JP7178438B2 - 画像ヘイズ除去方法及びその方法を用いる画像ヘイズ除去装置 - Google Patents
画像ヘイズ除去方法及びその方法を用いる画像ヘイズ除去装置 Download PDFInfo
- Publication number
- JP7178438B2 JP7178438B2 JP2021040543A JP2021040543A JP7178438B2 JP 7178438 B2 JP7178438 B2 JP 7178438B2 JP 2021040543 A JP2021040543 A JP 2021040543A JP 2021040543 A JP2021040543 A JP 2021040543A JP 7178438 B2 JP7178438 B2 JP 7178438B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- haze
- dehaze
- map
- rgb
- 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 description 87
- 238000004422 calculation algorithm Methods 0.000 claims description 49
- 238000001514 detection method Methods 0.000 claims description 35
- 230000005540 biological transmission Effects 0.000 claims description 29
- 230000002708 enhancing effect Effects 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 12
- 238000013135 deep learning Methods 0.000 claims description 9
- 238000003709 image segmentation Methods 0.000 claims description 6
- 238000007670 refining Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 13
- 238000011156 evaluation Methods 0.000 description 11
- 238000007781 pre-processing Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 9
- 230000006872 improvement Effects 0.000 description 9
- 230000011218 segmentation Effects 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000002411 adverse Effects 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000004438 eyesight Effects 0.000 description 3
- 230000001965 increasing effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000004313 glare Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 241000473391 Archosargus rhomboidalis Species 0.000 description 1
- 241000533950 Leucojum Species 0.000 description 1
- 101150064138 MAP1 gene Proteins 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 229910021607 Silver chloride Inorganic materials 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- HKZLPVFGJNLROG-UHFFFAOYSA-M silver monochloride Chemical compound [Cl-].[Ag+] HKZLPVFGJNLROG-UHFFFAOYSA-M 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000036561 sun exposure Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06T5/73—Deblurring; Sharpening
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
- H04N25/60—Noise processing, e.g. detecting, correcting, reducing or removing noise
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/60—Image enhancement or restoration using machine learning, e.g. neural networks
-
- 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
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
- Processing Of Solid Wastes (AREA)
- Image Analysis (AREA)
Description
個の数のブロックセグメントに区分するブロックごとの操作を実装し、Ω(x)
はxに中心座標を有するブロックセグメントであり、以下の式で定式化されるように該当するΩ(x)の最小チャネル画素値を推定する。
外1
のより低い解像度を構成し、一方、Ω(x)のより低い次元は、最小チャネルの過剰推定を生成し得る。
外2
の形状をヘイズ透I()過マップT()に精緻化することによる。具体的には、一実施形態では、ガイド付きフィルタリングは、以下のように定式化され得る。
外3
の形状の微細化を制御するためにどの程度の影響を与えるかを決定する。(3)では、T()はヘイズの透過を反映しなければならないため、最小のチャネルマップ
外4
が反転されたことに気付く。つまり、物体近傍やヘイズによる影響が少ない場合にはT()の低い値を示し、一方、
外5
の低い値はT()の反対に相当する。
ID,yとして表される輝度マップ1602に変換するカラー修正から始まる。元のRGB画像ID1601は、それぞれ、r、g、 b チャネル1603~1605、すなわち、ID,r,ID,b,ID,gに分解される。
外字6
は、それぞれ、出力反射除去RGB画像および推定反射マップである。損失関数は次のように計算される。
(11)には、特徴損失、敵対的(adversarial)損失、傾き損失の3つの損失関数がある。特徴損失は次のように計算される。
外字7
の層の差における選択された特徴を比較する。敵対的損失は、自然グラウンドトゥルースを持つための
外字8
の負の対数を以下のように測定する。
外字9
のどちらか一方の、
外字10
の間のエッジの乖離を最小化するために使用される。
外字10
は基準画像および入力画像である。
外字11
は基準画像および入力画像である。
外字12
は基準画像および入力画像である。
図25を参照すると、一実施形態では、IoU情報を使用して、正解検知(TP)、誤検知(FP)および検知漏れ(FN)が測定され、次のように定式化される精度(ACC)2501および誤検知率(FPR)2502が得られる。
401 センサ
402 プロセッサ
601、901、1001、1301 入力RGB画像
602 出力RGB画像
902 出力ヘイズ除去画像
1002 最小チャネルマップ
1101 反転された最小チャネルマップ
1102、1201 ヘイズ透過マップ
1202、1302 ヘイズ除去画像
1203 強度値
1501、1601、1701,1901 入力ヘイズ除去画像
1502、1702,1902 出力HDR画像
1602 輝度マップ
1603、1604,1605 カラーチャネル
1606 明るい画素
1607 暗い画素
2301 エントロピーベース測定向上(EME)
2302 コントラスト改善指数(CII)
2303 強度測定(IM)
2501 精度(ACC)
2502 誤検知率(FPR)
S301、S302、S303、S304、S501、S502、S503、S504、S505、S701、S702、S703、S704、S801、S802、S803、S804、S1401、S1402、S1611、S1612、S1801 ステップ
Claims (24)
- 画像ヘイズ除去方法であって、該画像ヘイズ除去方法は、
入力画像を受信するステップと、
ヘイズ除去RGB画像を出力するためのヘイズ除去モジュールにより前記入力画像のヘイズ除去をするステップと、
HDR画像を出力するためのHDRモジュールにより露光不足または露光過度から前記ヘイズ除去RGB画像の画像輝度のダメージを回復するステップと、
ReflectNet推論モデルにより前記HDR画像の反射マップを除去するステップであって、前記ReflectNet推論モデルは深層学習アーキテクチャを用いる、ステップとを有する、画像ヘイズ除去方法。 - 請求項1に記載の画像ヘイズ除去方法であって、
ヘイズ除去RGB画像を出力するためのヘイズ除去モジュールにより前記画像のヘイズ除去をする前記ステップは、さらに、
最小チャネル推定アルゴリズムにより反転最小チャネルマップを推定するステップと、
ガイド付きフィルタリングアルゴリズムによりヘイズ透過マップへの前記反転最小チャネルマップを精緻化するステップと、
大気チャネル検出アルゴリズムにより前記ヘイズ透過マップの強度値を見出すステップと、
線形カラー再構成アルゴリズムによりヘイズ除去RGB画像を回復するステップとを有する、画像ヘイズ除去方法。 - 請求項2に記載の画像ヘイズ除去方法であって、
最小チャネル推定アルゴリズムにより反転最小チャネルマップを推定する前記ステップは、さらに、
前記入力画像を複数のブロックセグメントにセグメント化するステップであって、前記ブロックセグメントの各々が中心画素を含む、ステップと、
全てのカラーチャネルのためのブロックセグメントの最低強度値を有する画素を見出すステップとを有する、画像ヘイズ除去方法。 - 請求項2または請求項3に記載の画像ヘイズ除去方法であって、
ガイド付きフィルタリングアルゴリズムによりヘイズ透過マップへの前記反転最小チャネルマップを精緻化する前記ステップは、さらに、
形状精緻化を制御するためにソフト制約パラメータを用いて前記反転最小チャネルマップを平滑化するステップと、
Laplacianマトリックスを用いて前記反転最小チャネルマップを修正するステップとを有する、画像ヘイズ除去方法。 - 請求項2から請求項4のいずれか一項に記載の画像ヘイズ除去方法であって、
大気チャネル検出アルゴリズムにより前記ヘイズ透過マップの強度値を見出す前記ステップは、さらに、
前記ヘイズ透過マップ内で最も低い強度値を持つ画素を見出すステップを有する、画像ヘイズ除去方法。 - 請求項2から請求項5のいずれか一項に記載の画像ヘイズ除去方法であって、
線形カラー再構成アルゴリズムによりヘイズ除去RGB画像を回復する前記ステップは、さらに、
前記ヘイズ透過マップ及び大気係数を用いて前記ヘイズ除去RGB画像の強度値を計算するために画素ごとの操作を実行するステップを有し、前記大気係数は前記大気チャネル検出アルゴリズムにより見出される、画像ヘイズ除去方法。 - 請求項1から請求項6のいずれか一項に記載の画像ヘイズ除去方法であって、
HDR画像を出力するためのHDRモジュールにより前記ヘイズ除去RGB画像の画像輝度を回復する前記ステップは、さらに、
Naka‐Rushton補償器により前記ヘイズ除去RGB画像の画像輝度を強化するステップと、
ローカルストグラム操作により前記ヘイズ除去RGB画像の画像コントラストを強化するステップと、を有する、画像ヘイズ除去方法。 - 請求項7に記載の画像ヘイズ除去方法であって、
Naka-Rushton補償器により前記ヘイズ除去RGB画像の画像輝度を強化する前記ステップは、さらに、
前記ヘイズ除去RGB画像のカラーチャネルを輝度マップに変換するカラー修正を実行するステップと、
前記輝度マップを用いて前記ヘイズ除去RGB画像の明るい画素及び暗い画素をセグメント化するための閾値を計算するステップであって、前記閾値は画素クラスタリングの閾値であるステップと、
前記輝度マップから計算された補償係数を用いて前記ヘイズ除去RGB画像の画素を変換するステップと、を有する、画像ヘイズ除去方法。 - 請求項7または請求項8に記載の画像ヘイズ除去方法であって、
ローカルストグラム操作により前記ヘイズ除去RGB画像の画像コントラストを強化する前記ステップは、さらに、
前記ヘイズ除去RGB画像に対して強度のヒストグラム均等化を実行するステップを有する、画像ヘイズ除去方法。 - 請求項1から請求項9のいずれか一項に記載の画像ヘイズ除去方法であって、
前記ReflectNet推論モデルは、さらに、
前記画像からの反射マップを分離するために、予め教育された画像セグメント化モデルの特徴を有するエンコーダ-デコーダネットワークを含む、画像ヘイズ除去方法。 - 請求項1から請求項10のいずれか一項に記載の画像ヘイズ除去方法であって、
ReflectNet推論モデルにより前記HDR画像の反射を除去する前記ステップは、さらに、
前記HDR画像から特徴をエンコードするステップと、
RGB画像を出力するために前記特徴をデコードするステップとを有する、画像ヘイズ除去方法。 - 請求項1から請求項11のいずれか一項に記載の画像ヘイズ除去方法であって、
前記ReflectNet推論モデルは、
特徴損失と、
敵対的損失と、
傾き損失とを備える損失関数で教育される、画像ヘイズ除去方法。 - 画像ヘイズ除去装置であって、該画像ヘイズ除去装置は、
センサと、
該センサに結合されたプロセッサと、を備え、該プロセッサは、少なくとも、
入力画像を受信するステップと、
ヘイズ除去RGB画像を出力するためのヘイズ除去モジュールにより前記入力画像のヘイズ除去をするステップと、
HDR画像を出力するためのHDRモジュールにより露光不足または露光過度から前記ヘイズ除去RGB画像の画像輝度のダメージを回復するステップと、
ReflectNet推論モデルにより前記HDR画像の反射マップを除去するステップであって、前記ReflectNet推論モデルは深層学習アーキテクチャを用いる、ステップと、のために構成される、画像ヘイズ除去装置。 - 請求項13に記載の画像ヘイズ除去装置であって、
前記プロセッサは、ヘイズ除去RGB画像を出力するためのヘイズ除去モジュールにより前記画像のヘイズ除去をするステップのために構成され、
ヘイズ除去RGB画像を出力するためのヘイズ除去モジュールにより前記画像のヘイズ除去をする前記ステップは、さらに、
最小チャネル推定アルゴリズムにより反転最小チャネルマップを推定するステップと、
ガイド付きフィルタリングアルゴリズムによりヘイズ透過マップへの前記反転最小チャネルマップを精緻化するステップと、
大気チャネル検出アルゴリズムにより前記ヘイズ透過マップの強度値を見出すステップと、
線形カラー再構成アルゴリズムによりヘイズ除去RGB画像を回復するステップと、のために構成される、画像ヘイズ除去装置。 - 請求項14に記載の画像ヘイズ除去装置であって、
前記プロセッサは、最小チャネル推定アルゴリズムにより反転最小チャネルマップを推定するステップのために構成され、
最小チャネル推定アルゴリズムにより反転最小チャネルマップを推定する前記ステップは、さらに、
前記入力画像を複数のブロックセグメントにセグメント化するステップであって、前記ブロックセグメントの各々が中心画素を含む、ステップと、
全てのカラーチャネルのためのブロックセグメントの最低強度値を有する画素を見出すステップと、のために構成される、画像ヘイズ除去装置。 - 請求項14から請求項15のいずれか一項に記載の画像ヘイズ除去装置であって、
前記プロセッサは、ガイド付きフィルタリングアルゴリズムによりヘイズ透過マップへの前記反転最小チャネルマップを精緻化するステップのために構成され、
ガイド付きフィルタリングアルゴリズムによりヘイズ透過マップへの前記反転最小チャネルマップを精緻化する前記ステップは、さらに、
形状精緻化を制御するためにソフト制約パラメータを用いて前記反転最小チャネルマップを平滑化するステップと、
Laplacianマトリックスを用いて前記反転最小チャネルマップを修正するステップと、のために構成される、画像ヘイズ除去装置。 - 請求項14から請求項16のいずれか一項に記載の画像ヘイズ除去装置であって、
前記プロセッサは、大気チャネル検出アルゴリズムにより前記ヘイズ透過マップの強度値を見出すステップのために構成され、
大気チャネル検出アルゴリズムにより前記ヘイズ透過マップの強度値を見出す前記ステップは、さらに、
前記ヘイズ透過マップ内で最も低い強度値を持つ画素を見出すステップのために構成される、画像ヘイズ除去装置。 - 請求項14から請求項17のいずれか一項に記載の画像ヘイズ除去装置であって、
前記プロセッサは、線形カラー再構成アルゴリズムによりヘイズ除去RGB画像を回復するステップのために構成され、
線形カラー再構成アルゴリズムによりヘイズ除去RGB画像を回復する前記ステップは、さらに、
前記ヘイズ透過マップ及び大気係数を用いて前記ヘイズ除去RGB画像の強度値を計算するために画素ごとの操作を実行するステップのために構成され、前記大気係数は前記大気チャネル検出アルゴリズムにより見出される、画像ヘイズ除去装置。 - 請求項13から請求項18のいずれか一項に記載の画像ヘイズ除去装置であって、
前記プロセッサは、HDR画像を出力するためのHDRモジュールにより前記ヘイズ除去RGB画像の画像輝度を回復するステップのために構成され、
HDR画像を出力するためのHDRモジュールにより前記ヘイズ除去RGB画像の画像輝度を回復する前記ステップは、さらに、
Naka‐Rushton補償器により前記ヘイズ除去RGB画像の画像輝度を強化するステップと、
ローカルストグラム操作により前記ヘイズ除去RGB画像の画像コントラストを強化するステップとのために構成される、画像ヘイズ除去装置。 - 請求項19に記載の画像ヘイズ除去装置であって、
前記プロセッサは、Naka-Rushton補償器により前記ヘイズ除去RGB画像の画像輝度を強化するステップのために構成され、
Naka-Rushton補償器により前記ヘイズ除去RGB画像の画像輝度を強化する前記ステップは、さらに、
前記ヘイズ除去RGB画像のカラーチャネルを輝度マップに変換するカラー修正を実行するステップと、
前記輝度マップを用いて前記ヘイズ除去RGB画像の明るい画素及び暗い画素をセグメント化するための閾値を計算するステップであって、前記閾値は画素クラスタリングの閾値であるステップと、
前記輝度マップから計算された補償係数を用いて前記ヘイズ除去RGB画像の画素を変換するステップと、のために構成される、画像ヘイズ除去装置。 - 請求項19または請求項20に記載の画像ヘイズ除去装置であって、
前記プロセッサは、ローカルストグラム操作により前記ヘイズ除去RGB画像の画像コントラストを強化するステップのために構成され、
ローカルストグラム操作により前記ヘイズ除去RGB画像の画像コントラストを強化する前記ステップは、さらに、
前記ヘイズ除去RGB画像に対して強度のヒストグラム均等化を実行するステップのために構成される、画像ヘイズ除去装置。 - 請求項13から請求項21のいずれか一項に記載の画像ヘイズ除去装置であって、
前記ReflectNet推論モデルは、さらに、
前記画像からの反射マップを分離するために、予め教育された画像セグメント化モデルの特徴を有するエンコーダ-デコーダネットワークのために構成される、画像ヘイズ除去装置。 - 請求項13から請求項22のいずれか一項に記載の画像ヘイズ除去装置であって、
前記プロセッサは、ReflectNet推論モデルにより前記HDR画像の反射を除去するステップのために構成され、
ReflectNet推論モデルにより前記HDR画像の反射を除去する前記ステップは、さらに、
前記HDR画像から特徴をエンコードするステップと、
RGB画像を出力するために前記特徴をデコードするステップと、のために構成される、画像ヘイズ除去装置。 - 請求項13から請求項23のいずれか一項に記載の画像ヘイズ除去装置であって、
前記ReflectNet推論モデルは、
特徴損失と、
敵対的損失と、
傾き損失とを備える損失関数で教育される、画像ヘイズ除去装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/134,216 US11528435B2 (en) | 2020-12-25 | 2020-12-25 | Image dehazing method and image dehazing apparatus using the same |
US17/134,216 | 2020-12-25 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022103003A JP2022103003A (ja) | 2022-07-07 |
JP7178438B2 true JP7178438B2 (ja) | 2022-11-25 |
Family
ID=82118205
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021040543A Active JP7178438B2 (ja) | 2020-12-25 | 2021-03-12 | 画像ヘイズ除去方法及びその方法を用いる画像ヘイズ除去装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11528435B2 (ja) |
JP (1) | JP7178438B2 (ja) |
TW (1) | TWI808406B (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102558294B1 (ko) * | 2020-12-31 | 2023-07-24 | 한국과학기술연구원 | 임의 시점 영상 생성 기술을 이용한 다이나믹 영상 촬영 장치 및 방법 |
CN115331083B (zh) * | 2022-10-13 | 2023-03-24 | 齐鲁工业大学 | 基于逐步密集特征融合去雨网络的图像去雨方法及系统 |
CN115456915B (zh) * | 2022-11-10 | 2023-05-09 | 深圳深知未来智能有限公司 | 基于3DLut的图像去雾处理方法、系统及可存储介质 |
CN115601536B (zh) * | 2022-12-02 | 2023-05-26 | 荣耀终端有限公司 | 一种图像处理方法及电子设备 |
CN116681626A (zh) * | 2023-08-01 | 2023-09-01 | 山东科技大学 | 一种基于深度学习的雾霾天气下目标图像去雾方法 |
CN117557477B (zh) * | 2024-01-09 | 2024-04-05 | 浙江华是科技股份有限公司 | 一种船舶去雾复原方法及系统 |
CN117576536B (zh) * | 2024-01-18 | 2024-04-23 | 佛山科学技术学院 | 一种含雾图像融合模型和方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015190184A1 (ja) | 2014-06-12 | 2015-12-17 | Eizo株式会社 | 画像処理システム及びコンピュータ読み取り可能な記録媒体 |
JP2019165832A (ja) | 2018-03-22 | 2019-10-03 | 上銀科技股▲分▼有限公司 | 画像処理方法 |
Family Cites Families (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8355595B2 (en) | 2007-05-15 | 2013-01-15 | Xerox Corporation | Contrast enhancement methods and apparatuses |
US8290294B2 (en) | 2008-09-16 | 2012-10-16 | Microsoft Corporation | Dehazing an image using a three-dimensional reference model |
US8103120B2 (en) | 2008-09-22 | 2012-01-24 | Solomon Systech Limited | Method and apparatus of local contrast enhancement |
TWI401473B (zh) | 2009-06-12 | 2013-07-11 | Chung Shan Inst Of Science | 影像式夜間行人偵測系統及方法 |
TWI423166B (zh) | 2009-12-04 | 2014-01-11 | Huper Lab Co Ltd | 判斷輸入影像是否為霧化影像之方法、判斷輸入影像的霧級數之方法及霧化影像濾清方法 |
JP2012028987A (ja) | 2010-07-22 | 2012-02-09 | Toshiba Corp | 画像処理装置 |
US8457418B2 (en) | 2011-08-02 | 2013-06-04 | Raytheon Company | Local area contrast enhancement |
KR101327032B1 (ko) | 2012-06-12 | 2013-11-20 | 현대자동차주식회사 | 카메라 영상의 반사광 제거 장치 및 방법 |
US20150009355A1 (en) * | 2013-07-05 | 2015-01-08 | Himax Imaging Limited | Motion adaptive cmos imaging system |
TW201535323A (zh) | 2014-03-14 | 2015-09-16 | Nat Univ Chin Yi Technology | 影像除霧系統及其方法、以及行車輔助系統及其方法 |
CN103942758B (zh) | 2014-04-04 | 2017-02-15 | 中国人民解放军国防科学技术大学 | 基于多尺度融合的暗通道先验图像去雾方法 |
EP3129954A4 (en) | 2014-04-07 | 2017-10-18 | BAE SYSTEMS Information and Electronic Systems Integration Inc. | Contrast based image fusion |
EP3051823A1 (en) * | 2015-01-27 | 2016-08-03 | Thomson Licensing | Methods, systems and aparatus for electro-optical and opto-electrical conversion of images and video |
US9998692B1 (en) * | 2015-06-26 | 2018-06-12 | The United States Of America As Represented By The Secretary Of The Navy | Motion picture high dynamic range imaging |
EP3440627A4 (en) | 2016-04-07 | 2019-12-04 | Carmel Haifa University Economic Corporation Ltd. | DEBRUMAGE AND RESTORATION OF IMAGES |
CN107438170B (zh) * | 2016-05-25 | 2020-01-17 | 杭州海康威视数字技术股份有限公司 | 一种图像透雾方法及实现图像透雾的图像采集设备 |
US10140690B2 (en) | 2017-02-03 | 2018-11-27 | Harman International Industries, Incorporated | System and method for image presentation by a vehicle driver assist module |
CN108734670B (zh) | 2017-04-20 | 2021-05-18 | 天津工业大学 | 单幅夜间弱照度雾霾图像的复原方法 |
CN107464227A (zh) | 2017-08-24 | 2017-12-12 | 深圳市唯特视科技有限公司 | 一种基于深度神经网络进行去除反射和平滑图像的方法 |
US10645358B2 (en) * | 2018-02-20 | 2020-05-05 | Gopro, Inc. | Saturation management for luminance gains in image processing |
US10896488B2 (en) | 2018-02-23 | 2021-01-19 | Mobile Drive Technology Co., Ltd. | Electronic device and method for removing haze from image |
EP3776474A1 (en) | 2018-04-09 | 2021-02-17 | Dolby Laboratories Licensing Corporation | Hdr image representations using neural network mappings |
CN109978798B (zh) | 2019-04-08 | 2022-11-29 | 湖南师范大学 | 基于图像梯度稀疏性的重影反射去除方法 |
GB202007918D0 (en) * | 2020-05-27 | 2020-07-08 | Tomtom Global Content Bv | Neutral network model for image segmentation |
-
2020
- 2020-12-25 US US17/134,216 patent/US11528435B2/en active Active
-
2021
- 2021-03-12 JP JP2021040543A patent/JP7178438B2/ja active Active
- 2021-04-13 TW TW110113181A patent/TWI808406B/zh active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015190184A1 (ja) | 2014-06-12 | 2015-12-17 | Eizo株式会社 | 画像処理システム及びコンピュータ読み取り可能な記録媒体 |
JP2019165832A (ja) | 2018-03-22 | 2019-10-03 | 上銀科技股▲分▼有限公司 | 画像処理方法 |
Also Published As
Publication number | Publication date |
---|---|
US20220210350A1 (en) | 2022-06-30 |
TW202226141A (zh) | 2022-07-01 |
TWI808406B (zh) | 2023-07-11 |
JP2022103003A (ja) | 2022-07-07 |
US11528435B2 (en) | 2022-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7178438B2 (ja) | 画像ヘイズ除去方法及びその方法を用いる画像ヘイズ除去装置 | |
Santra et al. | Learning a patch quality comparator for single image dehazing | |
CN111209952B (zh) | 基于改进ssd和迁移学习的水下目标检测方法 | |
Eigen et al. | Restoring an image taken through a window covered with dirt or rain | |
US10614736B2 (en) | Foreground and background detection method | |
US10706558B2 (en) | Foreground and background detection method | |
US20150117779A1 (en) | Method and apparatus for alpha matting | |
Liu et al. | Survey of natural image enhancement techniques: Classification, evaluation, challenges, and perspectives | |
EP1730694B1 (en) | Detecting sky occlusion objects in color digital images | |
CN113298810A (zh) | 结合图像增强和深度卷积神经网络的道线检测方法 | |
Lu et al. | Single underwater image descattering and color correction | |
Zhou et al. | Sparse representation with enhanced nonlocal self-similarity for image denoising | |
Pandey et al. | A fast and effective vision enhancement method for single foggy image | |
CN110503609A (zh) | 一种基于混合感知模型的图像去雨方法 | |
Du et al. | Perceptually optimized generative adversarial network for single image dehazing | |
CN117422653A (zh) | 一种基于权重共享和迭代数据优化的低光照图像增强方法 | |
Senthilkumar et al. | A review on haze removal techniques | |
US11922609B2 (en) | End to end differentiable machine vision systems, methods, and media | |
CN114926367A (zh) | 煤矿降质图像的全息图生成方法 | |
CN104732503B (zh) | 图像去雾增强方法和装置 | |
CN114693542A (zh) | 图像去雾方法和使用图像去雾方法的图像去雾设备 | |
Dederscheck et al. | Illumination invariance for driving scene optical flow using comparagram preselection | |
WO2022207110A1 (en) | Noise reconstruction for image denoising | |
Jayanthi et al. | Underwater haze removal using contrast boosted grayscale image | |
Baboshina et al. | Combined use of a bilateral and median filter to suppress gaussian noise in images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210316 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210326 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220329 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220624 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220705 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220930 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221018 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221114 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7178438 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |