CN104809707A - 一种单幅雾天图像能见度估计方法 - Google Patents
一种单幅雾天图像能见度估计方法 Download PDFInfo
- Publication number
- CN104809707A CN104809707A CN201510224226.4A CN201510224226A CN104809707A CN 104809707 A CN104809707 A CN 104809707A CN 201510224226 A CN201510224226 A CN 201510224226A CN 104809707 A CN104809707 A CN 104809707A
- Authority
- CN
- China
- Prior art keywords
- visibility
- image
- transmissivity
- pixel
- value
- 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
Landscapes
- Image Processing (AREA)
Abstract
能见度作为气象观测的基本要素,是雾天图像处理领域重要的评价指标。针对传统能见度测试方法依赖大气透射仪等硬件设施、需要人工多点观测等局限性,本发明给出一种基于场景深度的单幅雾天图像能见度估计方法。该方法基于大气退化物理模型估计透射率,采用一种景物深度估计法估算场景深度,并依据能见度测量仪原理求取大气消光系数。最后引入概率统计的思想,通过对单个像素点计算能见度并按照雾天能见度等级统计每个等级像素能见度所占概率,从而估计出单幅雾天图像的能见度。本发明仅对单幅雾天图像进行估算,计算简单、估计准确度高,不依赖任何硬件设施,减少人工参与的操作,可应用于雾天图像清晰化***中有效评价去雾效果。
Description
技术领域:
本发明涉及图像/视频处理技术中对图片质量的客观评价标准,具体来讲,涉及一种基于场景深度的单幅雾天图像能见度估计方法。
技术背景:
雾天降质图像的清晰化处理是计算视觉和图像领域的研究热点之一,具有广阔的应用前景,相关研究成果可以广泛应用于在航拍、视频监控、相片处理、多种交通工具的安全辅助驾驶***等诸多领域。然而,目前针对去雾算法的性能评价尚未有统一的综合评价体系,各研究者大多采用自己的评价指标衡量所提算法的性能,造成了算法与算法之间不具备良好的可比性。对去雾效果的客观、定量评价问题一直没有解决的主要原因有三点:(1)缺乏理想的晴天图像作为参考标准。对去雾效果的评价不同于图像质量评价,对于一幅有雾图像很难获得与当前图像中场景完全相同的晴天参考图像。(2)去雾效果的优劣主要由人眼视觉感受决定,而人眼视觉感受因人而异,主观性强,设计能够完全模拟仿真人眼视觉感受的测试值几乎不可能。(3)目前常用的评价手段主要借鉴图像质量评价中的相关指标,如均方差、信息熵、峰值信噪比等指标,而直接用这些评价指标来评价去雾图像的效果,往往无法得到一致性的评价结论。
能见度是反映大气透明度的一个指标,航空界将其定义为视力正常的人在当时的天气条件下,能够从天空背景中看到或辨认出目标物的最大水平距离。能见度和当时的天气情况密切相关,当出现降雨、雾、霾、沙层暴等天气过程时,大气透明度较低,因此能见度较差。能见度与地面交通运输、飞行活动有密切关系,能见度不好是地面交通运输和飞行活动中严重的视程障碍,直接给目视飞行和车辆驾驶造成困难,甚至会危机运输安全,交管部门和民航组织会根据能见度来决定高速公路或机场是否关闭。因此,能见度值成为雾天图像的主要特征,是衡量各种去雾算法性能的重要评价指标。气象学中测量能见度的传统方法采用目测,并使用大气透射仪、散射仪、激光能见度测量仪等仪器进行测量。但这种测量方式对目标物的分布、周围观测环境要求较高,需要视野开阔,无遮蔽物遮挡,同时各类能见度仪器大多存在取样空间小,硬件成本高,需要多点观测,与人眼感知结果仍然存在一定的偏差。随着计算机视觉技术的发展,基于图像处理技术测量能见度的方法成为了主流研究方向。基于图像的能见度检测方法主要分为两类:第一类方法采用图像上依次判断不同距离的目标物来估计能见度,其主要思想是在不同距离位设定参照物,通过测量参照物的衰减程度来估算能见度。但这类方法中探测范围和精度受视野范围内可选用目标物的距离和数量的限制,同时需要额外设置参考物。第二类方法采用双亮度差的方法,这类方法中仍然需要增加人工标志物,通过测量点间亮度差来估算能见度。这类方法测量点的多少直接影响了检测误差率。
发明内容:
本发明的目的在于解决现有的能见度测试方法依赖大气透射仪等硬件设施、需要人工多点观测等局限性,基于透射率估计和场景深度,提供一种简单精确的基于单幅图像的能见度估计方法,通过所述方法可较容易的计算出雾天图像的能见度,为评价去雾算法的性能提供一种标准。
为了实现上述目的,本发明提供一种基于场景深度的单幅雾天图像能见度估计方法,该方法主要包括以下步骤:
步骤一,图像获取:通过成像设备获得一帧雾天图像I;
步骤二,透射率t′的估计,包括如下8个步骤:
步骤1,求最小通道图Imin:将步骤1获取的图像在RGB颜色空间,对每个像素点求取RGB分量的最小值,获得最小通道图Imin;
步骤2,估计当前帧大气光值A0:对步骤1获得的Imin的前height/3行(其中height为图像高度)做半径为height/30的最小值滤波。目的在于去除明亮细节,减少非大气光的白色明亮物体干扰。在滤波后前height/3行找出最亮像素点,将原图对应位置取RGB三通道中的最大值作为当前帧估计的大气光值A0;
步骤3,滑动平均求得大气光值A:在雾天视频处理过程中,A值的波动可能会造成复原结果出现明暗跳变现象,影响视觉效果。为使A值变化平稳,采用滑动平均的方法,将当前帧估计的大气光值A0与前7帧图像估计的大气光值求平均得到当前帧的最终大气光值A。
步骤4,初步估计透射率图由最小通道图Imin可得到初步估计的透射率图
步骤5,下采样透射率为减少处理时间,先将下采样得到使得的宽高分别为原图宽高的1/4;
步骤6,导向滤波优化下采样透射率用3×3的方形结构元素b对做形态学开运算,得到以作为导向滤波的输入图,作为导向图,进行导向滤波以平滑区域内部,同时达到保持边缘的目的,经导向滤波后,得到优化后的下采样透射率td(x);
步骤7,上采样td(x)得到最终透射率图t(x):采用线性插值的方式,得到原来尺寸的优化后透射率图t(x);
步骤8,白色区域的修正:由于天空等白色区域不满足暗原色先验规律,这些区域的透射率被低估,需要进行修正,得到修正后的透射率图t′(x);
步骤三,场景深度d′估计:利用图像的灰度梯度信息中可以反映景物的细节信息,在计算景物深度信息时加入梯度信息。采用计算在像素8邻域内0°、90°、45°和135°4个方向的一阶偏导数P0°,P45°,P90°,P135°,再采用二阶范数推算像素梯度:
将此梯度信息加入到景深的计算中去。
步骤四,计算图像中每一个像素点的能见度V。根据步骤二得到的透射率t′和步骤三得到的景深估计d′,利用公式可以求得每一个像素的能见度的估计V。
步骤五,利用特强浓雾因子估算单幅雾天图像的能见度:引入概率统计的思想,根据伯努利大数定律可知单幅雾天图像若整体雾浓度属于某一个级别,则该幅图像中的大部分像素点计算的能见度值分布在该级别雾所对应的能见度区间。因此,利用特强浓雾因子占有率的不同,来确定单幅图像的能见度。
本发明在分析雾天图像的特点的基础上,提出一种基于场景深度的单幅雾天图像能见度估计方法来评价去雾算法效果的优劣。该方法基于大气退化物理模型估计透射率,采用一种景物深度估计法估算场景深度,并依据能见度测量仪原理求取大气消光系数。最后引入概率统计的思想,对单个像素点计算能见度并按照雾天能见度等级统计每个等级像素能见度所占概率,并通过特强浓雾因子的占有率估计出单幅雾天图像的能见度。该方法弥补了对雾天图像客观评价指标中能见度估计的空白,仅仅对单幅雾天图像进行估算,计算简单、估计准确度高,不依赖任何硬件设施,减少人工参与的操作。
附图说明
图1为本发明的整体流程图;
图2为估算透射率的流程图。
具体实施方式
为更好的理解本发明,下面结合具体实施方式对本发明的能见度估计算法进行更为详细的描述。在以下的描述当中,当前已有的现有技术的详细描述也许会淡化本发明的主题内容,这些描述在这里将被忽略。
图1是本发明基于透射率和场景深度的单幅雾天图像能见度估计方法的一种具体实施方式的流程图,在本实施方案中,按照以下步骤进行:
步骤一,获取一帧雾天图像;
步骤二,透射率的估计,图2是估算透射率的流程图,包括如下过程:
步骤1,求最小通道图Imin。
将步骤一所获得的雾天图像在RGB颜色空间,对每个像素点求取RGB分量的最小值,获得最小通道图Imin,所采用的公式如下:
步骤2,估计当前帧大气光值A0。
对步骤1所获得的最小通道图Imin前height/3行(其中height为图像高度)做半径为height/30的最小值滤波。目的在于去除明亮细节,减少非大气光的白色明亮物体干扰。在滤波后前height/3行找出最亮像素点,将原图对应位置取RGB三通道中的最大值作为当前帧估计的大气光值A0;
步骤3,滑动平均求得大气光值A。
在雾天视频处理过程中,A值的波动可能会造成复原结果出现明暗跳变现象,影响视觉效果。为使A值变化平稳,采用滑动平均的方法,将当前帧估计的大气光值A0与前7帧图像估计的大气光值求平均得到当前帧的最终大气光值A。假设数组Af[8]用于保存包括当前帧在内的8幅图像所估计的大气光值。设count为当前帧的序号,k=count%8,具体步骤是:
若count=0(首帧):
估计首帧大气光值Af[0],并初始化Af[7]=Af[6]=Af[5]=Af[4]=Af[3]=Af[2]=Af[1]=Af[0]
计算首帧最终大气光值:
A=mean(Af)=(Af[0]+Af[1]+Af[2]+Af[3]+Af[4]+Af[5]+Af[6]+Af[7])/8=Af[0]
若count=1,2,3…N:
估计第count帧大气光值,更新A[k],计算第count帧最终大气光值:
A=mean(Af)=(Af[0]+Af[1]+Af[2]+Af[3]+Af[4]+Af[5]+Af[6]+Af[7])/8;
例如,当count=99,
估计第99帧大气光值,k=count%8=3,更新A[3],计算第99帧最终大气光值:
A=mean(Af)=(Af[0]+Af[1]+Af[2]+Af[3]+Af[4]+Af[5]+Af[6]+Af[7])/8;
此时,Af[2]、Af[1]、Af[0]、Af[7]、Af[6]、Af[5]、Af[4]分别为98、97、96、95、94、93、92帧估计的大气光值。
经过上述滑动平均后,可得到当前帧最终的大气光值A。
步骤4,初步估计透射率图
由步骤1所获得的最小通道图Imin和步骤3获得的大气光值A可得到初步估计的透射率图所采用的公式如下:
其中,参数ω为0.9,作用是保留一定程度的雾气,使图像更加真实;
步骤5,下采样步骤4所获得的透射率
为减少处理时间,先将下采样得到使得的宽高分别为原图宽高的1/4;
步骤6,导向滤波优化步骤5所获得的下采样透射率具体做法如下:
用3×3的方形结构元素b对做形态学开运算,得到
以作为导向滤波的输入图,作为导向图,参数epsilon选为0.01,导向半径为图像宽高较小者的1/20,进行导向滤波以平滑区域内部,同时达到保持边缘的目的,经导向滤波后,得到优化后的下采样透射率td(x);
步骤7,上采样步骤6获得的td(x)得到最终透射率图t(x)。
采用线性插值的方式,得到原来尺寸的优化后透射率图t(x);
步骤8,白色区域的修正。
由于天空等白色区域不满足暗原色先验规律,这些区域的透射率被低估,需要进行修正。具体做法如下:
首先计算每个像素点RGB三通道与大气光值A距离的最大值,记为Δmax(x):
若像素点三个通道强度值都靠近A,即Δmax<D(D为常量),则认为该区域是天空等亮区。并对该点的透射率t(x)进行修正:
若Δmax>D,无需修正,t′(x)=t(x)。于是得到修正后的透射率图t′(x);
步骤三,估计场景深度d′。
目前主要通过雷达、激光测距仪等精密仪器测量图像的景深,也可以利用同一角度降质程度不同的多幅图像和不同角度的多幅图像求取图像的景深,但是这些方法对差异图像获取不便,因此也无法在实时监控情况下对图像进行处理。平时拍照时,需要聚焦景物,观察发现其聚焦点大多数是在照片的中心位置。但一幅图像的景物深度是以焦点作为中心向周围辐射的。越远的地方(越靠近图像的上方),景物深度越大,则可以粗略得到:
其中:(i,j)表示的是m×n维图像上的任一像素点的坐标,c1为深度调整参数。
采用公式(1)估算景物深度会造成景物的细节信息损失,这是因为景物存在一定的高度。但是,图像的灰度梯度信息中可以反映景物的细节信息。由于,传统的图像灰度梯度估算方法对噪声十分敏感,导致其在实际应用中效果并不是十分理想。针对该缺点,并满足保留细节和降噪平滑的要求,采用计算在像素8邻域内0°、90°、45°和135°4个方向的一阶偏导数的有限差分从而求得像素梯度。求解过程如下:
0°方向的偏导数:P0°[i,j]=f[i+1,j]-f[i-1,j]
90°方向的偏导数:P90°[i,j]=f[i,j+1]-f[i,j-1]
45°方向的偏导数:P45°[i,j]=f[i-1,j+1]-f[i+1,j-1]
135°方向的偏导数:P135°[i,j]=f[i+1,j+1]-f[i-1,j-1]
其中:f(i,j)表示的是图像在(i,j)处的灰度值。
采用二阶范数推算像素梯度,则为:
则修正后的景物深度d′为:
其中:c1,c2为梯度修正系数,取值范围在0和1之间。
步骤四,计算图像中每一个像素点的能见度V。通过公式(4),并利用步骤二得到的透射率t′和步骤三得到的景深估计d′,可以求得每一个像素的能见度的估计V。
其中,ε为视觉阈值,国际民航组织ICAO(International CivilAviation Organization)推荐的视觉阈值为0.05,因此本发明取ε=0.05。
步骤五,利用特强浓雾因子估计单幅雾天图像的能见度。
根据能见度的定义,描述观察者所能看清楚的最大距离。计算图像中每一个像素的能见度,并将所有像素点中能见度最大值作为整幅图像的能见度。但对于局部或前景清晰的测试图像,往往造成较大的误差,为解决这一问题,本发明引入概率统计的思想,根据伯努利大数定律,有些随机事件无规律可循,而在大量重复出现的条件下,往往呈现几乎必然的统计特性。单幅雾天图像若整体雾浓度属于某一个级别,则该幅图像中的大部分像素点计算的能见度值分布在该级别雾所对应的能见度区间。
因此对于雾天图像中的每个像素点计算出能见度值,并把得到的能见度值按照雾的等级分成五个区间,分别为轻雾V1∈[1000,2999),大雾V2∈[500,1000),浓雾V3∈[200,500),强浓雾V4∈[50,200),特强浓雾V5∈(0,50),单个像素点能见度。分别统计V1~V5五个区间像素点个数,本发明以特强浓雾因子V5作为主要参考标准,计算特强浓雾因子V5的占有率。
通过大量的实验测试,发现不同级别的雾天图像,特强浓雾因子占有率的不同。当则为特强浓雾,能见度小于50米;当则为强浓雾,能见度小于200米;当98%则为浓雾,能见度小于500米;若则为大雾,能见度小于1000米;若则为轻雾,能见度大于1000米。因此,
综上所述,本发明首先对输入图像的每个像素点求RGB分量的最小值,得到最小通道图,记为Imin,然后对Imin图像的上部分进行最小值滤波,并在滤波后区域找出最亮像素点,将原图的对应位置像素点取RGB三通道中最大值作为当前帧估计的大气光值A0,采用滑动平均方法得到最终平稳的大气光值A。由Imin也可以得到初步估计的透射率图下采样后记为对做导向滤波以使景深相同的区域具有相同的透射率值,再将导向滤波后td(x)通过线性插值的方法上采样至原来尺寸,于是得到优化后的透射率图t(x),对天空等白色区域的透射率进行修正,得到最终的透射率图t′(x);然后利用场景深度的估计和透射率估计求得图像中每一个像素的能见度;最后引入概率统计的思想,对单个像素点计算能见度并按照雾天能见度等级统计每个等级像素能见度所占概率,并通过特强浓雾因子的占有率估计出单幅雾天图像的能见度。
尽管上面对本发明说明性的具体实施方式进行了描述,但应当清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
Claims (3)
1.一种单幅雾天图像能见度估计方法,其特征在于,包括以下步骤:
步骤一,图像获取:通过成像设备获得一帧雾天图像I;
步骤二,透射率t′的估计,包括如下8个步骤:
步骤1,求最小通道图Imin:将步骤1获取的图像在RGB颜色空间,对每个像素点求取RGB分量的最小值,获得最小通道图Imin;
步骤2,估计当前帧大气光值A0:对步骤1获得的Imin的前height/3行(其中height为图像高度)做半径为height/30的最小值滤波。目的在于去除明亮细节,减少非大气光的白色明亮物体干扰。在滤波后前height/3行找出最亮像素点,将原图对应位置取RGB三通道中的最大值作为当前帧估计的大气光值A0;
步骤3,滑动平均求得大气光值A:在雾天视频处理过程中,A值的波动可能会造成复原结果出现明暗跳变现象,影响视觉效果。为使A值变化平稳,采用滑动平均的方法,将当前帧估计的大气光值A0与前7帧图像估计的大气光值求平均得到当前帧的最终大气光值A。
步骤4,初步估计透射率图由最小通道图Imin可得到初步估计的透射率图
步骤5,下采样透射率为减少处理时间,先将下采样得到使得的宽高分别为原图宽高的1/4;
步骤6,导向滤波优化下采样透射率用3×3的方形结构元素b对做形态学开运算,得到以作为导向滤波的输入图,作为导向图,进行导向滤波以平滑区域内部,同时达到保持边缘的目的,经导向滤波后,得到优化后的下采样透射率td(x);
步骤7,上采样td(x)得到最终透射率图t(x):采用线性插值的方式,得到原来尺寸的优化后透射率图t(x);
步骤8,白色区域的修正:由于天空等白色区域不满足暗原色先验规律,这些区域的透射率被低估,需要进行修正,得到修正后的透射率图t′(x);
步骤三,场景深度d′估计:利用图像的灰度梯度信息中可以反映景物的细节信息,在计算景物深度信息时加入梯度信息。采用计算在像素8邻域内0°、90°、45°和135°4个方向的一阶偏导数P0°,P45°,P90°,P135°,再采用二阶范数推算像素梯度:
将此梯度信息加入到景深的计算中去。
步骤四,计算图像中每一个像素点的能见度V。根据步骤二得到的透射率t′和步骤三得到的景深估计d′,利用公式可以求得每一个像素的能见度的估计V。
步骤五,利用特强浓雾因子估算单幅雾天图像的能见度:引入概率统计的思想,根据伯努利大数定律可知单幅雾天图像若整体雾浓度属于某一个级别,则该幅图像中的大部分像素点计算的能见度值分布在该级别雾所对应的能见度区间。因此,利用特强浓雾因子占有率的不同,来确定单幅图像的能见度。
2.根据权利要求1所述的能见度估计方法,其特征在于,步骤三中利用图像的灰度梯度信息中可以反映景物的细节信息,在计算景物深度信息时加入梯度信息,采用计算在像素8邻域内0°、90°、45°和135°4个方向的一阶偏导数P0°,P45°,P90°,P135°,再采用二阶范数推算像素梯度:
将此梯度信息加入到景深的计算中去,得到最终的景深估计为:
其中,c1,c2为梯度修正系数,取值范围在0和1之间,(i,j)表示的是m×n维图像上的任一像素点的坐标。
3.根据权利要求1所述的能见度估计方法,其特征在于,步骤五中引入概率统计思想,以特强浓雾因子V5作为主要参考标准,计算特强浓雾因子V5的占有率:
通过大量的实验测试发现不同级别的雾天图像,特强浓雾因子占有率的不同:当则为特强浓雾,能见度小于50米;当则为强浓雾,能见度小于200米;当则为浓雾,能见度小于500米;若则为大雾,能见度小于1000米;若则为轻雾,能见度大于1000米,即
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510224226.4A CN104809707B (zh) | 2015-04-28 | 2015-04-28 | 一种单幅雾天图像能见度估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510224226.4A CN104809707B (zh) | 2015-04-28 | 2015-04-28 | 一种单幅雾天图像能见度估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104809707A true CN104809707A (zh) | 2015-07-29 |
CN104809707B CN104809707B (zh) | 2017-05-31 |
Family
ID=53694512
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510224226.4A Active CN104809707B (zh) | 2015-04-28 | 2015-04-28 | 一种单幅雾天图像能见度估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104809707B (zh) |
Cited By (26)
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*** |
CN105512623A (zh) * | 2015-12-02 | 2016-04-20 | 吉林大学 | 基于多传感器雾天行车视觉增强与能见度预警***及方法 |
CN105894466A (zh) * | 2016-03-29 | 2016-08-24 | 青岛海信移动通信技术股份有限公司 | 一种图像数据的处理方法、装置和终端设备 |
CN106404720A (zh) * | 2016-08-24 | 2017-02-15 | 中国气象科学研究院 | 一种能见度观测方法 |
CN107230373A (zh) * | 2017-07-27 | 2017-10-03 | 广东欧珀移动通信有限公司 | 信息推荐方法、装置、计算机可读存储介质和移动终端 |
CN107277299A (zh) * | 2017-07-27 | 2017-10-20 | 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 |
CN107330870A (zh) * | 2017-06-28 | 2017-11-07 | 北京航空航天大学 | 一种基于场景光辐射准确估计的浓雾去除方法 |
CN107403010A (zh) * | 2017-07-27 | 2017-11-28 | 广东欧珀移动通信有限公司 | 信息展示方法、装置、计算机可读存储介质和移动终端 |
CN107480214A (zh) * | 2017-07-27 | 2017-12-15 | 广东欧珀移动通信有限公司 | 信息展示方法、装置、计算机可读存储介质和移动终端 |
CN107505291A (zh) * | 2017-07-05 | 2017-12-22 | 中南大学 | 一种通过单幅图像估计能见度的方法 |
CN107730472A (zh) * | 2017-11-03 | 2018-02-23 | 昆明理工大学 | 一种基于暗原色先验的图像去雾优化算法 |
CN108734189A (zh) * | 2017-04-20 | 2018-11-02 | 天津工业大学 | 浓雾天气下基于大气散射模型和深度学习的车牌识别*** |
CN109166081A (zh) * | 2018-08-21 | 2019-01-08 | 安徽超远信息技术有限公司 | 一种视频能见度检测过程中目标亮度调节方法 |
CN109389132A (zh) * | 2018-09-28 | 2019-02-26 | 深圳大学 | 一种基于图像的雾浓度检测预警方法及*** |
CN110390655A (zh) * | 2019-07-30 | 2019-10-29 | 电子科技大学 | 一种基于蓝色通道校正的图像去雾方法 |
CN110992293A (zh) * | 2019-12-13 | 2020-04-10 | 杭州电子科技大学 | 一种自适应视频去雾方法与装置 |
CN111148965A (zh) * | 2017-09-27 | 2020-05-12 | 索尼公司 | 信息处理装置、信息处理方法、控制装置及图像处理装置 |
WO2020232710A1 (zh) * | 2019-05-23 | 2020-11-26 | 深圳大学 | 雾霾图像质量评价方法、***、存储介质及电子设备 |
CN112052822A (zh) * | 2020-09-16 | 2020-12-08 | 西安交通大学 | 基于图像多特征融合的公路能见度检测方法、***及装置 |
CN112183436A (zh) * | 2020-10-12 | 2021-01-05 | 南京工程学院 | 基于像素点八邻域灰度对比的高速公路能见度检测方法 |
CN112365467A (zh) * | 2020-11-11 | 2021-02-12 | 武汉长江通信智联技术有限公司 | 一种基于单幅图像深度估计的雾天图像能见度估计方法 |
CN112419272A (zh) * | 2020-11-24 | 2021-02-26 | 湖北工业大学 | 一种雾天高速公路能见度快速估计方法及*** |
CN113469912A (zh) * | 2021-06-30 | 2021-10-01 | 清华大学 | 一种基于深度学习的雾天能见度估计方法和*** |
CN113793373A (zh) * | 2021-08-04 | 2021-12-14 | 武汉市公安局交通管理局 | 一种能见度检测方法、装置、设备及介质 |
CN115032715A (zh) * | 2022-06-06 | 2022-09-09 | 北京万云科技开发有限公司 | 一种基于图像识别技术的天气现象监测方法 |
CN116664448A (zh) * | 2023-07-24 | 2023-08-29 | 南京邮电大学 | 一种基于图像去雾的中高能见度计算方法及计算*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050163393A1 (en) * | 2004-01-23 | 2005-07-28 | Old Dominion University | Visibility improvement in color video stream |
CN101672768A (zh) * | 2008-09-11 | 2010-03-17 | 中国海洋大学 | 海上浓雾条件下大气水平能见度场的获取方法 |
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 |
CN102162788A (zh) * | 2010-10-19 | 2011-08-24 | 北方工业大学 | 基于高清视频的能见度检测方法 |
-
2015
- 2015-04-28 CN CN201510224226.4A patent/CN104809707B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050163393A1 (en) * | 2004-01-23 | 2005-07-28 | Old Dominion University | Visibility improvement in color video stream |
CN101672768A (zh) * | 2008-09-11 | 2010-03-17 | 中国海洋大学 | 海上浓雾条件下大气水平能见度场的获取方法 |
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 |
CN102162788A (zh) * | 2010-10-19 | 2011-08-24 | 北方工业大学 | 基于高清视频的能见度检测方法 |
Cited By (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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*** |
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*** |
CN105512623A (zh) * | 2015-12-02 | 2016-04-20 | 吉林大学 | 基于多传感器雾天行车视觉增强与能见度预警***及方法 |
CN105512623B (zh) * | 2015-12-02 | 2018-09-14 | 吉林大学 | 基于多传感器雾天行车视觉增强与能见度预警***及方法 |
CN105894466A (zh) * | 2016-03-29 | 2016-08-24 | 青岛海信移动通信技术股份有限公司 | 一种图像数据的处理方法、装置和终端设备 |
CN105894466B (zh) * | 2016-03-29 | 2019-01-11 | 青岛海信移动通信技术股份有限公司 | 一种图像数据的处理方法、装置和终端设备 |
CN106404720A (zh) * | 2016-08-24 | 2017-02-15 | 中国气象科学研究院 | 一种能见度观测方法 |
CN106404720B (zh) * | 2016-08-24 | 2019-02-26 | 中国气象科学研究院 | 一种能见度观测方法 |
CN108734189A (zh) * | 2017-04-20 | 2018-11-02 | 天津工业大学 | 浓雾天气下基于大气散射模型和深度学习的车牌识别*** |
CN107330870A (zh) * | 2017-06-28 | 2017-11-07 | 北京航空航天大学 | 一种基于场景光辐射准确估计的浓雾去除方法 |
CN107505291A (zh) * | 2017-07-05 | 2017-12-22 | 中南大学 | 一种通过单幅图像估计能见度的方法 |
CN107230373B (zh) * | 2017-07-27 | 2020-01-10 | Oppo广东移动通信有限公司 | 信息推荐方法、装置、计算机可读存储介质和移动终端 |
CN107403010A (zh) * | 2017-07-27 | 2017-11-28 | 广东欧珀移动通信有限公司 | 信息展示方法、装置、计算机可读存储介质和移动终端 |
CN107480214A (zh) * | 2017-07-27 | 2017-12-15 | 广东欧珀移动通信有限公司 | 信息展示方法、装置、计算机可读存储介质和移动终端 |
CN107277299A (zh) * | 2017-07-27 | 2017-10-20 | 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 |
CN107230373A (zh) * | 2017-07-27 | 2017-10-03 | 广东欧珀移动通信有限公司 | 信息推荐方法、装置、计算机可读存储介质和移动终端 |
US11325520B2 (en) | 2017-09-27 | 2022-05-10 | Sony Corporation | Information processing apparatus and information processing method, and control apparatus and image processing apparatus |
CN111148965A (zh) * | 2017-09-27 | 2020-05-12 | 索尼公司 | 信息处理装置、信息处理方法、控制装置及图像处理装置 |
CN107730472A (zh) * | 2017-11-03 | 2018-02-23 | 昆明理工大学 | 一种基于暗原色先验的图像去雾优化算法 |
CN109166081A (zh) * | 2018-08-21 | 2019-01-08 | 安徽超远信息技术有限公司 | 一种视频能见度检测过程中目标亮度调节方法 |
CN109166081B (zh) * | 2018-08-21 | 2020-09-04 | 安徽超远信息技术有限公司 | 一种视频能见度检测过程中目标亮度调节方法 |
CN109389132A (zh) * | 2018-09-28 | 2019-02-26 | 深圳大学 | 一种基于图像的雾浓度检测预警方法及*** |
WO2020232710A1 (zh) * | 2019-05-23 | 2020-11-26 | 深圳大学 | 雾霾图像质量评价方法、***、存储介质及电子设备 |
CN110390655B (zh) * | 2019-07-30 | 2021-04-06 | 电子科技大学 | 一种基于蓝色通道校正的图像去雾方法 |
CN110390655A (zh) * | 2019-07-30 | 2019-10-29 | 电子科技大学 | 一种基于蓝色通道校正的图像去雾方法 |
CN110992293A (zh) * | 2019-12-13 | 2020-04-10 | 杭州电子科技大学 | 一种自适应视频去雾方法与装置 |
CN112052822A (zh) * | 2020-09-16 | 2020-12-08 | 西安交通大学 | 基于图像多特征融合的公路能见度检测方法、***及装置 |
CN112052822B (zh) * | 2020-09-16 | 2022-07-12 | 西安交通大学 | 基于图像多特征融合的公路能见度检测方法、***及装置 |
CN112183436A (zh) * | 2020-10-12 | 2021-01-05 | 南京工程学院 | 基于像素点八邻域灰度对比的高速公路能见度检测方法 |
CN112183436B (zh) * | 2020-10-12 | 2023-11-07 | 南京工程学院 | 基于像素点八邻域灰度对比的高速公路能见度检测方法 |
CN112365467B (zh) * | 2020-11-11 | 2022-07-19 | 武汉长江通信智联技术有限公司 | 一种基于单幅图像深度估计的雾天图像能见度估计方法 |
CN112365467A (zh) * | 2020-11-11 | 2021-02-12 | 武汉长江通信智联技术有限公司 | 一种基于单幅图像深度估计的雾天图像能见度估计方法 |
CN112419272A (zh) * | 2020-11-24 | 2021-02-26 | 湖北工业大学 | 一种雾天高速公路能见度快速估计方法及*** |
CN113469912A (zh) * | 2021-06-30 | 2021-10-01 | 清华大学 | 一种基于深度学习的雾天能见度估计方法和*** |
CN113793373A (zh) * | 2021-08-04 | 2021-12-14 | 武汉市公安局交通管理局 | 一种能见度检测方法、装置、设备及介质 |
CN113793373B (zh) * | 2021-08-04 | 2024-05-24 | 武汉市公安局交通管理局 | 一种能见度检测方法、装置、设备及介质 |
CN115032715A (zh) * | 2022-06-06 | 2022-09-09 | 北京万云科技开发有限公司 | 一种基于图像识别技术的天气现象监测方法 |
CN115032715B (zh) * | 2022-06-06 | 2024-03-29 | 北京万云科技开发有限公司 | 一种基于图像识别技术的天气现象监测方法 |
CN116664448A (zh) * | 2023-07-24 | 2023-08-29 | 南京邮电大学 | 一种基于图像去雾的中高能见度计算方法及计算*** |
CN116664448B (zh) * | 2023-07-24 | 2023-10-03 | 南京邮电大学 | 一种基于图像去雾的中高能见度计算方法及计算*** |
Also Published As
Publication number | Publication date |
---|---|
CN104809707B (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104809707B (zh) | 一种单幅雾天图像能见度估计方法 | |
US10386476B2 (en) | Obstacle detection method and apparatus for vehicle-mounted radar system | |
AU2012328156B2 (en) | Identification and analysis of aircraft landing sites | |
Hautière et al. | Enhanced fog detection and free-space segmentation for car navigation | |
CN110186820A (zh) | 多源数据融合与环境污染源及污染物分布分析方法 | |
CN101281142B (zh) | 一种测量大气能见度的方法 | |
CN102262092B (zh) | 能见度测量***及方法 | |
CN107505291B (zh) | 一种通过单幅图像估计能见度的方法 | |
CN103954542B (zh) | 基于无参考图像清晰度评价的pm2.5浓度检测仪 | |
US8345115B2 (en) | Visual occultation to measure refractivity profile | |
CN102509102A (zh) | 基于图像学习的能见度测量方法 | |
CN104881879A (zh) | 一种基于暗通道先验的遥感图像雾霾仿真方法 | |
CN105261018A (zh) | 基于光学模型和暗原色先验理论的能见度检测方法 | |
CN110849807A (zh) | 一种基于深度学习的适用于道路能见度的监测方法与*** | |
CN106404720A (zh) | 一种能见度观测方法 | |
CN102175993A (zh) | 基于卫星sar影像的雷达景象匹配特征参考图制备方法 | |
CN108225318B (zh) | 基于图像质量的航空遥感路径规划方法及*** | |
Kim | Estimation of visibility using a visual image | |
CN112419272B (zh) | 一种雾天高速公路能见度快速估计方法及*** | |
CN109285187A (zh) | 一种基于道路监控视频图像的最远可见点检测方法 | |
CN109283600A (zh) | 一种能见度自动观测与人工观测数据比对评估方法及*** | |
CN112924967A (zh) | 一种基于雷达和光学数据组合特征的农作物倒伏遥感监测方法与应用 | |
CN111914933A (zh) | 降雪检测方法、装置、计算机设备和可读存储介质 | |
CN109166081B (zh) | 一种视频能见度检测过程中目标亮度调节方法 | |
CN113469912B (zh) | 一种基于深度学习的雾天能见度估计方法和*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |