CN101783012A - 一种基于暗原色的自动图像去雾方法 - Google Patents
一种基于暗原色的自动图像去雾方法 Download PDFInfo
- Publication number
- CN101783012A CN101783012A CN 201010139441 CN201010139441A CN101783012A CN 101783012 A CN101783012 A CN 101783012A CN 201010139441 CN201010139441 CN 201010139441 CN 201010139441 A CN201010139441 A CN 201010139441A CN 101783012 A CN101783012 A CN 101783012A
- Authority
- CN
- China
- Prior art keywords
- image
- value
- dark primary
- original
- size
- 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
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种基于暗原色的自动图像去雾方法,以解决现有传统去雾方法中采用的以提高雾天图像对比度来突出细节所导致的信息损失问题。本发明提供的方法包括:A、求取原始有雾图像的暗原色图像及相关大气光值;B、通过原始有雾图像的亮度分量图求取大气散射模型中反映局部雾气浓度的传播图;C、根据大气散射模型中的有雾图像、传播图和大气光值确定去雾后的复原图像。本发明建立在物理模型的基础上,能够自适应地处理各种有雾图像,去雾后的图像具有较好的边缘细节及理想的对比度,清晰化效果优于传统的基于图像增强的去雾方法。
Description
技术领域
本发明属于图像信息处理领域,具体涉及基于暗原色的自动图像去雾方法。
背景技术
有雾图像清晰化是计算机视觉领域中一个很有意义的问题,对雾天图像进行去雾可以改善图像的视觉效果,例如大多数的室外视频工作***,如视频监控、地形勘测、自动驾驶等,都需要清晰准确地提取图像特征,但是在雾天情况下,由于场景的能见度降低,图像中目标对比度和颜色等特征被衰减,***无法正常工作,因此需要在图像中消除雾气对场景图像的影响。
目前,对于雾天图像的处理方法主要分为两类:基于图像处理的雾天图像增强方法和基于物理模型的雾天图像复原方法。图像增强的方法能有效地提高对比度,突出细节,改善视觉效果,但对于突出部分的信息可能会造成一定损失。其中针对雾天图像的图像增强方法主要采用的是直方图均衡化方法。这种方法一般对整幅图像进行增强,没有考虑到针对图像的不同景深区域采用不同的增强策略,因而对某些雾天图像的增强效果不理想。局部直方图均衡化方法(AHE),虽然可以解决不同景深的问题,但是该方法的计算量非常大,不实用。
图像复原是研究雾天图像退化的物理过程,并建立退化模型,反演退化过程,以便获得未经干扰退化的原始图像或原始图像的最优估计值,从而改善雾天图像质量。相比之下,这种方法针对性强,得到的结果自然,一般不会有信息损失,能够取得较为理想的去雾效果。一些学者利用McCartney(麦卡特尼)提出的大气散射模型,通过对雾天场景建模来解决雾天图像的去雾问题,其中由何恺明等最近提出的一种基于暗原色的单一图像去雾方法最为引人关注。对于这种方法的介绍,可以参考论文《Single Image Haze Removal Using Dark Channel Prior(基于暗原色先验的单一图像去雾方法)》(载于IEEE Conference on ComputerVision and Pattern Recognition(CVPR),2009年6月)。该方法的核心就在于通过soft抠图法获取改进的雾天图像传播图,但此步骤运算代价很大且需要人工调节,所以难以满足对变换场景的实时图像处理需求。
在此背景下,研究一种既能提高运算速度,又能自适应地处理各种有雾图像的去雾方法显得尤为重要。
发明内容
本发明所要解决的技术问题是提供一种基于暗原色的自动图像去雾方法,改善有雾图像的主管视觉效果,不仅不需要人工参与,而且能较大地降低计算代价,在获得较好的清晰化效果的同时,显著地提高清晰化的速度。
本发明为解决上述技术问题所采用的技术方案是:
一种基于暗原色的自动图像去雾方法,其特征在于,该方法包括以下步骤:
A、求取原有雾图像的暗原色图像及大气光值;
B、通过原有雾图像的亮度分量图求取大气散射模型中反映局部雾气浓度的传播图;
C、根据有雾图像、传播图和大气光值求取去雾后的复原图像。该方法对于灰度图像和彩色图像均能取得较好的去雾效果。
求取复原图像的表达式为:
其中x,y为图像每一像素点的坐标值,J(x,y)为复原后的图像,I(x,y)为原有雾图像,t(x,y)为传播图,A为大气光值,t0的取值为0.1。
所述的步骤A为:
当原有雾图像为灰度图像时,选取模板在此灰度图像上进行最小值滤波,得到暗原色图像;对于灰度图像,每一点的像素值即为亮度值;
所述暗原色图像各像素点的值Jdark(x,y)按以下表达式确定:
其中,Ω(x,y)是以坐标为x,y的像素点为中心,进行最小值滤波的模板区域,x′,y′为模板区域中各像素点的坐标值,J(x′,y′)为原有雾图像中由滤波模板所划分的各局部区域,若原有雾图像的图像大小为600*400,则模板大小为15*15,其它大小的图像的滤波模板选取按下式确定:
再将这些暗原色图像值按照递减的顺序排序,确定数值大小为前0.1%的点在暗原色图像中所处的位置,则这些位置所对应的原有雾图像区域中的最大亮度值,即为大气光值A;
当原有雾图像为彩色图像时,对原有雾图像的R、G、B三个颜色通道分别选取滤波模板进行最小值滤波,将滤波后所得的三个图像对应像素点的最小值作为暗原色图像对应点的像素值;则所述彩色图像的暗原色图像各像素点的值按以下表达式确定:
其中,Jc为原图像J的颜色通道;对于彩色图像,则先将原有雾图像从RGB颜色空间转换为YCbCr颜色空间,在YCbCr颜色空间中,亮度信息用单个分量Y来表示;
再将这些暗原色图像值按照递减的顺序排序,确定数值大小为前0.1%的点在暗原色图像中所处的位置,则这些位置所对应的原有雾图像区域中的最大亮度值,即为大气光值A。
步骤B包括:
B1、获得原有雾图像的亮度图像:若原有雾图像为灰度图像,则每一点的像素值即为亮度值;原有雾图像即为亮度图像;若原有雾图像为彩色图像,则先将原有雾图像从RGB颜色空间转换为YCbCr颜色空间;在YCbCr颜色空间中,亮度信息用单个分量Y来表示,彩色信息用两个色差分量Cb和Cr来存储,由此便可将分离后的亮度分量Y提取出来,得到亮度图像Y(x,y);
B2、对所述的亮度图像进行多尺度Retinex变换,由此即可得到所述亮度分量图像的边缘细节增强、对比度改善的新的亮度图像RM(x,y);
B3、求取所述新的亮度图像的反色亮度图像;反色亮度图像Iinv(x,y)按以下公式确定:
Iinv(x,y)=C-RM(x,y),式中C为传播图调整参数;若原有雾图像为灰度图像,则C的取值范围为0.8~1.2;若原有雾图像为彩色图像,则C的取值范围为1~1.4;
B4、对所述的反色亮度图像进行中值滤波,滤波后的图像即为大气散射模型的传播图;所述的中值滤波过程为,把图像中一点的值,用该点邻域中各值的中值来替代,所述的中值为将该点邻域中各值排序后中间的那个元素值。
所述步骤B2包括:
对所述亮度分量图像进行多尺度Retinex变换,该处理过程的数学形式如下:
其中,Y(x,y)表示一幅大小为M×N的亮度分量图像,其中x=0,1,2,…,M-1和y=0,1,2,…,N-1;RM(x,y)是采用多尺度Retinex变换对亮度分量图像进行变换处理后的输出图像;该输出图像RM(x,y)的大小与亮度分量图像Y(x,y)大小相同,均为M×N,其中x=0,1,2,…,M-1和y=0,1,2,…,N-1;即经过多尺度Retinex变换后可直接得到一幅新的亮度图像;N1为环绕函数尺度个数,取值为3,即选择不同的3个尺度,分别为大尺度、中等尺度和小尺度,以便使求得的亮度图像的对比度得到增强,并且在动态范围得到压缩的同时能够保持亮度图像的基本色调;ωn为对应于每一个尺度的权值,并且选取时应在保证各尺度的权值之和为1的前提下赋予大尺度的权重比另外2个尺度的值大;Fn(x,y)为对应权值ωn的第n个环绕函数,有:
其中,Cn为第n个尺度的取值(n=1,2,3),尺度取值的原则为:小尺度的取值C1为图像大小的1%~5%,中等尺度的取值C2为图像大小的10%~15%,大尺度的取值C3为图像大小的30%~50%;Kn为归一化因子。Kn的取值应使得∫∫Fn(x,y)dxdy=1。
尺度取值的原则为:当尺度为图像大小的1%~5%时,Retinex结果能够获得非常好的图像边缘细节,可以选择其作为小尺度C1的值;当尺度为图像大小的10%~15%时,Retinex结果能够同时得到图像边缘细节和色彩,可以选择其作为中等尺度C2的值;当尺度为图像大小的30%~50%时,Retinex结果得到比较平衡的色彩,可以选择其作为大尺度C3的值。因此,Cn的大、中、小各尺度的取值会根据图像大小的不同而不同。
所述中值滤波所选取的模板大小的取值按下式确定:
Retinex(视网膜“Retina”和大脑皮层“Cortex”的缩写)是Edwin Land(艾尔文·兰德)提出来的一个关于人类视觉***如何调节感知到物体的颜色和亮度的模型。不同于传统的图像增强算法,如线性、非线性变换、图像锐化等只能增强图像的某一类特征,如压缩图像的动态范围,或增强图像的边缘等,Retinex可以在灰度动态范围压缩,边缘增强和颜色恒定性三方面达到平衡,因而可以对各种不同类型的图像进行自适应性地增强。Retinex的基本原理是将一幅图像分为亮度图像和反射图像两部分,然后通过降低亮度图像对反射图像的影响而达到增强图像的目的。由于Retinex是建立在实验基础之上,没有统一的数学模型,因此出现了多种不同的Retinex算法,如多尺度Retnixe(MSR)算法等。尽管这些经典算法看起来不一样的,但实质上它们非常相似,都通过对原图像进行某种高斯平滑来提取亮度图像,并且通过复杂的计算使提取的亮度图像尽量准确。
本发明的有益效果:
本发明涉及的检测方法具有的优点如下:
本发明方法运行速度快,效果好,不仅能解决多景深问题,而且不需要人工参与,具有很好的通用性。选取三幅大小分别为600*400、204*209、835*557的雾天图像,采用Matlab 6.5在Pentium(R)D,3.00Ghz,2GB内存的PC机进行实验对比,图3、图6、图9显示了本发明方法与传统的直方图均衡化方法以及最新的去雾方法,如Tan在CVPR 08’,何恺明在CVPR 09’,Tarel在ICCV 09’上所提方法的效果比较。从视觉效果上看,传统的直方图均衡化方法使近处的景物过增强,而远处的景物变得更模糊了。新近提出的Tan方法去雾后的图像场景目标会出现光晕伪影,Tarel方法则无法去除目标小细节处的雾气。相比之下,何氏方法得到的结果自然,取得了较为理想的去雾效果。而本发明方法建立在大气散射物理模型的基础上,去雾效果与何氏方法大体相当。近处与远处的景物都得到了不同程度的增强,细节比较分明,对比度与原有雾图像相比均有显著增强,在图像信息的恢复上也取得了较好的实验效果,且没有出现光晕伪影。
此外,本发明方法由于采用了基于亮度分量的传播图估计方法,较大地提高了算法的速度。通过表1的实验数据可以看出:本发明方法在去雾效果明显优于直方图均衡化方法、Tarel方法,且与何氏方法效果相近的同时,速度是何氏方法的2-3倍,且远远快于Tan方法。下表中的统计数据均在Matlab环境下获得,若本发明方法采用C++编程实现,运行时间将会大大减少,从而实现了图像去雾的自动性、实时性。
本发明方法可广泛应用于视频监控、地形勘测以及现有车辆、飞机、船只的安全驾驶辅助***或将来的自主驾驶车中。
表1算法运行时间比较表
图像编号(dpi) | 直方图均衡化(s) | Tan(s) | 何氏(s) | Tarel(s) | 本发明(s) |
图3(600*400)图6 | 4.87500.9210 | 184.426038.7254 | 13.41802.3780 | 2.12500.4690 | 5.15700.9530 |
(204*209)图9(835*557) | 10.2350 | 249.2972 | 18.1532 | 6.8600 | 9.7660 |
附图说明
图1为本发明实施例中基于暗原色的自动图像去雾方法的流程图;
图2为本发明实施例中获取大气散射模型传播图像的流程图;
图3为实施例1的灰度雾天图像及各去雾方法的处理效果;(a为原有雾图像,b为直方图均衡化效果图,c为Tarel方法效果图,d为本发明方法效果图)
图4为实施例1的暗原色图像;
图5为实施例1的大气散射模型传播图;
图6为实施例2的彩色雾天图像及各去雾方法的处理效果;(a为原有雾图像,b为直方图均衡化效果图,c为何氏方法效果图,d为本发明方法效果图)
图7为实施例2的暗原色图像;
图8为实施例2的大气散射模型传播图;
图9为实施例3的彩色雾天图像及各去雾方法的处理效果;(a为原有雾图像,b为直方图均衡化效果图,c为tan方法效果图,d为本发明方法效果图)
图10为实施例3的暗原色图像;
图11为实施例3的大气散射模型传播图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明。
实施例1:
本实施例是针对灰度图像,根据图1所示,其去雾过程按如下三个步骤进行:
1、求取原有雾灰度图像的暗原色图像及大气光值
所述灰度图像的暗原色图像各像素点的值按以下表达式确定:
其中,Ω(x,y)是以坐标为x,y的像素点为中心,进行最小值滤波的模板区域,x′,y′为模板区域中各像素点的坐标值。由于图3(a)大小为600*400,则最小值滤波的模板大小为15*15,由此得到此灰度图像的暗原色图像如图4所示。该暗原色图像中每一点的值被称为暗原色图像值,再将这些暗原色图像值按照递减的顺序排序,确定数值大小为前0.1%的点在暗原色图像中所处的位置,则这些位置所对应的原有雾图像区域中的最大亮度值即为大气光A的值。本实施例的A值求得为255。
2、求取大气散射模型传播图
实现此处理过程的具体流程请参看图2。包括以下步骤:
首先,提取原有雾图像的亮度分量图,因原图为灰度图像,则其每一点的像素值即为亮度值。
然后,对灰度图像进行多尺度Retinex(MSR)变换,该处理过程的数学形式
如下:
其中,RM(x,y)是采用MSR对亮度分量图像进行变换处理后的输出,N为环绕函数的尺度个数,一般选取大、中、小3个尺度。ωn为对应于每一个尺度的权值,Y(x,y)为亮度图像,Fn(x,y)为对应权值ωn的第n个环绕函数,选取高斯形式。对于本实施例其环绕函数尺度大小分别取为12000(图像大小的5%)、36000(图像大小的15%)、120000(图像大小的50%),并且每个尺度的权重值的选取应在保证和值为1的前提下遵循使图像有比较平衡的色彩的原则,对于本实施例分别选取数值0.05、0.05、0.9。
其次,将传播图调整参数C减去Retinex变换后的新亮度图中每一点的像素
值得到该亮度图的反色亮度图对应点的像素值。此求取过程按以下方式确定:
Iinv(x,y)=C-RM(x,y) (3)
其中,C的取值范围为0.8~1.2,本实施例中C的取值为0.89。
最后,对所述反色亮度图进行模板大小为13*13的中值滤波,即可得到反映局部雾气浓度的大气散射模型传播图如图5所示。
3、确定去雾后的复原图像
根据大气散射模型的表达式,将所述传播图与原有雾灰度图直接进行图像的相关代数运算,得到该灰度图像去雾后的复原图像如图3(d)所示;
所述求取复原图像的表达式为:
其中,I(x,y)为原有雾图像,t(x,y)为传播图,A为大气光值,t0的取值为0.1。
此外,对于彩色图像,依照以下实施例处理即可。
实施例2:
对彩色图像图6(a)(大小为204*209)进行去雾处理。先将图6(a)在R、G、B三个颜色通道上分别采用大小为7*7的模板进行最小值滤波,将滤波后所得的三个图像对应像素点的最小值作为暗原色图像对应点的像素值,得到图6(a)的暗原色图像如图7所示。并通过此暗原色图像求得图6(a)的大气光A的值为206。
然后,将原有雾图像转换到YCbCr颜色空间,提取其亮度分量图像,对该亮度图按照式(2)进行Retinex变换,再按照式(3)进行反色变换,其中C的取值范围为1~1.4,本实施例取值为1.08。然后对变换所得图像进行模板大小为6*6的中值滤波即可得到由亮度信息表征的传播图如图8所示。
最后,将求得的由亮度分量表征的传播图t(x,y)、原有雾图像I(x,y)以及获取的大气光值A代入图像复原过程表达式(4)中,即可求得去雾图像如图6(d)所示。
实施例3:
对彩色图像图9(a)(大小为835*557)进行去雾处理。先将图9(a)在R、G、B三个颜色通道上分别采用大小为21*21的模板进行最小值滤波,将滤波后所得的三个图像对应像素点的最小值作为暗原色图像对应点的像素值,得到图9(a)的暗原色图像如图10所示。并通过此暗原色图像求得图9(a)的大气光A的值为224。
然后,将原有雾图像转换到YCbCr颜色空间,提取其亮度分量图像,对该亮度图按照式(2)进行Retinex变换,再按照式(3)进行反色变换,其中C的取值范围为1~1.4,本实施例取值为1.08。然后对变换所得图像进行模板大小为18*18的中值滤波即可得到由亮度信息表征的传播图如图11所示。
最后,将求得的由亮度分量表征的传播图t(x,y)、原有雾图像I(x,y)以及获取的大气光值A代入图像复原过程表达式(4)中,即可求得去雾图像如图9(d)所示。
需要说明的是,以上公开的仅为本发明的具体实例,根据本发明提供的思想,本领域的技术人员能思及的变化,都应落入本发明的保护范围内。
Claims (5)
1.一种基于暗原色的自动图像去雾方法,其特征在于,该方法包括以下步骤:
A、求取原有雾图像的暗原色图像及大气光值;
B、通过原有雾图像的亮度分量图求取大气散射模型中反映局部雾气浓度的传播图;
C、根据有雾图像、传播图和大气光值求取去雾后的复原图像。该方法对于灰度图像和彩色图像均能取得较好的去雾效果。
求取复原图像的表达式为:
其中x,y为图像每一像素点的坐标值,J(x,y)为复原后的图像,I(x,y)为原有雾图像,t(x,y)为传播图,A为大气光值,t0的取值为0.1。
2.根据权利要求1所述的基于暗原色的自动图像去雾方法,其特征在于,步骤A为:
当原有雾图像为灰度图像时,选取模板在此灰度图像上进行最小值滤波,得到暗原色图像;对于灰度图像,每一点的像素值即为亮度值;
所述暗原色图像各像素点的值Jdark(x,y)按以下表达式确定:
其中,Ω(x,y)是以坐标为x,y的像素点为中心,进行最小值滤波的模板区域,x′,y′为模板区域中各像素点的坐标值,J(x′,y′)为原有雾图像中由滤波模板所划分的各局部区域,若原有雾图像的图像大小为600*400,则模板大小为15*15,其它大小的图像的滤波模板选取按下式确定:
再将这些暗原色图像值按照递减的顺序排序,确定数值大小为前0.1%的点在暗原色图像中所处的位置,则这些位置所对应的原有雾图像区域中的最大亮度值,即为大气光值A;
当原有雾图像为彩色图像时,对原有雾图像的R、G、B三个颜色通道分别选取滤波模板进行最小值滤波,将滤波后所得的三个图像对应像素点的最小值作为暗原色图像对应点的像素值;则所述彩色图像的暗原色图像各像素点的值按以下表达式确定:
其中,Jc为原图像J的颜色通道;对于彩色图像,则先将原有雾图像从RGB颜色空间转换为YCbCr颜色空间,在YCbCr颜色空间中,亮度信息用单个分量Y来表示;
再将这些暗原色图像值按照递减的顺序排序,确定数值大小为前0.1%的点在暗原色图像中所处的位置,则这些位置所对应的原有雾图像区域中的最大亮度值,即为大气光值A。
3.根据权利要求1所述的基于暗原色的自动图像去雾方法,其特征在于,步骤B包括:
B1、获得原有雾图像的亮度图像:若原有雾图像为灰度图像,则每一点的像素值即为亮度值;原有雾图像即为亮度图像;若原有雾图像为彩色图像,则先将原有雾图像从RGB颜色空间转换为YCbCr颜色空间;在YCbCr颜色空间中,亮度信息用单个分量Y来表示,彩色信息用两个色差分量Cb和Cr来存储,由此便可将分离后的亮度分量Y提取出来,得到亮度图像Y(x,y);
B2、对所述的亮度图像进行多尺度Retinex变换,由此即可得到所述亮度分量图像的边缘细节增强、对比度改善的新的亮度图像RM(x,y);
B3、求取所述新的亮度图像的反色亮度图像;反色亮度图像Iinv(x,y)按以下公式确定:
Iinv(x,y)=C-RM(x,y),式中C为传播图调整参数;若原有雾图像为灰度图像,则C的取值范围为0.8~1.2;若原有雾图像为彩色图像,则C的取值范围为1~1.4;
B4、对所述的反色亮度图像进行中值滤波,滤波后的图像即为大气散射模型的传播图;所述的中值滤波过程为,把图像中一点的值,用该点邻域中各值的中值来替代,所述的中值为将该点邻域中各值排序后中间的那个元素值。
4.如权利要求3所述的基于暗原色的自动图像去雾方法,其特征在于,所述步骤B2包括:
对所述亮度分量图像进行多尺度Retinex变换,该处理过程的数学形式如下:
其中,Y(x,y)表示一幅大小为M×N的亮度分量图像,其中x=0,1,2,…,M-1和y=0,1,2,…,N-1;RM(x,y)是采用多尺度Retinex变换对亮度分量图像进行变换处理后的输出图像;该输出图像RM(x,y)的大小与亮度分量图像Y(x,y)大小相同,均为M×N,其中x=0,1,2,…,M-1和y=0,1,2,…,N-1;即经过多尺度Retinex变换后可直接得到一幅新的亮度图像;N1为环绕函数尺度个数,取值为3,即选择不同的3个尺度,分别为大尺度、中等尺度和小尺度,以便使求得的亮度图像的对比度得到增强,并且在动态范围得到压缩的同时能够保持亮度图像的基本色调;ωn为对应于每一个尺度的权值,并且选取时应在保证各尺度的权值之和为1的前提下赋予大尺度的权重比另外2个尺度的值大;Fn(x,y)为对应权值ωn的第n个环绕函数,有:
其中,Cn为第n个尺度的取值(n=1,2,3),尺度取值的原则为:小尺度的取值C1为图像大小的1%~5%,中等尺度的取值C2为图像大小的10%~15%,大尺度的取值C3为图像大小的30%~50%;Kn为归一化因子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101394411A CN101783012B (zh) | 2010-04-06 | 2010-04-06 | 一种基于暗原色的自动图像去雾方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101394411A CN101783012B (zh) | 2010-04-06 | 2010-04-06 | 一种基于暗原色的自动图像去雾方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101783012A true CN101783012A (zh) | 2010-07-21 |
CN101783012B CN101783012B (zh) | 2012-05-30 |
Family
ID=42522998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010101394411A Expired - Fee Related CN101783012B (zh) | 2010-04-06 | 2010-04-06 | 一种基于暗原色的自动图像去雾方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101783012B (zh) |
Cited By (64)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101950416A (zh) * | 2010-09-15 | 2011-01-19 | 北京理工大学 | 基于双边滤波的实时图像去雾增强方法 |
CN102063706A (zh) * | 2010-12-23 | 2011-05-18 | 哈尔滨工业大学(威海) | 一种快速去雾方法 |
CN102186089A (zh) * | 2011-04-19 | 2011-09-14 | 南京航空航天大学 | 单分量视频图像雨场去除方法 |
CN102231791A (zh) * | 2011-06-30 | 2011-11-02 | 北京云加速信息技术有限公司 | 一种基于图像亮度分层的视频图像去雾方法 |
CN102243758A (zh) * | 2011-07-14 | 2011-11-16 | 浙江大学 | 基于雾天图像复原和图像融合的图像去雾方法 |
CN102427538A (zh) * | 2011-10-10 | 2012-04-25 | 上海交通大学 | 电影对比度色度自动增强方法 |
CN102609909A (zh) * | 2012-01-13 | 2012-07-25 | 安科智慧城市技术(中国)有限公司 | 一种单幅图像去雾方法及装置 |
CN102609704A (zh) * | 2012-03-23 | 2012-07-25 | 上海海事大学 | 雾天条件下视频监控图像运动目标的检测装置和方法 |
CN102654914A (zh) * | 2011-03-04 | 2012-09-05 | 富士通株式会社 | 使用图形处理单元加速图像去雾的方法 |
CN102831590A (zh) * | 2012-08-30 | 2012-12-19 | 李勃 | 基于波谱特性的透射率-暗原色先验去雾增强方法 |
CN102930514A (zh) * | 2012-09-27 | 2013-02-13 | 西安电子科技大学 | 基于大气物理散射模型的快速图像去雾方法 |
WO2013029337A1 (en) * | 2011-08-30 | 2013-03-07 | Fujitsu Limited | Image defogging method and system |
CN102968772A (zh) * | 2012-12-04 | 2013-03-13 | 电子科技大学 | 一种基于暗通道信息的图像去雾方法 |
CN102982513A (zh) * | 2012-12-04 | 2013-03-20 | 电子科技大学 | 一种基于纹理的自适应图像去雾方法 |
WO2013040857A1 (en) * | 2011-09-20 | 2013-03-28 | Fujitsu Limited | Exposure enhancement method and apparatus for a defogged image |
CN103020917A (zh) * | 2012-12-29 | 2013-04-03 | 中南大学 | 一种基于显著性检测的中国古代书法绘画图像复原方法 |
CN103020921A (zh) * | 2013-01-10 | 2013-04-03 | 厦门大学 | 基于局部统计信息的单幅图像去雾方法 |
CN103020920A (zh) * | 2013-01-10 | 2013-04-03 | 厦门大学 | 一种低照度图像增强方法 |
CN103034977A (zh) * | 2011-09-30 | 2013-04-10 | 株式会社日立制作所 | 图像除雾方法和相应的图像除雾装置 |
CN103049888A (zh) * | 2012-12-07 | 2013-04-17 | 西安电子科技大学 | 基于暗原色结合大气散射光的图像/视频去雾方法 |
CN103049890A (zh) * | 2013-01-17 | 2013-04-17 | 四川川大智胜软件股份有限公司 | 一种基于cuda的图像实时去雾方法 |
CN103065284A (zh) * | 2012-12-30 | 2013-04-24 | 信帧电子技术(北京)有限公司 | 图像数据的去雾方法及装置 |
CN103077517A (zh) * | 2012-12-31 | 2013-05-01 | 华中科技大学 | 一种非均匀照明条件下的空间目标分割方法 |
CN103177424A (zh) * | 2012-12-07 | 2013-06-26 | 西安电子科技大学 | 一种低照度图像的增强和去噪方法 |
CN103188433A (zh) * | 2011-12-30 | 2013-07-03 | 株式会社日立制作所 | 图像除雾装置和图像除雾方法 |
CN103186887A (zh) * | 2011-12-30 | 2013-07-03 | 株式会社日立制作所 | 图像除雾装置和图像除雾方法 |
CN103384340A (zh) * | 2013-06-28 | 2013-11-06 | 中南大学 | 一种从单幅2d图像获取3d成像图像的方法 |
CN103632339A (zh) * | 2012-08-21 | 2014-03-12 | 张晓光 | 一种基于变分Retinex的单幅图像去雾方法及装置 |
CN103714519A (zh) * | 2013-12-03 | 2014-04-09 | 中国民用航空总局第二研究所 | 一种快速并行图像去雾方法 |
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 |
CN104063853A (zh) * | 2014-07-07 | 2014-09-24 | 南京通用电器有限公司 | 一种基于暗通道技术的提高交通视频图像清晰度方法 |
CN104200437A (zh) * | 2014-09-04 | 2014-12-10 | 北京工业大学 | 一种图像去雾处理方法 |
CN104252698A (zh) * | 2014-06-25 | 2014-12-31 | 西南科技大学 | 一种基于半逆法的快速单幅图像去雾算法 |
CN104299198A (zh) * | 2014-10-14 | 2015-01-21 | 嘉应学院 | 基于像素点暗通道的快速图像去雾方法 |
CN104318519A (zh) * | 2014-09-26 | 2015-01-28 | 南京邮电大学 | 一种基于边缘替代法的图像去雾方法 |
CN104331867A (zh) * | 2014-11-06 | 2015-02-04 | 广东欧珀移动通信有限公司 | 图像去雾的方法、装置及移动终端 |
CN104506755A (zh) * | 2015-01-13 | 2015-04-08 | 武汉烽火众智数字技术有限责任公司 | 基于fpga的高清视频实时自动化去雾方法 |
CN104537623A (zh) * | 2014-12-31 | 2015-04-22 | 深圳先进技术研究院 | 基于图像分割的图像去雾方法及装置 |
CN104683767A (zh) * | 2015-02-10 | 2015-06-03 | 浙江宇视科技有限公司 | 透雾图像生成方法及装置 |
CN104742941A (zh) * | 2015-04-08 | 2015-07-01 | 李萍 | 索道缆车目标控制速度设置*** |
CN104809707A (zh) * | 2015-04-28 | 2015-07-29 | 西南科技大学 | 一种单幅雾天图像能见度估计方法 |
CN104867121A (zh) * | 2015-06-08 | 2015-08-26 | 武汉理工大学 | 基于暗原色先验和Retinex理论的图像快速去雾法 |
CN104881848A (zh) * | 2015-05-14 | 2015-09-02 | 西安电子科技大学 | 一种基于cuda的低照度图像增强并行优化方法 |
CN105046666A (zh) * | 2015-07-24 | 2015-11-11 | 中国科学技术大学 | 一种基于暗原色先验的交通视频实时去雾的方法 |
TWI514323B (zh) * | 2014-09-04 | 2015-12-21 | Univ Nat Taipei Technology | 基於混合暗通道先驗的影像除霧方法及其系統 |
CN105205794A (zh) * | 2015-10-27 | 2015-12-30 | 西安电子科技大学 | 一种低照度图像的同步增强去噪方法 |
CN105574830A (zh) * | 2016-02-04 | 2016-05-11 | 沈阳工业大学 | 极端天气条件下低质图像增强方法 |
CN105991938A (zh) * | 2015-03-04 | 2016-10-05 | 深圳市朗驰欣创科技有限公司 | 一种虚拟曝光方法、装置及交通摄像机 |
CN106204491A (zh) * | 2016-07-12 | 2016-12-07 | 中国科学技术大学 | 一种基于暗通道先验的自适应图像去雾方法 |
CN103971333B (zh) * | 2014-04-17 | 2017-04-05 | 杭州电子科技大学 | 基于多尺度分析与深度估计的大气退化图像增强方法 |
CN106683055A (zh) * | 2016-12-09 | 2017-05-17 | 河海大学 | 一种基于退化模型和群稀疏的雾天图像复原方法 |
CN107369144A (zh) * | 2017-07-12 | 2017-11-21 | 南京邮电大学 | 基于改进同态滤波的多尺度Retinex图像去雾方法 |
CN107451962A (zh) * | 2017-07-03 | 2017-12-08 | 山东财经大学 | 一种图像去雾方法及装置 |
CN104050630B (zh) * | 2013-03-13 | 2018-02-09 | 联咏科技股份有限公司 | 影像还原方法 |
CN107705263A (zh) * | 2017-10-10 | 2018-02-16 | 福州图森仪器有限公司 | 一种基于rgb‑ir传感器的自适应透雾方法和终端 |
CN108508912A (zh) * | 2018-03-20 | 2018-09-07 | 陈超 | 基于计算机控制的检测***及方法 |
CN109242795A (zh) * | 2018-08-30 | 2019-01-18 | 福建师范大学 | 一种低亮度人体组织细胞双光子显微图像的亮度增强方法 |
CN109584176A (zh) * | 2018-11-23 | 2019-04-05 | 东南大学 | 机动车驾驶视觉增强*** |
CN109685045A (zh) * | 2018-06-25 | 2019-04-26 | 鲁东大学 | 一种运动目标视频跟踪方法及*** |
CN110175963A (zh) * | 2019-05-28 | 2019-08-27 | 山东大学 | 一种适用于水下图像及大气暗图像的两用图像增强方法及装置 |
CN111738939A (zh) * | 2020-06-02 | 2020-10-02 | 大连理工大学 | 一种基于半训练生成器的复杂场景图像去雾方法 |
CN111833369A (zh) * | 2020-07-21 | 2020-10-27 | 中冶赛迪重庆信息技术有限公司 | 一种矾花图像处理方法、***、介质及电子设备 |
CN112785521A (zh) * | 2021-01-19 | 2021-05-11 | 澜途集思生态科技集团有限公司 | 一种雾霾条件下的遥感影像处理方法 |
CN113628133A (zh) * | 2021-07-28 | 2021-11-09 | 武汉三江中电科技有限责任公司 | 一种基于视频图像的去雨雾方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1110851A (zh) * | 1994-04-26 | 1995-10-25 | 鲍城志 | 雾天图像处理装置 |
US20050163393A1 (en) * | 2004-01-23 | 2005-07-28 | Old Dominion University | Visibility improvement in color video stream |
CN101290680A (zh) * | 2008-05-20 | 2008-10-22 | 西安理工大学 | 基于直方图均衡化过校正恢复的雾天视频图像清晰化方法 |
CN101303766A (zh) * | 2008-07-09 | 2008-11-12 | 北京航空航天大学 | 一种基于Retinex理论的快速彩色图像增强方法 |
CN101448170A (zh) * | 2008-12-31 | 2009-06-03 | 合肥工业大学 | 基于小波照度估计的雾天图像清晰化方法 |
US20100040300A1 (en) * | 2008-08-18 | 2010-02-18 | Samsung Techwin Co., Ltd. | Image processing method and apparatus for correcting distortion caused by air particles as in fog |
-
2010
- 2010-04-06 CN CN2010101394411A patent/CN101783012B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1110851A (zh) * | 1994-04-26 | 1995-10-25 | 鲍城志 | 雾天图像处理装置 |
US20050163393A1 (en) * | 2004-01-23 | 2005-07-28 | Old Dominion University | Visibility improvement in color video stream |
CN101290680A (zh) * | 2008-05-20 | 2008-10-22 | 西安理工大学 | 基于直方图均衡化过校正恢复的雾天视频图像清晰化方法 |
CN101303766A (zh) * | 2008-07-09 | 2008-11-12 | 北京航空航天大学 | 一种基于Retinex理论的快速彩色图像增强方法 |
US20100040300A1 (en) * | 2008-08-18 | 2010-02-18 | Samsung Techwin Co., Ltd. | Image processing method and apparatus for correcting distortion caused by air particles as in fog |
CN101448170A (zh) * | 2008-12-31 | 2009-06-03 | 合肥工业大学 | 基于小波照度估计的雾天图像清晰化方法 |
Non-Patent Citations (1)
Title |
---|
《2009 IEEE Conference on Computer Vision and Pattern Recognition》 20090625 Kaiming He,Jian Sun,Xiaoou Tang Single Image Haze Removal Using Dark Channel Prior 第1956-1963页 1-5 , 2 * |
Cited By (106)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101950416B (zh) * | 2010-09-15 | 2012-05-23 | 北京理工大学 | 基于双边滤波的实时图像去雾增强方法 |
CN101950416A (zh) * | 2010-09-15 | 2011-01-19 | 北京理工大学 | 基于双边滤波的实时图像去雾增强方法 |
CN102063706A (zh) * | 2010-12-23 | 2011-05-18 | 哈尔滨工业大学(威海) | 一种快速去雾方法 |
CN102063706B (zh) * | 2010-12-23 | 2012-08-08 | 哈尔滨工业大学(威海) | 一种快速去雾方法 |
CN102654914A (zh) * | 2011-03-04 | 2012-09-05 | 富士通株式会社 | 使用图形处理单元加速图像去雾的方法 |
CN102186089A (zh) * | 2011-04-19 | 2011-09-14 | 南京航空航天大学 | 单分量视频图像雨场去除方法 |
CN102231791B (zh) * | 2011-06-30 | 2013-08-14 | 北京云加速信息技术有限公司 | 一种基于图像亮度分层的视频图像去雾方法 |
CN102231791A (zh) * | 2011-06-30 | 2011-11-02 | 北京云加速信息技术有限公司 | 一种基于图像亮度分层的视频图像去雾方法 |
CN102243758A (zh) * | 2011-07-14 | 2011-11-16 | 浙江大学 | 基于雾天图像复原和图像融合的图像去雾方法 |
US9189830B2 (en) | 2011-08-30 | 2015-11-17 | Fujitsu Limited | Image defogging method and system |
GB2507899B (en) * | 2011-08-30 | 2018-03-07 | Fujitsu Ltd | Image defogging method and system |
GB2507899A (en) * | 2011-08-30 | 2014-05-14 | Fujitsu Ltd | Image defogging method and system |
WO2013029337A1 (en) * | 2011-08-30 | 2013-03-07 | Fujitsu Limited | Image defogging method and system |
GB2508531A (en) * | 2011-09-20 | 2014-06-04 | Fujitsu Ltd | Exposure enhancement method and apparatus for a defogged image |
GB2508531B (en) * | 2011-09-20 | 2018-03-07 | Fujitsu Ltd | Exposure enhancement method and apparatus for a defogged image |
WO2013040857A1 (en) * | 2011-09-20 | 2013-03-28 | Fujitsu Limited | Exposure enhancement method and apparatus for a defogged image |
CN103020902A (zh) * | 2011-09-20 | 2013-04-03 | 富士通株式会社 | 用于去雾图像的曝光增强方法和装置 |
CN103020902B (zh) * | 2011-09-20 | 2016-08-31 | 富士通株式会社 | 用于去雾图像的曝光增强方法和装置 |
US9478015B2 (en) | 2011-09-20 | 2016-10-25 | Fujitsu Limited | Exposure enhancement method and apparatus for a defogged image |
CN103034977A (zh) * | 2011-09-30 | 2013-04-10 | 株式会社日立制作所 | 图像除雾方法和相应的图像除雾装置 |
CN103034977B (zh) * | 2011-09-30 | 2015-09-30 | 株式会社日立制作所 | 图像除雾方法和相应的图像除雾装置 |
CN102427538B (zh) * | 2011-10-10 | 2013-11-20 | 上海交通大学 | 电影对比度色度自动增强方法 |
CN102427538A (zh) * | 2011-10-10 | 2012-04-25 | 上海交通大学 | 电影对比度色度自动增强方法 |
CN103188433B (zh) * | 2011-12-30 | 2016-01-20 | 株式会社日立制作所 | 图像除雾装置和图像除雾方法 |
CN103186887B (zh) * | 2011-12-30 | 2016-08-03 | 株式会社日立制作所 | 图像除雾装置和图像除雾方法 |
CN103186887A (zh) * | 2011-12-30 | 2013-07-03 | 株式会社日立制作所 | 图像除雾装置和图像除雾方法 |
CN103188433A (zh) * | 2011-12-30 | 2013-07-03 | 株式会社日立制作所 | 图像除雾装置和图像除雾方法 |
CN102609909A (zh) * | 2012-01-13 | 2012-07-25 | 安科智慧城市技术(中国)有限公司 | 一种单幅图像去雾方法及装置 |
CN102609704A (zh) * | 2012-03-23 | 2012-07-25 | 上海海事大学 | 雾天条件下视频监控图像运动目标的检测装置和方法 |
CN103632339A (zh) * | 2012-08-21 | 2014-03-12 | 张晓光 | 一种基于变分Retinex的单幅图像去雾方法及装置 |
CN102831590A (zh) * | 2012-08-30 | 2012-12-19 | 李勃 | 基于波谱特性的透射率-暗原色先验去雾增强方法 |
CN102930514B (zh) * | 2012-09-27 | 2015-04-08 | 西安电子科技大学 | 基于大气物理散射模型的快速图像去雾方法 |
CN102930514A (zh) * | 2012-09-27 | 2013-02-13 | 西安电子科技大学 | 基于大气物理散射模型的快速图像去雾方法 |
CN102968772A (zh) * | 2012-12-04 | 2013-03-13 | 电子科技大学 | 一种基于暗通道信息的图像去雾方法 |
CN102982513B (zh) * | 2012-12-04 | 2015-08-19 | 电子科技大学 | 一种基于纹理的自适应图像去雾方法 |
CN102968772B (zh) * | 2012-12-04 | 2016-01-13 | 电子科技大学 | 一种基于暗通道信息的图像去雾方法 |
CN102982513A (zh) * | 2012-12-04 | 2013-03-20 | 电子科技大学 | 一种基于纹理的自适应图像去雾方法 |
CN103049888A (zh) * | 2012-12-07 | 2013-04-17 | 西安电子科技大学 | 基于暗原色结合大气散射光的图像/视频去雾方法 |
CN103177424A (zh) * | 2012-12-07 | 2013-06-26 | 西安电子科技大学 | 一种低照度图像的增强和去噪方法 |
CN103020917A (zh) * | 2012-12-29 | 2013-04-03 | 中南大学 | 一种基于显著性检测的中国古代书法绘画图像复原方法 |
CN103020917B (zh) * | 2012-12-29 | 2015-05-27 | 中南大学 | 一种基于显著性检测的中国古代书法绘画图像复原方法 |
CN103065284A (zh) * | 2012-12-30 | 2013-04-24 | 信帧电子技术(北京)有限公司 | 图像数据的去雾方法及装置 |
CN103065284B (zh) * | 2012-12-30 | 2016-12-28 | 信帧电子技术(北京)有限公司 | 图像数据的去雾方法及装置 |
CN103077517A (zh) * | 2012-12-31 | 2013-05-01 | 华中科技大学 | 一种非均匀照明条件下的空间目标分割方法 |
CN103020920A (zh) * | 2013-01-10 | 2013-04-03 | 厦门大学 | 一种低照度图像增强方法 |
CN103020920B (zh) * | 2013-01-10 | 2015-03-25 | 厦门大学 | 一种低照度图像增强方法 |
CN103020921A (zh) * | 2013-01-10 | 2013-04-03 | 厦门大学 | 基于局部统计信息的单幅图像去雾方法 |
CN103049890A (zh) * | 2013-01-17 | 2013-04-17 | 四川川大智胜软件股份有限公司 | 一种基于cuda的图像实时去雾方法 |
CN104050630B (zh) * | 2013-03-13 | 2018-02-09 | 联咏科技股份有限公司 | 影像还原方法 |
CN103384340A (zh) * | 2013-06-28 | 2013-11-06 | 中南大学 | 一种从单幅2d图像获取3d成像图像的方法 |
CN103384340B (zh) * | 2013-06-28 | 2015-01-07 | 中南大学 | 一种从单幅2d图像获取3d成像图像的方法 |
CN103714519A (zh) * | 2013-12-03 | 2014-04-09 | 中国民用航空总局第二研究所 | 一种快速并行图像去雾方法 |
CN103971333B (zh) * | 2014-04-17 | 2017-04-05 | 杭州电子科技大学 | 基于多尺度分析与深度估计的大气退化图像增强方法 |
CN103955905B (zh) * | 2014-05-13 | 2017-04-05 | 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 |
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 |
CN104252698B (zh) * | 2014-06-25 | 2017-05-17 | 西南科技大学 | 一种基于半逆法的快速单幅图像去雾算法 |
CN104252698A (zh) * | 2014-06-25 | 2014-12-31 | 西南科技大学 | 一种基于半逆法的快速单幅图像去雾算法 |
CN104063853B (zh) * | 2014-07-07 | 2017-02-08 | 南京通用电器有限公司 | 一种基于暗通道技术的提高交通视频图像清晰度方法 |
CN104063853A (zh) * | 2014-07-07 | 2014-09-24 | 南京通用电器有限公司 | 一种基于暗通道技术的提高交通视频图像清晰度方法 |
CN104200437A (zh) * | 2014-09-04 | 2014-12-10 | 北京工业大学 | 一种图像去雾处理方法 |
TWI514323B (zh) * | 2014-09-04 | 2015-12-21 | Univ Nat Taipei Technology | 基於混合暗通道先驗的影像除霧方法及其系統 |
CN104200437B (zh) * | 2014-09-04 | 2017-08-04 | 北京工业大学 | 一种图像去雾处理方法 |
CN104318519B (zh) * | 2014-09-26 | 2017-07-07 | 南京邮电大学 | 一种基于边缘替代法的图像去雾方法 |
CN104318519A (zh) * | 2014-09-26 | 2015-01-28 | 南京邮电大学 | 一种基于边缘替代法的图像去雾方法 |
CN104299198A (zh) * | 2014-10-14 | 2015-01-21 | 嘉应学院 | 基于像素点暗通道的快速图像去雾方法 |
CN104331867A (zh) * | 2014-11-06 | 2015-02-04 | 广东欧珀移动通信有限公司 | 图像去雾的方法、装置及移动终端 |
CN104537623A (zh) * | 2014-12-31 | 2015-04-22 | 深圳先进技术研究院 | 基于图像分割的图像去雾方法及装置 |
CN104506755A (zh) * | 2015-01-13 | 2015-04-08 | 武汉烽火众智数字技术有限责任公司 | 基于fpga的高清视频实时自动化去雾方法 |
CN104506755B (zh) * | 2015-01-13 | 2017-06-30 | 武汉烽火众智数字技术有限责任公司 | 基于fpga的高清视频实时自动化去雾方法 |
CN104683767A (zh) * | 2015-02-10 | 2015-06-03 | 浙江宇视科技有限公司 | 透雾图像生成方法及装置 |
CN105991938B (zh) * | 2015-03-04 | 2019-09-20 | 深圳市朗驰欣创科技股份有限公司 | 一种虚拟曝光方法、装置及交通摄像机 |
CN105991938A (zh) * | 2015-03-04 | 2016-10-05 | 深圳市朗驰欣创科技有限公司 | 一种虚拟曝光方法、装置及交通摄像机 |
CN104742941B (zh) * | 2015-04-08 | 2015-12-02 | 重庆广播电视大学 | 索道缆车目标控制速度设置*** |
CN104742941A (zh) * | 2015-04-08 | 2015-07-01 | 李萍 | 索道缆车目标控制速度设置*** |
CN104809707A (zh) * | 2015-04-28 | 2015-07-29 | 西南科技大学 | 一种单幅雾天图像能见度估计方法 |
CN104809707B (zh) * | 2015-04-28 | 2017-05-31 | 西南科技大学 | 一种单幅雾天图像能见度估计方法 |
CN104881848A (zh) * | 2015-05-14 | 2015-09-02 | 西安电子科技大学 | 一种基于cuda的低照度图像增强并行优化方法 |
CN104867121A (zh) * | 2015-06-08 | 2015-08-26 | 武汉理工大学 | 基于暗原色先验和Retinex理论的图像快速去雾法 |
CN104867121B (zh) * | 2015-06-08 | 2018-10-16 | 武汉理工大学 | 基于暗原色先验和Retinex理论的图像快速去雾法 |
CN105046666B (zh) * | 2015-07-24 | 2018-05-29 | 中国科学技术大学 | 一种基于暗原色先验的交通视频实时去雾的方法 |
CN105046666A (zh) * | 2015-07-24 | 2015-11-11 | 中国科学技术大学 | 一种基于暗原色先验的交通视频实时去雾的方法 |
CN105205794A (zh) * | 2015-10-27 | 2015-12-30 | 西安电子科技大学 | 一种低照度图像的同步增强去噪方法 |
CN105205794B (zh) * | 2015-10-27 | 2017-11-03 | 西安电子科技大学 | 一种低照度图像的同步增强去噪方法 |
CN105574830A (zh) * | 2016-02-04 | 2016-05-11 | 沈阳工业大学 | 极端天气条件下低质图像增强方法 |
CN105574830B (zh) * | 2016-02-04 | 2020-02-21 | 沈阳工业大学 | 极端天气条件下低质图像增强方法 |
CN106204491A (zh) * | 2016-07-12 | 2016-12-07 | 中国科学技术大学 | 一种基于暗通道先验的自适应图像去雾方法 |
CN106204491B (zh) * | 2016-07-12 | 2019-02-01 | 中国科学技术大学 | 一种基于暗通道先验的自适应图像去雾方法 |
CN106683055A (zh) * | 2016-12-09 | 2017-05-17 | 河海大学 | 一种基于退化模型和群稀疏的雾天图像复原方法 |
CN107451962A (zh) * | 2017-07-03 | 2017-12-08 | 山东财经大学 | 一种图像去雾方法及装置 |
CN107451962B (zh) * | 2017-07-03 | 2020-05-05 | 山东财经大学 | 一种图像去雾方法及装置 |
CN107369144A (zh) * | 2017-07-12 | 2017-11-21 | 南京邮电大学 | 基于改进同态滤波的多尺度Retinex图像去雾方法 |
CN107705263A (zh) * | 2017-10-10 | 2018-02-16 | 福州图森仪器有限公司 | 一种基于rgb‑ir传感器的自适应透雾方法和终端 |
CN108508912A (zh) * | 2018-03-20 | 2018-09-07 | 陈超 | 基于计算机控制的检测***及方法 |
CN109685045B (zh) * | 2018-06-25 | 2020-09-29 | 鲁东大学 | 一种运动目标视频跟踪方法及*** |
CN109685045A (zh) * | 2018-06-25 | 2019-04-26 | 鲁东大学 | 一种运动目标视频跟踪方法及*** |
CN109242795A (zh) * | 2018-08-30 | 2019-01-18 | 福建师范大学 | 一种低亮度人体组织细胞双光子显微图像的亮度增强方法 |
CN109242795B (zh) * | 2018-08-30 | 2021-09-07 | 福建师范大学 | 一种低亮度人体组织细胞双光子显微图像的亮度增强方法 |
CN109584176B (zh) * | 2018-11-23 | 2021-07-23 | 东南大学 | 机动车驾驶视觉增强*** |
CN109584176A (zh) * | 2018-11-23 | 2019-04-05 | 东南大学 | 机动车驾驶视觉增强*** |
CN110175963A (zh) * | 2019-05-28 | 2019-08-27 | 山东大学 | 一种适用于水下图像及大气暗图像的两用图像增强方法及装置 |
CN110175963B (zh) * | 2019-05-28 | 2021-02-09 | 山东大学 | 一种适用于水下图像及大气暗图像的两用图像增强方法及装置 |
CN111738939A (zh) * | 2020-06-02 | 2020-10-02 | 大连理工大学 | 一种基于半训练生成器的复杂场景图像去雾方法 |
CN111738939B (zh) * | 2020-06-02 | 2022-02-15 | 大连理工大学 | 一种基于半训练生成器的复杂场景图像去雾方法 |
CN111833369A (zh) * | 2020-07-21 | 2020-10-27 | 中冶赛迪重庆信息技术有限公司 | 一种矾花图像处理方法、***、介质及电子设备 |
CN112785521A (zh) * | 2021-01-19 | 2021-05-11 | 澜途集思生态科技集团有限公司 | 一种雾霾条件下的遥感影像处理方法 |
CN113628133A (zh) * | 2021-07-28 | 2021-11-09 | 武汉三江中电科技有限责任公司 | 一种基于视频图像的去雨雾方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN101783012B (zh) | 2012-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101783012B (zh) | 一种基于暗原色的自动图像去雾方法 | |
Negru et al. | Exponential contrast restoration in fog conditions for driving assistance | |
Gao et al. | Sand-dust image restoration based on reversing the blue channel prior | |
Ma et al. | An effective fusion defogging approach for single sea fog image | |
CN104318524A (zh) | 一种基于YCbCr色彩空间的图像增强方法、装置及*** | |
CN104537615A (zh) | 一种基于HSV色彩空间的局部Retinex增强算法 | |
CN103955905A (zh) | 基于快速小波变换和加权图像融合的单幅图像去雾方法 | |
CN103268598A (zh) | 基于Retinex理论的低照度低空遥感影像增强方法 | |
CN104346776A (zh) | 基于Retinex理论的非线性图像增强方法及其*** | |
CN104200437A (zh) | 一种图像去雾处理方法 | |
CN105046658A (zh) | 一种低照度图像处理方法和装置 | |
CN103914820A (zh) | 一种基于图像分层增强的图像去雾方法及*** | |
CN104537634A (zh) | 动态图像中去除雨滴影响的方法和*** | |
CN111145105B (zh) | 一种图像快速去雾方法、装置、终端及存储介质 | |
CN101754032A (zh) | 保持颜色的去雾方法 | |
CN102831590A (zh) | 基于波谱特性的透射率-暗原色先验去雾增强方法 | |
Alenezi | Image Dehazing Based on Pixel Guided CNN with PAM via Graph Cut. | |
CN114219732A (zh) | 基于天空区域分割和透射率细化的图像去雾方法及*** | |
CN105023246B (zh) | 一种基于对比度和结构相似度的图像增强方法 | |
CN104331867A (zh) | 图像去雾的方法、装置及移动终端 | |
CN109118450A (zh) | 一种沙尘天气条件下的低质图像增强方法 | |
CN106780362B (zh) | 基于双色反射模型与双边滤波的道路视频去雾方法 | |
CN108629750A (zh) | 一种夜间去雾方法、终端设备及存储介质 | |
CN104268845A (zh) | 极值温差短波红外图像的自适应双局部增强方法 | |
CN113822816A (zh) | 气雾散射模型优化的单张遥感图像去霾方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120530 |