KR101448164B1 - 파라미터 최적화를 이용한 영상의 안개 제거 방법 - Google Patents

파라미터 최적화를 이용한 영상의 안개 제거 방법 Download PDF

Info

Publication number
KR101448164B1
KR101448164B1 KR1020130043987A KR20130043987A KR101448164B1 KR 101448164 B1 KR101448164 B1 KR 101448164B1 KR 1020130043987 A KR1020130043987 A KR 1020130043987A KR 20130043987 A KR20130043987 A KR 20130043987A KR 101448164 B1 KR101448164 B1 KR 101448164B1
Authority
KR
South Korea
Prior art keywords
image
fog
gaussian filter
quot
dark channel
Prior art date
Application number
KR1020130043987A
Other languages
English (en)
Inventor
신동원
김상욱
진병주
Original Assignee
금오공과대학교 산학협력단
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 금오공과대학교 산학협력단 filed Critical 금오공과대학교 산학협력단
Priority to KR1020130043987A priority Critical patent/KR101448164B1/ko
Application granted granted Critical
Publication of KR101448164B1 publication Critical patent/KR101448164B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H04N23/81—Camera processing pipelines; Components thereof for suppressing or minimising disturbance in the image signal generation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration by the use of local operators

Abstract

본 발명은 파라미터 최적화를 이용한 영상의 안개 제거 방법에 관한 것으로, 보다 상세하게는 카메라로 획득된 안개 영상을 다크 채널 프라이어(다크 채널(dark channel) prior) 기법을 통해 전달량을 계산하여 영상의 안개를 제거하는 방법에 있어서, a) 계산된 전달량을 가우시안 필터(Gaussian filter)를 통해 정련(refining)하는 단계와; b) 상기 전달량 정련 과정에서 정확한 엣지(edge) 정보를 계산하기 위해 다크 체널 마스크 사이즈 Ω, 가우시안 필터의 표준편차 σ, 가우시안 필터의 마스크 사이즈 m을 최적화하는 단계; 및 c) 상기 다크 채널을 이용하여 대기의 밝기를 구하고 이를 통해 안개 제거 영상을 획득하는 단계;를 포함하되, 상기 b)단계에서, 입력 영상과 안개제거 성능 평가방법(Blind contrast enhancement assessment method)을 적용하여 개선된 영상을 가지고 계산된 세 가지 지표(e, r, s)를 사용하여 다크 체널 마스크 사이즈 Ω, 가우시안 필터의 표준편차 σ, 가우시안 필터의 마스크 사이즈 m을 최적화한다.
이에 따라, 본 발명은 안개가 짙은 기상 상태에서 카메라를 통해 획득된 영상에 안개의 농도에 따라 각기 다른 색으로 표시되는 현상으로 객체 탐지나 분간이 어려움 문제점을 해결함으로써, 해안도로나 안개가 짙은 지역에서 카메라로 획득된 영상의 안개를 제거해 운전자에게 실시간으로 제공하여 사고의 위험을 감소시킬 수 있는 매우 유용한 발명인 것이다.

