CN113379632A - 一种基于小波透射率优化的图像去雾方法及系统 - Google Patents

一种基于小波透射率优化的图像去雾方法及系统 Download PDF

Info

Publication number
CN113379632A
CN113379632A CN202110658343.7A CN202110658343A CN113379632A CN 113379632 A CN113379632 A CN 113379632A CN 202110658343 A CN202110658343 A CN 202110658343A CN 113379632 A CN113379632 A CN 113379632A
Authority
CN
China
Prior art keywords
transmittance
image
wavelet
frequency information
obtaining
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.)
Granted
Application number
CN202110658343.7A
Other languages
English (en)
Other versions
CN113379632B (zh
Inventor
赵华杰
罗韦刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Cylan Technology Co ltd
Original Assignee
Shenzhen Cylan Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Cylan Technology Co ltd filed Critical Shenzhen Cylan Technology Co ltd
Priority to CN202110658343.7A priority Critical patent/CN113379632B/zh
Publication of CN113379632A publication Critical patent/CN113379632A/zh
Application granted granted Critical
Publication of CN113379632B publication Critical patent/CN113379632B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本申请涉及一种基于小波透射率优化的图像去雾方法及系统，属于图像处理技术的领域，图像去雾方法包括小波系数获取，得到有雾图像
Figure 448116DEST_PATH_IMAGE001
的R、G、B三个成分的小波系数；第一透射率估计，计算有雾图像
Figure 896415DEST_PATH_IMAGE001
的低频信息的暗通道信息
Figure 82677DEST_PATH_IMAGE002
，并估计低频信息对应的第一透射率
Figure 212307DEST_PATH_IMAGE003
；第三透射率和大气光强度获取，得到空间领域的第三透射率
Figure 557838DEST_PATH_IMAGE004
和大气光强度
Figure 800207DEST_PATH_IMAGE005
；无雾图像重构，构建去雾复原模型，并根据去雾复原模型、第三透射率
Figure 598399DEST_PATH_IMAGE004
和大气光强度
Figure 531720DEST_PATH_IMAGE005
重构无雾图像
Figure 607123DEST_PATH_IMAGE006
；并基于一种基于小波透射率优化的图像去雾方法，提供了一种基于小波透射率优化的图像去雾系统。与相关技术相比，本申请具有改善去雾图像的可视效果较差的问题的效果。

