避免去雾程度过高导致去雾结果不自然,y表示像素点坐
标,A表示大气光值,c表示RGB三通道的某一个通道,表示在坐标y下的像素点的RGB
三个通道的像素值,第二个表示对的结果计算RGB三通道的最小值,第一个表示对前面的结果进行最小值滤波,表示滤波模板范围。
第四步:采用快速导向滤波算法对透射率图进行滤波,修复透射率图细节,并采用降采样的方法提高导向滤波算法的速度,透射率图的快速导向滤波结果如图5所示。导向滤波的输入为:透射率图和引导图,引导图选用原图的灰度图。
其中,预处理是对要进行导向滤波的图像和引导图进行放缩。
第五步:利用改进的雾模型理论公式计算去雾结果,对天空部分的去雾结果进行优化,改进的雾模型理论推导的去雾公式为:
传统的基于暗通道的去雾方法的弊端体现于:对于天空、水面等明亮的像素点,不
符合暗通道原理。暗通道原理即:对于图像的大部分区域,RGB三通道至少有一个通道具有
很小的像素值,即值趋近于零,去雾公式是在此基础上进行推导的。然而,对于天空、
水面等区域不符合暗通道理论,导致透射率图在天空区域的计算结果偏小,因此对原雾模
型理论推导出的去雾公式进行修正,添加了天空修正因子。式中
表示最小的透射率,防止透射率的计算值过小,出现偏色现象,为对图像明亮区域的矫正
程度。
第六步:采用自动曝光算法对去雾结果进行处理,自动调节图像的曝光度,使最终的去雾结果在不改变去雾程度的前提下,更加明亮。
基于上述方法,本实施例提出了一种鲁棒性高、算法效率高的去雾方法,适用于包含天空等明亮区域的场景,解决了传统去雾方法对明亮区域去雾效果差,适用范围小的缺点。对去雾模型进行了改进,针对明亮区域进行了修正补偿,另外利用快速导向滤波提高了算法效率,增强实时性;采用自动曝光处理,对去雾结果进行了补偿,使最终的去雾效果更加明亮,视觉效果良好。
在本发明的实施例中,算法输入为待去雾图像,输出为去雾并进行了自适应曝光调整的图像,其中:
传统的去雾推导公式中,透射率图的计算公式原本为:
,最终的去雾公式为:。而
暗通道理论的先验信息不适用于天空等明亮的区域,在这些区域内像素的rgb三个值都比
较大,如果仍默认为0会使透射率的计算结果偏小,而天空、水面这些明
亮区域的透射率本应该很高,在这种情况下却被算法误认为是雾,仍进行了较大程度的去
雾,这就导致了去雾整体效果不良,在明亮区域有明显的偏色现象。
本发明实施例有针对性地对图像中的明亮区域进行修正,修正由于暗通道理论的
不全面性带来的错误的去雾效果,引入了修正因子。其原理为利用大气光值A
作为参考标准,对透射率进行加权处理,当图像上的某像素与大气光值的差比较小时,即明
亮区域,对透射率图的计算结果进行适当的削弱,去雾的总体公式为:
式中J(x)为去雾图,I(x)为输入的带有雾霾的图像,A为大气光值,t(x)为透射率图,t0为最小透射率,r表示对明亮区域的修正程度,当r较大时天空修正程度比较高。引入修正的去雾公式有针对性地对图像中较明亮区域的透射率图进行调节,使最终的去雾结果干净整洁,没有偏色。
现有的去雾算法,无论基于对比度增强还是基于暗通道的去雾方法,其去雾结果都偏暗。本发明实施例中对去雾图像进行了自动曝光处理:首先,对整幅去雾后的图像计算亮度均值。亮度均值相当于一个衡量去雾图像曝光程度的参数,并用亮度均值计算曲线调节参数。亮度较大的去雾图像,曝光度调节的程度较小;亮度较小的去雾图像,曝光度调节的程度较大。第二步:利用曲线对去雾图像进行曝光度调节。为了避免曝光度调节对图像中较亮的部分产生过曝的效果,对图像中较亮的部分进行参数调节。曝光调节方程如下:
式中expose表示第一步中用图像的亮度均值计算的曲线调节参数,m选取较高的值可以使图像在较暗处的曝光调节程度较高,而在较亮处的曝光调节程度较低。
自动曝光算法以图像的亮度均值作为先验信息,计算曝光调节曲线的参数,再利用曲线方程对图像的曝光度进行调节。对去雾图像进行自动曝光处理后,去雾图呈现出更加清晰、明亮的画面。
以下为本发明实施例中去雾方法的总体流程:
第一步:采用求解RGB三通道最小值的方法先得到一幅灰度图,再对这幅灰度图进行最小值滤波,得到原图像的暗通道dark;
第二步:对暗通道像素进行排序,选取暗通道中像素值最大的前0.1%的像素点,找到原RGB图像中对应位置的像素点,计算其平均值,求得大气光值;
第三步:对原图与大气光值相除的结果求解暗通道,包括求解RGB三通道最小值,对其结果进行最小值滤波,得到暗通道,再利用透射率计算公式计算图像的透射率图。
第四步:采用快速导向滤波算法对透射率图进行滤波,修复透射率图细节,并采用降采样的方法提高导向滤波算法的速度。
前四个步骤基于暗通道算法处理,其中第二步的求解大气光值还有其他方法,例如:直接选取暗通道中像素值最大的像素点对应的RGB图像中的像素点的值作为大气光值,这种方法选择的大气光值觉有不确定性,很容易受到图像中曝光度高的像素影响;或者四叉树方法求解大气光值,这种方法也有可能在错误的图像区域中选取像素值作为大气光值。经过测试,本发明技术方案中的求解大气光值的结果是最准确的,而且由于用到了桶排序,算法效率很高。
第五步:利用改进的雾模型理论推导公式计算去雾结果,对天空部分的去雾结果进行优化。本发明实施例中,第五步是必不可少的,对雾模型理论推导公式进行的改进,可以有针对性地对图像中较明亮区域的透射率图计算结果进行修正,解决由于暗通道理论适用场景的限制(暗通道理论不适用于天空等明亮部分)导致的明亮区域去雾结果的偏色问题。
第六步:采用自动曝光算法对去雾结果进行处理,自动调节图像的曝光度,使最终的去雾结果在不改变去雾程度的前提下,更加明亮。传统的去雾算法结果,无论基于对比度增强还是基于暗通道理论,其去雾后图像的视觉效果相比于去雾前较暗,第六步对去雾的结果进行曝光度自适应调节,使去雾后图像的视觉效果比较清晰明亮。
传统的基于暗通道去雾方法在天空、水面等明亮区域的去雾效果差,有严重色差,本发明实施例针对图像中的明亮区域进行了修正,使最终的去雾效果表现良好,在明亮区域不存在色差,提高了算法的鲁棒性;针对图像的去雾结果偏暗的现象,采用自动曝光的方法,对图像进行自适应调节,使得最终的去雾结果可以清晰、明亮地呈现。
本发明功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,在一台计算机设备(可以是个人计算机,服务器,或者网络设备等)以及相应的软件中执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、或者光盘等各种可以存储程序代码的介质,进行测试或者实际的数据在程序实现中存在于只读存储器(Random Access Memory,RAM)、随机存取存储器(Random Access Memory,RAM)等。
Claims (7)
1.一种图像去雾方法,其特征在于,包括步骤:
输入待去雾图像,计算其大气光值和透射率图;然后采用如下公式计算去雾后的图像:
其中,J(x)为去雾图,I(x)为输入的带有雾霾的图像,A为大气光值,t(x)为透射率图,t0为最小透射率,r表示对明亮区域的修正程度,x为像素点在图像上的坐标;
对去雾后的图像采用如下步骤进行曝光处理:
第一步,对整幅去雾后的图像计算亮度均值,利用亮度均值计算曲线调节参数;
第二步,利用曲线调节参数,采用如下调节方程对去雾后的图像进行曝光度调节;
其中,expose表示第一步中用图像的亮度均值计算得到的曲线调节参数,m为自动曝光调节的上限值,res为曝光度调节的去雾图像,I为未经曝光处理的去雾后图像;
输出去雾后的图像。
2.根据权利要求1所述的图像去雾方法,其特征在于,计算待去雾图像的大气光值,包括步骤:
S1,采用求解RGB三通道最小值的方法先得到一幅灰度图,再对这幅灰度图进行最小值滤波,得到原待去雾图像的暗通道dark;
S2,对暗通道像素进行排序,选取暗通道中像素值最大的前0.1%的像素点,找到原RGB图像中对应位置的像素点,计算其平均值,求得大气光值。
3.根据权利要求2所述的图像去雾方法,其特征在于,计算待去雾图像的透射率图,包括步骤:
S3,对原图与大气光值相除的结果求解暗通道,包括求解RGB三通道最小值,对其结果进行最小值滤波,得到暗通道,再计算图像的透射率图。
4.根据权利要求3所述的图像去雾方法,其特征在于,包括步骤:
S4,采用快速导向滤波算法对透射率图进行滤波,修复透射率图细节,并采用降采样的方法提高导向滤波算法的速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011429446.8A CN112200755B (zh) | 2020-12-09 | 2020-12-09 | 一种图像去雾方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011429446.8A CN112200755B (zh) | 2020-12-09 | 2020-12-09 | 一种图像去雾方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112200755A CN112200755A (zh) | 2021-01-08 |
CN112200755B true CN112200755B (zh) | 2021-05-07 |
Family
ID=74033172
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011429446.8A Active CN112200755B (zh) | 2020-12-09 | 2020-12-09 | 一种图像去雾方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112200755B (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 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2694317Y (zh) * | 2003-11-28 | 2005-04-20 | 北京中星微电子有限公司 | 一种消除照明灯下曝光闪烁的自动曝光控制电路 |
CN102750674A (zh) * | 2012-04-26 | 2012-10-24 | 长春理工大学 | 基于自适应容差的视频图像去雾方法 |
CN103065284A (zh) * | 2012-12-30 | 2013-04-24 | 信帧电子技术(北京)有限公司 | 图像数据的去雾方法及装置 |
CN103413305A (zh) * | 2013-08-01 | 2013-11-27 | 北京航空航天大学 | 一种单幅图像的快速去雾方法、装置和图像处理系统 |
CN104240194A (zh) * | 2014-04-29 | 2014-12-24 | 西南科技大学 | 一种基于抛物线函数的低照度图像增强算法 |
CN104506780A (zh) * | 2014-12-25 | 2015-04-08 | 深圳市锐明视讯技术有限公司 | 一种车载成像设备的图像调节方法和装置 |
CN105631829A (zh) * | 2016-01-15 | 2016-06-01 | 天津大学 | 基于暗通道先验与颜色校正的夜间雾霾图像去雾方法 |
CN105809641A (zh) * | 2016-03-09 | 2016-07-27 | 北京理工大学 | 一种去雾图像的曝光补偿和边缘增强方法 |
CN106157270A (zh) * | 2016-08-29 | 2016-11-23 | 潍坊学院 | 一种单幅图像快速去雾方法及系统 |
CN106454145A (zh) * | 2016-09-28 | 2017-02-22 | 湖南优象科技有限公司 | 一种具有场景自适应的自动曝光方法 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1512256A (zh) * | 2002-12-27 | 2004-07-14 | 金宝电子工业股份有限公司 | 影像摄取装置自动曝光取样及控制方法 |
JP4639271B2 (ja) * | 2005-12-27 | 2011-02-23 | 三星電子株式会社 | カメラ |
CN101247479B (zh) * | 2008-03-26 | 2010-07-07 | 北京中星微电子有限公司 | 一种基于图像中目标区域的自动曝光方法 |
CN101534453B (zh) * | 2008-12-12 | 2011-07-27 | 昆山锐芯微电子有限公司 | 自动曝光控制的方法、图像处理器和光学成像设备 |
CN102438107B (zh) * | 2011-08-09 | 2013-11-13 | 宁波大学 | 一种显微视频图像的处理方法 |
CN102663694A (zh) * | 2012-03-30 | 2012-09-12 | 大连理工大学 | 一种基于暗原色通道先验的雾效数字滤镜方法 |
CN102930514B (zh) * | 2012-09-27 | 2015-04-08 | 西安电子科技大学 | 基于大气物理散射模型的快速图像去雾方法 |
CN103279931B (zh) * | 2013-06-03 | 2016-07-13 | 中国人民解放军国防科学技术大学 | 基于透射率的去雾图像去噪方法 |
CN103428439B (zh) * | 2013-08-22 | 2017-02-08 | 浙江宇视科技有限公司 | 一种成像设备自动曝光控制方法及装置 |
CN103578083B (zh) * | 2013-09-07 | 2016-06-29 | 西安电子科技大学 | 基于联合均值漂移的单幅图像去雾方法 |
CN104917975B (zh) * | 2015-06-01 | 2018-01-05 | 北京空间机电研究所 | 一种基于目标特征的自适应自动曝光方法 |
US10026160B2 (en) * | 2016-08-20 | 2018-07-17 | Adobe Systems Incorporated | Systems and techniques for automatic image haze removal across multiple video frames |
CN107610058A (zh) * | 2017-08-28 | 2018-01-19 | 浙江工业大学 | 基于下采样的高分辨率图像去雾方法 |
CN107644404A (zh) * | 2017-08-28 | 2018-01-30 | 浙江工业大学 | 一种天空区域视觉优化的图像去雾方法 |
CN109587407A (zh) * | 2018-12-14 | 2019-04-05 | 广州华多网络科技有限公司 | 图像拍摄的曝光量调整方法、装置及计算机设备 |
CN111491108B (zh) * | 2019-01-28 | 2022-12-09 | 杭州海康威视数字技术股份有限公司 | 一种曝光参数的调整方法及装置 |
CN111182232A (zh) * | 2019-12-31 | 2020-05-19 | 浙江华诺康科技有限公司 | 曝光参数调整方法、装置、设备和计算机可读存储介质 |
-
2020
- 2020-12-09 CN CN202011429446.8A patent/CN112200755B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2694317Y (zh) * | 2003-11-28 | 2005-04-20 | 北京中星微电子有限公司 | 一种消除照明灯下曝光闪烁的自动曝光控制电路 |
CN102750674A (zh) * | 2012-04-26 | 2012-10-24 | 长春理工大学 | 基于自适应容差的视频图像去雾方法 |
CN103065284A (zh) * | 2012-12-30 | 2013-04-24 | 信帧电子技术(北京)有限公司 | 图像数据的去雾方法及装置 |
CN103413305A (zh) * | 2013-08-01 | 2013-11-27 | 北京航空航天大学 | 一种单幅图像的快速去雾方法、装置和图像处理系统 |
CN104240194A (zh) * | 2014-04-29 | 2014-12-24 | 西南科技大学 | 一种基于抛物线函数的低照度图像增强算法 |
CN104506780A (zh) * | 2014-12-25 | 2015-04-08 | 深圳市锐明视讯技术有限公司 | 一种车载成像设备的图像调节方法和装置 |
CN105631829A (zh) * | 2016-01-15 | 2016-06-01 | 天津大学 | 基于暗通道先验与颜色校正的夜间雾霾图像去雾方法 |
CN105809641A (zh) * | 2016-03-09 | 2016-07-27 | 北京理工大学 | 一种去雾图像的曝光补偿和边缘增强方法 |
CN106157270A (zh) * | 2016-08-29 | 2016-11-23 | 潍坊学院 | 一种单幅图像快速去雾方法及系统 |
CN106454145A (zh) * | 2016-09-28 | 2017-02-22 | 湖南优象科技有限公司 | 一种具有场景自适应的自动曝光方法 |
Non-Patent Citations (2)
Title |
---|
低照度图像增强算法的研究与实现;王小元;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170315(第3期);第I138-4237页 * |
数字图像去雾方法及其应用研究;孙张明;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170315(第3期);第18页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112200755A (zh) | 2021-01-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107767354B (zh) | 一种基于暗原色先验的图像去雾算法 | |
CN107301623B (zh) | 一种基于暗通道和图像分割的交通图像去雾方法及系统 | |
CN101783012B (zh) | 一种基于暗原色的自动图像去雾方法 | |
Gao et al. | Sand-dust image restoration based on reversing the blue channel prior | |
CN111292258A (zh) | 一种基于暗通道和亮通道先验的图像去雾方法 | |
CN107067375A (zh) | 一种基于暗通道先验和边缘信息的图像去雾方法 | |
CN105913390B (zh) | 一种图像去雾方法及系统 | |
CN108182671B (zh) | 一种基于天空区域识别的单幅图像去雾方法 | |
CN110689490A (zh) | 一种基于纹理颜色特征和优化透射率的水下图像复原方法 | |
CN110570360A (zh) | 一种基于Retinex的鲁棒和全面的低质量光照图像增强方法 | |
US20050135701A1 (en) | Image sharpening | |
CN106846271B (zh) | 一种去除身份证照片中网纹的方法 | |
CN112991222A (zh) | 图像雾霾去除处理方法、系统、计算机设备、终端及应用 | |
CN112200755B (zh) | 一种图像去雾方法 | |
CN114298985B (zh) | 缺陷检测方法、装置、设备及存储介质 | |
CN108898561B (zh) | 一种含天空区域雾天图像的去雾方法、服务器及系统 | |
Jiwani et al. | Single image fog removal using depth estimation based on blur estimation | |
CN111192213A (zh) | 图像去雾自适应参数的计算方法、图像去雾方法及系统 | |
CN112825189B (zh) | 一种图像去雾方法及相关设备 | |
Abbaspour et al. | A new fast method for foggy image enhancement | |
CN114418874A (zh) | 一种低照度图像增强方法 | |
CN113989164A (zh) | 一种水下彩色图像复原方法、系统及存储介质 | |
CN112949389A (zh) | 一种基于改进目标检测网络的雾霾图像目标检测方法 | |
CN111223052B (zh) | 一种基于改进容差机制的图像去雾方法 | |
CN111598788A (zh) | 一种基于四叉树分解与非局部先验的单幅图像去雾方法 |
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 |