Description

파라미터 최적화를 이용한 영상의 안개 제거 방법{Method for Image Haze Removal Using Parameter Optimization}
본 발명은 파라미터 최적화를 이용한 영상의 안개 제거 방법에 관한 것으로, 보다 상세하게는 다크 채널을 이용한 안개 제거 알고리즘에서 전달량의 정련시 가우시안 필터를 적용하여 계산속도를 빠르게 하고, 안개 제거 평가방법을 적용하여 가우시안 필터를 사용함으로 발생하는 후광효과를 줄일 수 있도록 된 파라미터 최적화를 이용한 영상의 안개 제거 방법에 관한 것이다.
일반적으로 안개나 스모그 등과 같은 날씨의 현상으로 영상에 왜곡이 발생할 경우 차선 검색이나 사물 인식 등의 알고리즘은 제대로 된 결과를 획득할 수 없다. 따라서 안개나 스모그 등과 같이 다양한 날씨에도 영상 처리 기술을 적용시켜 깨끗한 영상을 얻기 위해 많은 연구가 진행되고 있다.
최근에 다크 채널 프라이어(다크 채널(dark channel) prior)를 이용한 안개 제거 알고리즘[문헌1]이 제안되었다. 이 알고리즘은 안개가 짙은 영역일수록 마스크(mask) 내에 존재하는 가장 어두운 픽셀이 밝아진다는 성질을 이용하여 전달량(Transmission)을 구하고 이를 통해 영상의 안개 제거를 구현한다. 이 방법에서 전달량을 계산할 때 경계 부분에서 명암 및 색상 차이, 후광효과가 생기게 되어 이를 개선하기 위해 매팅(matting) 기법[문헌2]을 사용한 전달량을 정련(Refining)을 통해 경계부분이 부드럽게 이어지도록 하면 아주 깨끗한 결과 영상을 획득할 수 있다.
그러나 정련과정에서 매팅(matting) 기법을 이용한 기존의 방법은 영상크기의 제곱에 해당하는 행렬을 사용하기 때문에 메모리 사용량이 많고 속도 면에서도 큰 제약이 있다. 또한 전달량의 계산 시 마스크(mask) 영역 내에서 최소값을 계산하는데 마스크의 적합한 크기가 얼마인지에 대한 기준이 없다.
한편, 현재까지 안개제거에 대한 연구가 활발하게 진행된 반면, 안개가 제거된 영상이 얼마나 품질이 향상되었는지를 나타내는 영상제거 성능의 평가에 대한 연구는 희박하게 진행되고 있다. 이는 안개효과가 단순히 영상잡음 또는 영상열화(Degradation)의 문제로 다루기에는 복잡한 시스템이기 때문이다.
[문헌1] Kaiming He, Jian Sun, Xiaoou Tang, "Single image haze removal using 다크 채널(dark channel) prior" IEEE Conference on Computer Vision and Pattern Recognition pp. 1956-1963 June 2009. [문헌2] A. Levin, D. Lischinski, and Y. Weiss, "A closed form solution to natural image matting" IEEE Trans. Pattern Anal. Mach Intell., vol. 30, no. 2, pp. 228-242, Feb. 2008. [문헌3] N. Hautiere, J. Tarel, D. Aubert, and E. Dumon, "Blind contrast enhancement assesment by gradient ratioing at visible 엣지(edge)s" Image Analysis & Stereology Journal, 2008, 27(2), pp. 87-95.
본 발명은 이상과 같은 종래의 문제점을 개선하기 위하여 창출된 것으로서, 다크 채널을 이용한 안개 제거 알고리즘에서 전달량의 정련 시 많은 시간이 소요되는 종래의 매팅 기법을 대신해서 가우시안 필터를 적용하여 계산속도가 매우 빠른 정련 방법을 제공하는 파라미터 최적화를 이용한 영상의 안개 제거 방법을 제공하는데 그 목적이 있는 것이다.
또한, 본 발명의 다른 목적은 가우시안 필터를 사용함으로써 발생하는 후광효과를 줄이기 위해 안개 제거 평가방법을 적용하여 최적의 가우신안 필터의 마스크 크기와 표준편차 값, 다크 채널의 최적의 마스크 크기를 정할 수 있도록 된 파라미터 최적화를 이용한 영상의 안개 제거 방법을 제공하는 것이다.
이와 같은 본 발명의 목적을 달성하기 위한 본 발명에 따른 파라미터 최적화를 이용한 영상의 안개 제거 방법은, 카메라로 획득된 안개 영상을 다크 채널 프라이어(다크 채널(dark channel) prior) 기법을 통해 전달량을 계산하여 영상의 안개를 제거하는 방법에 있어서, a) 계산된 전달량을 가우시안 필터(Gaussian filter)를 통해 정련(refining)하는 단계와; b) 상기 전달량 정련 과정에서 정확한 엣지(edge) 정보를 계산하기 위해 다크 체널 마스크 사이즈 Ω, 가우시안 필터의 표준편차 σ, 가우시안 필터의 마스크 사이즈 m을 최적화하는 단계; 및 c) 상기 다크 채널을 이용하여 대기의 밝기를 구하고 이를 통해 안개 제거 영상을 획득하는 단계;를 포함하되, 상기 b)단계에서, 입력 영상과 안개제거 성능 평가방법(Blind contrast enhancement assessment method)을 적용하여 개선된 영상을 가지고 계산된 세 가지 지표(e, r, s)를 사용하여 다크 체널 마스크 사이즈 Ω, 가우시안 필터의 표준편차 σ, 가우시안 필터의 마스크 사이즈 m을 최적화한다.
본 발명은 상기 a) 단계의 전달량을 정련하는 과정에서, 가우시안 필터는 2차원 가우시안 함수 값을 이용하여 마스크(mask)를 생성하고, 입력 영상과 마스크 연산을 수행하며, 연산 시간을 줄이기 위해 2차원 가우시안 함수를 1차원 가우시안 함수의 곱으로 분할하여 [수학식 8]로 계산할 수 있는 것을 특징으로 한다.
[수학식 8]
Figure 112013034873160-pat00001
여기서, σ는 표준편차, σ2 = 1은 정규분포이고, 2차원 가우시안 함수는 x방향과 y방향으로의 1차원 가우시안 함수의 곱으로 분리됨.
본 발명은 상기 c) 단계의 안개 제거 영상 획득 과정에서, 전달량이 너무 작은 값을 갖는 경우 안개 제거 영상은 매우 큰 노이즈를 가질 수 있으므로 임계 값을 주어서 노이즈를 억제하도록 [수학식 10]을 통해 계산하는 것을 특징으로 한다.
[수학식 10]
Figure 112013034873160-pat00002
여기서, x는 카메라로부터 피사체까지의 거리, I(x)는 안개 영상(입력 영상), A는 대기의 밝기를 나타내며, t(x)는 전달량, J(x)는 안개가 제거된 영상(출력영상).
본 발명의 상기 가우시안 필터는, 저역 통과 필터(low pass filter)인 것을 특징으로 한다.
본 발명은 상기 b)단계에서 세가지 지표 중에 e는 안개 제거 후 새롭게 나타난 엣지(edge)의 비이고 안개 제거후 엣지(edge)의 복원 능력을 평가하기 위한 지표로서 [수학식 11]을 통해 계산하고, r 은 안개 제거를 위해 사용된 안개제거 성능 평가방법의 품질(평균적인 가시성 향상수준)을 나타내는 것으로 [수학식 12]를 통해 계산되며, s는 안개 제거 영상에서 영상의 포화정도를 나타내는 지표로서 [수학식 13]을 통해 계산되는 것을 특징으로 한다.
[수학식 11]
Figure 112013034873160-pat00003
여기서 nr은 안개 제거 후 새롭게 나타난 엣지(edge) 개수이고, no는 원본 영상의 엣지(edge) 개수.
[수학식 12]
Figure 112013034873160-pat00004
여기서 ri는 가시성 수준(Visibility Level)의 비이고, 가시성 수준은 영상의 변화도(gradient)를 통해 계산됨.
[수학식 13]
Figure 112013034873160-pat00005
여기서 nS는 안개 제거 영상의 각 픽셀 중에 밝기가 0 또는 255로 완전히 포화된 픽셀의 개수이며 dimx × dimy은 영상의 크기.
상기한 바와 같이 본 발명에서 추구하는 기술적 문제 해결은 다크 채널을 이용한 안개 제거 알고리즘에서 전달량의 정련 시 많은 시간이 소요되는 종래의 매팅 기법 대신해서 가우시안 필터를 적용함으로써, 계산 속도가 매우 빠른 정련 방법을 제공할 수 있는 효과가 있다.
또한, 본 발명은 가우시안 필터를 사용하므로 발생하는 후광효과를 줄이기 위해 안개 제거 평가방법을 적용하여 최적의 가우시안 필터의 마스크 크기와 표준편차 값, 다크 채널의 최적의 마스크 크기를 정하고, 이를 적용함으로써 후광효과를 줄일 수 있도록 된 장점이 있다.
도 1은 본 발명에 따른 파라미터 최적화를 이용한 영상의 안개 제거 방법을 설명하기 위한 흐름도이다.
도 2의 (a)와 (b)는 안개 영상과 안개 영상의 다크 채널을 나타낸 예시도이다.
도 3은 안개 영상의 전달량을 나타낸 도면이다.
도 4는 표준편차에 따른 1차원 가우시안 함수를 나타낸 그래프이다.
도 5는 2차원 가우시안 함수를 나타낸 그래프이다.
도 6은 표준 편차가 1인 2차원 가우시안 필터를 수치적으로 표현한 도표이다.
도 7은 15 x 15 가우시안 필터를 적용한 전달량은 나타낸 도면이다.
도 8은 다크 채널을 이용한 대기의 밝기 계산하는 예시도
도 9는 안개 제거 영상을 나타낸 도면이다.
도 10의 (a)와 (b)는 안개 제거 영상을 나타낸 도면이다.
도 11은 후광 효과가 발생한 영상을 나타낸 도면이다.
도 12는 도 2(a)의 원본 영상 엣지와 안개제거 후 엣지 수를 나타낸 도면이다.
도 13은 도 2(a)의 원본 영상 변화도와 안개제거 후 변화도를 나타낸 도면이다.
도 14는 세 가지 파라미터(Ω, σ, m)의 범위를 나타낸 도면이다.
도 15는 도 2(a)의 지표 e를 나타낸 도면이다.
도 16은 도 2(a)의 세 가지 지표( e,
Figure 112013034873160-pat00006
, s)를 나타낸 도면이다.
도 17은 파라미터 최적화 전과 후의 후광효과를 비교한 도면이다.
도 18은 파라미터 Ω에 따른 도 2 (a)의 다크 채널을 나타낸 도면이다.
도 19는 파라미터 σ에 따른 도 2 (a)의 전달량 정련을 나타낸 도면이다.
이하, 본 발명의 바람직한 실시예를 첨부된 도면을 참조하여 상세히 설명하면 다음과 같다.
도 1은 본 발명에 따른 파라미터 최적화를 이용한 영상의 안개 제거 방법을 설명하기 위한 흐름도이다.
도 1에 도시된 바와 같이, 본 발명에 따른 파라미터 최적화를 이용한 영상의 안개 제거 방법은, 카메라로 획득된 안개 영상을 다크 채널 프라이어(dark channel prior) 기법을 통해 전달량을 계산하여 영상의 안개를 제거하는 방법으로(S10, S20, S30), 계산된 전달량을 가우시안 필터(Gaussian filter)를 통해 정련(refining)하는 단계(S40)와, 상기 전달량 정련 과정에서 정확한 엣지(edge) 정보를 계산하기 위해 다크 체널 마스크 사이즈 Ω, 가우시안 필터의 표준편차 σ, 가우시안 필터의 마스크 사이즈 m을 최적화하는 단계(S42, S44, S46), 및 상기 다크 채널을 이용하여 대기의 밝기를 구하고(S50) 이를 통해 안개 제거 영상을 획득하는 단계(S60)를 포함한다.
상기 카메라로 획득된 안개 낀 영상(S10)의 모델링은 아래 [수학식1]을 사용한다.
Figure 112013034873160-pat00007
여기서, x는 카메라로부터 피사체까지의 거리, I(x)는 안개 영상(입력 영상), A는 대기의 밝기를 나타내며, t(x)는 빛이 산란되지 않고 카메라까지 도달된 정도를 나타내는 함수로 전달량이라 한다. 전달량은 거리에 반비례하여 감소하게 된다. J(x)는 안개가 제거된 영상(출력 영상)이다.
즉, 카메라에 입력되는 영상 I(x)는, 거리가 가까울수록 안개가 없는 피사체의 원래 밝기에 좌우되고, 거리가 먼 경우에는 안개가 짙어지게 되므로 대기의 밝기 A에 좌우된다는 것을 알 수 있다. 따라서 안개 제거 영상처리는 입력 영상 I(x)로부터 전달량 t(x), 대기의 밝기 A를 구하고 최종적으로 출력 영상 J(x)를 구하는 것이다.
상기 다크 채널 프라이어(dark channel prior) 기법(S20)은 안개가 없고 다채로운 색상을 가지는 야외 영상에서 일정 영역(mask) 내 한 픽셀 중 어떤 하나의 컬러 채널(R, G, B 채널)은 대부분 0에 가까운 어두운 채널 값을 가지는데 이러한 채널들을 다크 채널(dark channel)이라 하고 아래 [수학식2]으로 표현한다.
Figure 112013034873160-pat00008
여기서, Jdark(x)는 다크 채널(dark channel), Jc는 영상의 한 픽셀에서 컬러 채널을 의미하고, Ω(x)는 점 x를 중심으로 한 일정 영역(mask)을 의미한다. 관측에 의해 안개가 없고 다채로운 색상을 가지는 야외 영상에서는 대부분의 채널 값들이 0의 값을 가지므로 이를 다크 채널(dark channel) prior라 하고 아래 [수학식3]과 같이 가정한다.
Figure 112013034873160-pat00009
도 2의 (a)와 (b)는 안개 영상과 안개 영상의 다크 채널(dark channel)을 나타낸 예시도로서, 도 2의 (a)에 도시된 바와 같은 안개 영상일 경우에 안개가 짙고 거리가 먼 영역에서 다크 채널(dark channel)은 밝은 값을 가진다. 안개가 짙어질수록 일정 영역(mask)내에서 컬러 채널 중 가장 어두운 채널 값이 밝아지므로 도 2의 (b)와 같이 다크 채널(dark channel) 또한 밝은 값을 가지게 된다.
상기 다크 채널 프라이어(dark channel prior)를 이용하여 전달량을 계산할 수 있다(S30). 먼저, 안개 영상의 모델링인 [수학식 1]에 다크 채널(dark channel)을 적용하여 다음과 같은 [수학식 4]를 얻을 수 있다.
Figure 112013034873160-pat00010
여기서, 다크 채널(dark channel) prior로 우변을 정리할 수 있는데
Figure 112013034873160-pat00011
이므로 우변의 J가 들어간 항이 0으로 놓을 수 있다. 따라서 [수학식 4]를 다크 채널(dark channel) prior를 적용해 정리하게 되면 아래 [수학식 5]와 같다.
Figure 112013034873160-pat00012
상기 [수학식 5]에서 살펴볼 수 있듯이 전달량 t(x)는 안개 영상 I(x)를 대기의 밝기 A로 나눈 뒤 다크 채널(dark channel)을 적용한 것을 1에서 뺀 것과 같고, 도 2의 (a)에 도시된 안개 영상의 전달량은 도 3에 도시된 바와 같다. 여기서, 도 3는 안개 영상의 전달량을 나타낸 도면이다.
이와 같이, [수학식 5]를 통해 계산된 전달량은 일정 영역(mask)내에서 가장 어두운 컬러 채널의 값을 구해서 계산된 결과 값이다. 일정 영역(mask)내에서 최소값을 계산하기 때문에 도 2의 (b)와 도 3을 살펴보면 엣지(edge) 정보에 차이가 있는 것을 알 수 있다. 엣지(edge)가 일치하지 않는 전달량을 통해 안개 제거 영상을 획득하게 되면 엣지(edge) 부근에서 후광효과가 발생한다.
종래의 전달량 정련에 사용되던 매팅(matting) 기법은 입력 영상 크기의 제곱에 해당하는 행렬을 사용하기 때문에 계산 속도가 느린 단점이 있기 때문에, 본 발명에서는 매팅 기법을 사용하는 대신 가우시안 필터(Gaussian filter)를 사용하여 전달량을 정련한다(S40).
가우시안 필터(Gaussian filter)는 주로 신호처리 분야에서 사용되는 기법으로서, 영상을 부드럽게 하기 위한 저역 통과 필터(low pass filter)이다. 가우시안 함수는 자연현상을 가장 잘 표현하는 함수 식 중의 하나이며 1차원 가우시안 분포를 아래 [수학식 6]으로 나타낸다.
Figure 112013034873160-pat00013
여기서, σ는 값의 분포를 결정지으며, 표준편차를 의미하고 μ는 평균값을 의미한다. 일반적으로 μ = 0과 σ2 = 1을 정규분포라고 부른다. 1차원 가우시안 함수의 그래프는 도 4에 도시된 바와 같다. 도 4는 표준편차에 따른 1차원 가우시안 함수를 나타낸 그래프이다.
실제 영상처리에서의 가우시안 필터는 2차원 가우시안 함수 값을 이용하여 마스크(mask)를 생성하고, 입력 영상과 마스크 연산을 수행해주는 것을 의미하며, 2차원 가우시안 함수는 아래 [수학식 7]으로 나타낸다.
Figure 112013034873160-pat00014
상기 1차원 가우시안 함수와 같이, 상기 가우시안 함수에서 평균값 μ은 0으로 간주하였다. 도 5에 도시된 바와 같이 표준 편차가 1인 경우의 2차원 가우시안 함수의 형태를 보여준다. 도 5는 2차원 가우시안 함수를 나타낸 그래프이다.
예를 들어 2차원 가우시안 함수의 마스크 크기(mask size) m이 9×9라고 가정하면, 영상의 모든 픽셀에 대해서 9×9 필터(filter)를 마스크 연산해야하기 때문에 연산량이 상당하다는 것을 알 수 있다. 또한 마스크 연산은 마스크 크기가 커짐에 따라 그 연산 속도가 급격하게 감소된다. 도 6은 표준 편차가 1인 2차원 가우시안 필터를 수치적으로 표현한 도표이다.
이때, 마스크 크기가 9×9 크기이기 때문에 마스크 연산을 진행해서 결과 값을 얻는데 많은 시간이 요구된다. 이러한 연산 시간을 줄이기 위해 2차원 가우시안 함수를 1차원 가우시안 함수의 곱으로 분할할 수가 있기 때문에, 이를 이용하면 보다 빠른 구현이 가능하며 아래의 [수학식 8]으로 표현된다.
Figure 112013034873160-pat00015
여기서, 2차원 가우시안 함수는 x방향과 y방향으로의 1차원 가우시안 함수의 곱으로 분리됨을 볼 수 있다.
이와 같이, 2차원 마스크를 만드는 함수가 x방향과 y방향으로의 함수로 각각 분리될 수 있을 경우, 이 마스크 연산의 결과 영상은 입력 영상을 x방향과 y방향으로의 1차원 마스크 연산을 각각 수행하여 얻을 수 있다.
따라서 본 발명에서는 계산 속도를 줄이기 위해 2차원 가우시안 함수 대신에 1차원 가우시안 함수를 x방향과 y방향으로 적용하는 방식으로 가우시안 필터를 적용한다.
상기 방식으로 구현된 가우시안 필터를 통해서 전달량을 정련하게 되는데 도 3에 도시된 바와 같이 계산한 전달량을 가우시안 필터로 정련하게 되면, 도 7에 도시된 바와 같다. 도 7은 15 x 15 가우시안 필터를 적용한 전달량은 나타낸 도면이다.
상기 대기의 밝기를 계산하는 단계(S50)에서, 한 장의 영상을 이용한 대기의 밝기 값을 계산할 때, 대기의 밝기는 안개 중 가장 불투명한 픽셀로 추정한다. 즉, 입력영상에서 가장 밝은 픽셀 값을 대기의 밝기로 계산한다. 그러나 실제 입력 영상의 경우 가장 밝은 픽셀이 흰색 자동차나 흰색 아파트일 수도 있다. 때문에 정확한 대기의 밝기 값 추정을 위해 다크 채널(dark channel)을 사용한다.
도 8은 다크 채널을 이용한 대기의 밝기 계산하는 예시도로서, (a) 입력 영상, (b) 다크 채널(dark channel), (c) 다크 채널(dark channel)을 이용해서 구한 대기의 밝기 영역, (d) 실제 대기보다 밝은 하얀 아파트 영역, (e) 실제 대기보다 밝은 하얀 자동차 영역이다.
도 8에 도시된 바와 같이 입력 영상(a)에서 단순히 밝은 값을 대기의 값으로 정했을 때 실제 대기 영역이 선택 되지 않을 수 있지만, 이 입력 영상(a)의 다크 채널(dark channel)(b)을 살펴보면 실제 대기의 영역이 아닌 다른 영역들은 실제 대기 영역보다 어두움을 알 수 있다. 이를 통해서 정확한 대기의 밝기를 계산할 수 있는데 이 때 최종적인 대기의 밝기 값은 다크 채널(dark channel)에서 가장 밝은 상위 0.1%의 평균이다.
상기 안개 제거 영상을 획득하는 단계(S60)에서 결과 영상 획득은 [수학식 1]로부터 얻을 수 있다. [수학식 1]을 J(x)에 대해서 정리하면 아래 [수학식 9]를 얻을 수 있다.
Figure 112013034873160-pat00016
여기서, x는 카메라로부터 피사체까지의 거리, I(x)는 안개 영상(입력 영상), A는 대기의 밝기를 나타내며, t(x)는 전달량, J(x)는 안개가 제거된 영상(출력영상)이다. 전달량이 너무 작은 값을 가지면, 안개 제거 영상은 매우 큰 노이즈를 가질 수 있으므로, 임계 값을 주어서 노이즈를 억제한다.
따라서 안개 제거 최종 수식은 [수학식 10]이며, 최종 수식을 통해 구한 출력 영상은 도 10에 도시된 바와 같다.
Figure 112013034873160-pat00017
도 9는 안개 제거 영상을 나타낸 도면이고, 도 10의 (a)와 (b)는 안개 제거 영상을 나타낸 도면이다.
한편, 상기 안개 제거 과정에서 가우시안 필터(Gaussian filter)를 이용해 계산 속도를 개선시키는 방법에 대해서 설명하였다. 하지만 계산 속도는 개선시킬 수 있었지만 도 11에 도시된 바와 같이 안개 제거 영상을 살펴보면 엣지(edge) 부근에서 후광효과가 발생한다.
이는 가우시안 필터를 이용한 전달량 정련 과정에서 정확한 엣지(edge) 정보를 계산할 수 없기 때문이다. 따라서 안개 제거 영상의 품질을 향상시키기 위해 이러한 후광효과를 줄여야 한다. 도 11은 후광 효과가 발생한 영상을 나타낸 도면이다.
상기 후광 효과를 줄이기 위해서 [문헌3]의 안개제거 성능 평가방법을 이용해 도 11에 도시된 바와 같이 처럼 다크 채널 마스크 크기(dark channel mask size) Ω, 가우시안 필터(Gaussian filter)의 표준편차 σ와 마스크 크기(mask size) m 이 세 가지 파라미터를 최적화한다(S42, S44, S46).
상기 안개제거 성능 평가방법(Blind contrast enhancement assessment method)은 안개제거나 콘트라스트(contrast) 개선 알고리즘의 성능을 평가하기 위한 방법으로써 입력 영상과 알고리즘을 적용하여 개선된 영상을 가지고 계산된 세 가지 지표(e,
Figure 112013034873160-pat00018
, s)를 사용한다. 여기서 s는 σ으로 표시되지만 상술한 가우시안 필터의 표준 편차와 혼동을 피하기 위해 s로 표시한다.
상기 e는 안개 제거 후 새롭게 나타난 엣지(edge)의 비이고 안개 제거후 엣지(edge)의 복원 능력을 평가하기 위한 지표로서 아래 [수학식 11]을 통해 계산된다.
Figure 112013034873160-pat00019
여기서 nr은 안개 제거 후 새롭게 나타난 엣지(edge) 개수로써 도 12의 오른쪽 영상에서의 엣지(edge)수이고 no는 원본 영상의 엣지(edge) 개수로써 도 12의 왼쪽 영상에서의 엣지(edge)수이다. 도 12은 도 2(a)의 원본 영상 엣지와 안개제거 후 엣지 수를 나타낸 도면이다.
상기
Figure 112013034873160-pat00020
은 안개 제거를 위해 사용된 알고리즘의 품질(평균적인 가시성 향상수준)을 나타내고 이래 [수학식 12]를 통해 계산된다.
Figure 112013034873160-pat00021
여기서 ri는 가시성 수준(Visibility Level의 비이고, 가시성 수준은 영상의 변화도(gradient)를 통해 계산된다. 즉,
Figure 112013034873160-pat00022
은 도 13에 도시된 바와 같이 원본 영상과 안개 제거 후 영상의 변화도(gradient)를 통해서 가시성이 얼마만큼 향상되었는지를 나타내는 지표이다. 도 13은 도 2(a)의 원본 영상 변화도와 안개제거 후 변화도를 나타낸 도면이다.
상기 s는 안개 제거 영상에서 영상의 포화정도를 나타내는 지표로서 아래 [수학식 13]을 통해 계산된다.
Figure 112013034873160-pat00023
여기서 nS는 안개 제거 영상의 각 픽셀 중에 밝기가 0 또는 255로 완전히 포화된 픽셀의 개수이며 dimx × dimy은 영상의 크기를 나타낸다.
파라미터 최적화 실험
상기 안개제거 성능 평가방법(Blind contrast enhancement assessment method)를 이용해 앞에서 언급한 세 가지 파라미터(Ω, σ, m)을 최적화하기 위해서 원본 영상과 각 파라미터의 값을 변경해가면서 얻은 결과 영상들을 통해 세 가지 지표( e,
Figure 112013034873160-pat00024
, s)를 계산한다. 파라미터의 값 중 지나치게 작은 값이나 큰 값으로 인해 결과 영상의 품질이 떨어지는 값들은 범위에서 제외하였고 그 범위는 도 14에 도시된 바와 같다고 할 때 Ωmin = 3, Ωmax = 17 이고, σmin = 1, σmax = 15, m min = 3, m max =17로 선정하였다.
도 14는 세 가지 파라미터(Ω, σ, m)의 범위를 나타낸 도면이다. 세 가지 지표를 계산하기 위해서 매트랩(MATLAB)을 사용하고, 계산된 결과 값을 3차원 그래프를 통해 도 15와 같이 나타내었다. 도 15는 도 2(a)의 지표 e를 나타낸 도면이다.
도 15에서 3차원 그래프의 각 좌표 점은 파라미터 값(Ω, σ, m)이며 그 점의 컬러가 해당 지표의 값을 나타낸다. 이 때 지표 e는 안개 제거 후 엣지(edge)의 복원 능력을 평가하기 위한 지표이므로 그 값이 클수록(3차원 그래프에서 붉은 값) 좋고, 지표
Figure 112013034873160-pat00025
역시 마찬가지로 알고리즘의 품질(평균적인 가시성 향상수준)을 나타내는 지표이므로 그 값이 클수록(3차원 그래프에서 붉은 값) 좋음을 나타낸다. 하지만 지표 s는 영상의 포화정도를 나타내는 지표이므로 그 값이 작을수록(3차원 그래프에서 푸른 값)일수록 좋음을 나타낸다.
파라미터 최적화 실험 결과
여러 영상들에 대해서 공통적인 최적의 파라미터 값을 찾기 위해 도 11에 도시시된 결과 영상들에 대해서 실험을 진행하였다. 그에 대한 3차원 결과들을 아래에 나타내었다. 도 16은 도 2(a)의 세 가지 지표( e,
Figure 112013034873160-pat00026
, s)를 나타낸 도면으로, 도 16의 (a)는 원본 영상, (b)는 원본 영상의 지표 e 값, (c)는 원본 영상의 지표 s 값, (d)는 원본 영상의 지표
Figure 112013034873160-pat00027
값이다.
도 17은 파라미터 최적화 전과 후의 후광효과를 비교한 도면이다. 도 17에 도시된 바와 같이 최적화된 파라미터(Ω = 3, σ = 1, m = 3)로 안개제거를 했을 때 후광효과 감소를 뚜렷하게 관측할 수 있다.
실험 결과의 정성적 분석
상술한 실험 결과는 좌표 점(Ω = 3, σ = 1) 부근에서 가장 좋은 지표 값들(e와
Figure 112013034873160-pat00028
는 가장 붉은 값, s는 가장 푸른 값)을 가지는 것인데, 이러한 결과가 나오게 된 원인을 정성적으로 분석하고자 한다.
먼저, 파라미터 Ω의 경우 영상의 다크 채널(dark channel)을 계산할 때 사용되는 마스크 크기(mask size)로서 도 18에 도시된 바와 같이 다크 채널(dark channel) 계산 시 Ω가 작을 수록 원본 영상에 근접하는 정확한 엣지(edge) 정보를 구할 수 있기 때문에 안개 제거 영상의 엣지(edge) 부근에서 발생하는 후광효과를 줄일 수 있다. 도 18은 파라미터 Ω에 따른 도 2 (a)의 다크 채널을 나타낸 도면이다.
도 19는 파라미터 σ에 따른 도 2 (a)의 전달량 정련을 나타낸 도면이다. 파라미터 σ의 경우 전달량을 정련할 때 사용되는 가우시안 필터의 표준 편차로서 도 19에 도시된 바와 같이 다크 채널(dark channel)을 통해 계산된 전달량을 정련하는 과정에서 σ가 작을수록 엣지(edge) 정보를 더 보존할 수 있기 때문에 안개 제거 영상의 엣지(edge) 부근에서 발생하는 후광효과를 줄일 수 있다.
상술한 바와 같이 본 발명은 다크 채널을 이용한 안개 제거 알고리즘에서 전달량의 정련 시 많은 시간이 소요되는 종래의 매팅 기법 대신해서 가우시안 필터를 적용함으로써, 계산 속도가 매우 빠른 정련 방법을 제공할 수 있다.
또한, 본 발명은 가우시안 필터를 사용하므로 발생하는 후광효과를 줄이기 위해 안개 제거 평가방법을 적용하여 최적의 가우시안 필터의 마스크 크기와 표준편차 값, 다크 채널의 최적의 마스크 크기를 정하고, 이를 적용함으로써 후광효과를 줄일 수 있다.
따라서, 본 발명은 안개가 짙은 기상 상태에서 카메라를 통해 획득된 영상에 안개의 농도에 따라 각기 다른 색으로 표시되는 현상으로 객체 탐지나 분간이 어려움 문제점을 해결함으로써, 해안도로나 안개가 짙은 지역에서 카메라로 획득된 영상의 안개를 제거해 운전자에게 실시간으로 제공하여 사고의 위험을 감소시킬 수 있다.
이상, 전술한 본 발명의 바람직한 실시예는, 예시의 목적을 위해 개시된 것으로, 당업자라면, 이하 첨부된 특허청구범위에 개시된 본 발명의 기술적 사상과 그 기술적 범위 내에서, 또 다른 다양한 실시예들을 개량, 변경, 대체 또는 부가 등이 가능할 것이다.

Claims (5)

  1. 카메라로 획득된 안개 영상을 다크 채널 프라이어(다크 채널(dark channel) prior) 기법을 통해 전달량을 계산하여 영상의 안개를 제거하는 방법에 있어서,
    a) 계산된 전달량을 가우시안 필터(Gaussian filter)를 통해 정련(refining)하는 단계와;
    b) 상기 전달량 정련 과정에서 정확한 엣지(edge) 정보를 계산하기 위해 다크 체널 마스크 사이즈 Ω, 가우시안 필터의 표준편차 σ, 가우시안 필터의 마스크 사이즈 m을 최적화하는 단계; 및
    c) 다크 채널을 이용하여 대기의 밝기를 구하고 이를 통해 안개 제거 영상을 획득하는 단계;를 포함하되,
    상기 b)단계에서, 입력 영상과 안개제거 성능 평가방법(Blind contrast enhancement assessment method)을 적용하여 개선된 영상을 가지고 계산된 세 가지 지표(e, r, s)를 사용하여 다크 체널 마스크 사이즈 Ω, 가우시안 필터의 표준편차 σ, 가우시안 필터의 마스크 사이즈 m을 최적화하는 파라미터 최적화를 이용한 영상의 안개 제거 방법.
  2. 제 1 항에 있어서,
    상기 a) 단계의 전달량을 정련하는 과정에서, 가우시안 필터는 2차원 가우시안 함수 값을 이용하여 마스크(mask)를 생성하고, 입력 영상과 마스크 연산을 수행하며, 연산 시간을 줄이기 위해 2차원 가우시안 함수를 1차원 가우시안 함수의 곱으로 분할하여 [수학식 8]로 계산할 수 있는 것을 특징으로 하는 파라미터 최적화를 이용한 영상의 안개 제거 방법.
    [수학식 8]
    Figure 112014041051684-pat00029

    여기서, σ는 표준편차, σ2 = 1은 정규분포이고, 2차원 가우시안 함수는 x방향과 y방향으로의 1차원 가우시안 함수의 곱으로 분리됨.
  3. 제 1 항 또는 제 2 항에 있어서,
    상기 c) 단계의 안개 제거 영상 획득 과정에서, 전달량이 너무 작은 값을갖는 경우 안개 제거 영상은 매우 큰 노이즈를 가질 수 있으므로 임계 값을 주어서 노이즈를 억제하도록 [수학식 10]을 통해 계산하는 것을 특징으로 하는 파라미터 최적화를 이용한 영상의 안개 제거 방법.
    [수학식 10]
    Figure 112014041051684-pat00030

    여기서, x는 카메라로부터 피사체까지의 거리, I(x)는 안개 영상(입력 영상), A는 대기의 밝기를 나타내며, t(x)는 전달량, J(x)는 안개가 제거된 영상(출력영상).
  4. 제 3 항에 있어서,
    상기 가우시안 필터는, 저역 통과 필터(low pass filter)인 것을 특징으로 하는 파라미터 최적화를 이용한 영상의 안개 제거 방법.
  5. 제 1 항에 있어서,
    상기 b)단계에서 세가지 지표 중에 e는 안개 제거 후 새롭게 나타난 엣지(edge)의 비이고 안개 제거후 엣지(edge)의 복원 능력을 평가하기 위한 지표로서 [수학식 11]을 통해 계산하고, r 은 안개 제거를 위해 사용된 안개제거 성능 평가방법의 품질(평균적인 가시성 향상수준)을 나타내는 것으로 [수학식 12]를 통해 계산되며, s는 안개 제거 영상에서 영상의 포화정도를 나타내는 지표로서 [수학식 13]을 통해 계산되는 것을 특징으로 하는 파라미터 최적화를 이용한 영상의 안개 제거 방법.
    [수학식 11]
    Figure 112014041051684-pat00031

    여기서 nr은 안개 제거 후 새롭게 나타난 엣지(edge) 개수이고, no는 원본 영상의 엣지(edge) 개수이다.
    [수학식 12]
    Figure 112014041051684-pat00032

    여기서 ri는 가시성 수준(Visibility Level)의 비이고, 가시성 수준은 영상의 변화도(gradient)를 통해 계산됨.
    [수학식 13]
    Figure 112014041051684-pat00033

    여기서 nS는 안개 제거 영상의 각 픽셀 중에 밝기가 0 또는 255로 완전히 포화된 픽셀의 개수이며 dimx × dimy은 영상의 크기.
KR1020130043987A 2013-04-22 2013-04-22 파라미터 최적화를 이용한 영상의 안개 제거 방법 KR101448164B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130043987A KR101448164B1 (ko) 2013-04-22 2013-04-22 파라미터 최적화를 이용한 영상의 안개 제거 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130043987A KR101448164B1 (ko) 2013-04-22 2013-04-22 파라미터 최적화를 이용한 영상의 안개 제거 방법

Publications (1)

Publication Number Publication Date
KR101448164B1 true KR101448164B1 (ko) 2014-10-14

Family

ID=51996856

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130043987A KR101448164B1 (ko) 2013-04-22 2013-04-22 파라미터 최적화를 이용한 영상의 안개 제거 방법

Country Status (1)

Country Link
KR (1) KR101448164B1 (ko)

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105354806A (zh) * 2015-11-20 2016-02-24 上海熙菱信息技术有限公司 基于暗通道的快速去雾方法及系统
KR101624503B1 (ko) 2015-05-11 2016-05-26 한화탈레스 주식회사 번짐 영상의 복원 방법
CN105825483A (zh) * 2016-03-21 2016-08-03 电子科技大学 一种图像去雾霾及沙尘的方法
CN105991937A (zh) * 2015-03-04 2016-10-05 深圳市朗驰欣创科技有限公司 一种基于Bayer格式图像的虚拟曝光方法及装置
CN106101489A (zh) * 2016-06-30 2016-11-09 河海大学常州校区 基于云平台的模板匹配监控视频去雾系统及其去雾方法
CN107203980A (zh) * 2017-05-31 2017-09-26 常州工学院 自适应多尺度暗通道先验的水下目标探测图像增强方法
CN107454318A (zh) * 2017-07-27 2017-12-08 广东欧珀移动通信有限公司 图像处理方法、装置、移动终端及计算机可读存储介质
CN107454317A (zh) * 2017-07-27 2017-12-08 广东欧珀移动通信有限公司 图像处理方法、装置、计算机可读存储介质和计算机设备
CN109584176A (zh) * 2018-11-23 2019-04-05 东南大学 机动车驾驶视觉增强系统
CN110211096A (zh) * 2019-04-30 2019-09-06 安徽四创电子股份有限公司 一种雾霾图像的检测方法
CN112184566A (zh) * 2020-08-27 2021-01-05 北京大学 一种针对附着水雾水珠去除的图像处理方法和系统
CN112184585A (zh) * 2020-09-29 2021-01-05 中科方寸知微(南京)科技有限公司 一种基于语义边缘融合的图像补全方法及系统
CN113112429A (zh) * 2021-04-27 2021-07-13 大连海事大学 一种用于复杂光照条件下有雾图像的通用增强框架
CN113139922A (zh) * 2021-05-31 2021-07-20 中国科学院长春光学精密机械与物理研究所 图像去雾方法及去雾装置
KR102439149B1 (ko) * 2021-03-04 2022-08-31 동아대학교 산학협력단 흐릿함 정도 평가기 및 이를 이용한 안개 밀도 추정 방법
CN115619659A (zh) * 2022-09-22 2023-01-17 北方夜视科技(南京)研究院有限公司 基于正则化高斯场模型的低照度图像增强方法与系统
CN115861104A (zh) * 2022-11-30 2023-03-28 西安电子科技大学 基于透射率细化的遥感图像去雾方法
CN116612043A (zh) * 2023-06-02 2023-08-18 萱闱(北京)生物科技有限公司 一种图像处理方法、装置、设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100996281B1 (ko) 2010-01-29 2010-11-24 아엠아이테크 주식회사 국부 통계 특성을 이용한 노이즈 검출 방법과 변형된 형태의 일반화된 가우시안 필터를 통한 노이즈 제거 방법 및 그 시스템
KR101171991B1 (ko) 2011-12-02 2012-08-08 문상목 안개 개선 영상처리시스템과 그 시스템에서의 안개영상 판단방법
KR101190286B1 (ko) 2011-01-05 2012-10-12 중앙대학교 산학협력단 에지 정보 및 톤 매핑을 기반으로 한 영상의 안개제거 장치 및 방법
KR101200747B1 (ko) 2011-10-27 2012-11-13 국방과학연구소 이동 표적 탐지 장치 및 그 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100996281B1 (ko) 2010-01-29 2010-11-24 아엠아이테크 주식회사 국부 통계 특성을 이용한 노이즈 검출 방법과 변형된 형태의 일반화된 가우시안 필터를 통한 노이즈 제거 방법 및 그 시스템
KR101190286B1 (ko) 2011-01-05 2012-10-12 중앙대학교 산학협력단 에지 정보 및 톤 매핑을 기반으로 한 영상의 안개제거 장치 및 방법
KR101200747B1 (ko) 2011-10-27 2012-11-13 국방과학연구소 이동 표적 탐지 장치 및 그 방법
KR101171991B1 (ko) 2011-12-02 2012-08-08 문상목 안개 개선 영상처리시스템과 그 시스템에서의 안개영상 판단방법

Cited By (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105991937A (zh) * 2015-03-04 2016-10-05 深圳市朗驰欣创科技有限公司 一种基于Bayer格式图像的虚拟曝光方法及装置
KR101624503B1 (ko) 2015-05-11 2016-05-26 한화탈레스 주식회사 번짐 영상의 복원 방법
CN105354806B (zh) * 2015-11-20 2018-05-11 上海熙菱信息技术有限公司 基于暗通道的快速去雾方法及系统
CN105354806A (zh) * 2015-11-20 2016-02-24 上海熙菱信息技术有限公司 基于暗通道的快速去雾方法及系统
CN105825483B (zh) * 2016-03-21 2018-10-16 电子科技大学 一种图像去雾霾及沙尘的方法
CN105825483A (zh) * 2016-03-21 2016-08-03 电子科技大学 一种图像去雾霾及沙尘的方法
CN106101489A (zh) * 2016-06-30 2016-11-09 河海大学常州校区 基于云平台的模板匹配监控视频去雾系统及其去雾方法
CN106101489B (zh) * 2016-06-30 2019-01-01 河海大学常州校区 基于云平台的模板匹配监控视频去雾系统及其去雾方法
CN107203980A (zh) * 2017-05-31 2017-09-26 常州工学院 自适应多尺度暗通道先验的水下目标探测图像增强方法
CN107454318A (zh) * 2017-07-27 2017-12-08 广东欧珀移动通信有限公司 图像处理方法、装置、移动终端及计算机可读存储介质
CN107454317A (zh) * 2017-07-27 2017-12-08 广东欧珀移动通信有限公司 图像处理方法、装置、计算机可读存储介质和计算机设备
CN107454318B (zh) * 2017-07-27 2020-01-10 Oppo广东移动通信有限公司 图像处理方法、装置、移动终端及计算机可读存储介质
CN109584176B (zh) * 2018-11-23 2021-07-23 东南大学 机动车驾驶视觉增强系统
CN109584176A (zh) * 2018-11-23 2019-04-05 东南大学 机动车驾驶视觉增强系统
CN110211096A (zh) * 2019-04-30 2019-09-06 安徽四创电子股份有限公司 一种雾霾图像的检测方法
CN112184566A (zh) * 2020-08-27 2021-01-05 北京大学 一种针对附着水雾水珠去除的图像处理方法和系统
CN112184566B (zh) * 2020-08-27 2023-09-01 北京大学 一种针对附着水雾水珠去除的图像处理方法和系统
CN112184585A (zh) * 2020-09-29 2021-01-05 中科方寸知微(南京)科技有限公司 一种基于语义边缘融合的图像补全方法及系统
CN112184585B (zh) * 2020-09-29 2024-03-29 中科方寸知微(南京)科技有限公司 一种基于语义边缘融合的图像补全方法及系统
KR102439149B1 (ko) * 2021-03-04 2022-08-31 동아대학교 산학협력단 흐릿함 정도 평가기 및 이를 이용한 안개 밀도 추정 방법
CN113112429A (zh) * 2021-04-27 2021-07-13 大连海事大学 一种用于复杂光照条件下有雾图像的通用增强框架
CN113112429B (zh) * 2021-04-27 2024-04-16 大连海事大学 一种用于复杂光照条件下有雾图像的通用增强框架
CN113139922A (zh) * 2021-05-31 2021-07-20 中国科学院长春光学精密机械与物理研究所 图像去雾方法及去雾装置
CN113139922B (zh) * 2021-05-31 2022-08-02 中国科学院长春光学精密机械与物理研究所 图像去雾方法及去雾装置
CN115619659B (zh) * 2022-09-22 2024-01-23 北方夜视科技(南京)研究院有限公司 基于正则化高斯场模型的低照度图像增强方法与系统
CN115619659A (zh) * 2022-09-22 2023-01-17 北方夜视科技(南京)研究院有限公司 基于正则化高斯场模型的低照度图像增强方法与系统
CN115861104A (zh) * 2022-11-30 2023-03-28 西安电子科技大学 基于透射率细化的遥感图像去雾方法
CN115861104B (zh) * 2022-11-30 2023-10-17 西安电子科技大学 基于透射率细化的遥感图像去雾方法
CN116612043B (zh) * 2023-06-02 2024-04-02 萱闱(北京)生物科技有限公司 一种图像处理方法、装置、设备和存储介质
CN116612043A (zh) * 2023-06-02 2023-08-18 萱闱(北京)生物科技有限公司 一种图像处理方法、装置、设备和存储介质

Similar Documents

Publication Publication Date Title
KR101448164B1 (ko) 파라미터 최적화를 이용한 영상의 안개 제거 방법
Liu et al. Single image dehazing via large sky region segmentation and multiscale opening dark channel model
CN102750674B (zh) 基于自适应容差的视频图像去雾方法
Gibson et al. Fast single image fog removal using the adaptive Wiener filter
Huang et al. An advanced single-image visibility restoration algorithm for real-world hazy scenes
Tripathi et al. Single image fog removal using bilateral filter
Zhu et al. Single image dehazing using color attenuation prior.
CN103218778B (zh) 一种图像和视频的处理方法及装置
KR101518722B1 (ko) 안개 등의 대기 산란 입자로 인한 왜곡 보정용 영상 처리 방법 및 장치
CN108537756B (zh) 基于图像融合的单幅图像去雾方法
CN104299192B (zh) 一种基于大气光散射物理模型的单幅图像去雾方法
CN103985091A (zh) 基于亮度暗先验与双边滤波的单幅图像去雾方法
Guo et al. Automatic image haze removal based on luminance component
CN107451966A (zh) 一种采用灰度图引导滤波实现的实时视频去雾方法
CN103020921A (zh) 基于局部统计信息的单幅图像去雾方法
KR20140017776A (ko) 영상 처리 장치 및 영상 내의 안개 제거 방법
Yousaf et al. Single image dehazing and edge preservation based on the dark channel probability-weighted moments
CN112053302A (zh) 高光谱图像的去噪方法、装置及存储介质
CN108154490A (zh) 基于改进模糊集理论的高压输电线路绝缘子图像增强方法
Wang et al. Haze removal algorithm based on single-images with chromatic properties
Pal et al. A robust framework for visibility enhancement of foggy images
Jiwani et al. Single image fog removal using depth estimation based on blur estimation
CN112825189B (zh) 一种图像去雾方法及相关设备
Park et al. Fog-degraded image restoration using characteristics of RGB channel in single monocular image
Al-Zubaidy et al. Removal of atmospheric particles in poor visibility outdoor images

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20170810

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20180827

Year of fee payment: 5