Description

一种基于小波透射率优化的图像去雾方法及系统
技术领域
本申请涉及图像处理技术的领域，尤其是涉及一种基于小波透射率优化的图像去雾方法及系统。
背景技术
图像处理，又称影像处理，是用计算机对图像进行分析，以达到所需结果的技术。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到一个大的二维数组，该数组的元素称为像素，其值称为灰度值。
随着视频监控应用的广泛普及，不仅提升了可视化安全管控效率，还降低了社会安全管理成本。视频监控的可视化受图像采集装置环境的影响，例如天气、光照、角度等，劣化图像将直接影响着后续对目标分析的精确度。为了降低雾霾或雾气等天气对采集到的图像的影响，图像去雾技术成为一种越来越重要的技术。
传统的基于暗通道先验算法的图像去雾算法可以实现很好的去雾性能，但高亮成分（天空、大背景等区域）会形成部分颜色失真，导致去雾图像的可视效果较差。
发明内容
为了改善去雾图像的可视效果较差的问题，本申请提供一种基于小波透射率优化的图像去雾方法及系统。
本申请提供的一种基于小波透射率优化的图像去雾方法采用如下的技术方案：
一种基于小波透射率优化的图像去雾方法，所述图像去雾方法包括，
小波系数获取，对拍摄的有雾图像
Figure 266714DEST_PATH_IMAGE001
的RGB成分进行Haar小波变换，分别得到R、 G、B三个成分的小波系数，所述小波系数包括
Figure 752053DEST_PATH_IMAGE002
、
Figure 781189DEST_PATH_IMAGE003
、
Figure 444514DEST_PATH_IMAGE004
、
Figure 395153DEST_PATH_IMAGE005
、
Figure 808816DEST_PATH_IMAGE006
和
Figure 833404DEST_PATH_IMAGE007
；
第一透射率估计，根据R、G、B三个成分的小波系数，计算有雾图像
Figure 307111DEST_PATH_IMAGE001
的低频信息 的暗通道信息
Figure 400838DEST_PATH_IMAGE008
，并估计低频信息对应的第一透射率
Figure 555876DEST_PATH_IMAGE009
；
第三透射率和大气光强度获取，根据R、G、B三个成分的小波系数中最大的高频信 息以及第一透射率
Figure 559604DEST_PATH_IMAGE009
，采用Haar小波逆变换，得到空间领域的第三透射率
Figure 813999DEST_PATH_IMAGE010
和大气 光强度
Figure 270388DEST_PATH_IMAGE011
；以及
无雾图像重构，根据雾天成像的退化模型，对雾天成像进行分析，构建去雾复原模型：
Figure 920462DEST_PATH_IMAGE012
（3），
并根据去雾复原模型、第三透射率
Figure 778696DEST_PATH_IMAGE010
和大气光强度
Figure 469572DEST_PATH_IMAGE011
重构无雾图像
Figure 616519DEST_PATH_IMAGE013
；
其中，
Figure 910097DEST_PATH_IMAGE014
表示像素，
Figure 747472DEST_PATH_IMAGE015
表示透射率阈值。
通过采用上述技术方案，通过Haar小波变换得到R、G、B三个成分中包含图像信息的小波系数，再根据暗通道先验原理，通过根据小波系数中的低频信息的暗通道信息，来估计低频信息的第一透射率，而根据小波系数中最大的高频信息和第一透射率，结合Haar小波逆变换，能得到第三透射率和大气光强度，大气光强度根据小波系数中最大的高频信息而获得，更接近于有雾图像实际拍摄时的大气光强度，并最终结合去雾复原模型，重构无雾图像，能够在一定程度上解决无雾图像的高亮区域失真的问题，从而有助于改善去雾图像的可视效果较差的问题；通过小波变换对有雾图像进行分解，能够降低计算的复杂过程，降低图像去雾的时耗。
可选的，所述第一透射率估计的具体方法包括，
根据小波系数，得到最大高频信息
Figure 999462DEST_PATH_IMAGE016
和低频信息的暗通道信息
Figure 305810DEST_PATH_IMAGE008
；以 及，
根据最大高频信息
Figure 403079DEST_PATH_IMAGE016
和暗通道信息
Figure 173588DEST_PATH_IMAGE008
，估计第一透射率
Figure 222578DEST_PATH_IMAGE009
，
Figure 140856DEST_PATH_IMAGE017
（8）；
其中，
Figure 979499DEST_PATH_IMAGE018
=
Figure 542198DEST_PATH_IMAGE016
（9）。
通过采用上述技术方案，结合由小波系数得到的最大高频信息和暗通道信息，即结合暗通道先验的原理，估计第一透射率，能够提升第一透射率的精度，从而使无雾图像具有更好的支撑，进而有助于提高无雾图像的去雾效果。
可选的，所述得到最大高频信息和低频信息的暗通道信息的具体方法包括，
根据小波系数的高频信息
Figure 870411DEST_PATH_IMAGE005
、
Figure 135039DEST_PATH_IMAGE006
和
Figure 839690DEST_PATH_IMAGE007
，得到最大高频信息
Figure 522475DEST_PATH_IMAGE016
，
Figure 224852DEST_PATH_IMAGE019
,
Figure 852143DEST_PATH_IMAGE006
,
Figure 452495DEST_PATH_IMAGE020
（6）；以及，
根据小波系数的低频信息
Figure 114420DEST_PATH_IMAGE002
、
Figure 925382DEST_PATH_IMAGE003
和
Figure 243230DEST_PATH_IMAGE004
，得到暗通道信息
Figure 24105DEST_PATH_IMAGE008
，
Figure 930750DEST_PATH_IMAGE021
（7）；
其中，
Figure 771667DEST_PATH_IMAGE022
表示R成分的低频图像，
Figure 248915DEST_PATH_IMAGE023
表示G成分的低频图像，
Figure 36743DEST_PATH_IMAGE024
表示B成分的低 频图像，
Figure 407681DEST_PATH_IMAGE025
表示R、G、B成分对应的像素。
通过采用上述技术方案，根据小波系数的高频信息得到最大高频信息，根据小波系数的低频信息得到低频信息的暗通道信息，便于获取最大高频信息和暗通道信息。
可选的，所述第三透射率和大气光强度获取的具体方法包括，
根据R、G、B三个成分的小波系数的高频信息
Figure 311178DEST_PATH_IMAGE005
、
Figure 134777DEST_PATH_IMAGE006
和
Figure 398399DEST_PATH_IMAGE007
，得到最大高频信 息
Figure 623844DEST_PATH_IMAGE016
，来得到
Figure 931198DEST_PATH_IMAGE026
；
其中，
Figure 710935DEST_PATH_IMAGE019
,
Figure 902882DEST_PATH_IMAGE006
,
Figure 858200DEST_PATH_IMAGE020
（6），
Figure 680662DEST_PATH_IMAGE027
（9）；
采用导向滤波，对第一透射率
Figure 478854DEST_PATH_IMAGE009
进行优化，得到第二透射率
Figure 662159DEST_PATH_IMAGE028
；
基于第二透射率
Figure 65459DEST_PATH_IMAGE028
