CN104299195B - 一种基于自适应双阈值与暗通道先验的图像去雾方法 - Google Patents
一种基于自适应双阈值与暗通道先验的图像去雾方法 Download PDFInfo
- Publication number
- CN104299195B CN104299195B CN201410525513.4A CN201410525513A CN104299195B CN 104299195 B CN104299195 B CN 104299195B CN 201410525513 A CN201410525513 A CN 201410525513A CN 104299195 B CN104299195 B CN 104299195B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msup
- image
- formula
- histo
- 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
Landscapes
- Facsimile Image Signal Circuits (AREA)
- Studio Devices (AREA)
Abstract
本发明涉及一种图像去雾方法,该方法主要包括:1)按He方法计算出透射图T,并求出原始有雾图像的亮度图L;2)分别对透射图T和亮度图作直方图,得到直方图HistoT与直方图HistoL,并根据HistoT与HistoL计算出透射率上限阈值THHigh与亮度下限阈值THlow;3)然后根据THHigh与THlow对图像天空区域进行分离,分离出图像的天空区域RSky;4)将分离出的RSky中的透射率进行自适应修正,得到更精确的透射图TRefine;5)利用透射图TRefine按He方法对图像去雾。本方法能够解决去雾后图像在天空区域的色偏现象。
Description
技术领域
本发明涉及一种图像去雾方法,用于对彩色图像的无色偏去雾,属于数字图像处理领域。
背景技术
雾天环境下,由于受到大气中悬浮颗粒的影响,使得成像设备所采集的图像能见度较低,清晰度不够。因此,雾天降质图像的清晰化处理具有重要的现实意义。目前图像去雾方法可分为两类:图像增强方法和基于大气散射物理模型的方法。前者只是单一的提高对比度,未考虑降质退化机理,去雾效果一般。后者基于物理模型,针对雾气的形成原因,利用先验条件进行逆向还原。最经典的为何凯明博士的暗通道先验去雾方法(以下简称He方法,该文献下载地址:http://research.microsoft.com/en-us/um/people/kahe/publications/cvpr09.pdf)。基于暗通道先验理论的去雾方法,虽然该方法去雾效果最好,但暗通道先验理论并不适用于天空区域,因此去雾后的图像在天空区域会出现色偏现象,极大的影响了图像的视觉主观质量。
发明内容
针对暗通道先验理论在天空区域失效的情况,本发明提供了一种具有暗通道容差机制的去雾方法,即一种基于自适应双阈值与暗通道先验的图像去雾方法,其核心思想是:首先利用自适应双阈值方法识别出图像中的天空部分,然后根据透射率修正公式修正天空区域的透射率。具体方法流程如图1所示,其包括如下步骤:
第一步:获取有雾彩色图像I;
第二步:按He方法计算出透射图T;
第三步:计算出图像I的亮度图L;
第四步:分别计算透射图T与亮度图L的直方图,并记为HistoT与HistoL;
第五步:根据HistoT利用“自适应双阈值法”计算出透射率上限阈值THHigh,THHigh的具体计算过程如下:
a)对HistoT均匀划分20等份(例如将[0,0.05]的透射率的总频次合并至透射率0.025的频次上),划分后得到新的透射率直方图HistoT-new;
b)然后在直方图HistoT-new中计算出(0.025,0.075,0.125,0.175,0.225,0.275,0.325)这七个透射率对应频次的最大值Vmax,并将其对应的透射率记为T1;
c)在透射率(T1,T1+0.05,…,0.4)计算出对应频次的最小值Vmin,并将其对应的透射率记为T2;
d)由直方图HistoT-new读出透射率T2-0.05与T2+0.05对应的频次,分别记为V1与V2;
e)计算V1、V2、Vmin三者数值大小之间的相关差异,公式如式(1)所示
f)透射率上限阈值THHigh计算公式如式(2)所示:
第六步:根据亮度直方图HistoL利用“自适应双阈值法”计算出亮度下限阈值THlow,THlow具体计算过程如下:
a)对亮度直方图HistoL均匀划分20等份,划分后得到新的亮度直方图HistoL-new;
b)然后在直方图HistoL-new中计算出(0.675×255,0.725×255,0.775×255,0.825×255,0.875×255,0.925×255,0.975×255)这七个亮度对应频次的最大值Fmax,并将其对应的亮度记为L1;
c)在亮度(0.6×255,…,L1-0.05×255,L1)计算出对应频次的最小值Fmin,并将其对应的亮度记为L2;
d)由直方图HistoL-new读出亮度L2-0.05×255与L2+0.05×255对应的频次,分别记为F1与F2;
e)计算F1、F2、Fmin三者数值大小之间的相关差异,公式如式(3)所示:
f)亮度下限阈值THlow计算公式如式(4)所示:
第七步:设置天空区域判定条件为T(x,y)<THHigh∩L(x,y)>THLow,(x,y)为图像像素位置索引。对于满足上述条件的区域设定为天空区域RSky;
第八步:对天空区域RSky中的透射率按公式(5)修正,其中K为调节因子,一般取1-2;
第九步:利用修正后的透射率TSky-refine按He方法进行图像去雾。
有益效果:该方法与He方法相比,处理效果更好,对图2使用He方法与本发明方法去雾结果如图3与图4所示。可以看出本方法能够解决去雾后图像在天空区域的色偏现象。仿真语言为matlab(R2010b),运行环境为Windows XP,计算机配置为Intel(R)Pentium(R)CPU [email protected] with 1.87GB RAM。
附图说明
图1为本发明流程图。
图2是原始有雾图像。
图3是何凯明方法处理后的图像。
图4是本发明处理后的图像。
具体实施方式
下面结合具体实例来详细描述本发明的去雾过程,具体过程如下所示:
第一步:获取有雾彩色图像I;
第二步:按He方法计算出透射图T,操作如下:
a)首先计算出I的最小通道图像Imin,计算公式为Imin=min(R,G,B),其中R、G、B为图像I的颜色分量。对Imin最小值滤波,滤波尺寸设为15×15,将滤波后的图像称之为暗原色图像Idark;
b)在暗原色图像Idark中计算出前0.001×SUM个强度值所在的索引位置(SUM为图像中像素值的个数),计算出这些索引位置对应的亮度值并选出最大亮度值记为天空光A;
c)根据天空光A与暗原色图像Idark计算出粗透射图Iinitial,其公式如式(1)所示
d)对透射图Tinitial优化,求解式(2)最小代价函数,其中M为抠图拉普拉斯矩阵,λ为修正参数,一般取0.0001;
E(T)=TT-MT+λ(T-Tinitial)T-(T-Tinitial) (2)
第三步:计算出图像I的亮度图L,其计算公式如式(3)所示,式中R,G,B为图像I的三通道颜色分量;
L=0.30·R+0.59·G+0.11·B (3)
第四步:分别计算透射图T与亮度图L的直方图,并记为HistoT与HistoL;
第五步:根据HistoT利用“自适应双阈值法”计算出透射率上限阈值THHigh,具体步骤如下:
a)对HistoT均匀划分20等份(例如将[0,0.05]的透射率的总频次合并至透射率0.025的频次上),划分后得到新的透射率直方图HistoT-new;
b)在直方图HistoT-new中计算出(0.025,0.075,0.125,0.175,0.225,0.275,0.325)这几个透射率对应频次的最大值Vmax,并将其对应的透射率记为T1;
c)在透射率(T1,T1+0.05,…,0.4)计算出对应频次的最小值Vmin,并将其对应的透射率记为T2;
d)由直方图HistoT-new读出透射率T2-0.05与T2+0.05对应的频次,分别记为V1与V2;
e)计算V1、V2、Vmin三者数值大小之间的相关差异,公式如式(4)所示
f)透射率上限阈值THHigh计算公式如式(5)所示:
第六步:根据HistoL利用“自适应双阈值法”计算出亮度下限阈值THlow,具体步骤如下:
a)对亮度直方图HistoL均匀划分20等份,划分后得到新的亮度直方图HistoL-new;
b)在直方图HistoL-new中计算出(0.675×255,0.725×255,0.775×255,0.825×255,0.875×255,0.925×255,0.975×255)这几个亮度对应频次的最大值Fmax,并将其对应的亮度记为L1;
c)在亮度(0.6×255,…,L1-0.05×255,L1)计算出对应频次的最小值Fmin,并将其对应的亮度记为L2;
d)由直方图HistoL-new读出亮度L2-0.05×255与L2+0.05×255对应的频次,分别记为F1与F2;
e)计算F1、F2、Fmin三者数值大小之间的相关差异,公式如式(6)所示:
f)亮度下限阈值THlow计算公式如式(7)所示:
第七步:设置天空区域判定条件为T(x,y)<THHigh∩L(x,y)>THLow,(x,y)为图像像素位置索引。对于满足上述条件的区域设定为天空区域RSky。
第八步:对天空区域RSky中的透射率按公式(8)修正,其中K为调节因子,一般取1-2;
第九步:利用修正后的透射率TSky-refine按He方法进行图像去雾,其去雾公式如式(9)(10)(11)所示,其中I(x,y,R)为图像I的R分量,I(x,y,G)为图像I的G分量,I(x,y,B)为图像I的B分量,J(x,y,R)为去雾后图像J的R分量,J(x,y,G)为去雾后图像J的G分量,J(x,y,B)为去雾后图像J的B分量,A为天空光,TSky-refine为修正后的透射图。
Claims (1)
1.一种基于自适应双阈值与暗通道先验的图像去雾方法,其特征在于,包括以下步骤:
第一步:获取有雾彩色图像I;
第二步:按He方法计算出透射图T;
按He方法计算出透射图T,计算步骤如下:
a)首先计算出I的最小通道图像Imin,计算公式为Imin=min(R,G,B),其中R、G、B为图像I的颜色分量,对Imin进行最小值滤波,滤波尺寸设为15×15,滤波后的图像为暗原色图像Idark;
b)在暗原色图像Idark中计算出前0.001×SUM个强度值所在的索引位置,SUM为图像中像素值的个数,计算出这些索引位置对应的亮度值并选出最大亮度值记为天空光A;
c)根据天空光A与暗原色图像Idark计算出粗透射图Tinitial,其计算公式如式(1)所示
<mrow>
<msup>
<mi>T</mi>
<mrow>
<mi>i</mi>
<mi>n</mi>
<mi>i</mi>
<mi>t</mi>
<mi>i</mi>
<mi>a</mi>
<mi>l</mi>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mn>0.95</mn>
<mo>&CenterDot;</mo>
<mfrac>
<mrow>
<msup>
<mi>I</mi>
<mrow>
<mi>d</mi>
<mi>a</mi>
<mi>r</mi>
<mi>k</mi>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
<mi>A</mi>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
d)对透射图Tinitial进行优化,求解式(2)的最小代价函数,其中M为抠图拉普拉斯矩阵,λ为修正参数,取0.0001;
E(T)=TT-MT+λ(T-Tinitial)T-(T-Tinitial) (2)
第三步:计算出图像I的亮度图L;
计算出图像I的亮度图L,其计算公式如式(3)所示,式中R,G,B为图像I的三通道颜色分量;
L=0.30·R+0.59·G+0.11·B (3)
第四步:计算透射图T与亮度图L的直方图,并记为HistoT与HistoL;
第五步:根据HistoT利用“自适应双阈值法”计算出透射率上限阈值THHigh,THHigh的具体计算过程如下:
a)对HistoT均匀划分20等份,将[0,0.05]的透射率的总频次合并至透射率0.025的频次上,划分后得到新的透射率直方图HistoT-new;
b)然后在直方图HistoT-new中计算出0.025,0.075,0.125,0.175,0.225,0.275,0.325七个透射率对应频次,再计算出该七个透射率对应频次的最大值Vmax,并将该最大值Vmax对应的透射率记为T1;
c)计算出透射率T1,T1+0.05,…,0.4中所有透射率的对应频次,再计算所有频次中的最小值Vmin,并将该最小值Vmin对应的透射率记为T2;
d)由直方图HistoT-new读出透射率T2-0.05与T2+0.05对应的频次,分别记为V1与V2;
e)计算V1、V2、Vmin三者数值大小之间的相关差异,公式如式(4)所示:
<mrow>
<msubsup>
<mi>&alpha;</mi>
<mi>n</mi>
<mi>T</mi>
</msubsup>
<mo>=</mo>
<mfrac>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msup>
<mi>V</mi>
<mi>min</mi>
</msup>
<mo>-</mo>
<msup>
<mi>V</mi>
<mi>n</mi>
</msup>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<msup>
<mi>V</mi>
<mi>min</mi>
</msup>
</mfrac>
<mo>,</mo>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
f)透射率上限阈值THHigh计算公式如式(5)所示:
第六步:根据亮度直方图HistoL利用“自适应双阈值法”计算出亮度下限阈值THlow,THlow具体计算过程如下:
a)对亮度直方图HistoL均匀划分20等份,划分后得到新的亮度直方图HistoL-new;
b)然后在直方图HistoL-new中计算出0.675×255,0.725×255,0.775×255,0.825×255,0.875×255,0.925×255,0.975×255七个亮度对应频次,再计算出该七个亮度频次的最大值Fmax,并将该最大值Fmax对应的亮度记为L1;
c)计算出亮度0.6×255,…,L1-0.05×255,L1中所有亮度的对应频次,再计算所有频次中的最小值Fmin,并将该最小值Fmin对应的亮度记为L2;
d)由直方图HistoL-new读出亮度L2-0.05×255与L2+0.05×255对应的频次,分别记为F1与F2;
e)计算F1、F2、Fmin三者数值大小之间的相关差异,公式如式(6)所示:
<mrow>
<msubsup>
<mi>&alpha;</mi>
<mi>n</mi>
<mi>L</mi>
</msubsup>
<mo>=</mo>
<mfrac>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msup>
<mi>F</mi>
<mi>min</mi>
</msup>
<mo>-</mo>
<msup>
<mi>F</mi>
<mi>n</mi>
</msup>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<msup>
<mi>F</mi>
<mi>min</mi>
</msup>
</mfrac>
<mo>,</mo>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
f)亮度下限阈值THlow计算公式如式(7)所示:
第七步:设置天空区域判定条件为T(x,y)<THHigh∩L(x,y)>THLow,(x,y)为图像像素位置索引,对于满足上述条件的区域设定为天空区域RSky;
第八步:对天空区域RSky中的透射率按公式(8)修正,其中K为调节因子,取1-2;
<mrow>
<msup>
<mi>T</mi>
<mrow>
<mi>S</mi>
<mi>k</mi>
<mi>y</mi>
<mo>-</mo>
<mi>r</mi>
<mi>e</mi>
<mi>f</mi>
<mi>i</mi>
<mi>n</mi>
<mi>e</mi>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>min</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>max</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>K</mi>
<mo>&CenterDot;</mo>
<mfrac>
<mrow>
<msup>
<mi>TH</mi>
<mrow>
<mi>l</mi>
<mi>o</mi>
<mi>w</mi>
</mrow>
</msup>
<mo>&CenterDot;</mo>
<mi>L</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msup>
<mi>TH</mi>
<mrow>
<mi>H</mi>
<mi>i</mi>
<mi>g</mi>
<mi>h</mi>
</mrow>
</msup>
<mo>&CenterDot;</mo>
<mi>T</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>,</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<mi>max</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>T</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mn>0.1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
</mrow>
第九步:利用修正后的透射率TSky-refine按He方法进行图像去雾;
利用修正后的透射率TSky-refine按He方法进行图像去雾,其去雾公式如式(9)(10)(11)所示,其中I(x,y,R)为图像I的R分量,I(x,y,G)为图像I的G分量,I(x,y,B)为图像I的B分量,J(x,y,R)为去雾后图像J的R分量,J(x,y,G)为去雾后图像J的G分量,J(x,y,B)为去雾后图像J的B分量,A为天空光,TSky-refine为修正后的透射图;
<mrow>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>,</mo>
<mi>R</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>,</mo>
<mi>R</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>A</mi>
</mrow>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>T</mi>
<mrow>
<mi>S</mi>
<mi>k</mi>
<mi>y</mi>
<mo>-</mo>
<mi>r</mi>
<mi>e</mi>
<mi>f</mi>
<mi>i</mi>
<mi>n</mi>
<mi>e</mi>
</mrow>
</msup>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
<mo>,</mo>
<mn>0.1</mn>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>+</mo>
<mi>A</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>9</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>,</mo>
<mi>G</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>,</mo>
<mi>G</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>A</mi>
</mrow>
<mrow>
<mi>max</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>T</mi>
<mrow>
<mi>S</mi>
<mi>k</mi>
<mi>y</mi>
<mo>-</mo>
<mi>r</mi>
<mi>e</mi>
<mi>f</mi>
<mi>i</mi>
<mi>n</mi>
<mi>e</mi>
</mrow>
</msup>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
<mo>,</mo>
<mn>0.1</mn>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>+</mo>
<mi>A</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>10</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>,</mo>
<mi>B</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>,</mo>
<mi>B</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>A</mi>
</mrow>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>T</mi>
<mrow>
<mi>S</mi>
<mi>k</mi>
<mi>y</mi>
<mo>-</mo>
<mi>r</mi>
<mi>e</mi>
<mi>f</mi>
<mi>i</mi>
<mi>n</mi>
<mi>e</mi>
</mrow>
</msup>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
<mo>,</mo>
<mn>0.1</mn>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>+</mo>
<mi>A</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>11</mn>
<mo>)</mo>
</mrow>
<mo>.</mo>
</mrow>
2
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410525513.4A CN104299195B (zh) | 2014-10-08 | 2014-10-08 | 一种基于自适应双阈值与暗通道先验的图像去雾方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410525513.4A CN104299195B (zh) | 2014-10-08 | 2014-10-08 | 一种基于自适应双阈值与暗通道先验的图像去雾方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104299195A CN104299195A (zh) | 2015-01-21 |
CN104299195B true CN104299195B (zh) | 2017-10-24 |
Family
ID=52318916
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410525513.4A Active CN104299195B (zh) | 2014-10-08 | 2014-10-08 | 一种基于自适应双阈值与暗通道先验的图像去雾方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104299195B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105631823A (zh) * | 2015-12-28 | 2016-06-01 | 西安电子科技大学 | 基于阈值分割优化的暗原色天空区域去雾方法 |
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 |
CN111444825A (zh) * | 2020-03-25 | 2020-07-24 | 四川长虹电器股份有限公司 | 一种利用直方图判断图像场景的方法 |
CN114881896B (zh) * | 2022-07-12 | 2022-10-04 | 广东欧谱曼迪科技有限公司 | 内窥镜图像实时去雾方法、装置、电子设备、存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN103700079A (zh) * | 2013-12-17 | 2014-04-02 | 中国科学院深圳先进技术研究院 | 图像去雾方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8340461B2 (en) * | 2010-02-01 | 2012-12-25 | Microsoft Corporation | Single image haze removal using dark channel priors |
-
2014
- 2014-10-08 CN CN201410525513.4A patent/CN104299195B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN103700079A (zh) * | 2013-12-17 | 2014-04-02 | 中国科学院深圳先进技术研究院 | 图像去雾方法及装置 |
Non-Patent Citations (3)
Title |
---|
single image haze removal using dark channel prior;Kaiming He 等;《IEEE Transactions on Pattern Analysis and Machine Intelligence》;20100831;第33卷(第12期);第2341-2353页 * |
一种改进的暗原色单幅图像去雾方法;陈瑶 等;《四川理工学院学报(自然科学版)》;20121031;第25卷(第5期);第62-64页 * |
改进的基于暗原色先验的图像去雾算法;*** 等;《电路与***学报》;20110430;第16卷(第2期);第7-12页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104299195A (zh) | 2015-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108876743B (zh) | 一种图像快速去雾方法、***、终端及存储介质 | |
CN106157267B (zh) | 一种基于暗通道先验的图像去雾透射率优化方法 | |
CN106296612B (zh) | 一种图像质量评价和天气状况引导的分级式监控视频清晰化***及方法 | |
WO2016206087A1 (zh) | 一种低照度图像处理方法和装置 | |
CN105046658B (zh) | 一种低照度图像处理方法和装置 | |
CN104299195B (zh) | 一种基于自适应双阈值与暗通道先验的图像去雾方法 | |
CN107767354A (zh) | 一种基于暗原色先验的图像去雾算法 | |
CN104036466B (zh) | 一种视频去雾方法与*** | |
CN109087254B (zh) | 无人机航拍图像雾霾天空和白色区域自适应处理方法 | |
CN112419162A (zh) | 图像去雾方法、装置、电子设备及可读存储介质 | |
CN110570365A (zh) | 基于先验信息的图像去雾方法 | |
CN107203980B (zh) | 自适应多尺度暗通道先验的水下目标探测图像增强方法 | |
CN103065334A (zh) | 一种基于hsv颜色空间的偏色检测、校正方法及装置 | |
CN104091307A (zh) | 基于反馈均值滤波的雾天图像快速复原方法 | |
CN108564538A (zh) | 一种基于环境光差异的图像去雾霾方法及*** | |
CN103955900B (zh) | 基于生物视觉机理的图像去雾方法 | |
CN107977941B (zh) | 一种明亮区域色彩保真及对比度增强的图像去雾方法 | |
CN108648160B (zh) | 一种水下海参图像去雾增强方法及*** | |
CN106327437B (zh) | 一种彩色文本图像校正方法及*** | |
CN109801231A (zh) | 一种电泳电子纸检测设备的图像处理方法 | |
CN106447617A (zh) | 一种改进的Retinex图像去雾方法 | |
CN104809700A (zh) | 一种基于亮通道的低照度视频实时增强方法 | |
CN110175969A (zh) | 图像处理方法及图像处理装置 | |
CN107169942B (zh) | 一种基于鱼类视网膜机制的水下图像增强方法 | |
CN105184758B (zh) | 一种图像去雾增强的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |