KR101547059B1 - 영상의 안개 제거 방법 및 장치 - Google Patents

영상의 안개 제거 방법 및 장치 Download PDF

Info

Publication number
KR101547059B1
KR101547059B1 KR1020140021606A KR20140021606A KR101547059B1 KR 101547059 B1 KR101547059 B1 KR 101547059B1 KR 1020140021606 A KR1020140021606 A KR 1020140021606A KR 20140021606 A KR20140021606 A KR 20140021606A KR 101547059 B1 KR101547059 B1 KR 101547059B1
Authority
KR
South Korea
Prior art keywords
transmission amount
image
unit
fog
amount
Prior art date
Application number
KR1020140021606A
Other languages
English (en)
Inventor
권오설
이민혁
Original Assignee
창원대학교 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 창원대학교 산학협력단 filed Critical 창원대학교 산학협력단
Priority to KR1020140021606A priority Critical patent/KR101547059B1/ko
Application granted granted Critical
Publication of KR101547059B1 publication Critical patent/KR101547059B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • 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 using local operators

Landscapes

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

Abstract

본 발명은 영상의 안개 제거 방법 및 장치에 관한 것으로, 입력 영상 분석단계, 안개 추정단계, 전달량 생성단계, 전달량 수정단계, 영상 안개 저장단계를 포함하는 방법과 입력 영상 분석부, 안개 추정부, 전달량 생성부, 전달량 수정부, 영상 안개 저장부를 포함하는 장치를 특징으로 하여 블록현상을 제거하고 안개 제거 효과가 향상되는 효과가 있다.