和
Figure 855560DEST_PATH_IMAGE026
，采用Haar小波逆变换，得到空间领 域的第三透射率
Figure 16414DEST_PATH_IMAGE010
和大气光强度
Figure 550164DEST_PATH_IMAGE011
。
通过采用上述技术方案，采用导向滤波，来对第一透射率进行优化，能够增强图像的边缘细节，并提高去雾图像的亮度的自适应性，进一步改善去雾图像的可视效果较差的问题。
可选的，所述得到第三透射率
Figure 807970DEST_PATH_IMAGE010
和大气光强度
Figure 628027DEST_PATH_IMAGE011
的具体方法包括，
对第二透射率
Figure 666390DEST_PATH_IMAGE028
采用Haar小波逆变换，得到空间领域的第三透射率
Figure 613618DEST_PATH_IMAGE010
； 以及，
保留最大光强值
Figure 725930DEST_PATH_IMAGE018
，其它系数置为零，对有雾图像
Figure 857834DEST_PATH_IMAGE001
进行Haar小波逆变换， 得到空间图像，将空间图像作为大气光强度
Figure 744013DEST_PATH_IMAGE011
。
通过采用上述技术方案，由于最大光强值与最大高频信息相同，而最大高频信息是R、G、B三个成分中最大的高频系数，因此得到的空间图像的强度变化更为剧烈，即更接近大气光强度，从而有助于改善去雾图像的可视效果较差的问题。
第二方面，本申请还提供一种基于小波透射率优化的图像去雾系统，采用如下的技术方案：
一种基于小波透射率优化的图像去雾系统，所述图像去雾系统包括，
小波系数获取模块，用于对拍摄的有雾图像
Figure 619565DEST_PATH_IMAGE001
的RGB成分进行Haar小波变换，分 别得到R、G、B三个成分的小波系数，所述小波系数包括
Figure 851963DEST_PATH_IMAGE002
、
Figure 30135DEST_PATH_IMAGE003
、
Figure 777511DEST_PATH_IMAGE004
、
Figure 315809DEST_PATH_IMAGE005
、
Figure 402713DEST_PATH_IMAGE006
和
Figure 610841DEST_PATH_IMAGE007
；
第一透射率估计模块，用于根据R、G、B三个成分的小波系数，计算有雾图像
Figure 720879DEST_PATH_IMAGE001
的 低频信息的暗通道信息
Figure 141496DEST_PATH_IMAGE008
，并估计低频信息对应的第一透射率
Figure 879645DEST_PATH_IMAGE009
；
第三透射率和大气光强度获取模块，用于根据R、G、B三个成分的小波系数中最大 的高频信息以及第一透射率
Figure 413001DEST_PATH_IMAGE009
，采用Haar小波逆变换，得到空间领域的第三透射率
Figure 869391DEST_PATH_IMAGE010
和大气光强度
Figure 828119DEST_PATH_IMAGE011
；
无雾图像重构模块，用于根据雾天成像的退化模型，对雾天成像进行分析，构建去雾复原模型：
Figure 561720DEST_PATH_IMAGE012
（3），
并根据去雾复原模型、第三透射率
Figure 642809DEST_PATH_IMAGE010
和大气光强度
Figure 445548DEST_PATH_IMAGE011
重构无雾图像；其中，
Figure 207968DEST_PATH_IMAGE014
表 示像素，
Figure 920709DEST_PATH_IMAGE015
表示透射率阈值。
通过采用上述技术方案，小波系数获取模块通过Haar小波变换得到R、G、B三个成分中包含图像信息的小波系数，第一透射率估计模块根据暗通道先验原理，通过根据小波系数中的低频信息的暗通道信息，来估计低频信息的第一透射率，第三透射率和大气光强度获取模块根据小波系数中最大的高频信息和第一透射率，结合Haar小波逆变换，能得到第三透射率和大气光强度，大气光强度根据小波系数中最大的高频信息而获得，更接近于有雾图像实际拍摄时的大气光强度，并最终结合去雾复原模型，无雾图像重构模块重构无雾图像，能够在一定程度上解决无雾图像的高亮区域失真的问题，从而有助于改善去雾图像的可视效果较差的问题；通过小波变换对有雾图像进行分解，能够降低计算的复杂过程，降低图像去雾的时耗。
可选的，所述第一透射率估计模块具体包括，
第一计算子模块，用于根据小波系数的高频信息
Figure 782486DEST_PATH_IMAGE005
、
Figure 479046DEST_PATH_IMAGE006
和
Figure 202414DEST_PATH_IMAGE007
，得到最大高 频信息
Figure 972924DEST_PATH_IMAGE016
，
Figure 130236DEST_PATH_IMAGE019
,
Figure 923879DEST_PATH_IMAGE006
,
Figure 824839DEST_PATH_IMAGE020
（6）；
第二计算子模块，用于根据小波系数的低频信息
Figure 636806DEST_PATH_IMAGE002
、
Figure 168282DEST_PATH_IMAGE003
和
Figure 308276DEST_PATH_IMAGE004
，得到暗通道信 息
Figure 888293DEST_PATH_IMAGE008
，
Figure 633395DEST_PATH_IMAGE021
（7）；
估计子模块，用于根据最大高频信息
Figure 132510DEST_PATH_IMAGE016
和暗通道信息
Figure 388829DEST_PATH_IMAGE008
，估计第一透 射率
Figure 897170DEST_PATH_IMAGE009
，
Figure 434462DEST_PATH_IMAGE017
（8）；
其中，
Figure 307740DEST_PATH_IMAGE018
=
Figure 422327DEST_PATH_IMAGE016
（9）。
通过采用上述技术方案，第一计算子模块由小波系数的高频信息得到的最大高频信息，第二计算子模块由小波系数的低频信息得到暗通道信息，即结合暗通道先验的原理，估计子模块进行第一透射率估计，能够提升第一透射率的精度，从而使无雾图像具有更好的支撑，进而有助于提高无雾图像的去雾效果。
第三方面，本申请提供一种智能终端，采用如下的技术方案：
一种智能终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面中的任一种方法。
第四方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：
一种计算机可读存储介质，其特征在于：存储有能够被处理器加载被执行如第一方面中任一种方法的计算机程序。
附图说明
图1是本申请实施例的一种基于小波透射率优化的图像去雾方法的第一流程图。
图2是本申请实施例的一种基于小波透射率优化的图像去雾方法的第二流程图。
图3是本申请实施例的一种基于小波透射率优化的图像去雾方法的第三流程图。
图4是本申请实施例的一种基于小波透射率优化的图像去雾方法的第四流程图。
图5是本申请实施例的一种智能终端的结构示意图。
具体实施方式
以下结合附图1-5对本申请作进一步详细说明。
图像去雾，是通过数学模型把采集到的图像中的雾气去除的一种技术。
透射率：为表示入射光经过折射穿过透明体的程度，通常用透过后的光通量与入 射光通量之比
Figure 593414DEST_PATH_IMAGE029
来表征物体的透光性质，称之为透射率。
