CN103049888A - 基于暗原色结合大气散射光的图像/视频去雾方法 - Google Patents
基于暗原色结合大气散射光的图像/视频去雾方法 Download PDFInfo
- Publication number
- CN103049888A CN103049888A CN2012105245735A CN201210524573A CN103049888A CN 103049888 A CN103049888 A CN 103049888A CN 2012105245735 A CN2012105245735 A CN 2012105245735A CN 201210524573 A CN201210524573 A CN 201210524573A CN 103049888 A CN103049888 A CN 103049888A
- Authority
- CN
- China
- Prior art keywords
- image
- original
- mist
- value
- dark
- 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.)
- Pending
Links
Images
Landscapes
- Processing Of Color Television Signals (AREA)
- Image Processing (AREA)
Abstract
本发明公开的基于暗原色结合大气散射光的图像/视频去雾方法,具体按照以下步骤实施:步骤1、将原始有雾图像I输入计算机的图像处理***中,求取原始有雾图像I的暗原色图像Idark;步骤2、根据获取的暗原色图像Idark,求取原始图像RGB三个颜色通道的大气光值A,分别为airR、airG和airB;步骤3、求取原始有雾图像I的大气散射光值V(x,y);步骤4、根据原始有雾图像I的RGB三个通道图像、大气光值A以及大气散射光值V求取去雾后的复原图像J,最终获得去雾后的复原图像J。本发明的基于暗原色结合大气散射光的图像/视频去雾方法通过计算原始图像的暗原色图像,利用大气光值和大气散射光值,复原原始图像,得到较为清晰的去雾后图像。
Description
技术领域
本发明属于图像处理和增强技术领域,涉及一种基于暗原色结合大气散射光的图像/视频去雾方法。
背景技术
有雾图像清晰化是一个非常有意义的问题,在雾天、阴雨天和晚上等低光照度的条件下,采集的图像对比度很低,可视性很差。如:智能交通监控、地形勘测等这类需要监视视场的情况,当在雾天情况下,由于场景的能见度低,图像中目标对比度和颜色特征被衰减,导致***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,主要的图像去雾处理方法可以分为以下两类:
第一类是常规图像增强算法,图像增强分为图像颜色增强和图像对比度增强,图像颜色增强主要通过颜色恒常算法和色调映射算法,例如:图像亮度曲线调节,图像亮度线性拉伸,直方图均衡化及伽马算法;图像增强算法主要有频率域图像锐化算法,基于掩膜的图像锐化算法等。这类算法没有考虑雾天大气对图像的影响。
第二类是基于大气退化物理模型的方法,这种方法需要获得额外信息,例如:有的方法需要利用专用的已经标定的雷达装置获得深度信息,然后利用图像数据和深度信息来求物理模型的参数,然后把参数带入退化模型,才能求出估计图像;有的方法需要得到两种不同天气下同一场景的图像,才能获得深度信息,这些要求不好实现。
现有的去雾技术,有些对输入图像有特定的要求,有些方法要求用户进行交互,这在实时图像处理应用中也很难满足,有些图像采用单帧的图像作为输入,但存在恢复后图像发生颜色失真的问题,不符合去雾的要求,还有的处理速度太慢,无法应用到实时***中。
发明内容
本发明的目的在于提供一种基于暗原色结合大气散射光的图像/视频去雾方法,通过计算原始图像的暗原色图像,利用大气光值和大气散射光值,复原原始图像,得到较为清晰的去雾后图像。
本发明所采用的技术方案是,基于暗原色结合大气散射光的图像/视频去雾方法,具体按照以下步骤实施:
步骤1、将原始有雾图像I输入计算机的图像处理***中,求取原始有雾图像I的暗原色图像Idark;
步骤2、根据获取的暗原色图像Idark,求取原始图像RGB三个颜色通道的大气光值A,分别为airR、airG和airB;
步骤3、求取原始有雾图像I的大气散射光值V(x,y);
步骤4、根据原始有雾图像I的RGB三个通道图像、大气光值A以及大气散射光值V求取去雾后的复原图像J,最终获得去雾后的复原图像J。
本发明的特点还在于,
步骤1具体按照以下步骤实施:
步骤1.1、将原始有雾图像I输入计算机的图像处理***中,原始有雾图像的像素为I(x,y),将原始有雾图像I进行分离,提取得到原始有雾图像I的RGB三个颜色通道的图像,分别为:图像IR、图像IG、图像IB;
步骤1.2、对经步骤1.1获取的原始有雾图像I的三个颜色通道的图像IR、图像IG、图像IB分别进行最小值滤波,即得到滤波后的三个颜色通道的图像,分别为图像DR、图像DG和图像DB;
步骤1.3、比较步骤1.2中滤波后的三个图像:即图像DR、图像DG和图像DB,选取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Idark(x,y),即得到原始有雾图像I的暗原色图像Idark,原始有雾图像I的暗原色图像Idark各像素点的值按以下算法实施:
其中,Ic为原始有雾图像I的颜色通道,即为IR、IG和IB,Ω(x′,y′)为最小值滤波的区域。
原始有雾图像I为彩色图像,直接使用原始有雾图像的RGB三分量,无需进行颜色空间的转换。
原始有雾图像I是计算机中已经存在的图片或者视频文件或摄像头采集的实时视频数据。
步骤2具体按照以下步骤实施:
步骤2.1、根据步骤1.3获取的原始有雾图像I的暗原色图像Idark求取出暗原色图像的直方图;
步骤2.2、根据步骤2.1的暗原色图像的直方图,在亮度值为前0.1%的暗原色图像中,寻找亮度最大的像素值作为阈值,确定阈值后在暗原色图像的直方图中选取像素值大于阈值的像素点;
步骤2.3、将步骤2.2中选取的像素点对应于步骤1.1中得到的原始有雾图像I的RGB三分量图像,分别提取出像素点对应原始有雾图像I的RGB三分量图像中像素值中的最大值,即得到大气光值A,分别为airR、airG和airB:
步骤3具体按照以下步骤实施:
步骤3.1、将步骤1.1中得到的原始有雾图像I的RGB三个颜色通道的图像,即图像IR、图像IG、图像IB中各像素点对应像素值的最小值提取出来:
即:W(x,y)=min{I(x,y)};
步骤3.2、对步骤3.1中提取的像素点的像素值W(x,y)进行中值滤波,具体按照以下算法实施:
C(x,y)=mediansv(W(x,y))
其中,C(x,y)为中值滤波的结果,W(x,y)为步骤3.1得到的结果,sv是中值滤波器中用到的方形窗口大小;
步骤3.3、根据步骤3.1和步骤3.2得到的结果,结合大气散射光算法,即得到原始有雾图像I的大气散射光值V(x,y),大气散射光具体按照以下算法实施:
B(x,y)=C-mediansv(︱W-C︱)(x,y)
V(x,y)=max(min(ρB(x,y),W(x,y)),0)
其中,B(x,y)表示W(x,y)的局部均值与局部标准偏差的差值,ρ为乘性因子,表示恢复的强度,取值范围在0.75到0.95之间,sv为中值滤波器中用到的方形窗口大小,取值为41。
步骤4具体按照以下步骤实施:
步骤4.1、将步骤1.1中原始有雾图像I的RGB三个颜色通道的图像:图像IR、图像IG和图像IB分别结合步骤2中得到的各自颜色通道的大气光值A、步骤3得到的大气散射光值V(x,y),运用图像复原算法,求取得到去雾后图像J(x,y)的RGB三个颜色通道的图像Jc(x,y),去雾后的复原图像的算法如下:
其中,Jc(x,y)为去雾后图像的颜色通道对应图像的像素值,Ic(x,y)为原始有雾图像I的颜色通道对应图像的像素值,A为大气光值,V(x,y)为大气散射光值;
步骤4.2、将步骤4.1中得到的去雾图像的RGB三个颜色通道的图像,即图像JR、图像JG和图像JB进行组合,即得到复原后的图像J。
本发明的有益效果在于,
(1)本发明方法通过计算原始有雾图像的暗原色图像,并利用大气光值和大气散射光值,复原原始图像,即得到较为清晰的去雾后图像。
(2)本发明的方法不仅不需要人工的参与,还能较大地降低计算代价,节省了计算时间,在获得清晰的视觉效果的同时,显著地提高图像清晰化速度。
(3)可以广泛地应用于视频监控、地形勘测以及现有车辆、飞机、船只的安全驾驶辅助***中,能够应用在一些实时性要求较高的***中。
附图说明
图1是本发明的基于暗原色结合大气散射光的图像/视频去雾方法的流程图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明的基于暗原色结合大气散射光的图像/视频去雾方法,对原始有雾图像的处理流程如图1所示,具体按照以下步骤实施:
步骤1、将原始有雾图像I输入计算机的图像处理***中,求取原始有雾图像I的暗原色图像Idark:
步骤1.1、将原始有雾图像I输入计算机的图像处理***中,原始有雾图像的像素为I(x,y),将原始有雾图像I进行分离,提取得到原始有雾图像I的RGB三个颜色通道的图像,分别为:图像IR、图像IG、图像IB;
步骤1.2、对经步骤1.1获取的原始有雾图像I的三个颜色通道的图像IR、图像IG、图像IB分别进行最小值滤波,即得到滤波后的三个颜色通道的图像,分别为图像DR、图像DG和图像DB;
步骤1.3、比较步骤1.2中滤波后的三个图像:即图像DR、图像DG和图像DB,选取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Idark(x,y),即得到原始有雾图像I的暗原色图像Idark,原始有雾图像I的暗原色图像Idark各像素点的值按以下算法实施:
其中,Ic为原始有雾图像I的颜色通道,即为IR、IG和IB,Ω(x′,y′)为最小值滤波的区域。原始有雾图像I为彩色图像时可直接使用原始有雾图像的RGB三分量,不需要进行颜色空间的转换。其中输入的原始有雾图像I既可以是计算机中已经存在的图片或者视频文件,也可以是摄像头采集的实时视频数据。
步骤2、根据获取的暗原色图像Idark,求取原始有雾图像I的RGB三个颜色通道的大气光值A,分别为airR、airG和airB:
步骤2.1、根据步骤1.3获取的原始有雾图像I的暗原色图像Idark求取出暗原色图像的直方图;
步骤2.2、根据步骤2.1的暗原色图像的直方图,在亮度值为前0.1%的暗原色图像中,寻找亮度最大的像素值作为阈值,确定阈值后在暗原色图像的直方图中选取像素值大于阈值的像素点;
步骤2.3、将步骤2.2中选取的像素点对应于步骤1.1中得到的原始有雾图像I的RGB三分量图像,分别提取出像素点对应原始有雾图像I的RGB三分量图像中像素值中的最大值,即得到大气光值A,分别为airR、airG和airB。
步骤3、求取原始有雾图像I的大气散射光值V(x,y):
步骤3.1、将步骤1.1中得到的原始有雾图像I的RGB三个颜色通道的图像,即图像IR、图像IG、图像IB中各像素点对应像素值的最小值提取出来:
即:W(x,y)=min{I(x,y)};
步骤3.2、对步骤3.1中提取的像素点的像素值W(x,y)进行中值滤波,具体按照以下算法实施:
C(x,y)=mediansv(W(x,y))
其中,C(x,y)为中值滤波的结果,W(x,y)为步骤3.1得到的结果,sv是中值滤波器中用到的方形窗口大小;
步骤3.3、根据步骤3.1和步骤3.2中得到的结果,结合大气散射光算法,即得到原始有雾图像I的大气散射光值V(x,y),大气散射光具体按照以下算法实施:
B(x,y)=C-mediansv(︱W-C︱)(x,y)
V(x,y)=max(min(ρB(x,y),W(x,y)),0)
其中,B(x,y)表示W(x,y)的局部均值与局部标准偏差的差值,ρ为乘性因子,表示恢复的强度,取值范围在0.75到0.95之间,sv为中值滤波器中用到的方形窗口大小,取值为41。
步骤4、根据原始有雾图像I的RGB三个通道图像、大气光值A以及大气散射光值V求取去雾后的复原图像J,最终获得去雾后的复原图像J:
获取复原图像要分别复原原始有雾图像I的RGB三个颜色通道,其中大气光值A为三个值即为airR、airG和airB,原始有雾图像I的RGB三个颜色通道的图像分别为:图像IR、图像IG和图像IB;
步骤4具体按照以下步骤实施:
步骤4.1、将步骤1.1中原始有雾图像I的RGB三个颜色通道的图像:图像IR、图像IG和图像IB分别结合步骤2中得到的各自颜色通道的大气光值A、步骤3得到的大气散射光值V(x,y),运用图像复原算法,求取得到去雾后图像J(x,y)的RGB三个颜色通道的图像Jc(x,y),去雾后的复原图像的算法如下:
其中,Jc(x,y)为去雾后图像的颜色通道对应图像的像素值,Ic(x,y)为原始有雾图像I的颜色通道对应图像的像素值,A为大气光值,V(x,y)为大气散射光值;
步骤4.2、将步骤4.1中得到的去雾图像的RGB三个颜色通道的图像,即图像JR、图像JG和图像JB进行组合,即得到复原后的图像J。
本发明的方法中,要对步骤1中输入的原始有雾图像I(x,y)进行复原,主要依据的算法如下:
其中,I(x,y)表示原始有雾图像,J(x,y)表示复原后的图像,V(x,y)表示大气散射光,A表示整体大气光,由此可以看出在复原图像的过程中需要用到大气光值A和大气散射光V。
实施例:
发明提供了一种简单有效的基于暗原色结合大气散射光的图像/视频去雾方法,本发明的效果可以通过以下实验数据进一步说明:
输入原始有雾图像I,原始有雾图像的像素为I(x,y),原始有雾图像RGB三分量的值为R=94,G=92,B=96,将原始有雾图像I进行分离,提取得到原始有雾图像I的RGB三个颜色通道的图像,分别为:图像IR、图像IG、图像IB;对图像IR、图像IG、图像IB分别进行最小值滤波,得到图像DR、图像DG和图像DB;比较滤波后的三个图像DR、DG和DB,选取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Idark(x,y)=86,即得到原始有雾图像I的暗原色图像Idark;
根据获取的原始有雾图像I的暗原色图像Idark求取出暗原色图像的直方图;根据暗原色图像的直方图,在亮度值为前0.1%的暗原色图像中,寻找亮度最大的像素值作为阈值,确定阈值后,在暗原色图像的直方图中选取像素值大于阈值的像素点;将选取的像素点对应于原始有雾图像I的RGB三分量图像,分别提取出像素点对应原始有雾图像I的RGB三分量图像中像素值中的最大值,即得到大气光值A,分别为airR=237、airG=224和airB=202;
将原始有雾图像I的RGB三个颜色通道的图像,即图像IR、图像IG、图像IB中各像素点对应像素值的最小值提取出来;对提取的像素点的像素值W(x,y)=92进行中值滤波,得到C(x,y)=median41(W(x,y)),C(x,y)=107;根据步骤3.1和步骤3.2中得到的结果,结合大气散射光算法,即得到原始有雾图像I的大气散射光值V(x,y)=82;
将原始有雾图像I的RGB三个颜色通道的图像:图像IR、图像IG和图像IB分别结合各自颜色通道的大气光值A及大气散射光值V(x,y),运用图像复原算法,求取得到去雾后图像J(x,y)的RGB三个颜色通道的图像JR(x,y)=18,JG(x,y)=15、JB(x,y)=23;将图像JR、图像JG和图像JB按照BGR的顺序交错存储进行组合,即得到复原后的图像J。
经过本发明的方法处理的原始有雾图像与复原后的图像相比:
原始有雾图像I的大部分区域都是有雾的,看不清楚物体的轮廓细节,先求取出原始有雾图像I的暗原色图像,由于此时图像整体颜色偏暗,使得图像的强度较低,得到图像中的最小像素值趋近于0;另外,由于暗原色图像中有雾的存在,导致大气光进行散射,形成了颜色的偏移失真或景物的模糊,具体为所求W(x,y)图像的平均值和标准差之间的差异;采用本发明方法去雾复原后得到的去雾复原图像,其图像的质量较原始有雾图像,其可视度得到了很明显的提高,得到的图像有很好的可视化效果。
Claims (7)
1.基于暗原色结合大气散射光的图像/视频去雾方法,其特征在于,具体按照以下步骤实施:
步骤1、将原始有雾图像I输入计算机的图像处理***中,求取原始有雾图像I的暗原色图像Idark;
步骤2、根据获取的暗原色图像Idark,求取原始有雾图像I的RGB三个颜色通道的大气光值A,分别为airR、airG和airB;
步骤3、求取原始有雾图像I的大气散射光值V(x,y);
步骤4、根据原始有雾图像I的RGB三个通道图像、大气光值A以及大气散射光值V求取去雾后的复原图像J,最终获得去雾后的复原图像J。
2.根据权利要求1所述的基于暗原色结合大气散射光的图像/视频去雾方法,其特征在于,所述步骤1具体按照以下步骤实施:
步骤1.1、将原始有雾图像I输入计算机的图像处理***中,原始有雾图像的像素为I(x,y),将原始有雾图像I进行分离,提取得到原始有雾图像I的RGB三个颜色通道的图像,分别为:图像IR、图像IG、图像IB;
步骤1.2、对经步骤1.1获取的原始有雾图像I的三个颜色通道的图像IR、图像IG、图像IB分别进行最小值滤波,即得到滤波后的三个颜色通道的图像,分别为图像DR、图像DG和图像DB;
步骤1.3、比较步骤1.2中滤波后的三个图像:即图像DR、图像DG和图像DB,选取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Idark(x,y),即得到原始有雾图像I的暗原色图像Idark,原始有雾图像I的暗原色图像Idark各像素点的值按以下算法实施:
其中,Ic为原始有雾图像I的颜色通道,即为IR、IG和IB,Ω(x′,y′)为最小值滤波的区域。
3.根据权利要求2所述的基于暗原色结合大气散射光的图像/视频去雾方法,其特征在于,所述原始有雾图像I为彩色图像,直接使用原始有雾图像的RGB三分量,无需进行颜色空间的转换。
4.根据权利要求2所述的基于暗原色结合大气散射光的图像/视频去雾方法,其特征在于,所述原始有雾图像I是计算机中已经存在的图片或者视频文件或摄像头采集的实时视频数据。
5.根据权利要求1所述的基于暗原色结合大气散射光的图像/视频去雾方法,其特征在于,所述步骤2具体按照以下步骤实施:
步骤2.1、根据步骤1.3获取的原始有雾图像I的暗原色图像Idark求取出暗原色图像的直方图;
步骤2.2、根据步骤2.1的暗原色图像的直方图,在亮度值为前0.1%的暗原色图像中,寻找亮度最大的像素值作为阈值,确定阈值后在暗原色图像的直方图中选取像素值大于阈值的像素点;
步骤2.3、将步骤2.2中选取的像素点对应于步骤1.1中得到的原始有雾图像I的RGB三分量图像,分别提取出像素点对应原始有雾图像I的RGB三分量图像中像素值中的最大值,即得到大气光值A,分别为airR、airG和airB。
6.根据权利要求1所述的的基于暗原色结合大气散射光的图像/视频去雾方法,其特征在于,所述步骤3具体按照以下步骤实施:
步骤3.1、将步骤1.1中得到的原始有雾图像I的RGB三个颜色通道的图像,即图像IR、图像IG、图像IB中各像素点对应像素值的最小值提取出来:
即:W(x,y)=min{I(x,y)};
步骤3.2、对步骤3.1中提取的像素点的像素值W(x,y)进行中值滤波,具体按照以下算法实施:
C(x,y)=mediansv(W(x,y))
其中,C(x,y)为中值滤波的结果,W(x,y)为步骤3.1得到的结果,sv是中值滤波器中用到的方形窗口大小;
步骤3.3、根据步骤3.1和步骤3.2中得到的结果,结合大气散射光算法,即得到原始有雾图像I的大气散射光值V(x,y),大气散射光具体按照以下算法实施:
B(x,y)=C-mediansv(︱W-C︱)(x,y)
V(x,y)=max(min(ρB(x,y),W(x,y)),0)
其中,B(x,y)表示W(x,y)的局部均值与局部标准偏差的差值,ρ为乘性因子,表示恢复的强度,取值范围在0.75到0.95之间,sv为中值滤波器中用到的方形窗口大小,取值为41。
7.根据权利要求1所述的的基于暗原色结合大气散射光的图像/视频去雾方法,其特征在于,所述步骤4具体按照以下步骤实施:
步骤4.1、将步骤1.1中原始有雾图像I的RGB三个颜色通道的图像:图像IR、图像IG和图像IB分别结合步骤2中得到的各自颜色通道的大气光值A、步骤3得到的大气散射光值V(x,y),运用图像复原算法,求取得到去雾后图像J(x,y)的RGB三个颜色通道的图像Jc(x,y),去雾后的复原图像的算法如下:
其中,Jc(x,y)为去雾后图像的颜色通道对应图像的像素值,Ic(x,y)为原始有雾图像I的颜色通道对应图像的像素值,A为大气光值,V(x,y)为大气散射光值;
步骤4.2、将步骤4.1中得到的去雾图像的RGB三个颜色通道的图像,即图像JR、图像JG和图像JB进行组合,即得到复原后的图像J。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012105245735A CN103049888A (zh) | 2012-12-07 | 2012-12-07 | 基于暗原色结合大气散射光的图像/视频去雾方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012105245735A CN103049888A (zh) | 2012-12-07 | 2012-12-07 | 基于暗原色结合大气散射光的图像/视频去雾方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103049888A true CN103049888A (zh) | 2013-04-17 |
Family
ID=48062518
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012105245735A Pending CN103049888A (zh) | 2012-12-07 | 2012-12-07 | 基于暗原色结合大气散射光的图像/视频去雾方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103049888A (zh) |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103279928A (zh) * | 2013-05-23 | 2013-09-04 | 北京汉邦高科数字技术股份有限公司 | 一种基于大气散射模型的图像增强方法 |
CN103347171A (zh) * | 2013-06-27 | 2013-10-09 | 河海大学常州校区 | 基于dsp的雾天视频处理***及方法 |
CN103903234A (zh) * | 2014-03-12 | 2014-07-02 | 南京第五十五所技术开发有限公司 | 一种基于图像景深的实时图像去雾方法 |
CN104299195A (zh) * | 2014-10-08 | 2015-01-21 | 南京邮电大学 | 一种基于自适应双阈值与暗通道先验的图像去雾方法 |
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 |
CN104700107A (zh) * | 2015-03-31 | 2015-06-10 | 徐晶 | 基于图像处理的电能表读数识别设备 |
CN104715267A (zh) * | 2015-04-01 | 2015-06-17 | 无锡桑尼安科技有限公司 | 基于视觉识别的电能表型号检测*** |
CN104732223A (zh) * | 2015-04-08 | 2015-06-24 | 孔涛 | 横越实线并道的不规范车辆检测方法 |
WO2015192718A1 (zh) * | 2014-06-18 | 2015-12-23 | 深圳市金立通信设备有限公司 | 一种图像的处理方法及装置 |
CN105243642A (zh) * | 2015-04-01 | 2016-01-13 | 无锡桑尼安科技有限公司 | 基于视觉识别的电能表型号检测方法 |
CN105678240A (zh) * | 2015-12-30 | 2016-06-15 | 哈尔滨工业大学 | 一种用于道路去反光的图像处理方法 |
CN105791759A (zh) * | 2015-04-01 | 2016-07-20 | 周杰 | 基于图像采集对电能表进行自动抄表的方法 |
CN105791757A (zh) * | 2015-04-01 | 2016-07-20 | 周杰 | 一种电能表自动抄表平台及其自动抄表方法 |
CN105791758A (zh) * | 2015-04-01 | 2016-07-20 | 周杰 | 对电能表进行自动抄表的方法 |
CN105791756A (zh) * | 2015-04-01 | 2016-07-20 | 周杰 | 基于图像采集的电能表自动抄表平台及自动抄表方法 |
CN105913385A (zh) * | 2016-03-31 | 2016-08-31 | 宇龙计算机通信科技(深圳)有限公司 | 雾霾图像的清晰化方法、***和图像处理装置 |
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 |
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 |
CN106965186A (zh) * | 2015-04-01 | 2017-07-21 | 姜敏敏 | 基于北斗星导航器和视觉传感器的室外电能表读表机器人 |
CN107169940A (zh) * | 2015-04-16 | 2017-09-15 | 钱芳林 | 基于电子识别的单株梨树产量获取方法 |
CN107392871A (zh) * | 2017-07-27 | 2017-11-24 | 广东欧珀移动通信有限公司 | 图像去雾方法、装置、移动终端及计算机可读存储介质 |
US10432602B2 (en) | 2015-06-04 | 2019-10-01 | Samsung Electronics Co., Ltd. | Electronic device for performing personal authentication and method thereof |
CN110929722A (zh) * | 2019-11-04 | 2020-03-27 | 浙江农林大学 | 一种基于树木整体图像的树木检测方法 |
CN111028184A (zh) * | 2020-03-09 | 2020-04-17 | 杭州鲁尔物联科技有限公司 | 一种图像增强方法及*** |
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 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101783012A (zh) * | 2010-04-06 | 2010-07-21 | 中南大学 | 一种基于暗原色的自动图像去雾方法 |
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 |
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 |
-
2012
- 2012-12-07 CN CN2012105245735A patent/CN103049888A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101783012A (zh) * | 2010-04-06 | 2010-07-21 | 中南大学 | 一种基于暗原色的自动图像去雾方法 |
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 |
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 |
Non-Patent Citations (7)
Title |
---|
JEAN-PHILIPPE TAREL ET AL: "Fast Visibility Restoration from a Single Color or Gray Level Image", 《2009 IEEE 12TH INTERNATIONAL CONFERENCE ON COMPUTER VISION》, 2 October 2009 (2009-10-02) * |
孙抗,汪渤,周志强,郑智辉: "基于双边滤波的实时图像去雾技术研究", 《北京理工大学学报》, vol. 31, no. 7, 31 July 2011 (2011-07-31) * |
嵇晓强,戴明,孙丽娜,郎小龙,王洪: "暗原色先验图像去雾算法研究", 《光电子·激光》, vol. 22, no. 6, 30 June 2011 (2011-06-30) * |
方帅,王勇,曹洋,占吉清,饶瑞中: "单幅雾天图像复原", 《电子学报》, vol. 38, no. 10, 31 October 2010 (2010-10-31) * |
王燕,伍博,谷金宏: "一种单幅图像去雾方法", 《电光与控制》, vol. 18, no. 4, 30 April 2011 (2011-04-30) * |
***,侯天峰,齐美彬: "改进的基于暗原色先验的图像去雾算法", 《电路与***学报》, vol. 16, no. 2, 30 April 2011 (2011-04-30) * |
郭璠, 蔡自兴, 谢斌, 唐琎: "单幅图像自动去雾新算法", 《中国图象图形学报》, vol. 16, no. 4, 30 April 2011 (2011-04-30) * |
Cited By (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103279928A (zh) * | 2013-05-23 | 2013-09-04 | 北京汉邦高科数字技术股份有限公司 | 一种基于大气散射模型的图像增强方法 |
CN103279928B (zh) * | 2013-05-23 | 2016-06-01 | 北京汉邦高科数字技术股份有限公司 | 一种基于大气散射模型的图像增强方法 |
CN103347171A (zh) * | 2013-06-27 | 2013-10-09 | 河海大学常州校区 | 基于dsp的雾天视频处理***及方法 |
CN103903234A (zh) * | 2014-03-12 | 2014-07-02 | 南京第五十五所技术开发有限公司 | 一种基于图像景深的实时图像去雾方法 |
CN103903234B (zh) * | 2014-03-12 | 2016-08-17 | 南京第五十五所技术开发有限公司 | 一种基于图像景深的实时图像去雾方法 |
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 |
WO2015192718A1 (zh) * | 2014-06-18 | 2015-12-23 | 深圳市金立通信设备有限公司 | 一种图像的处理方法及装置 |
CN104299195A (zh) * | 2014-10-08 | 2015-01-21 | 南京邮电大学 | 一种基于自适应双阈值与暗通道先验的图像去雾方法 |
CN104299195B (zh) * | 2014-10-08 | 2017-10-24 | 南京邮电大学 | 一种基于自适应双阈值与暗通道先验的图像去雾方法 |
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 |
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 |
CN104700107A (zh) * | 2015-03-31 | 2015-06-10 | 徐晶 | 基于图像处理的电能表读数识别设备 |
CN105791756A (zh) * | 2015-04-01 | 2016-07-20 | 周杰 | 基于图像采集的电能表自动抄表平台及自动抄表方法 |
CN107423751A (zh) * | 2015-04-01 | 2017-12-01 | 姜敏敏 | 基于北斗星导航器的室外电能表读表机器人的工作方法 |
CN105791758A (zh) * | 2015-04-01 | 2016-07-20 | 周杰 | 对电能表进行自动抄表的方法 |
CN105791759A (zh) * | 2015-04-01 | 2016-07-20 | 周杰 | 基于图像采集对电能表进行自动抄表的方法 |
CN105791757A (zh) * | 2015-04-01 | 2016-07-20 | 周杰 | 一种电能表自动抄表平台及其自动抄表方法 |
CN105243643A (zh) * | 2015-04-01 | 2016-01-13 | 无锡桑尼安科技有限公司 | 基于视觉识别的电能表型号检测方法 |
CN105243642A (zh) * | 2015-04-01 | 2016-01-13 | 无锡桑尼安科技有限公司 | 基于视觉识别的电能表型号检测方法 |
CN106965186A (zh) * | 2015-04-01 | 2017-07-21 | 姜敏敏 | 基于北斗星导航器和视觉传感器的室外电能表读表机器人 |
CN104715267A (zh) * | 2015-04-01 | 2015-06-17 | 无锡桑尼安科技有限公司 | 基于视觉识别的电能表型号检测*** |
CN104732223A (zh) * | 2015-04-08 | 2015-06-24 | 孔涛 | 横越实线并道的不规范车辆检测方法 |
CN107169940B (zh) * | 2015-04-16 | 2021-06-01 | 山东同其智能科技有限公司 | 基于电子识别的单株梨树产量获取方法 |
CN107169940A (zh) * | 2015-04-16 | 2017-09-15 | 钱芳林 | 基于电子识别的单株梨树产量获取方法 |
US10432602B2 (en) | 2015-06-04 | 2019-10-01 | Samsung Electronics Co., Ltd. | Electronic device for performing personal authentication and method thereof |
CN105678240B (zh) * | 2015-12-30 | 2019-01-18 | 哈尔滨工业大学 | 一种用于道路去反光的图像处理方法 |
CN105678240A (zh) * | 2015-12-30 | 2016-06-15 | 哈尔滨工业大学 | 一种用于道路去反光的图像处理方法 |
CN105913385B (zh) * | 2016-03-31 | 2018-12-25 | 宇龙计算机通信科技(深圳)有限公司 | 雾霾图像的清晰化方法、***和图像处理装置 |
CN105913385A (zh) * | 2016-03-31 | 2016-08-31 | 宇龙计算机通信科技(深圳)有限公司 | 雾霾图像的清晰化方法、***和图像处理装置 |
CN107392871A (zh) * | 2017-07-27 | 2017-11-24 | 广东欧珀移动通信有限公司 | 图像去雾方法、装置、移动终端及计算机可读存储介质 |
CN110929722A (zh) * | 2019-11-04 | 2020-03-27 | 浙江农林大学 | 一种基于树木整体图像的树木检测方法 |
CN111028184A (zh) * | 2020-03-09 | 2020-04-17 | 杭州鲁尔物联科技有限公司 | 一种图像增强方法及*** |
CN111028184B (zh) * | 2020-03-09 | 2020-06-12 | 杭州鲁尔物联科技有限公司 | 一种图像增强方法及*** |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103049888A (zh) | 基于暗原色结合大气散射光的图像/视频去雾方法 | |
CN102831591B (zh) | 一种基于高斯滤波的单幅图像的实时去雾方法 | |
CN102750674B (zh) | 基于自适应容差的视频图像去雾方法 | |
CN103218778B (zh) | 一种图像和视频的处理方法及装置 | |
CN103747213B (zh) | 一种基于运动目标的交通监控视频实时去雾方法 | |
CN102768760B (zh) | 一种基于图像纹理的图像快速去雾方法 | |
CN103077504B (zh) | 一种基于自适应光照计算的图像去雾方法 | |
CN105096278B (zh) | 基于光照调整的图像增强方法和设备 | |
CN105023256B (zh) | 一种图像去雾方法及*** | |
CN103020920A (zh) | 一种低照度图像增强方法 | |
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 | |
CN105225210A (zh) | 一种基于暗通道的自适应直方图增强去雾方法 | |
CN107301624A (zh) | 基于区域划分及浓雾预处理的卷积神经网络去雾算法 | |
CN103996178A (zh) | 一种沙尘天气彩色图像增强方法 | |
CN103020914A (zh) | 基于空间连续性原理的快速图像去雾方法 | |
CN104050637A (zh) | 基于两次引导滤波的快速图像去雾方法 | |
CN105046658A (zh) | 一种低照度图像处理方法和装置 | |
CN104063853A (zh) | 一种基于暗通道技术的提高交通视频图像清晰度方法 | |
CN104616258A (zh) | 一种针对道路图像的快速去雾方法 | |
CN103426151A (zh) | 一种图像去雾方法及装置 | |
CN104766286A (zh) | 基于无人驾驶汽车的图像去雾装置及去雾方法 | |
CN105976337A (zh) | 一种基于中值引导滤波的图像去雾方法 | |
CN105096272A (zh) | 一种基于双树复小波的除雾方法 | |
CN103778605A (zh) | 一种雾天图像增强方法 | |
Cheng et al. | Visibility enhancement of single hazy images using hybrid dark channel prior |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20130417 |