CN114066764B - 基于距离加权色偏估计的沙尘退化图像增强方法及装置 - Google Patents
基于距离加权色偏估计的沙尘退化图像增强方法及装置 Download PDFInfo
- Publication number
- CN114066764B CN114066764B CN202111392864.9A CN202111392864A CN114066764B CN 114066764 B CN114066764 B CN 114066764B CN 202111392864 A CN202111392864 A CN 202111392864A CN 114066764 B CN114066764 B CN 114066764B
- Authority
- CN
- China
- Prior art keywords
- image
- matrix
- distance
- estimation
- camera
- 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 45
- 238000006731 degradation reaction Methods 0.000 title claims abstract description 41
- 230000015556 catabolic process Effects 0.000 title claims abstract description 38
- 239000000428 dust Substances 0.000 title claims abstract description 16
- 239000004576 sand Substances 0.000 title claims description 14
- 239000011159 matrix material Substances 0.000 claims abstract description 119
- 238000012937 correction Methods 0.000 claims abstract description 10
- 238000011084 recovery Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 27
- 238000001914 filtration Methods 0.000 claims description 14
- 230000000694 effects Effects 0.000 claims description 11
- 239000000758 substrate Substances 0.000 claims description 7
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 230000002708 enhancing effect Effects 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000006872 improvement Effects 0.000 abstract description 2
- 238000009826 distribution Methods 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 239000000779 smoke Substances 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000002834 transmittance Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003897 fog Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012549 training Methods 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
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Color Television Image Signal Generators (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像处理技术领域,提供了一种基于距离加权色偏估计的沙尘退化图像增强方法及装置,主旨在于解决目前对于沙尘图像等恶劣天气下带有大气色偏的退化图像,通常的图像增强算法无法有效地进行色偏恢复和可见度增强,并可能造成进一步失真的问题,主要方案包括,读入待处理图像I,将图像转换到RGB空间;根据输入图像I求得图像相机‑景物距离精估算矩阵D;根据矩阵D,求取图像距离加权色偏矩阵X·D;根据矩阵D和矩阵X·D,解图像退化方程得到色偏校正、能见度提升的中间结果图像Im;根据矩阵D和中间结果图像Im,求取细节恢复的最终结果图像If。其结果对沙尘退化图像颜色、可见度、细节提升显著,方法自适应性能强,利于推广应用。
Description
技术领域
本发明属于图像处理技术领域,具体设计一种基于距离加权色偏估计的沙尘退化图像增强方法。
背景技术
图像的成像质量直接影响目标检测、目标识别、目标跟踪等常见应用的性能。户外可见光图像处理是计算机视觉的重要部分,在恶劣的大气条件下,可见光图像呈现可见距离下降、对比度降低、光照不均、颜色发生偏移、图像细节模糊等特点,这样的图像给图像处理应用的带来困难。因此,雾、烟、尘等恶劣大气条件下的图像增强被广泛关注和研究。这些条件下图像的退化可以与白色雾天气图像相类比,空气中大量颗粒对光的吸收和散射使得图像的对比度与细节信息随着距离显著下降。与白雾天气图像不同,由于有色烟、尘等的颗粒对光的某些波段吸收更快,会使得图像发生色偏,以沙尘图像为例,图像整体偏向黄色,且这样的色偏影响随景物距离增加,此外,由于沙尘颗粒明显大于雾颗粒,成像时引入更大的噪声干扰,且干扰随距离增强。
当前可用于对沙尘等带大气色偏的退化图像进行增强的方法可以分为2个主要类型。第1类是根据图像本身的灰度分布等信息进行增强的方法,包括直方图均衡、伽马校正等早期方法和以Retinex理论为基础的光照不均图像增强方法等。第2类是通过求解图像退化的物理模型来得到复原图像的方法,当前这类方法通常是在雾天气图像增强中的暗通道先验方法上的改进,通过暗通道先验计算大气透射率图,然后通过引导滤波等方法细化透射率图,最后解退化模型得到增强图像。也有很多研究将增强分解为2个步骤——颜色校正和可见度恢复,先通过第1类方法或基于灰色世界假设进行颜色校正使图像恢复成类似白雾天气下图像,再通过去雾算法进行增强。
当前对沙尘等带有大气色偏的退化图像增强算法普遍忽略了图像降质原理中的一个基本事实,即图像的色偏不是图像的全局属性,这种色偏效应是随着景物距离增加的。要得到色彩更加真实的图像,必须考虑距离的影响。
发明内容
本发明的目的在于:解决目前对于沙尘图像等恶劣天气下带有大气色偏的退化图像,通常的图像增强算法无法有效地进行色偏恢复和可见度增强,并可能造成进一步失真的问题,提出一种基于距离加权色偏估计的沙尘退化图像增强方法。
本发明采用的技术方案如下:
一种基于距离加权色偏估计的沙尘退化图像增强方法,方法包括如下步骤:
步骤1、读入待处理图像I,将图像转换到RGB空间;
步骤2、根据输入图像I求得图像相机-景物距离精估算矩阵D;
步骤3、根据步骤2求得的距离估算矩阵D,求取图像距离加权色偏矩阵X·D;
步骤4、根据步骤2求得的距离估算矩阵和步骤3求得的色偏矩阵,解图像退化方程得到色偏校正、能见度提升的中间结果图像Im;
步骤5、根据步骤2求得的距离估算矩阵和步骤4求得的中间结果图像Im,求取细节恢复的最终结果图像If。
进一步,所述步骤2中求图像相机-景物距离精估算矩阵D包括以下步骤:
步骤2.1、求图像距离估算基底矩阵Dbase,计算公式如下:
其中,x表示图像中对应位置的像素,下标i表示图像的对应的R、G、B通道,ai是通道融合常数,建议取值是aR=0.3、aG=0.5、aB=0.2。
步骤2.2、求滤波系数si,计算公式如下:
步骤2.3、求相机-景物距离粗估算矩阵Dc,计算公式如下:
其中,R(x,sm)表示以x为中心、以sm为长和宽的区域内的全部像素的集合,F{·,nf}表示一种求取集合中最小的nf个元素的均值的非线性滤波,nf是常数,建议取值 是集合R(x,sm)中的元素个数。
步骤2.4、对Dc进行以I为引导、以sg为邻域大小的引导滤波,得到相机-景物距离精估算矩阵D。
进一步,所述步骤3中图像距离加权色偏矩阵X·D计算公式如下:
其中,x表示矩阵中对应元素,下标R、G、B表示对应矩阵的RGB通道,D由步骤2中求得,μ表示对应矩阵的均值。
进一步,所述步骤4中的得到中间结果图像Im所需解出的退化方程如下:
其中I是输入图像,D和X由步骤2和3求得,b、ka、kd是控制增强效果的常数,建议取值b=0.1、ka=1.0、kd=0.65,a的计算公式如下:
其中H(D,nh)表示由D中最大的nh个值的元素位置所构成的集合,nh是常数,建议取值nh=0.05nd,nd是D的像素数。
函数S(·)的定义如下:
其中,P表示输入矩阵,Pmin,r和Pmax,r分别表示P的元素中,去掉最小、最大的rs个元素后的最小、最大元素值。rs是常数,建议取值rs=0.001np,np是P中的元素数。
进一步,所述步骤5中最终结果图像If的计算方法如下:
If(x)=Im(x)D(x)+CLAHE(Im(x))(1-D(x))
其中,Im是中间结果图像,由步骤4求得,D是相机-景物距离精估算矩阵,由步骤2求得,CLAHE(·)表示限制对比度自适应直方图增强操作。
本发明还提供了一种基于距离加权色偏估计的沙尘退化图像增强装置,包括以下模块:
RGB转换模块:读入待处理图像I,将图像转换到RGB空间;
相机-景物距离精估算模块:根据输入图像I求得图像的相机-景物距离精估算矩阵D;
图像距离加权色偏模块:根据图像的相机-景物距离精估算矩阵D,求取图像距离加权色偏矩阵X·D;
中间结果图像模块:根据图像的相机-景物距离精估算矩阵D和图像距离加权色偏矩阵X·D,解图像退化方程得到色偏校正、能见度提升的中间结果图像Im;
输出模块:根据图像的相机-景物距离精估算矩阵D和中间结果图像Im,求取细节恢复的最终结果图像If。
上述技术方案中,相机-景物距离精估算模块实现包括以下步骤:
步骤2.1、求图像距离估算基底矩阵Dbase,计算公式如下:
其中,x表示图像中对应位置的像素,下标i表示图像的对应的R、G、B通道,ai是通道融合常数;
步骤2.2、求滤波系数sm和sg,计算公式如下:
步骤2.3、求相机-景物距离粗估算矩阵Dc,计算公式如下:
步骤2.4、对Dc进行以I为引导、以sg为邻域大小的引导滤波,得到相机-景物距离精估算矩阵D。
上述技术方案中,图像距离加权色偏模块实现步骤如下:
图像距离加权色偏矩阵X·D计算公式如下:
其中,x表示矩阵中对应元素,下标R、G、B表示对应矩阵的RGB通道,μ表示对应矩阵的均值。
上述技术方案中,中间结果图像模块,所需解出的退化方程如下:
其中I是输入图像,b、ka、kd是控制增强效果的常数,a的计算公式如下:
其中H(D,nh)表示由D中最大的nh个值的元素位置所构成的集合,nh是常数,取值nh=0.05nd,nd是D的像素数;
函数S(·)的定义如下:
其中,P表示输入矩阵,Pmin,r和Pmax,r分别表示P的元素中,去掉最小、最大的rs个元素后的最小、最大元素值,rs是常数,取值rs=0.001np,np是P中的元素数。
上述技术方案中,所述输出模块输出最终结果图像If的计算方法如下:
If(x)=Im(x)D(x)+CLAHE(Im(x))(1-D(x))
其中,Im是中间结果图像,D是相机-景物距离精估算矩阵,CLAHE(·)表示限制对比度自适应直方图增强操作。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
本发明针对沙尘退化图像具有大气色偏和雾效应的特点,提出基于强调景物距离的图像退化模型的退化图像增强方法,用于克服当前的针对此类图像的增强算法通常忽略了景物与相机的距离对色偏的影响,在增强图像的时无法正确去除依距离变化的色偏影响,并且在后续增强中可能产生二次失真的问题,能得到色彩、可见度、细节都得到显著提升的结果图像。实际应用表明,本方法与同类方法相比,结果具有更自然的颜色和更低的失真;
本发明的依据距离估计,将色偏校正、能见度恢复、细节增强融合在同一框架内实现,通过图像的亮度估计景物距离,根据距离计算图像的色偏矩阵并通过解退化模型完成图像增强过程,方法最后通过细节增强进一步提升图像的主观和客观质量,避免了不同方法和框架拼接时参数设置困难的问题。实际应用表明,本方法稳定性强,在采用建议参数的情况下,能够对绝大多数恶劣大气条件下的低质图像进行良好地增强,而不需要依据场景变化修改参数,降低了该方法应用时的人工培训成本。
本发明不仅能够对沙尘退化图像进行有效增强,由于物理退化原理的相似性以及本发明中算法的自适应性,实际应用表明本发明的方法在对雾、烟等其它恶劣大气条件下的图像也有较好的增强效果。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。本发明彩色图增强效果对比黑白更加明显。
图1为本发明实施例1总流程图;
图2为沙尘退化图像的原始输入图像;
图3为本发明实施例1步骤2相机-景物距离精估算可视化图;
图4为本发明实施例1步骤3距离加权色偏矩阵可视化图;
图5为本发明实施例1步骤4增强中间结果图;
图6为本发明实施例1步骤5增强最终结果图;
图7为沙尘退化图像的原始输入图像的三通道灰度分布;
图8为本发明实施例1方法处理后的图像的三通道灰度分布。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明,即所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