暗通道：所谓暗通道是一个基本假设，在绝大多数的非天空的局部区域中，某一些像素总会有至少一个颜色通道具有很低的值。实际生活中造成这个假设的原因有很多，比如汽车，建筑物或者城市中的阴影，或者说色彩鲜艳的物体或表面(比如绿色的树叶，各种鲜艳的花，或者蓝色绿色的睡眠)，颜色较暗的物体或者表面，这些景物的暗通道总是表现为比较暗的状态。
小波变换：小波变换能够提供一个随频率改变的“时间-频率”窗口，是进行信号时频分析和处理的理想工具。它的主要特点是通过变换能够充分突出问题某些方面的特征，能对时间（空间）频率的局部化分析，通过伸缩平移运算对信号（函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节。
Haar小波变换：Haar小波是小波的一种，是最简单的正交归一化小波,能够高效简 便的实现。图像经小波变换后可获得
Figure 313108DEST_PATH_IMAGE030
，
Figure 154025DEST_PATH_IMAGE031
，
Figure 631274DEST_PATH_IMAGE032
，
Figure 215839DEST_PATH_IMAGE033
等系数。小波变换的本质是图像的 降采样，图像经过N级小波变换后，低频分量的大小变成原始图像尺寸的
Figure 790040DEST_PATH_IMAGE034
。因此，利用 低频分量获得透射信息将大大减少计算时间。
导向滤波：通过一张引导图对目标图像进行滤波处理，使得最后的输出图像大体上与目标图像相似，但是纹理部分与引导图相似，进一步保持图像边缘平滑。
在雾天条件下，成像物体表面上的光在传播到拍摄设备的传感器上的过程中，会发生直接衰减和大气光效应，即雾气中颗粒物对成像光线的散射使光在传播过程中发生了衰减，而对于非成像光线的散射使非成像光线也进入到拍摄设备的传感器上。
因此，在图像去雾中，经典的，且常见的，将雾天成像的退化模型可被表现为：
Figure 427957DEST_PATH_IMAGE035
（1），
其中，
Figure 782715DEST_PATH_IMAGE036
表示有雾图像，
Figure 780758DEST_PATH_IMAGE013
表示无雾图像，
Figure 475044DEST_PATH_IMAGE037
表示大气光强度，
Figure 657764DEST_PATH_IMAGE038
表示透射 率，
Figure 358873DEST_PATH_IMAGE039
表示像素。
在同质大气中，
Figure 285240DEST_PATH_IMAGE038
可表示为：
Figure 834033DEST_PATH_IMAGE038
=
Figure 63021DEST_PATH_IMAGE040
（2），
其中，
Figure 126792DEST_PATH_IMAGE041
表示大气散射系数，
Figure 480019DEST_PATH_IMAGE042
表示景深。因此，根据公式（1）和公式（2）可知，随 着景深的逐渐增加，透射率会逐渐降低，雾对图像的影响越来越大，导致远景处雾浓、近景 处雾薄的视觉效果。所以有雾图像的复原/去雾/重构可转换为从拍摄/观测到的有雾图像
Figure 680056DEST_PATH_IMAGE036
恢复到无雾图像
Figure 407841DEST_PATH_IMAGE013
的过程，而转换的关键点在于估计大气光强度
Figure 834274DEST_PATH_IMAGE037
和透射率
Figure 368024DEST_PATH_IMAGE038
的 准确性上。
本申请实施例公开一种基于小波透射率优化的图像去雾方法。参照图1和图2，图像去雾方法包括如下方法：
小波系数获取101，对拍摄的有雾图像
Figure 625830DEST_PATH_IMAGE001
的RGB成分进行Haar小波变换，分别得 到R、G、B三个成分的小波系数。
其中，小波系数包括
Figure 445887DEST_PATH_IMAGE002
、
Figure 218671DEST_PATH_IMAGE003
、
Figure 431478DEST_PATH_IMAGE004
、
Figure 340528DEST_PATH_IMAGE043
、
Figure 675694DEST_PATH_IMAGE044
、
Figure 296294DEST_PATH_IMAGE045
、
Figure 171846DEST_PATH_IMAGE046
、
Figure 76348DEST_PATH_IMAGE047
、
Figure 379153DEST_PATH_IMAGE048
、
Figure 985584DEST_PATH_IMAGE005
、
Figure 602510DEST_PATH_IMAGE006
和
Figure 486152DEST_PATH_IMAGE007
。R成分的小波系数是
Figure 100804DEST_PATH_IMAGE002
、
Figure 69897DEST_PATH_IMAGE043
、
Figure 490515DEST_PATH_IMAGE046
和
Figure 845973DEST_PATH_IMAGE005
，G成分的小波系数是
Figure 490581DEST_PATH_IMAGE003
、
Figure 87915DEST_PATH_IMAGE044
、
Figure 843382DEST_PATH_IMAGE047
和
Figure 904879DEST_PATH_IMAGE006
，B成分的小波系数是
Figure 579443DEST_PATH_IMAGE004
、
Figure 788707DEST_PATH_IMAGE045
、
Figure 223231DEST_PATH_IMAGE048
和
Figure 935972DEST_PATH_IMAGE007
。
需要说明的是，有雾图像
Figure 548481DEST_PATH_IMAGE001
是通过照相机、摄像机等设备进行拍摄获得的，而从 图像中提取RGB成分的技术，是图像处理过程中常见的技术手段，本实施例中不作进一步的 阐述。
第一透射率估计102，根据R、G、B三个成分的小波系数，计算有雾图像
Figure 917145DEST_PATH_IMAGE001
的低频 信息的暗通道信息
Figure 14414DEST_PATH_IMAGE008
，并估计低频信息对应的第一透射率
Figure 988187DEST_PATH_IMAGE009
。
其中，暗通道信息
Figure 145498DEST_PATH_IMAGE008
也可以理解为是有雾图像
Figure 1459DEST_PATH_IMAGE001
的低频图像的暗通道 信息。
第三透射率和大气光强度获取103，根据R、G、B三个成分的小波系数中最大的高频 信息以及第一透射率
Figure 27053DEST_PATH_IMAGE009
，采用Haar小波逆变换，得到空间领域的第三透射率
Figure 979965DEST_PATH_IMAGE010
和大 气光强度
Figure 183545DEST_PATH_IMAGE011
。
其中，由于第一透射率
Figure 526801DEST_PATH_IMAGE009
是低频图像的透射率，因此经过Haar小波逆变换后 得到的是空间领域的透射率。
无雾图像重构104，根据雾天成像的退化模型，对雾天成像进行分析，构建去雾复原模型：
Figure 965873DEST_PATH_IMAGE012
（3），
并根据去雾复原模型、第三透射率
Figure 396461DEST_PATH_IMAGE010
和大气光强度
Figure 895575DEST_PATH_IMAGE011
重构无雾图像
Figure 726128DEST_PATH_IMAGE013
。
其中，
Figure 844257DEST_PATH_IMAGE014
表示像素，
Figure 506182DEST_PATH_IMAGE015
表示透射率阈值。公式（3）由公式（1）做适当的修正和推导而 获得，修正和推导过程如下：
已有方法分析了大量的户外无雾图像，发现在绝大多数非天空的局部区域里，总 存在一些像素的一个或几个颜色通道的强度值很低，即这些图像的暗通道值接近于零。这 些图像的暗通道可以表示为
Figure 300832DEST_PATH_IMAGE049
，
Figure 618681DEST_PATH_IMAGE050
（4）。
其中，
Figure 665134DEST_PATH_IMAGE051
表示J中(R,G, B)分量的一个颜色通道，
Figure 791353DEST_PATH_IMAGE052
是以
Figure 897849DEST_PATH_IMAGE039
为中心的方形区 域，即
Figure 125830DEST_PATH_IMAGE052
是像素的集合，
Figure 913658DEST_PATH_IMAGE025
表示R、G、B成分对应的像素。在被雾干扰的图像中，
Figure 284596DEST_PATH_IMAGE049
的强度值会因为大气中的白光成分变得更高。因此，通过计算雾天条件下暗通道的值对雾 的透射信息进行估算，为了使去雾图像看上去更自然，使用
Figure 437360DEST_PATH_IMAGE053
来控制去雾的程度。通过多次 实验评估，
Figure 526539DEST_PATH_IMAGE053
的取值为0.95时，去雾图像更为自然。
因此，公式（1）可修正为
Figure 852478DEST_PATH_IMAGE054
（5）。
为使投射率
Figure 468136DEST_PATH_IMAGE010
的值更加细腻，采用导向滤波对透射率
Figure 916435DEST_PATH_IMAGE010
进行优化。同时，考 虑到当透射率
Figure 102697DEST_PATH_IMAGE010
较小时，
Figure 232327DEST_PATH_IMAGE049
会偏大，会导致图像整体向白场过渡。因此，通过设置 透射率阈值
Figure 577857DEST_PATH_IMAGE015
，令透射率
Figure 826086DEST_PATH_IMAGE010
小于透射率阈值
Figure 624278DEST_PATH_IMAGE015
时等于透射率阈值
Figure 557599DEST_PATH_IMAGE015
。因此，推导并构建 出去雾复原模型为
Figure 633002DEST_PATH_IMAGE012
（3）。
上述图像去雾方法的实施方式中，通过Haar小波变换得到R、G、B三个成分中包含 图像信息的小波系数，再根据暗通道先验原理，通过根据小波系数中的低频信息的暗通道 信息，来估计低频信息的第一透射率
Figure 423103DEST_PATH_IMAGE009
，而根据小波系数中最大的高频信息和第一透 射率
Figure 833225DEST_PATH_IMAGE009
，结合Haar小波逆变换，能得到第三透射率
Figure 304658DEST_PATH_IMAGE010
和大气光强度
Figure 359201DEST_PATH_IMAGE011
，大气光强度
Figure 461150DEST_PATH_IMAGE011
根据小波系数中最大的高频信息而获得，更接近于有雾图像
Figure 233934DEST_PATH_IMAGE001
实际拍摄时的大气光强 度，并最终结合去雾复原模型，重构无雾图像
Figure 243478DEST_PATH_IMAGE013
，能够在一定程度上解决无雾图像
Figure 44206DEST_PATH_IMAGE013
的 高亮区域失真的问题，从而有助于改善去雾图像的可视效果较差的问题；通过Haar小波变 换对有雾图像
Figure 176110DEST_PATH_IMAGE001
进行分解，能够降低计算的复杂过程，降低图像去雾的时耗。
参照图1和图3，作为第一透射率估计102的一种实施方式，第一透射率估计102具体包括如下步骤：
1021、根据小波系数的高频信息
Figure 639452DEST_PATH_IMAGE005
、
Figure 124791DEST_PATH_IMAGE006
和
Figure 153927DEST_PATH_IMAGE007
，得到最大高频信息
Figure 846946DEST_PATH_IMAGE016
。
其中，
Figure 328743DEST_PATH_IMAGE019
,
Figure 945669DEST_PATH_IMAGE006
,
Figure 970257DEST_PATH_IMAGE020
（6）。
1022、根据小波系数的低频信息
Figure 443963DEST_PATH_IMAGE002
、
Figure 616319DEST_PATH_IMAGE003
和
Figure 191263DEST_PATH_IMAGE004
，得到低频图像的暗通道信息
Figure 601516DEST_PATH_IMAGE008
。
其中，
Figure 246124DEST_PATH_IMAGE021
（7）。
Figure 92726DEST_PATH_IMAGE022
表示R成分的低频图像，将R成分的
Figure 848192DEST_PATH_IMAGE002
系数保留，其它系数置为零，对R成分 进行Haar小波逆变换得到
Figure 316214DEST_PATH_IMAGE022
。
Figure 334985DEST_PATH_IMAGE023
表示G成分的低频图像，将G成分的
Figure 278671DEST_PATH_IMAGE003
系数保留，其它 系数置为零，对G成分进行Haar逆变换得到
Figure 729506DEST_PATH_IMAGE023
。
Figure 645509DEST_PATH_IMAGE024
表示B成分的低频图像，将B成分的
Figure 366341DEST_PATH_IMAGE004
系数保留，其它系数置为零，对B成分进行Haar逆变换得到
Figure 938267DEST_PATH_IMAGE024
。
需要说明的是，可以先执行步骤1021，再执行步骤1022，也可以先执行步骤1022再执行步骤1021，也可以同时执行步骤1021和步骤1022。
1023、根据最大高频信息
Figure 35536DEST_PATH_IMAGE016
和暗通道信息
Figure 71625DEST_PATH_IMAGE008
，估计第一透射率
Figure 87992DEST_PATH_IMAGE009
。
其中，
Figure 271848DEST_PATH_IMAGE017
（8），
Figure 48175DEST_PATH_IMAGE018
表示最大光强值，且
Figure 673191DEST_PATH_IMAGE018
=
Figure 1404DEST_PATH_IMAGE016
（9）。
上述第一透射率估计102的实施方式中，结合由小波系数得到的最大高频信息
Figure 47725DEST_PATH_IMAGE016
和暗通道信息
Figure 752376DEST_PATH_IMAGE008
，即结合暗通道先验的原理，估计第一透射率
Figure 497478DEST_PATH_IMAGE009
，能够 提升第一透射率
Figure 871958DEST_PATH_IMAGE009
的精度，从而使无雾图像
Figure 764828DEST_PATH_IMAGE013
具有更好的支撑，进而有助于提高无 雾图像
Figure 132224DEST_PATH_IMAGE013
的去雾效果。
参照图1和图4，作为第三透射率和大气光强度获取103的一种实施方式，第三透射 率
Figure 528571DEST_PATH_IMAGE010
和大气光强度
Figure 401849DEST_PATH_IMAGE011
获取103具体包括如下步骤：
1031、根据R、G、B三个成分的小波系数的高频信息
Figure 391801DEST_PATH_IMAGE005
、
Figure 438255DEST_PATH_IMAGE006
和
Figure 580785DEST_PATH_IMAGE007
，得到最大 高频信息
Figure 624965DEST_PATH_IMAGE016
，来得到
Figure 492427DEST_PATH_IMAGE026
。
1032、采用导向滤波，对第一透射率
Figure 952358DEST_PATH_IMAGE009
进行优化，得到第二透射率
Figure 323296DEST_PATH_IMAGE028
。
采用导向滤波进行优化，能够得到更为细腻的第二透射率
Figure 538377DEST_PATH_IMAGE028
。
1033、对第二透射率
Figure 752190DEST_PATH_IMAGE028
采用Haar小波逆变换，得到空间领域的第三透射率
Figure 140446DEST_PATH_IMAGE010
。
1034、保留最大光强值
Figure 569153DEST_PATH_IMAGE018
，其它系数置为零，对有雾图像
Figure 627239DEST_PATH_IMAGE001
进行Haar小波逆 变换，得到空间图像，将空间图像作为大气光强度
Figure 469293DEST_PATH_IMAGE011
。
需要说明的是，可以先执行步骤1033，再执行步骤1034，也可以先执行步骤1034再执行步骤1033，也可以同时执行步骤1033和步骤1034。
上述作为第三透射率
Figure 18830DEST_PATH_IMAGE010
和大气光强度
Figure 302043DEST_PATH_IMAGE011
获取103的实施方式中，采用导向滤波， 来对第一透射率
Figure 921244DEST_PATH_IMAGE009
进行优化得到第二透射率
Figure 860381DEST_PATH_IMAGE028
，能够增强图像的边缘细节，并 提高去雾图像的亮度的自适应性，再对第二透射率
Figure 590439DEST_PATH_IMAGE028
进行Haar小波逆变换，进一步改 善去雾图像的可视效果较差的问题。
本申请提供的一种基于小波透射率优化的图像去雾方法，基于Haar小波变换实现 基于图像低频信息的透射率估计，并利用高频信息估计大气光强度
Figure 728160DEST_PATH_IMAGE037
，支持图像去雾快速 计算，提升了图像去雾后的呈现效果，缓解传统/现有方法导致的颜色失真现象，为视频监 控场景高性能可视化提供支撑，能够在一定程度上有效提升视频监控的管控能力。
本申请实施例还公开一种基于小波透射率优化的图像去雾系统，图像去雾系统包括，
小波系数获取模块，用于对拍摄的有雾图像
Figure 642895DEST_PATH_IMAGE001
的RGB成分进行Haar小波变换，分 别得到R、G、B三个成分的小波系数；
第一透射率估计模块，用于根据R、G、B三个成分的小波系数，计算有雾图像
Figure 193962DEST_PATH_IMAGE001
的 低频信息的暗通道信息
Figure 337498DEST_PATH_IMAGE008
，并估计低频信息对应的第一透射率
Figure 392042DEST_PATH_IMAGE009
；
第三透射率和大气光强度获取模块，用于根据R、G、B三个成分的小波系数中最大 的高频信息以及第一透射率
Figure 556307DEST_PATH_IMAGE009
，采用Haar小波逆变换，得到空间领域的第三透射率
Figure 689611DEST_PATH_IMAGE010
和大气光强度
Figure 27051DEST_PATH_IMAGE011
；
无雾图像重构模块，用于根据雾天成像的退化模型，对雾天成像进行分析，构建去雾复原模型：
Figure 77047DEST_PATH_IMAGE012
（3），
并根据去雾复原模型、第三透射率
Figure 146634DEST_PATH_IMAGE010
和大气光强度
Figure 406714DEST_PATH_IMAGE011
重构无雾图像。其中，
Figure 406900DEST_PATH_IMAGE014
表 示像素，
Figure 436036DEST_PATH_IMAGE015
表示透射率阈值。
上述图像去雾系统的实施方式中，小波系数获取模块通过Haar小波变换得到R、G、 B三个成分中包含图像信息的小波系数，第一透射率估计模块根据暗通道先验原理，通过根 据小波系数中的低频信息的暗通道信息，来估计低频信息的第一透射率，第三透射率和大 气光强度获取模块根据小波系数中最大的高频信息和第一透射率，结合Haar小波逆变换， 能得到第三透射率
Figure 676524DEST_PATH_IMAGE010
和大气光强度
Figure 299266DEST_PATH_IMAGE011
，大气光强度根据小波系数中最大的高频信息而 获得，更接近于有雾图像
Figure 978509DEST_PATH_IMAGE036
实际拍摄时的大气光强度，并最终结合去雾复原模型，无雾图 像重构模块重构无雾图像
Figure 491180DEST_PATH_IMAGE013
，能够在一定程度上解决无雾图像
Figure 168149DEST_PATH_IMAGE013
的高亮区域失真的问 题，从而有助于改善去雾图像的可视效果较差的问题；通过小波变换对有雾图像
Figure 137242DEST_PATH_IMAGE036
进行 分解，能够降低计算的复杂过程，降低图像去雾的时耗。
作为第一透射率估计模块的一种实施方式，第一透射率估计模块包括，
第一计算子模块，用于根据小波系数的高频信息
Figure 964384DEST_PATH_IMAGE005
、
Figure 233691DEST_PATH_IMAGE006
和
Figure 737354DEST_PATH_IMAGE007
，得到最大高 频信息
Figure 397005DEST_PATH_IMAGE016
，
Figure 152472DEST_PATH_IMAGE019
,
Figure 151652DEST_PATH_IMAGE006
,
Figure 967161DEST_PATH_IMAGE020
（6）；
第二计算子模块，用于根据小波系数的低频信息
Figure 114108DEST_PATH_IMAGE002
、
Figure 33785DEST_PATH_IMAGE003
和
Figure 12105DEST_PATH_IMAGE004
，得到暗通道信 息
Figure 873882DEST_PATH_IMAGE008
，
Figure 304864DEST_PATH_IMAGE021
（7）；
估计子模块，用于根据最大高频信息
Figure 605395DEST_PATH_IMAGE016
和暗通道信息
Figure 562855DEST_PATH_IMAGE008
，估计第一透 射率
Figure 720167DEST_PATH_IMAGE009
，
Figure 841707DEST_PATH_IMAGE017
（8）。
上述第一透射率估计模块的实施方式中，第一计算子模块由小波系数的高频信息 得到的最大高频信息，第二计算子模块由小波系数的低频信息得到暗通道信息，即结合暗 通道先验的原理，估计子模块进行第一透射率
Figure 352454DEST_PATH_IMAGE009
估计，能够提升第一透射率
Figure 39787DEST_PATH_IMAGE009
的 精度，从而使无雾图像具有更好的支撑，进而有助于提高无雾图像的去雾效果。
本申请实施例还公开一种智能终端，参照图5，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如一种基于小波透射率优化的图像去雾方法中的任一种方法。
本申请实施例还公开一种计算机可读存储介质，存储有能够被处理器加载被执行如第一方面中任一种方法的计算机程序。
计算机可读存储介质例如包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。

Claims (9)

1.一种基于小波透射率优化的图像去雾方法，其特征在于：所述图像去雾方法包括，
小波系数获取(101)，对拍摄的有雾图像
Figure DEST_PATH_IMAGE001
的RGB成分进行Haar小波变换，分别得到 R、G、B三个成分的小波系数，所述小波系数包括
Figure DEST_PATH_IMAGE002
、
Figure DEST_PATH_IMAGE003
、
Figure DEST_PATH_IMAGE004
、
Figure DEST_PATH_IMAGE005
、
Figure DEST_PATH_IMAGE006
和
Figure DEST_PATH_IMAGE007
；
第一透射率估计(102)，根据R、G、B三个成分的小波系数，计算有雾图像
Figure 884880DEST_PATH_IMAGE001
的低频信 息的暗通道信息
Figure DEST_PATH_IMAGE008
，并估计低频信息对应的第一透射率
Figure DEST_PATH_IMAGE009
；
第三透射率和大气光强度获取(103)，根据R、G、B三个成分的小波系数中最大的高频信 息以及第一透射率
Figure 498264DEST_PATH_IMAGE009
，采用Haar小波逆变换，得到空间领域的第三透射率
Figure DEST_PATH_IMAGE010
和大气 光强度
Figure DEST_PATH_IMAGE011
；以及
无雾图像重构(104)，根据雾天成像的退化模型，对雾天成像进行分析，构建去雾复原模型：
Figure DEST_PATH_IMAGE012
（3），
并根据去雾复原模型、第三透射率
Figure 704118DEST_PATH_IMAGE010
和大气光强度
Figure 384760DEST_PATH_IMAGE011
重构无雾图像
Figure DEST_PATH_IMAGE013
；
其中，
Figure DEST_PATH_IMAGE014
表示像素，
Figure DEST_PATH_IMAGE015
表示透射率阈值。
2.根据权利要求1所述的一种基于小波透射率优化的图像去雾方法，其特征在于：所述第一透射率估计(102)的具体方法包括，
根据小波系数，得到最大高频信息
Figure DEST_PATH_IMAGE016
和低频信息的暗通道信息
Figure 939238DEST_PATH_IMAGE008
；以及，
根据最大高频信息
Figure 712022DEST_PATH_IMAGE016
和暗通道信息
Figure 721566DEST_PATH_IMAGE008
，估计第一透射率
Figure 771562DEST_PATH_IMAGE009
，
Figure DEST_PATH_IMAGE017
（8）；
其中，
Figure DEST_PATH_IMAGE018
=
Figure 588952DEST_PATH_IMAGE016
（9）。
3.根据权利要求2所述的一种基于小波透射率优化的图像去雾方法，其特征在于：所述得到最大高频信息和低频信息的暗通道信息的具体方法包括，
根据小波系数的高频信息
Figure 724398DEST_PATH_IMAGE005
、
Figure 334371DEST_PATH_IMAGE006
和
Figure 566769DEST_PATH_IMAGE007
，得到最大高频信息
Figure 994208DEST_PATH_IMAGE016
，
Figure DEST_PATH_IMAGE019
,
Figure 148109DEST_PATH_IMAGE006
,
Figure DEST_PATH_IMAGE020
（6）；以及，
根据小波系数的低频信息
Figure 296194DEST_PATH_IMAGE002
、
Figure 805935DEST_PATH_IMAGE003
和
Figure 545220DEST_PATH_IMAGE004
，得到暗通道信息
Figure 389680DEST_PATH_IMAGE008
，
Figure DEST_PATH_IMAGE021
（7）；
其中，
Figure DEST_PATH_IMAGE022
表示R成分的低频图像，
Figure DEST_PATH_IMAGE023
表示G成分的低频图像，
Figure DEST_PATH_IMAGE024
表示B成分的低频图 像，
Figure DEST_PATH_IMAGE025
表示R、G、B成分对应的像素。
4.根据权利要求1所述的一种基于小波透射率优化的图像去雾方法，其特征在于：所述第三透射率和大气光强度获取(103)的具体方法包括，
根据R、G、B三个成分的小波系数的高频信息
Figure 466089DEST_PATH_IMAGE005
、
Figure 98845DEST_PATH_IMAGE006
和
Figure 743453DEST_PATH_IMAGE007
，得到最大高频信息
Figure 403105DEST_PATH_IMAGE016
，来得到
Figure DEST_PATH_IMAGE026
；
其中，
Figure 830675DEST_PATH_IMAGE019
,
Figure 547964DEST_PATH_IMAGE006
,
Figure 566736DEST_PATH_IMAGE020
（6），
Figure DEST_PATH_IMAGE027
（9）；
采用导向滤波，对第一透射率
Figure 916946DEST_PATH_IMAGE009
进行优化，得到第二透射率
Figure DEST_PATH_IMAGE028
；
基于第二透射率
Figure 898939DEST_PATH_IMAGE028
和
Figure 611680DEST_PATH_IMAGE026
，采用Haar小波逆变换，得到空间领域的 第三透射率
Figure 535774DEST_PATH_IMAGE010
和大气光强度
Figure 842122DEST_PATH_IMAGE011
。
5.根据权利要求4所述的一种基于小波透射率优化的图像去雾方法，其特征在于：所述 得到第三透射率
Figure 939391DEST_PATH_IMAGE010
和大气光强度
Figure 162430DEST_PATH_IMAGE011
的具体方法包括，
对第二透射率
Figure 54163DEST_PATH_IMAGE028
采用Haar小波逆变换，得到空间领域的第三透射率
Figure 175703DEST_PATH_IMAGE010
；以及，
保留最大光强值
Figure 952029DEST_PATH_IMAGE018
，其它系数置为零，对有雾图像
Figure 373783DEST_PATH_IMAGE001
进行Haar小波逆变换，得到空 间图像，将空间图像作为大气光强度
Figure 325165DEST_PATH_IMAGE011
。
6.一种基于小波透射率优化的图像去雾系统，其特征在于：所述图像去雾系统包括，
小波系数获取模块，用于对拍摄的有雾图像
Figure 730739DEST_PATH_IMAGE001
的RGB成分进行Haar小波变换，分别得 到R、G、B三个成分的小波系数，所述小波系数包括
Figure 310756DEST_PATH_IMAGE002
、
Figure 852596DEST_PATH_IMAGE003
、
Figure 554972DEST_PATH_IMAGE004
、
Figure 306897DEST_PATH_IMAGE005
、
Figure 549659DEST_PATH_IMAGE006
和
Figure 821371DEST_PATH_IMAGE007
；
第一透射率估计模块，用于根据R、G、B三个成分的小波系数，计算有雾图像
Figure 491387DEST_PATH_IMAGE001
的低频 信息的暗通道信息
Figure 232072DEST_PATH_IMAGE008
，并估计低频信息对应的第一透射率
Figure 278526DEST_PATH_IMAGE009
；
第三透射率和大气光强度获取模块，用于根据R、G、B三个成分的小波系数中最大的高 频信息以及第一透射率
Figure 670324DEST_PATH_IMAGE009
，采用Haar小波逆变换，得到空间领域的第三透射率
Figure 511241DEST_PATH_IMAGE010
和 大气光强度
Figure 316386DEST_PATH_IMAGE011
；
无雾图像重构模块，用于根据雾天成像的退化模型，对雾天成像进行分析，构建去雾复原模型：
Figure 25585DEST_PATH_IMAGE012
（3），
并根据去雾复原模型、第三透射率
Figure 396523DEST_PATH_IMAGE010
和大气光强度
Figure 549287DEST_PATH_IMAGE011
重构无雾图像；其中，
Figure 372887DEST_PATH_IMAGE014
表示像 素，
Figure 401890DEST_PATH_IMAGE015
表示透射率阈值。
7.根据权利要求6所述的一种基于小波透射率优化的图像去雾系统，其特征在于：所述第一透射率估计模块具体包括，
第一计算子模块，用于根据小波系数的高频信息
Figure 627335DEST_PATH_IMAGE005
、
Figure 13317DEST_PATH_IMAGE006
和
Figure 465158DEST_PATH_IMAGE007
，得到最大高频信 息
Figure 657105DEST_PATH_IMAGE016
，
Figure 861690DEST_PATH_IMAGE019
,
Figure 480890DEST_PATH_IMAGE006
,
Figure 482344DEST_PATH_IMAGE020
（6）；
第二计算子模块，用于根据小波系数的低频信息
Figure 87769DEST_PATH_IMAGE002
、
Figure 287806DEST_PATH_IMAGE003
和
Figure 438427DEST_PATH_IMAGE004
，得到暗通道信息
Figure 989494DEST_PATH_IMAGE008
，
Figure 133031DEST_PATH_IMAGE021
（7）；
估计子模块，用于根据最大高频信息
Figure 187574DEST_PATH_IMAGE016
和暗通道信息
Figure 351839DEST_PATH_IMAGE008
，估计第一透射率
Figure 983678DEST_PATH_IMAGE009
，
Figure 55539DEST_PATH_IMAGE017
（8）；
其中，
Figure 105535DEST_PATH_IMAGE018
=
Figure 237439DEST_PATH_IMAGE016
（9）。
8.一种智能终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于：所述处理器执行所述计算机程序时实现如权利要求1至5中的任一种方法。
9.一种计算机可读存储介质，其特征在于：存储有能够被处理器加载被执行如权要求1至5中任一种方法的计算机程序。
CN202110658343.7A 2021-06-15 2021-06-15 一种基于小波透射率优化的图像去雾方法及系统 Active CN113379632B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110658343.7A CN113379632B (zh) 2021-06-15 2021-06-15 一种基于小波透射率优化的图像去雾方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110658343.7A CN113379632B (zh) 2021-06-15 2021-06-15 一种基于小波透射率优化的图像去雾方法及系统

Publications (2)

Publication Number Publication Date
CN113379632A true CN113379632A (zh) 2021-09-10
CN113379632B CN113379632B (zh) 2023-04-25

Family

ID=77574151

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110658343.7A Active CN113379632B (zh) 2021-06-15 2021-06-15 一种基于小波透射率优化的图像去雾方法及系统

Country Status (1)

Country Link
CN (1) CN113379632B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103955905A (zh) * 2014-05-13 2014-07-30 北京邮电大学 基于快速小波变换和加权图像融合的单幅图像去雾方法
CN103985091A (zh) * 2014-04-30 2014-08-13 西安理工大学 基于亮度暗先验与双边滤波的单幅图像去雾方法
CN105096272A (zh) * 2015-08-19 2015-11-25 常州工学院 一种基于双树复小波的除雾方法
CN106157267A (zh) * 2016-07-12 2016-11-23 中国科学技术大学 一种基于暗通道先验的图像去雾透射率优化方法
CN108460743A (zh) * 2018-03-19 2018-08-28 西安因诺航空科技有限公司 一种基于暗通道的无人机航拍图像去雾算法
CN108876743A (zh) * 2018-06-26 2018-11-23 中山大学 一种图像快速去雾方法、系统、终端及存储介质
CN111028184A (zh) * 2020-03-09 2020-04-17 杭州鲁尔物联科技有限公司 一种图像增强方法及系统
US20200394767A1 (en) * 2019-06-17 2020-12-17 China University Of Mining & Technology, Beijing Method for rapidly dehazing underground pipeline image based on dark channel prior

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103985091A (zh) * 2014-04-30 2014-08-13 西安理工大学 基于亮度暗先验与双边滤波的单幅图像去雾方法
CN103955905A (zh) * 2014-05-13 2014-07-30 北京邮电大学 基于快速小波变换和加权图像融合的单幅图像去雾方法
CN105096272A (zh) * 2015-08-19 2015-11-25 常州工学院 一种基于双树复小波的除雾方法
CN106157267A (zh) * 2016-07-12 2016-11-23 中国科学技术大学 一种基于暗通道先验的图像去雾透射率优化方法
CN108460743A (zh) * 2018-03-19 2018-08-28 西安因诺航空科技有限公司 一种基于暗通道的无人机航拍图像去雾算法
CN108876743A (zh) * 2018-06-26 2018-11-23 中山大学 一种图像快速去雾方法、系统、终端及存储介质
US20200394767A1 (en) * 2019-06-17 2020-12-17 China University Of Mining & Technology, Beijing Method for rapidly dehazing underground pipeline image based on dark channel prior
CN111028184A (zh) * 2020-03-09 2020-04-17 杭州鲁尔物联科技有限公司 一种图像增强方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
周昊: "低能见度下铁路视频监控图像增强技术研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》, no. 2, 15 February 2021 (2021-02-15), pages 033 - 256 *

Also Published As

Publication number Publication date
CN113379632B (zh) 2023-04-25

Similar Documents

Publication Publication Date Title
Liang et al. Single underwater image enhancement by attenuation map guided color correction and detail preserved dehazing
Lu et al. Underwater image enhancement using guided trigonometric bilateral filter and fast automatic color correction
Padmavathi et al. Comparison of filters used for underwater image pre-processing
CN102750674B (zh) 基于自适应容差的视频图像去雾方法
CN110675340A (zh) 一种基于改进的非局部先验的单幅图像去雾方法及介质
CN110135434A (zh) 基于颜色线模型的水下图像质量提升算法
Zhou et al. A multifeature fusion method for the color distortion and low contrast of underwater images
Chang Single underwater image restoration based on adaptive transmission fusion
Mathur et al. Enhancement of nonuniformly illuminated underwater images
CN115187688A (zh) 基于大气光偏振正交盲分离的雾图重构方法及电子设备
Ke et al. Single underwater image restoration based on descattering and color correction
CN112825189B (zh) 一种图像去雾方法及相关设备
Moghimi et al. A joint adaptive evolutionary model towards optical image contrast enhancement and geometrical reconstruction approach in underwater remote sensing
Hu et al. Modified image haze removal algorithm based on dark channel prior
CN113379632B (zh) 一种基于小波透射率优化的图像去雾方法及系统
CN115908155A (zh) Nsst域结合gan及尺度相关系数的低照度图像增强及去噪方法
CN112822343B (zh) 一种面向夜间视频的清晰化方法及存储介质
CN113822816A (zh) 气雾散射模型优化的单张遥感图像去霾方法
Yang et al. Single image dehazing algorithm based on double exponential attenuation model
Shen et al. Underwater image enhancement based on polarization imaging
Feng et al. Optimization of low illumination image enhancement algorithm based on dark channel prior
Xu Novel Image Dehazing Algorithm Using Scene Segmentation and Open Channel Model
Lu Local Defogging Algorithm for Improving Visual Impact in Image Based on Multiobjective Optimization
Xiaoxu et al. Image dehazing base on two-peak channel prior
Reddy et al. Underwater Image Enhancement Using Very Deep Super Resolution Technique

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