Description

영상의 안개 제거 방법 및 장치{METHOD AND APPARATUS FOR IMAGE DEHAZING}
본 발명은 영상의 안개 제거 방법 및 장치에 관한 것으로, 더욱 상세하게는 은닉 마코프 랜덤 필드(Hidden Markov Random Field,HMRF)와 기댓값-최대화(Expectation-Maximization,EM) 알고리즘을 이용하는 영상의 안개 제거 방법 및 장치에 관한 것이다.
영상 처리의 응용 기법들을 사용할 때 영상이 깨끗하지 않으면 좋은 결과를 얻기는 어렵다. 일정한 조명과 특별한 노이즈가 없는 실내 영상과 달리 실외에서 영상을 획득할 때, 다양한 외부 요인에 의해 실제 물체가 가지고 있는 정보를 온전히 획득하기 어렵다. 예를 들어 안개나 연기등과 같은 자연현상이 포함된 영상을 획득할 시에는 빛이 흡수, 산란되기 때문에 실제 가시거리보다 짧은 가시거리의 영상을 획득하게 된다. 이 경우 영상내의 물체는 실제 물체와는 색 정보나 깊이 정보가 달라져 제대로 된 물체인식을 하지 못하게 된다. 이 때문에 안개영상으로부터 안개를 제거하는 알고리즘들이 개발되어 왔다.
논문 'Visibility in bad weather from a single image'에서 안개가 없는 깨끗한 영상은 안개가 있는 영상보다 높은 대비를 가진다는 특성을 이용하여 마코프 랜덤 필드 모델을 구성하여, 안개를 제거하는 방법을 개발하였다. 그리고 신뢰도 확산(belief propagation), 그래프 컷(graph cut)등의 방법을 이용하여 안개가 제거된 영상을 얻었다.
Fattal은 논문 'Single image dehazing'에서 일정 구간 내에 있는 반사율은 일정하다는 가정을 이용하여 안개를 제거하는 기술을 개발하였다.
최근에 K. He는 다크 채널 프라이어(dark channel prior)를 이용한 안개제거 알고리즘을 개발하였다. 이 방법은 안개가 없는 깨끗한 영상에서 일정 구간 내에 한 픽셀은 항상 0에 가까운 밝기를 가진다는 관측에 기반을 두고 있다. 이 관측은 대부분의 영상에서 적용되며, 매우 깨끗한 결과영상을 가질 수 있게 된다. 그러나 이 방법을 이용할 시 일부 영상에서는 블록현상이 일어나게 되며, 이로 인해 안개제거 시 성능이 감소되는 문제점이 발생한다.
대한민국 등록특허 제 10-1292421호
본 발명은 상술한 종래기술의 문제점을 극복하기 위한 것으로서, 은닉 마코프 랜덤 필드와 기대값-최대화 알고리즘을 이용한 영상의 안개 제거 방법 및 장치를 제공하는 데에 그 목적이 있다.
상기 목적을 달성하기 위해 본 발명은 입력된 영상에 안개가 포함되어 있는지를 분석하는 입력 영상 분석단계, 상기 입력 영상 분석단계에서 영상에 안개가 포함되어 있다고 분석되면 안개가 낀 영상에서 다크 채널을 계산하는 안개 추정단계, 상기 안개 추정단계에서 다크 채널이 계산되면 계산된 다크 채널을 기반으로 전달량을 생성하는 전달량 생성단계, 상기 전달량 생성단계에서 전달량이 생성되면 매팅 기법을 이용하여 전달량을 수정하는 전달량 수정단계, 상기 전달량 수정단계에서 수정된 전달량을 이용하여 안개 영상을 복원하고 저장하는 영상 안개 저장단계를 포함할 수 있다.
상기 전달량 수정단계는 상기 전달량 생성단계에서 생성된 전달량을 입력받는 전달량 입력단계, 상기 전달량 입력단계로 입력된 전달량에 대하여 K-평균 알고리즘을 적용하여 이미지를 분할하는 K-평균 알고리즘 적용단계, 상기 K-평균 알고리즘 적용단계에서 분할된 이미지에 은닉 마코프 모델을 적용해 기존 영상과 정보가 일치하지 않는 영역의 배열을 추론하는 은닉 마코프 모델 적용단계, 상기 은닉 마코프 모델 적용단계에서 추론한 배열에 기댓값-최대화 방법을 적용하는 기대값-최대화 방법 적용단계, 상기 기대값-최대화 방법 적용단계를 거쳐 수정된 전달량을 저장하는 수정 전달량 저장단계를 포함할 수 있다.
입력된 영상에 안개가 포함되어 있는지를 분석하는 입력 영상 분석부, 상기 입력 영상 분석부에서 영상에 안개가 포함되어 있다고 분석되면 안개가 낀 영상에서 다크 채널을 계산하는 안개 추정부, 상기 안개 추정부에서 다크 채널이 계산되면 계산된 다크 채널을 기반으로 전달량을 생성하는 전달량 생성부, 상기 전달량 생성부에서 전달량이 생성되면 매팅 기법을 이용하여 전달량을 수정하는 전달량 수정부, 상기 전달량 수정부에서 수정된 전달량을 이용하여 안개 영상을 복원하고 저장하는 영상 안개 저장부를 포함할 수 있다.
상기 전달량 수정부는 상기 전달량 생성부에서 생성된 전달량을 입력받는 전달량 입력부, 상기 전달량 입력부로 입력된 전달량에 대하여 K-평균 알고리즘을 적용하여 이미지를 분할하는 K-평균 알고리즘 적용부, 상기 K-평균 알고리즘 적용부에서 분할된 이미지에 은닉 마코프 모델을 적용해 기존 영상과 정보가 일치하지 않는 영역의 배열을 추론하는 은닉 마코프 모델 적용부, 상기 은닉 마코프 모델 적용부에서 추론한 배열에 기댓값-최대화 방법을 적용하는 기대값-최대화 방법 적용부, 상기 기대값-최대화 방법을 적용부를 거쳐 수정된 전달량을 저장하는 수정 전달량 저장부를 포함할 수 있다.
상기와 같이 구성된 본 발명에 따른 영상의 안개 제거 방법 및 장치에 의하면, 매팅 처리 중 나타나는 블록현상을 제거하고 안개 제거 효과가 향상되는 효과가 있다. 그 결과 영상의 대비가 개선되고 보이지 않던 영상의 화질이 향상되는 효과가 있다.
도 1은 영상에서 안개를 추정하고 전달량을 생성하는 방법을 도시한 구성도,
도 2는 전달량 수정단계를 상세히 도시한 구성도,
도 3은 전달량 맵의 수정과정에 대한 구성도로써, (a)는 입력상태, (b)는 matting을 적용한 상태, (c)는 HMRF-EM을 적용한 전달량 맵에 대한 구성도,
도 4는 결과영상에 대한 구성도로써, (a)는 입력상태, (b)는 HMRF-EM을 적용하기 전 상태, (c)는 HMRF-EM을 적용한 결과영상에 대한 구성도,
도 5는 영상에서 안개를 추정하고 전달량을 생성하는 장치를 도시한 구성도,
도 6은 전달량 수정부를 상세히 도시한 구성도이다.
본 발명은 다양한 변형 및 여러 가지 실시예를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 상세한 설명에 보다 상세하게 설명하고자 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
다크채널 프라이어(DCP)를 이용한 안개제거 방법은 안개가 없는 맑은 날의 영상일 경우 일정 구간 내의 RGB신호 중 한 채널은 '0'에 가까운 어두운 값을 가진다는 특성을 이용한다. 따라서, 거리를 측정하기 어려운 단일 이미지에서 안개의 짙은 정도를 예상할 수 있다.
안개가 없는 영상일 경우 각 채널의 픽셀 값을 0으로 가정할 수 있으므로 하기 수학식 1을 얻을 수 있다.
Figure 112014018129426-pat00001
상기 수학식 1은 일정 구간을 기반으로 계산되었기 때문에 영상의 경계와 불일치하는 블록문제가 발생하게 된다.
은닉 마코프 랜덤모델(Hidden Markov Random Field,HMRF)는 관측이 불가능한 상태를 관측이 가능한 상태로 추정하는 이중 확률처리 모델이다. 은닉 마코프 랜덤모델은 모델링하는 시스템이 미지의 변수를 가진 마코프 가정일 것이라고 가정하여, 관측된 변수로부터 숨겨진 변수를 결정하려는 하나의 통계모델이다.
기대값-최대화 방법(Expectation-Maximization,EM)은 보이지 않는 잠재변수에 의존하는 확률모델에서 변수의 최대우도 추정치를 찾고자 하는 알고리즘이다.
은닉 마코프 랜덤모델과 기대값-최대화 방법 알고리즘을 이용하여 추정된 전달량을 매팅할 때 블록현상을 나타나는 문제점을 해결한다.
HMRF-EM 알고리즘은 Q.Wang저 "Hmrf-em image: Implementation of the hidden markov random field and its expectation-maximization algorithm"에서 제안되었다.
이하, 본 발명의 바람직한 실시예를 첨부된 도면을 참조하여 상세히 설명하기로 한다.
도 1은 영상에서 안개를 추정하고 전달량을 생성하는 방법을 도시한 구성도이며 도 2는 전달량 수정단계를 상세히 도시한 구성도이다.
도 1에 도시된 바와 같이 본 발명에 따른 영상의 안개 제거 방법은 입력 영상 분석단계(S100), 안개 추정단계(S200), 전달량 생성단계(S300), 전달량 수정단계(S400), 영상 안개 저장단계(S500)을 포함한다.
입력 영상 분석단계(S100)는 입력된 영상에 안개가 포함되어 있는지를 분석한다.
입력 영상 분석단계(S100)에서 영상에 안개가 포함되어 있다고 분석되면 안개 추정단계(S200)에서 안개가 낀 영상에서 다크 채널을 계산한다.
안개 추정단계(S200)에서 다크 채널이 계산되면 계산된 다크 채널을 기반으로 전달량 생성단계(S300)에서 전달량을 생성한다.
안개가 낀 영상이 입력되면 전달량 생성단계(S300)에서 안개 추정단계(S200)에서 계산된 다크 채널을 기반으로 전달량을 생성하게 된다.
다크 채널의 생성을 위하여 영상을 관측하며, 안개가 없는 깨끗한 영상의 일정 구간 내 한 픽셀은 항상 0에 가까운 밝기를 가진다는 점을 이용한다. 하기 수학식 2를 적용하여 다크 채널을 이용한 전달량 생성을 수행한다.
Figure 112014018129426-pat00002
상기 수학식 2에서 J는 원영상의 밝기값을 의미하며,
Figure 112014018129426-pat00003
는 다크채널 영역의 휘도를 의미하고 c는 rgb(빨강, 초록,파랑)을 의미하고,
Figure 112014018129426-pat00004
는 원영상의 밝기값에서의 컬러채널을 의미한다. 영상에서 하늘 영역을 제외한 영역에서의
Figure 112014018129426-pat00005
는 대부분 0의 값을 가진다.
또한, y는
Figure 112014018129426-pat00006
의미하며,
Figure 112014018129426-pat00007
는 임의의 픽셀
Figure 112014018129426-pat00008
를 중심으로 하는 일정구간을 의미한다.
전달량 생성단계(S300)에서 전달량이 생성되면 전달량 수정단계(S400)에서 매팅 기법을 이용하여 전달량을 수정한다.
영상 안개 저장 단계(S500)에서는 전달량 수정단계(S400)에서 수정된 전달량을 이용하여 안개 영상을 복원하고 저장한다.
도 2에 도시된 바와 같이 전달량 수정단계(S400)는 전달량 입력단계(S410), K-평균 알고리즘 적용단계(S420), 은닉 마코프 모델 적용단계(S430), 기대값-최대화 방법 적용단계(S440), 수정 전달량 저장 단계(S450)를 포함한다.
전달량 입력단계(S410)는 전달량 생성단계(S300)에서 생성된 전달량을 입력받는다.
K-평균 알고리즘 적용단계(S420)에서는 전달량 입력단계(S410)로 입력된 전달량에 대하여 이미지 분할을 위해 K-평균 알고리즘을 적용한다.
은닉 마코프 모델 적용단계(S430)에서는 K-평균 알고리즘 적용단계(S420)에서 분할된 이미지에 은닉 마코프 모델을 적용해 기존 영상과 정보가 일치하지 않는 영역의 배열을 추론한다.
기대값-최대화 방법 적용단계(S440)에서는 은닉 마코프 모델을 적용하여 추론한 배열에 기댓값-최대화 방법을 적용하여 블록현상의 문제점을 해결한다.
기대값-최대화 방법 적용단계(S440)에서 블록현상의 문제점이 해결되면 수정 전달량 저장단계(S450)에서 수정된 전달량을 저장하게 된다.
도 3은 전달량 맵의 수정과정에 대한 구성도로써, (a)는 입력상태, (b)는 matting을 적용한 상태, (c)는 HMRF-EM을 적용한 전달량 맵에 대한 구성도이고, 도 4는 결과영상에 대한 구성도로써, (a)는 입력상태, (b)는 HMRF-EM을 적용하기 전 상태, (c)는 HMRF-EM을 적용한 결과영상에 대한 구성도이다.
도 3과 도 4를 통해 나타나는 것과 같이 전달량 수정단계(S400)를 거치게 되면 영상의 안개가 제거되고 블록현상이 감소하는 것을 볼 수 있다.
도 5는 영상에서 안개를 추정하고 전달량을 생성하는 장치를 도시한 구성도이며 도 6은 전달량 수정부를 상세히 도시한 구성도이다.
도 5에 도시된 바와 같이 본 발명에 따른 영상의 안개 제거 장치는 입력 영상 분석부(100), 안개 추정부(200), 전달량 생성부(300), 전달량 수정부(400), 영상 안개 저장부(500)를 포함한다.
입력 영상 분석부(100)는 입력된 영상에 안개가 포함되어 있는지를 분석한다.
입력 영상 분석부(100)에서 영상에 안개가 포함되어 있다고 분석되면 안개 추정부(200)에서 안개가 낀 영상에서 다크 채널을 계산한다.
안개 추정부(200)에서 다크 채널이 계산되면 계산된 다크 채널을 기반으로 전달량 생성부(300)에서 전달량을 생성한다.
안개가 낀 영상이 입력되면 전달량 생성부(300)에서 안개 추정부(200)에서 계산된 다크 채널을 기반으로 전달량을 생성하게 된다.
다크 채널의 생성을 위하여 영상을 관측하며 안개가 없는 깨끗한 영상의 일정 구간 내 한 픽셀은 항상 0에 가까운 밝기를 가지게 된다. 상기 수학식 2를 적용하여 다크 채널을 이용한 전달량 생성을 수행한다.
전달량 생성부(300)에서 전달량이 생성되면 전달량 수정부(400)에서 매팅 기법을 이용하여 전달량을 수정한다.
영상 안개 저장부(500)에서는 전달량 수정부(400)에서 수정된 전달량을 이용하여 안개 영상을 복원하고 저장한다.
도 6에 도시된 바와 같이 전달량 수정부(400)는 전달량 입력부(410), K-평균 알고리즘 적용부(S420), 은닉 마코프 모델 적용부(430), 기대값-최대화 방법 적용부(440), 수정 전달량 저장부(450)를 포함한다.
전달량 입력부(410)는 전달량 생성부(300)에서 생성된 전달량을 입력받는다.
K-평균 알고리즘 적용부(420)에서는 전달량 입력부(410)로 입력된 전달량에 대하여 이미지 분할을 위해 K-평균 알고리즘을 적용한다.
은닉 마코프 모델 적용부(430)에서는 K-평균 알고리즘 적용부(420)에서 분할된 이미지에 은닉 마코프 모델을 적용해 기존 영상과 정보가 일치하지 않는 영역의 배열을 추론한다.
기대값-최대화 방법 적용부(440)에서는 은닉 마코프 모델을 적용하여 추론한 배열에 기댓값-최대화 방법을 적용하여 블록현상의 문제점을 해결한다.
기대값-최대화 방법 적용부(440)에서 블록현상의 문제점이 해결되면 수정 전달량 저장부(450)에서 수정된 전달량을 저장하게 된다.
도 3과 도 4를 통해 나타나는 것과 같이 전달량 수정부(400)를 거치게 되면 영상의 안개가 제거되고 블록현상이 감소하는 것을 볼 수 있다.
본 명세서에 기재된 본 발명의 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 실시예에 관한 것이고, 발명의 기술적 사상을 모두 포괄하는 것은 아니므로, 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다. 따라서 본 발명은 상술한 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형실시가 가능한 것은 물론이고, 그와 같은 변경은 청구범위 기재의 권리범위 내에 있게 된다.
S100: 입력 영상 분석단계 S200: 안개 추정단계
S300: 전달량 생성단계 S400: 전달량 수정단계
S500: 영상 안개 저장단계 S410: 전달량 입력단계
S420: K-평균 알고리즘 적용단계 S430: 은닉 마코프 모델 적용단계
S440: 기대값-최대화 방법 적용단계 S450: 수정 전달량 저장단계
100: 입력 영상 분석부 200: 안개 추정부
300: 전달량 생성부 400: 전달량 수정부
500: 영상 안개 저장부 410: 전달량 입력부
420: K-평균 알고리즘 적용부 430: 은닉 마코프 모델 적용부
440: 기대값-최대화 방법 적용부 450: 수정 전달량 저장부

Claims (4)

  1. 입력된 영상에 안개가 포함되어 있는지를 분석하는 입력 영상 분석단계;
    입력 영상 분석단계에서 영상에 안개가 포함되어 있다고 분석되면 안개가 낀 영상에서 다크 채널을 계산하는 안개 추정단계;
    안개 추정단계에서 다크 채널이 계산되면 계산된 다크 채널을 기반으로 전달량을 생성하는 전달량 생성단계;
    전달량 생성단계에서 전달량이 생성되면 매팅 기법을 이용하여 전달량을 수정하는 전달량 수정단계; 및
    전달량 수정단계에서 수정된 전달량을 이용하여 안개 영상을 복원하고 저장하는 영상 안개 저장단계;를 포함하고,
    상기 전달량 수정단계는,
    상기 전달량 생성단계에서 생성된 상기 전달량을 입력받는 전달량 입력단계;
    상기 전달량 입력단계로 입력된 상기 전달량에 대하여 K-평균 알고리즘을 적용하여 이미지를 분할하는 K-평균 알고리즘 적용단계;
    상기 K-평균 알고리즘 적용단계에서 분할된 이미지에 은닉 마코프 모델을 적용해 기존 영상과 정보가 일치하지 않는 영역의 배열을 추론하는 은닉 마코프 모델 적용단계;
    상기 은닉 마코프 모델 적용단계에서 추론한 배열에 기대값-최대화 방법을 적용하는 기대값-최대화 방법 적용단계; 및
    상기 기대값-최대화 방법 적용단계를 거쳐 수정된 전달량을 저장하는 수정 전달량 저장단계;를 포함하는 영상의 안게 제거 방법.
  2. 삭제
  3. 입력된 영상에 안개가 포함되어 있는지를 분석하는 입력 영상 분석부;
    입력 영상 분석부에서 영상에 안개가 포함되어 있다고 분석되면 안개가 낀 영상에서 다크 채널을 계산하는 안개 추정부;
    안개 추정부에서 다크 채널이 계산되면 계산된 다크 채널을 기반으로 전달량을 생성하는 전달량 생성부;
    전달량 생성부에서 전달량이 생성되면 매팅 기법을 이용하여 전달량을 수정하는 전달량 수정부; 및
    전달량 수정부에서 수정된 전달량을 이용하여 안개 영상을 복원하고 저장하는 영상 안개 저장부;를 포함하고,
    상기 전달량 수정부는,
    상기 전달량 생성부에서 생성된 상기 전달량을 입력받는 전달량 입력부;
    상기 전달량 입력부로 입력된 상기 전달량에 대하여 K-평균 알고리즘을 적용하여 이미지를 분할하는 K-평균 알고리즘 적용부;
    상기 K-평균 알고리즘 적용부에서 분할된 이미지에 은닉 마코프 모델을 적용해 기존 영상과 정보가 일치하지 않는 영역의 배열을 추론하는 은닉 마코프 모델 적용부;
    상기 은닉 마코프 모델 적용단계에서 추론한 배열에 기대값-최대화 방법을 적용하는 기대값-최대화 방법 적용부; 및
    상기 기대값-최대화 방법 적용단계를 거쳐 수정된 전달량을 저장하는 수정 전달량 저장부;를 포함하는 영상의 안개 제거 장치.
  4. 삭제
KR1020140021606A 2014-02-24 2014-02-24 영상의 안개 제거 방법 및 장치 KR101547059B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140021606A KR101547059B1 (ko) 2014-02-24 2014-02-24 영상의 안개 제거 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140021606A KR101547059B1 (ko) 2014-02-24 2014-02-24 영상의 안개 제거 방법 및 장치

Publications (1)

Publication Number Publication Date
KR101547059B1 true KR101547059B1 (ko) 2015-08-25

Family

ID=54061869

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140021606A KR101547059B1 (ko) 2014-02-24 2014-02-24 영상의 안개 제거 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101547059B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101746712B1 (ko) 2016-02-26 2017-06-13 울산과학기술원 안개 제거 방법 및 장치
CN112991197A (zh) * 2021-02-08 2021-06-18 新疆大学 一种基于暗通道的细节保留的低照度视频增强方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101190286B1 (ko) 2011-01-05 2012-10-12 중앙대학교 산학협력단 에지 정보 및 톤 매핑을 기반으로 한 영상의 안개제거 장치 및 방법
KR101361644B1 (ko) 2012-08-01 2014-02-13 엠텍비젼 주식회사 영상 처리 장치 및 영상 내의 안개 제거 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101190286B1 (ko) 2011-01-05 2012-10-12 중앙대학교 산학협력단 에지 정보 및 톤 매핑을 기반으로 한 영상의 안개제거 장치 및 방법
KR101361644B1 (ko) 2012-08-01 2014-02-13 엠텍비젼 주식회사 영상 처리 장치 및 영상 내의 안개 제거 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Computer Vision, 2009 IEEE 12th International Conference on "Factorizing Scene Albedo and Depth from a Single Foggy Image", sept. 29, 2009

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101746712B1 (ko) 2016-02-26 2017-06-13 울산과학기술원 안개 제거 방법 및 장치
CN112991197A (zh) * 2021-02-08 2021-06-18 新疆大学 一种基于暗通道的细节保留的低照度视频增强方法及装置
CN112991197B (zh) * 2021-02-08 2022-05-17 新疆大学 一种基于暗通道的细节保留的低照度视频增强方法及装置

Similar Documents

Publication Publication Date Title
Wang et al. Single image defogging by multiscale depth fusion
KR102104403B1 (ko) 단일영상 내의 안개 제거 방법 및 장치
EP3712841B1 (en) Image processing method, image processing apparatus, and computer-readable recording medium
JP5954063B2 (ja) 画像の霧除去方法及びシステム
CN107103591B (zh) 一种基于图像雾霾浓度估计的单幅图像去雾方法
KR101448164B1 (ko) 파라미터 최적화를 이용한 영상의 안개 제거 방법
CN108830873B (zh) 深度图像物体边缘提取方法、装置、介质及计算机设备
KR101361644B1 (ko) 영상 처리 장치 및 영상 내의 안개 제거 방법
KR101426298B1 (ko) 안개 제거율을 높인 영상보정장치 및 방법
US9336577B2 (en) Image processing apparatus for removing haze contained in still image and method thereof
KR20120079564A (ko) 에지 정보 및 톤 매핑을 기반으로 한 영상의 안개제거 장치 및 방법
CN105959510B (zh) 一种视频快速去雾方法
KR20130127654A (ko) 동영상에 포함된 헤이즈 제거를 위한 영상 처리 장치 및 그 방법
CN110570435A (zh) 用于对车辆损伤图像进行损伤分割的方法及装置
CN103020921A (zh) 基于局部统计信息的单幅图像去雾方法
Kim et al. Adaptive patch based convolutional neural network for robust dehazing
KR101456445B1 (ko) Ｈｓｖ 색상 공간에서 영상의 안개 제거 장치 및 방법, 그리고 그 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 기록매체
KR101547059B1 (ko) 영상의 안개 제거 방법 및 장치
CN105023246B (zh) 一种基于对比度和结构相似度的图像增强方法
Łuczyński et al. Underwater image haze removal with an underwater-ready dark channel prior
KR101798911B1 (ko) 선택적 대기 강도 추정에 기반한 안개 제거 방법 및 장치
KR20150002187A (ko) Gaussian filtering 기반 영상의 안개제거 시스템 및 방법
JP7263149B2 (ja) 画像処理装置、画像処理方法、およびプログラム
CN107767348B (zh) 基于成像模型约束的单幅隧道图像快速增强方法
KR101983475B1 (ko) 퍼지 멤버쉽 함수를 이용하여 영상에서 안개를 제거하는 장치 및 방법과, 상기 방법을 수행하는 컴퓨터 프로그램

Legal Events

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