一种基于距离加权色偏估计的沙尘退化图像增强方法,主要包括4个部分,一是估计图像的相机-景物距离,二是计算图像距离加权色偏矩阵,三是解退化方程得到增强中间结果,四是进行细节增强得到最终结果。具体包括以下内容:计算距离估算基底矩阵;通过非线性运算和引导滤波求得距离精估计矩阵,计算输入图像和距离矩阵的均值并计算距离加权色偏矩阵;根据距离矩阵和输入图像计算参数a值以及解退化方程需要的其它参数,解退化方程得到退化图像增强中间结果;对中间结果进行细节增强得到颜色真实、失真降低、可见度提升的最终结果。
具体包括以下步骤:
步骤1、读入待处理图像I,将图像转换到RGB空间;
步骤2、根据输入图像I求得图像相机-景物距离精估算矩阵D;
进一步,所述步骤2中求图像相机-景物距离精估算矩阵D包括以下步骤:
步骤2.1、求图像距离估算基底矩阵Dbase,计算公式如下:
其中,x表示图像中对应位置的像素,下标i表示图像的对应的R、G、B通道,ai是通道融合常数,建议取值是aR=0.3、aG=0.5、aB=0.2。
步骤2.2、求滤波系数sm和sg,计算公式如下:
步骤2.3、求相机-景物距离粗估算矩阵Dc,计算公式如下:
其中,R(x,sm)表示以x为中心、以sm为长和宽的区域内的全部像素的集合,F{·,nf}表示一种求取集合中最小的nf个元素的均值的非线性滤波,nf是常数,建议取值 是集合R(x,sm)中的元素个数。
步骤2.4、对Dc进行以I为引导、以sg为邻域大小的引导滤波,得到相机-景物距离精估算矩阵D。
步骤3、根据步骤2求得的距离估算矩阵D,求取图像距离加权色偏矩阵X·D;
进一步,所述步骤3中图像距离加权色偏矩阵X·D计算公式如下:
其中,x表示矩阵中对应元素,下标R、G、B表示对应矩阵的RGB通道,D由步骤2中求得,μ表示对应矩阵的均值。
步骤4、根据步骤2求得的距离估算矩阵和步骤3求得的色偏矩阵,解图像退化方程得到色偏校正、能见度提升的中间结果图像Im;
进一步,所述步骤4中的得到中间结果图像Im所需解出的退化方程如下:
其中I是输入图像,D和X由步骤2和3求得,b、ka、kd是控制增强效果的常数,建议取值b=0.1、ka=1.0、kd=0.65,a的计算公式如下:
其中H(D,nh)表示由D中最大的nh个值的元素位置所构成的集合,nh是常数,建议取值nh=0.05nd,nd是D的像素数。
函数S(·)的定义如下:
其中,P表示输入矩阵,Pmin,r和Pmax,r分别表示P的元素中,去掉最小、最大的rs个元素后的最小、最大元素值。rs是常数,建议取值rs=0.001np,np是P中的元素数。
步骤5、根据步骤2求得的距离估算矩阵和步骤4求得的中间结果图像Im,求取细节恢复的最终结果图像If。
进一步,所述步骤5中最终结果图像If的计算方法如下:
If(x)=Im(x)D(x)+CLAHE(Im(x))(1-D(x))
其中,Im是中间结果图像,由步骤4求得,D是相机-景物距离精估算矩阵,由步骤2求得,CLAHE(·)表示限制对比度自适应直方图增强操作。
实施例1
一种基于距离加权色偏估计的沙尘退化图像增强方法,方法流程图如图1所示,步骤如下:
步骤1、读入待处理图像I,将图像转换到RGB空间。如图2所示。
步骤2、根据输入图像I求得图像相机-景物距离精估算矩阵D。步骤如下。
步骤2.1、求图像距离估算基底矩阵Dbase,计算公式如下:
其中,x表示图像中对应位置的像素,下标i表示图像的对应的R、G、B通道,ai是通道融合常数,取aR=0.3、aG=0.5、aB=0.2。
步骤2.2、求滤波系数sm和sg,计算公式如下:
步骤2.3、求相机-景物距离粗估算矩阵Dc,计算公式如下:
步骤2.4、对Dc进行以I为引导、以sg为邻域大小的引导滤波,得到相机-景物距离精估算矩阵D,D的可视化结果如图3所示。
步骤3、根据步骤2求得的距离估算矩阵D,求取图像距离加权色偏矩阵X·D,计算公式如下:
其中,x表示矩阵中对应元素,下标R、G、B表示对应矩阵的RGB通道,D由步骤2中求得,μ表示对应矩阵的均值。求得的图像距离加权色偏矩阵X·D的可视化结果如图4所示。
步骤4、根据步骤2求得的距离估算矩阵和步骤3求得的色偏矩阵,解图像退化方程得到色偏校正、能见度提升的中间结果图像Im,首先需要解退化方程如下:
其中I是输入图像,D和X由步骤2和3求得,b、ka、kd是控制增强效果的常数,取b=0.1、ka=1.0、kd=0.65,a的计算公式如下:
其中H(D,nh)表示由D中最大的nh个值的元素位置所构成的集合,nh是常数,取nh=0.05nd,nd是D的像素数。
函数S(·)的定义如下:
其中,P表示输入矩阵,Pmin,r和Pmax,r分别表示P的元素中,去掉最小、最大的rs个元素后的最小、最大元素值。rs是常数,取rs=0.001np,np是P中的元素数。
增强的中间结果Im如图5所示。
步骤5、根据步骤2求得的距离估算矩阵和步骤4求得的中间结果图像Im,求取细节恢复的最终结果图像If,计算方法如下:
If(x)=Im(x)D(x)+CLAHE(Im(x))(1-D(x))
其中,Im是中间结果图像,由步骤4求得,D是相机-景物距离精估算矩阵,由步骤2求得,CLAHE(·)表示限制对比度自适应直方图增强操作。
增强的最终结果If如图6所示,对比图2原始输入图像,可知本方法的结果在主观上颜色得到显著恢复,能见度得到提高,细节得到增强。最终结果的3通道直方图如图8所示,对比图7中原始输入图像的3通道直方图,可知本方法的结果在客观上各通道分布差异明显减小,且动态范围得到提升。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于距离加权色偏估计的沙尘退化图像增强方法,其特征在于:方法包括如下步骤:
步骤1、读入待处理图像I,将图像转换到RGB空间;
步骤2、根据输入图像I求得图像的相机-景物距离精估算矩阵D;
步骤3、根据步骤2求得的图像的相机-景物距离精估算矩阵D,求取图像距离加权色偏矩阵X·D;
步骤4、根据步骤2求得的图像的相机-景物距离精估算矩阵D和步骤3求得的图像距离加权色偏矩阵X·D,解图像退化方程得到色偏校正、能见度提升的中间结果图像Im;
步骤5、根据步骤2求得的图像的相机-景物距离精估算矩阵D和步骤4求得的中间结果图像Im,求取细节恢复的最终结果图像If;
所述步骤2中求图像相机-景物距离精估算矩阵D包括以下步骤:
步骤2.1、求图像距离估算基底矩阵Dbase,计算公式如下:
其中,x表示图像中对应位置的像素,下标i表示图像的对应的R、G、B通道,ai是通道融合常数;
步骤2.2、求滤波系数sm和sg,计算公式如下:
步骤2.3、求相机-景物距离粗估算矩阵Dc,计算公式如下:
步骤2.4、对Dc进行以I为引导、以sg为邻域大小的引导滤波,得到相机-景物距离精估算矩阵D;
所述步骤3中图像距离加权色偏矩阵X·D计算公式如下:
其中,x表示矩阵中对应元素,下标R、G、B表示对应矩阵的RGB通道,D由步骤2中求得,μ表示对应矩阵的均值。
3.根据权利要求1所述的一种基于距离加权色偏估计的沙尘退化图像增强方法,其特征在于:所述步骤5中最终结果图像f的计算方法如下:
If(x)=Im(x)D(x)+CLAHE(Im(x))(1-D(x))
其中,Im是中间结果图像,由步骤4求得,D是相机-景物距离精估算矩阵,由步骤2求得,CLAHE(·)表示限制对比度自适应直方图增强操作。
4.一种基于距离加权色偏估计的沙尘退化图像增强装置,其特征在于包括:
RGB转换模块:读入待处理图像I,将图像转换到RGB空间;
相机-景物距离精估算模块:根据输入图像I求得图像的相机-景物距离精估算矩阵D;
图像距离加权色偏模块:根据图像的相机-景物距离精估算矩阵D,求取图像距离加权色偏矩阵X·D;
中间结果图像模块:根据图像的相机-景物距离精估算矩阵D和图像距离加权色偏矩阵X·D,解图像退化方程得到色偏校正、能见度提升的中间结果图像Im;
输出模块:根据图像的相机-景物距离精估算矩阵D和中间结果图像Im,求取细节恢复的最终结果图像If;
相机-景物距离精估算模块实现包括以下步骤:
步骤2.1、求图像距离估算基底矩阵Dbase,计算公式如下:
其中,x表示图像中对应位置的像素,下标i表示图像的对应的R、G、B通道,ai是通道融合常数;
步骤2.2、求滤波系数sm和sg,计算公式如下:
步骤2.3、求相机-景物距离粗估算矩阵Dc,计算公式如下:
步骤2.4、对Dc进行以I为引导、以sg为邻域大小的引导滤波,得到相机-景物距离精估算矩阵D;
图像距离加权色偏模块实现步骤如下:
图像距离加权色偏矩阵X·D计算公式如下:
其中,x表示矩阵中对应元素,下标R、G、B表示对应矩阵的RGB通道,μ表示对应矩阵的均值。
6.根据权利要求4所述的一种基于距离加权色偏估计的沙尘退化图像增强装置,其特征在于,所述输出模块输出最终结果图像If的计算方法如下:
If(x)=Im(x)D(x)+CLAHE(Im(x))(1-D(x))
其中,Im是中间结果图像,D是相机-景物距离精估算矩阵,CLAHE(·)表示限制对比度自适应直方图增强操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111392864.9A CN114066764B (zh) | 2021-11-23 | 2021-11-23 | 基于距离加权色偏估计的沙尘退化图像增强方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111392864.9A CN114066764B (zh) | 2021-11-23 | 2021-11-23 | 基于距离加权色偏估计的沙尘退化图像增强方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114066764A CN114066764A (zh) | 2022-02-18 |
CN114066764B true CN114066764B (zh) | 2023-05-09 |
Family
ID=80279253
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111392864.9A Active CN114066764B (zh) | 2021-11-23 | 2021-11-23 | 基于距离加权色偏估计的沙尘退化图像增强方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114066764B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017097964A1 (fr) * | 2015-12-10 | 2017-06-15 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Detection et suivi de rails dans un flux video |
CN111833270A (zh) * | 2020-07-13 | 2020-10-27 | 新疆大学 | 一种快速的沙尘降质图像增强方法 |
CN111968054A (zh) * | 2020-08-14 | 2020-11-20 | 中国海洋大学 | 基于潜在低秩表示和图像融合的水下图像颜色增强方法 |
WO2020232613A1 (zh) * | 2019-05-20 | 2020-11-26 | 深圳先进技术研究院 | 一种视频处理方法、系统、移动终端、服务器及存储介质 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1816874A4 (en) * | 2004-11-25 | 2010-01-20 | Mitsubishi Electric Corp | DEVICE AND METHOD FOR COLOR CORRECTION |
US7864320B2 (en) * | 2007-04-19 | 2011-01-04 | Xerox Corporation | Method to minimize instrument differences in color management functions |
CN101937561A (zh) * | 2010-09-19 | 2011-01-05 | 华中科技大学 | 一种天基大视场成像点源/斑状目标的图像恢复增强方法 |
CN105427266B (zh) * | 2016-01-04 | 2018-08-03 | 西安理工大学 | 一种信息损耗约束的沙尘图像清晰化方法 |
CN106875352B (zh) * | 2017-01-17 | 2019-08-30 | 北京大学深圳研究生院 | 一种低照度图像增强方法 |
CN107403418A (zh) * | 2017-07-27 | 2017-11-28 | 北京大学深圳研究生院 | 基于通道透射率进行去雾和颜色校正的水下图像增强方法 |
CN109697698B (zh) * | 2017-10-20 | 2023-03-21 | 腾讯科技(深圳)有限公司 | 低照度增强处理方法、装置和计算机可读存储介质 |
CN108596853B (zh) * | 2018-04-28 | 2022-07-08 | 上海海洋大学 | 基于背景光统计模型和传输地图优化的水下图像增强方法 |
CN109118450B (zh) * | 2018-08-20 | 2020-11-20 | 电子科技大学 | 一种沙尘天气条件下的低质图像增强方法 |
CN110135434B (zh) * | 2018-11-13 | 2023-05-05 | 天津大学青岛海洋技术研究院 | 基于颜色线模型的水下图像质量提升方法 |
CN111833258B (zh) * | 2019-04-19 | 2023-08-25 | 中国科学院沈阳自动化研究所 | 一种基于双透射率水下成像模型的图像颜色校正方法 |
CN110232666B (zh) * | 2019-06-17 | 2020-04-28 | 中国矿业大学(北京) | 基于暗原色先验的地下管道图像快速去雾方法 |
US10740609B1 (en) * | 2019-08-30 | 2020-08-11 | Numerica Corporation | System and method for space object detection in daytime sky images |
CN110827210B (zh) * | 2019-10-10 | 2022-04-12 | 山东大学 | 一种基于颜色曲线分解的水下图像清晰化方法及系统 |
CN111145094A (zh) * | 2019-12-26 | 2020-05-12 | 北京工业大学 | 一种基于表面法向引导与图拉普拉斯先验约束的深度图增强方法 |
CN111192222B (zh) * | 2020-01-07 | 2023-05-23 | 大连海事大学 | 一种基于变分框架的水下图像颜色校正方法及系统 |
CN111462022B (zh) * | 2020-04-29 | 2022-11-01 | 青岛大学 | 一种水下图像清晰化增强方法 |
-
2021
- 2021-11-23 CN CN202111392864.9A patent/CN114066764B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017097964A1 (fr) * | 2015-12-10 | 2017-06-15 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Detection et suivi de rails dans un flux video |
WO2020232613A1 (zh) * | 2019-05-20 | 2020-11-26 | 深圳先进技术研究院 | 一种视频处理方法、系统、移动终端、服务器及存储介质 |
CN111833270A (zh) * | 2020-07-13 | 2020-10-27 | 新疆大学 | 一种快速的沙尘降质图像增强方法 |
CN111968054A (zh) * | 2020-08-14 | 2020-11-20 | 中国海洋大学 | 基于潜在低秩表示和图像融合的水下图像颜色增强方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114066764A (zh) | 2022-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102170574B (zh) | 一种实时视频去雾处理系统 | |
CN106530246B (zh) | 基于暗通道与非局部先验的图像去雾方法及系统 | |
CN109064426B (zh) | 一种用于抑制低照度图像中眩光并增强图像的方法及装置 | |
CN108389175B (zh) | 融合变差函数和颜色衰减先验的图像去雾方法 | |
CN110148095A (zh) | 一种水下图像增强方法及增强装置 | |
CN108564549B (zh) | 一种基于多尺度稠密连接网络的图像去雾方法 | |
CN107103591A (zh) | 一种基于图像雾霾浓度估计的单幅图像去雾方法 | |
CN111325688B (zh) | 融合形态学聚类优化大气光的无人机图像去雾方法 | |
CN116823686B (zh) | 一种基于图像增强的夜间红外与可见光图像融合方法 | |
CN110298796B (zh) | 基于改进Retinex与对数图像处理的低照度图像增强方法 | |
CN107203980B (zh) | 自适应多尺度暗通道先验的水下目标探测图像增强方法 | |
CN109523474A (zh) | 一种基于雾天退化模型的低照度图像增强方法 | |
Tang et al. | A local flatness based variational approach to retinex | |
CN114693548B (zh) | 一种基于亮区域检测的暗通道去雾方法 | |
CN105608683B (zh) | 一种单幅图像去雾方法 | |
CN117314766B (zh) | 一种手机钢化玻璃膜表面图像增强方法和系统 | |
CN117726545A (zh) | 一种使用非局部雾线和多重曝光融合的图像去雾方法 | |
CN107451971A (zh) | 基于暗通道和高斯组合先验的低照度盲卷积图像复原法 | |
CN108564534A (zh) | 一种基于检索的图像对比度调整方法 | |
CN114066764B (zh) | 基于距离加权色偏估计的沙尘退化图像增强方法及装置 | |
CN107358591A (zh) | 一种基于rgb交叉通道先验的简单透镜成像色差校正方法 | |
CN116993614A (zh) | 精细天空分割和透射率融合图像去雾方法 | |
CN113379631B (zh) | 一种图像去雾的方法及装置 | |
CN115170437A (zh) | 一种用于救援机器人的火灾场景低质量图像恢复方法 | |
CN113256533A (zh) | 基于msrcr的自适应低照度图像增强方法及系统 |
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 |