CN106355560B - 一种雾霾图像中大气光值的提取方法及*** - Google Patents

一种雾霾图像中大气光值的提取方法及*** Download PDF

Info

Publication number
CN106355560B
CN106355560B CN201610761884.1A CN201610761884A CN106355560B CN 106355560 B CN106355560 B CN 106355560B CN 201610761884 A CN201610761884 A CN 201610761884A CN 106355560 B CN106355560 B CN 106355560B
Authority
CN
China
Prior art keywords
image
value
area
maximum
width
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
Application number
CN201610761884.1A
Other languages
English (en)
Other versions
CN106355560A (zh
Inventor
王文成
谷善茂
刘云龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Weifang University
Original Assignee
Weifang University
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 Weifang University filed Critical Weifang University
Priority to CN201610761884.1A priority Critical patent/CN106355560B/zh
Publication of CN106355560A publication Critical patent/CN106355560A/zh
Application granted granted Critical
Publication of CN106355560B publication Critical patent/CN106355560B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details

Landscapes

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

Abstract

本发明涉及图像处理技术领域，提供一种雾霾图像中大气光值的提取方法及***，方法包括：对输入的图像I(x,y)中的任意像素三通道进行最小值滤波，得到最小值滤波图像M(x,y)；对获取到的最小值滤波图像M(x,y)进行水平投影，并获取水平投影后的最大值区域图像K(x,y)；对所述最大值区域图像K(x,y)进行垂直投影，并获取垂直投影后的最大值区域图像R(x,y)；提取最大值区域图像R(x,y)中的像素值，选取一定数量的像素值的平均值作为大气光值A，实现对大气光值的快速计算，适应不同大小和天空区域的图像，为雾霾图像快速去雾处理提供条件。

Description

一种雾霾图像中大气光值的提取方法及***
技术领域
本发明属于图像处理技术领域，尤其涉及一种雾霾图像中大气光值的提取方法及***。
背景技术
雾霾场景中，大气粒子的散射作用会导致光学传感器捕获到的信息严重降质，图像中对比度和色彩保真度方面都会发生不同程度的衰减，直接影响到人类视觉的感受和机器视觉***的正常工作，因此研究图像去雾方法具有重要意义。基于图像复原的方法针对雾天图像降质的物理过程建立雾天图像退化模型，通过反演运算补偿有雾图像中丢失的信息。该方法针对性强，得到的去雾效果自然，因而得到了大量关注并成为研究的热点。
根据大气散射理论，景物在雾天成像时的模型主要包括两部分：场景中物体反射的光在到达传感器的过程中受大气粒子的散射而衰减的过程和太阳光被大气中的悬浮粒子散射后到达传感器的过程。因此，在计算机视觉和计算机图形学中，描述有雾图像的散射模型可表示为：
I(x)＝J(x)t(x)+A(1-t(x))；
x为空间坐标，I(x)为有雾图像，J(x)为场景辐射照度或清晰无雾的图像，A为整体大气光值，t(x)为大气透射率函数(参数)。一旦求出透射率和大气光值，则可以恢复场景深度。
但是，目前对于雾霾图像的处理过程中，大气光值的估计过程较为复杂，从而影响了整个图像去雾的效率。
发明内容
本发明的目的在于提供一种雾霾图像中大气光值的提取方法，旨在解决现有技术中大气光值的估计过程较为复杂，从而影响了整个图像去雾的效率的问题。
本发明是这样实现的，一种雾霾图像中大气光值的提取方法，所述方法包括下述步骤：
对输入的图像I(x,y)中的任意像素三通道进行最小值滤波，得到最小值滤波图像M(x,y)；
对获取到的最小值滤波图像M(x,y)进行水平投影，并获取水平投影后的最大值区域图像K(x,y)；
对所述最大值区域图像K(x,y)进行垂直投影，并获取垂直投影后的最大值区域图像R(x,y)；
提取最大值区域图像R(x,y)中的像素值，选取固定数量的像素值的平均值作为大气光值A。
作为一种改进的方案，所述对获取到的最小值滤波图像M(x,y)进行水平投影，并获取水平投影后的最大值区域图像K(x,y)的步骤具体包括下述步骤：
对获取到的最小值滤波图像M(x,y)进行水平投影，获取一列所有像素点的灰度值的累加参数H(y)；
计算水平投影的宽度bH，并以此确定天空区域的自适应宽度值为2bH+1；
对投影在2bH+1宽度区域内像素值进行求和运算，并筛选出最大值区域，确定筛选出的最大值区域所对应的图像K(x,y)。
作为一种改进的方案，所述对获取到的最小值滤波图像M(x,y)进行水平投影，获取一列所有像素点的灰度值的累加参数H(y)的步骤之后，所述计算水平投影的宽度bH的步骤之前还包括下述步骤：
对累加参数H(y)进行平滑滤波，消除图像中存在的尖峰值和奇异值。
作为一种改进的方案，所述对所述最大值区域图像K(x,y)进行垂直投影，并获取垂直投影后的最大值区域图像R(x,y)的步骤具体包括下述步骤：
对最大值区域图像K(x,y)进行垂直投影，获取一行所有像素点的灰度值的累加参数V(x)；
计算垂直投影的宽度bV，并以此确定天空区域的自适应宽度值为2bV+1；
对投影在2bV+1宽度区域内像素值进行求和运算，并筛选出最大值区域，确定筛选出的最大值区域所对应的图像R(x,y)。
作为一种改进的方案，所述对最大值区域图像K(x,y)进行垂直投影，获取一行所有像素点的灰度值的累加参数V(x)的步骤之后，所述计算垂直投影的宽度bV的步骤之前还包括下述步骤：
对累加参数V(x)进行平滑滤波，消除图像中存在的尖峰值和奇异值。
本发明的另一目的在于提供一种雾霾图像中大气光值的提取***，所述***包括：
最小值滤波模块，用于对输入的图像I(x,y)中的任意像素三通道进行最小值滤波，得到最小值滤波图像M(x,y)；
第一最大值区域图像获取模块，用于对获取到的最小值滤波图像M(x,y)进行水平投影，并获取水平投影后的最大值区域图像K(x,y)；
第二最大值区域图像获取模块，用于对所述最大值区域图像K(x,y)进行垂直投影，并获取垂直投影后的最大值区域图像R(x,y)；
大气光值确定模块，用于提取最大值区域图像R(x,y)中的像素值，选取固定数量的像素值的平均值作为大气光值A。
作为一种改进的方案，所述第一最大值区域图像获取模块具体包括：
水平投影模块，用于对获取到的最小值滤波图像M(x,y)进行水平投影，获取一列所有像素点的灰度值的累加参数H(y)；
水平投影宽度计算模块，用于计算水平投影的宽度bH，并以此确定天空区域的自适应宽度值为2bH+1；
第一图像确定模块，用于对投影在2bH+1宽度区域内像素值进行求和运算，并筛选出最大值区域，确定筛选出的最大值区域所对应的图像K(x,y)。
作为一种改进的方案，所述***还包括：
第一平滑滤波模块，用于对累加参数H(y)进行平滑滤波，消除图像中存在的尖峰值和奇异值。
作为一种改进的方案，所述第二最大值区域图像获取模块具体包括：
垂直投影模块，用于对最大值区域图像K(x,y)进行垂直投影，获取一行所有像素点的灰度值的累加参数V(x)；
垂直投影宽度计算模块，用于计算垂直投影的宽度bV，并以此确定天空区域的自适应宽度值为2bV+1；
第二图像确定模块，用于对投影在2bV+1宽度区域内像素值进行求和运算，并筛选出最大值区域，确定筛选出的最大值区域所对应的图像R(x,y)。
作为一种改进的方案，所述***还包括：
第二平滑滤波模块，用于对累加参数V(x)进行平滑滤波，消除图像中存在的尖峰值和奇异值。
在本发明实施例中，对输入的图像I(x,y)中的任意像素三通道进行最小值滤波，得到最小值滤波图像M(x,y)；对获取到的最小值滤波图像M(x,y)进行水平投影，并获取水平投影后的最大值区域图像K(x,y)；对所述最大值区域图像K(x,y)进行垂直投影，并获取垂直投影后的最大值区域图像R(x,y)；提取最大值区域图像R(x,y)中的像素值，选取固定数量的像素值的平均值作为大气光值A，实现对大气光值的快速计算，适应不同大小和天空区域的图像，为雾霾图像快速去雾处理提供条件。
附图说明
图1是本发明提供的雾霾图像中大气光值的提取方法的实现流程图；
图2是本发明提供的对获取到的最小值滤波图像M(x,y)进行水平投影，并获取水平投影后的最大值区域图像K(x,y)的实现流程图；
图3是本发明提供的对所述最大值区域图像K(x,y)进行垂直投影，并获取垂直投影后的最大值区域图像R(x,y)的实现流程图；
图4是本发明提供的雾霾图像中大气光值的提取***的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
图1示出了本发明提供的雾霾图像中大气光值的提取方法的实现流程图，其具体包括下述步骤：
在步骤S101中，对输入的图像I(x,y)中的任意像素三通道进行最小值滤波，得到最小值滤波图像M(x,y)。
其中，其中，(x，y)为图像中的像素点，c为彩色图像的三色通道。
在步骤S102中，对获取到的最小值滤波图像M(x,y)进行水平投影，并获取水平投影后的最大值区域图像K(x,y)。
在步骤S103中，对所述最大值区域图像K(x,y)进行垂直投影，并获取垂直投影后的最大值区域图像R(x,y)。
在步骤S104中，提取最大值区域图像R(x,y)中的像素值，选取固定数量的像素值的平均值作为大气光值A。
在该步骤中，将属于填空区域的像素值提取出来，然后对该填空区域的像素值进行降序排列，选取亮度大于一定数值的像素的平均灰度值作为大气光值，该固定数量可以是10％，即A＝mean(max0.1R(x,y))
图2示出了本发明提供的对获取到的最小值滤波图像M(x,y)进行水平投影，并获取水平投影后的最大值区域图像K(x,y)的实现流程图，其具体包括下述步骤：
在步骤S201中，对获取到的最小值滤波图像M(x,y)进行水平投影，获取一列所有像素点的灰度值的累加参数H(y)。
其中，水平投影的公式表达为：
其中，1≤x≤n。
在步骤S202中，计算水平投影的宽度bH，并以此确定天空区域的自适应宽度值为2bH+1。
其中，该水平投影的宽度bH的计算方式有多种，下述给出其中一种，在此不再赘述。
在步骤S203中，对投影在2bH+1宽度区域内像素值进行求和运算，并筛选出最大值区域，确定筛选出的最大值区域所对应的图像K(x,y)。
在该步骤中，最大值区域：其中，bH+1≤t≤n-bH；裁剪得到的最大值区域图像保存为K(x,y)，其大小为m×(2bH+1)像素。
其中，窗口宽度为2bH+1且为奇数，t为2bH+1宽度内的任一一点。
其中，H(y′)为平滑滤波后的累加参数，即：
对步骤S201得到的累加参数H(y)进行平滑滤波，消除图像中存在的尖峰值和奇异值，其中：
其中，y＝σ+1,σ+2,...,m-σ；
其平滑效果随着滤波器宽度的增大而变的更加平滑，一般设置σ＝2，即滤波器的宽度为2σ+1，共5个像素。
进一步地，由于输入图像的尺寸不同，而且图像中天空区域在整幅图像中所占的比例也不同，如果天空区域所占的比例较大，则HmaxHm所占的比例较小，可以选择较宽的水平投影宽度，反之则选择较小固定值，为了适应不同尺寸和天空区域的图像，确定水平投影的自适应宽度值为2bH+1，其计算方式为：
Hm＝mean(H′(y))，Hmax＝max(H′(y))，其中，Hm为H′(y)序列的平均值，mean为求平均运算，Hmax是H′(y)序列的最大值，max为求最大值运算。
通过该方法能够更好的处理不同大小和不同天空面积的图像。
图3示出了本发明提供的对所述最大值区域图像K(x,y)进行垂直投影，并获取垂直投影后的最大值区域图像R(x,y)的实现流程图，其具体包括下述步骤：
在步骤S301中，对最大值区域图像K(x,y)进行垂直投影，获取一行所有像素点的灰度值的累加参数V(x)。
其中，1≤y≤m。
在步骤S302中，计算垂直投影的宽度bV，并以此确定天空区域的自适应宽度值为2bV+1。
该计算方式如上述方式相同，在此不再赘述。
在步骤S303中，对投影在2bV+1宽度区域内像素值进行求和运算，并筛选出最大值区域，确定筛选出的最大值区域所对应的图像R(x,y)。
该最大值区域：其中，bV+1≤t≤n-bV；
其中，图像R(x,y)的大小为(2bV+1)×(2bH+1)。
在本发明实施例中，在对图像进行投影后，需要计算一定区域内的数据和，相邻的区域存在重复现象，为了提高计算精度，可以采用移位求和的加速算法，具体为：
假设数列i(x)，1≤x≤n，区域宽度为(2b+1)，则区域内的求和为：
b+1≤t≤n-b，t为透射率；
由于相邻区域Sum(t)和Sum(t-1)存在{i(t-b+1),i(t-b+2),...,i(t+b-1)}共2b-1个重复点，因此，可以直接利用前面区域进行计算，即：
Sum(t)＝Sum(t-1)-i(t-b)+i(t+b)；
通过该加速，可以将2b+1次求和运算减小到3次运算，大大提高了运算速度。
图4是本发明提供的雾霾图像中大气光值的提取***的结构框图，为了便于说明，图中仅给出了与本发明实施例相关的部分。
最小值滤波模块11对输入的图像I(x,y)中的任意像素三通道进行最小值滤波，得到最小值滤波图像M(x,y)；第一最大值区域图像获取模块12对获取到的最小值滤波图像M(x,y)进行水平投影，并获取水平投影后的最大值区域图像K(x,y)；第二最大值区域图像获取模块13对所述最大值区域图像K(x,y)进行垂直投影，并获取垂直投影后的最大值区域图像R(x,y)；大气光值确定模块14提取最大值区域图像R(x,y)中的像素值，选取固定数量的像素值的平均值作为大气光值A。
其中，第一最大值区域图像获取模块12具体包括：
水平投影模块15对获取到的最小值滤波图像M(x,y)进行水平投影，获取一列所有像素点的灰度值的累加参数H(y)；
水平投影宽度计算模块16计算水平投影的宽度bH，并以此确定天空区域的自适应宽度值为2bH+1；
第一图像确定模块17对投影在2bH+1宽度区域内像素值进行求和运算，并筛选出最大值区域，确定筛选出的最大值区域所对应的图像K(x,y)。
在该实施例中，第一平滑滤波模块18对累加参数H(y)进行平滑滤波，消除图像中存在的尖峰值和奇异值。
在本发明实施例中，第二最大值区域图像获取模块13具体包括：
垂直投影模块19对最大值区域图像K(x,y)进行垂直投影，获取一行所有像素点的灰度值的累加参数V(x)；
垂直投影宽度计算模块20计算垂直投影的宽度bV，并以此确定天空区域的自适应宽度值为2bV+1；
第二图像确定模块21对投影在2bV+1宽度区域内像素值进行求和运算，并筛选出最大值区域，确定筛选出的最大值区域所对应的图像R(x,y)。
其中，第二平滑滤波模块22对累加参数V(x)进行平滑滤波，消除图像中存在的尖峰值和奇异值.
其中，上述各个模块的具体实现如上述方法实施例所记载，在此不再赘述。
在本发明实施例中，对输入的图像I(x,y)中的任意像素三通道进行最小值滤波，得到最小值滤波图像M(x,y)；对获取到的最小值滤波图像M(x,y)进行水平投影，并获取水平投影后的最大值区域图像K(x,y)；对所述最大值区域图像K(x,y)进行垂直投影，并获取垂直投影后的最大值区域图像R(x,y)；提取最大值区域图像R(x,y)中的像素值，选取固定数量的像素值的平均值作为大气光值A，实现对大气光值的快速计算，适应不同大小和天空区域的图像，为雾霾图像快速去雾处理提供条件。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种雾霾图像中大气光值的提取方法，其特征在于，所述方法包括下述步骤：
对输入的图像I(x,y)中的任意像素三通道进行最小值滤波，得到最小值滤波图像M(x,y)；
对获取到的最小值滤波图像M(x,y)进行水平投影，并获取水平投影后的最大值区域图像K(x,y)；
对所述最大值区域图像K(x,y)进行垂直投影，并获取垂直投影后的最大值区域图像R(x,y)；
提取最大值区域图像R(x,y)中的像素值，选取固定数量的像素值的平均值作为大气光值A；
所述对获取到的最小值滤波图像M(x,y)进行水平投影，并获取水平投影后的最大值区域图像K(x,y)的步骤具体包括下述步骤：
对获取到的最小值滤波图像M(x,y)进行水平投影，获取一列所有像素点的灰度值的累加参数H(y)；
计算水平投影的宽度bH，并以此确定天空区域的自适应宽度值为2bH+1；
对投影在2bH+1宽度区域内像素值进行求和运算，并筛选出最大值区域，确定筛选出的最大值区域所对应的图像K(x,y)。
2.根据权利要求1所述的雾霾图像中大气光值的提取方法，其特征在于，所述对获取到的最小值滤波图像M(x,y)进行水平投影，获取一列所有像素点的灰度值的累加参数H(y)的步骤之后，所述计算水平投影的宽度bH的步骤之前还包括下述步骤：
对累加参数H(y)进行平滑滤波，消除图像中存在的尖峰值和奇异值。
3.根据权利要求1所述的雾霾图像中大气光值的提取方法，其特征在于，所述对所述最大值区域图像K(x,y)进行垂直投影，并获取垂直投影后的最大值区域图像R(x,y)的步骤具体包括下述步骤：
对最大值区域图像K(x,y)进行垂直投影，获取一行所有像素点的灰度值的累加参数V(x)；
计算垂直投影的宽度bV，并以此确定天空区域的自适应宽度值为2bV+1；
对投影在2bV+1宽度区域内像素值进行求和运算，并筛选出最大值区域，确定筛选出的最大值区域所对应的图像R(x,y)。
4.根据权利要求3所述的雾霾图像中大气光值的提取方法，其特征在于，所述对最大值区域图像K(x,y)进行垂直投影，获取一行所有像素点的灰度值的累加参数V(x)的步骤之后，所述计算垂直投影的宽度bV的步骤之前还包括下述步骤：
对累加参数V(x)进行平滑滤波，消除图像中存在的尖峰值和奇异值。
5.一种雾霾图像中大气光值的提取***，其特征在于，所述***包括：
最小值滤波模块，用于对输入的图像I(x,y)中的任意像素三通道进行最小值滤波，得到最小值滤波图像M(x,y)；
第一最大值区域图像获取模块，用于对获取到的最小值滤波图像M(x,y)进行水平投影，并获取水平投影后的最大值区域图像K(x,y)；
第二最大值区域图像获取模块，用于对所述最大值区域图像K(x,y)进行垂直投影，并获取垂直投影后的最大值区域图像R(x,y)；
大气光值确定模块，用于提取最大值区域图像R(x,y)中的像素值，选取固定数量的像素值的平均值作为大气光值A；
所述第一最大值区域图像获取模块具体包括：
水平投影模块，用于对获取到的最小值滤波图像M(x,y)进行水平投影，获取一列所有像素点的灰度值的累加参数H(y)；
水平投影宽度计算模块，用于计算水平投影的宽度bH，并以此确定天空区域的自适应宽度值为2bH+1；
第一图像确定模块，用于对投影在2bH+1宽度区域内像素值进行求和运算，并筛选出最大值区域，确定筛选出的最大值区域所对应的图像K(x,y)。
6.根据权利要求5所述的雾霾图像中大气光值的提取***，其特征在于，所述***还包括：
第一平滑滤波模块，用于对累加参数H(y)进行平滑滤波，消除图像中存在的尖峰值和奇异值。
7.根据权利要求5所述的雾霾图像中大气光值的提取***，其特征在于，所述第二最大值区域图像获取模块具体包括：
垂直投影模块，用于对最大值区域图像K(x,y)进行垂直投影，获取一行所有像素点的灰度值的累加参数V(x)；
垂直投影宽度计算模块，用于计算垂直投影的宽度bV，并以此确定天空区域的自适应宽度值为2bV+1；
第二图像确定模块，用于对投影在2bV+1宽度区域内像素值进行求和运算，并筛选出最大值区域，确定筛选出的最大值区域所对应的图像R(x,y)。
8.根据权利要求7所述的雾霾图像中大气光值的提取***，其特征在于，所述***还包括：
第二平滑滤波模块，用于对累加参数V(x)进行平滑滤波，消除图像中存在的尖峰值和奇异值。
CN201610761884.1A 2016-08-30 2016-08-30 一种雾霾图像中大气光值的提取方法及*** Active CN106355560B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610761884.1A CN106355560B (zh) 2016-08-30 2016-08-30 一种雾霾图像中大气光值的提取方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610761884.1A CN106355560B (zh) 2016-08-30 2016-08-30 一种雾霾图像中大气光值的提取方法及***

Publications (2)

Publication Number Publication Date
CN106355560A CN106355560A (zh) 2017-01-25
CN106355560B true CN106355560B (zh) 2019-03-01

Family

ID=57856043

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610761884.1A Active CN106355560B (zh) 2016-08-30 2016-08-30 一种雾霾图像中大气光值的提取方法及***

Country Status (1)

Country Link
CN (1) CN106355560B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106934779B (zh) * 2017-03-14 2020-12-01 潍坊学院 一种图像去雾处理中大气光值计算方法及***
CN106934836B (zh) * 2017-03-14 2020-12-01 潍坊学院 一种雾霾图像基于自动聚类的大气光值计算方法及***
CN108681990B (zh) * 2018-04-04 2022-05-24 高明合 一种实时雾霾预警方法及***
CN108877231A (zh) * 2018-07-07 2018-11-23 程子涵 一种基于车辆起停提醒的车车互联方法及***
CN111696031A (zh) * 2020-06-15 2020-09-22 北京浦泰锐迅技术有限公司 适用于景观电子望远镜的图像处理方法和***
CN117078562B (zh) * 2023-10-16 2023-12-26 四川中科友成科技有限公司 一种视频图像去雾方法、装置、计算机设备及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101527046A (zh) * 2009-04-28 2009-09-09 青岛海信数字多媒体技术国家重点实验室有限公司 一种运动检测方法、装置和***
CN102289791A (zh) * 2011-06-29 2011-12-21 清华大学 一种快速单幅图像去雾方法
CN103198459A (zh) * 2013-04-10 2013-07-10 成都国腾电子技术股份有限公司 雾霾图像快速去雾方法
JP2013141209A (ja) * 2011-12-30 2013-07-18 Hitachi Ltd 画像霧除去装置及び画像霧除去方法
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
CN104809709A (zh) * 2015-05-13 2015-07-29 北京邮电大学 基于域变换与带权四叉树分解的单幅图像自适应去雾方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101527046A (zh) * 2009-04-28 2009-09-09 青岛海信数字多媒体技术国家重点实验室有限公司 一种运动检测方法、装置和***
CN102289791A (zh) * 2011-06-29 2011-12-21 清华大学 一种快速单幅图像去雾方法
JP2013141209A (ja) * 2011-12-30 2013-07-18 Hitachi Ltd 画像霧除去装置及び画像霧除去方法
CN103198459A (zh) * 2013-04-10 2013-07-10 成都国腾电子技术股份有限公司 雾霾图像快速去雾方法
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
CN104809709A (zh) * 2015-05-13 2015-07-29 北京邮电大学 基于域变换与带权四叉树分解的单幅图像自适应去雾方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Image Dehazing Algorithm Based on Atmosphere Scatters Approximation Model;Zhongyi Hu等;《ICONIP 2012》;20121231;全文
无人机侦察图像快速去雾算法;陆士猛等;《红外技术》;20151031;第37卷(第10期);全文

Also Published As

Publication number Publication date
CN106355560A (zh) 2017-01-25

Similar Documents

Publication Publication Date Title
CN106355560B (zh) 一种雾霾图像中大气光值的提取方法及***
CN107767354B (zh) 一种基于暗原色先验的图像去雾算法
EP2568438B1 (en) Image defogging method and system
WO2016206087A1 (zh) 一种低照度图像处理方法和装置
CN103020920B (zh) 一种低照度图像增强方法
CN102750674B (zh) 基于自适应容差的视频图像去雾方法
US9202263B2 (en) System and method for spatio video image enhancement
CN111161172B (zh) 一种红外图像列向条纹消除方法、***及计算机存储介质
CN105023256B (zh) 一种图像去雾方法及***
CN108154492B (zh) 一种基于非局部均值滤波的图像去雾霾方法
CN105809630B (zh) 一种图像噪声过滤方法及***
CN111161167B (zh) 基于中通道补偿和自适应大气光估计的单幅图像去雾方法
Pei et al. Effective image haze removal using dark channel prior and post-processing
KR102182697B1 (ko) 영상 처리 장치 및 방법
CN109214996B (zh) 一种图像处理方法及装置
TWI457853B (zh) 提供深度資訊之影像處理方法及其影像處理系統
CN112529813B (zh) 图像去雾处理方法、装置及计算机存储介质
CN111861896A (zh) 一种面向uuv的水下图像色彩补偿与恢复方法
CN104331867B (zh) 图像去雾的方法、装置及移动终端
Huang et al. Improved algorithm for image haze removal based on dark channel priority
Kim et al. Temporally x real-time video dehazing
CN110335210B (zh) 一种水下图像复原方法
CN104715456B (zh) 一种图像的去雾方法
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
CN101873506B (zh) 提供深度信息的影像处理方法及其影像处理***

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant