CN107133926A - 一种基于暗原色先验的图像去雾方法 - Google Patents
一种基于暗原色先验的图像去雾方法 Download PDFInfo
- Publication number
- CN107133926A CN107133926A CN201710241294.0A CN201710241294A CN107133926A CN 107133926 A CN107133926 A CN 107133926A CN 201710241294 A CN201710241294 A CN 201710241294A CN 107133926 A CN107133926 A CN 107133926A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msup
- dark
- msub
- mover
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000035699 permeability Effects 0.000 claims abstract description 55
- 238000012545 processing Methods 0.000 claims abstract description 18
- 239000003595 mist Substances 0.000 claims abstract description 14
- 238000011156 evaluation Methods 0.000 claims abstract description 12
- 238000013507 mapping Methods 0.000 claims abstract description 12
- 230000008030 elimination Effects 0.000 claims abstract description 10
- 238000003379 elimination reaction Methods 0.000 claims abstract description 10
- 238000012937 correction Methods 0.000 claims description 8
- 238000005286 illumination Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims 1
- 230000035772 mutation Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Transforming Light Signals Into Electric Signals (AREA)
Abstract
本发明提供一种基于暗原色先验的图像去雾方法,包括以下步骤:步骤1,读入原始有雾图像I(x);步骤2,对原始有雾图像I(x)两边取最小值操作,并利用暗通道先验知识,通过灰度开运算初步估计大气光值和介质透射率值,并对大气光照进行白平衡处理,从而获得原始有雾图像的简化图像I′(x);步骤3,引入阈值T,得到简化图像I′(x)的混合暗通道步骤4,利用分段式映射方程对混合暗通道进行映射处理,得到介质透射率的粗估计值t″(x);步骤5,通过导向滤波法获得介质透射率的精确估计值t″′(x);步骤6,利用自适应参数调整的方法对天空区域的介质透射率进行修订,得到介质透射率t(x)的最终估计值;步骤7,根据介质透射率t(x)的最终估计值计算去雾图像。
Description
技术领域
本发明涉及一种图像去雾方法,具体的说,涉及了一种基于暗原色先验的图像去雾方法。
背景技术
雾霾是一种常见的自然现象,它是由悬浮在大气中的大量微小水滴、气溶胶等颗粒对光线的散射和吸收作用产生的。它会导致图像中目标的对比度降低、饱和度下降和色调偏移,直接影响户外视觉***效用的发挥因此,雾天降质图像的清晰化处理具有十分重要的意义。
为了解决以上存在的问题,人们一直在寻求一种理想的技术解决方案。
发明内容
本发明的目的是针对现有技术的不足,从而提供了一种基于暗原色先验的图像去雾方法,具有设计科学,去雾效果好的优点。
为了实现上述目的,本发明所采用的技术方案是:一种基于暗原色先验的图像去雾方法,包括以下步骤:
步骤1,读入原始有雾图像;
其中,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为大气光值,ρ(x)为场景反照率,t(x)为介质透射率;
步骤2,对原始有雾图像I(x)两边取最小值操作,并利用暗通道先验知识,通过灰度开运算初步估计大气光值A(x),并对大气光照进行白平衡处理,从而获得原始有雾图像的简化图像I'(x);
步骤3,引入阈值T,当简化图像I'(x)的暗通道值小于T时,将其判定为简化图像I'(x)的近景区域,并对简化图像I'(x)近景区域计算最小值通道Iminc;当简化图像I'(x)的暗通道值大于或等于T时,将其判定为简化图像I'(x)的远景区域,并计算远景区域的暗通道Idarkd,从而得到简化图像I'(x)的混合暗通道其中
步骤4,利用分段式映射方程对混合暗通道进行映射处理,得到介质透射率t(x)的粗估计值t″(x);
步骤5,通过导向滤波法对粗估计值t″(x)进行处理,获得介质透射率t(x)的精确估计值t″′(x);
步骤6,利用自适应参数调整的方法对天空区域的介质透射率t(x)的精确估计值t″′(x)进行修订,并得到介质透射率t(x)的最终估计值;
步骤7,根据介质透射率t(x)的最终估计值计算去雾图像。
2、根据权利要求1所述的一种图像去雾霾方法,其特征在于,步骤2的具体步骤为:
步骤2.1,对原始有雾图像I(x)两边取最小值操作,得到暗通道图像;
其中,IC(x)和ρC(x)为I(x)和ρ(x)的一个彩色通道,表示对{R,G,B}通道对应的像素取最小值,Idark和ρdark定义为I(x)和ρ(x)的暗通道;
步骤2.2,利用暗通道先验知识,对式(2)两边进行灰度开运算处理,可得:
其中,和t'(x)为对Idark、ρdark和t(x)进行灰度开运算处理的结果;
步骤2.3,根据暗通道先验法则可知,当灰度开运算中结构元素的尺寸大于Idark中白色物体的尺寸时,的取值趋于0,故将式(3)变换为
步骤2.4,对式(4)进行变化可得:
其中,t′(x)定义为介质透射率t(x)的初始估计,且
步骤2.5,由于t'(x)中像素的取值不大于t(x)中像素的取值,故的取值范围为[0,1],因此A的取值不大于中像素的最大值,因此,A的取值范围可表示为:
根据式(6)推导出A的区间估计为
其中,α称为调节参数,其表达式为:
步骤2.6,利用式(7)估计的大气光值对大气光照进行白平衡处理后,将大气光照的颜色校正到灰度轴方向上,得到:
步骤2.7,令白平衡校正的图像I(x)/A限制在[0,1]范围内,用I′(x)进行表示:
进而,原始有雾图像的简化图像I'(x)为
I′(x)=ρ(x)t(x)+1-t(x) (10)
在I′(x)中,大气光值A校正为白色(1,1,1)T。
3、根据权利要求1或2所述的一种基于暗原色先验的图像去雾方法,其特征在于,步骤4的具体步骤为:
令简化图像I'(x)混合暗通道亮度值的最大值小于L,将(L~255)区间段三等分,每个区间段长度为c,将混合暗通道处在不同区间段的值作不同程度的衰减,建立如下式所示的分段式映射方程,以减小天空或白色物体区域相应混合暗通道的误差,同时得到介质透射率t(x)的粗估计值t″(x);
其中,c=(255-L)/3。
4、根据权利要求3所述的一种基于暗原色先验的图像去雾方法,其特征在于,步骤5的具体步骤为:
根据导向滤波局部线性模型假设,介质透射率表示为:
其中,ωk为引导图D中像素点k为中心的邻域,其窗口半径为r,(ak,bk)在邻域ωk中为常数;
在邻域ωk中,将式(13)所描述的代价函数最小化,即可得到介质透射率t(x)的精确估计值t″′(x):
其中,ε为正则化参数。
5、根据权利要求4所述的一种基于暗原色先验的图像去雾方法,其特征在于,步骤6的具体步骤为:
采用自适应参数调整的方法对天空区域的介质透射率进行修正,其表达式为:
其中,t0为天空区域介质透射率的修正值,即天空区域介质透射率t(x)的取值小于t0时统一修正为t0;N为t″′(x)中像素总数,n为t″′(x)中像素值小于0.15的像素点的个数,固定值0.15和0.3用来限定t0的上下限;
由暗原色先验原理可知,介质透射率t(x)满足t(x)=e-βd(x),0≤t(x)≤1可知,天空区域的介质透射率t(x)具有最小值,且已修正为不小于t0,因此介质透射率的下限值修改为t0,故介质透射率的最终估计值t(x)表示为
t(x)=min(max(t″′(x),t0),1) (15)。
本发明相对现有技术具有突出的实质性特点和显著的进步,具体的说,本发明利用值域范围实现大气光值估计,并通过白平衡处理实现大原始有雾图像简化;通过求解介质透射率的粗估计,利用导向滤波对其优化;该方法既能实现良好的普通雾霾图像去雾,又能改善不满足暗通道先验的包含大面积天空或白色物体的雾霾图像的去雾性能,从而扩大了应用暗通道先验知识实现图像去雾的范围。
附图说明
图1是本发明的流程示意图。
具体实施方式
下面通过具体实施方式,对本发明的技术方案做进一步的详细描述。
如图1所示,一种基于暗原色先验的图像去雾方法,包括以下步骤:
步骤1,读入原始有雾图像;
其中,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为大气光值,ρ(x)为场景反照率,t(x)为介质透射率;A(1-t(x))为大气耗散函数;
步骤2,对原始有雾图像I(x)两边取最小值操作,并利用暗通道先验知识,通过灰度开运算初步估计大气光值A(x),并对大气光照进行白平衡处理,从而获得原始有雾图像的简化图像I'(x);
步骤3,引入阈值T,当简化图像I'(x)的暗通道值小于T时,将其判定为简化图像I'(x)的近景区域,并对简化图像I'(x)近景区域计算最小值通道Iminc;当简化图像I'(x)的暗通道值大于或等于T时,将其判定为简化图像I'(x)的远景区域,并计算远景区域的暗通道Idarkd,从而得到简化图像I'(x)的混合暗通道其中
其中,阈值T越小,越有利于景深平缓变化的简化图像I'(x)的混合暗通道更合理地分布;阈值T越大,越有利于景深存在突变的简化图像I'(x)的混合暗通道更合理地分布;本实施例中阈值T默认取为25;
步骤4,利用分段式映射方程对混合暗通道进行映射处理,得到介质透射率t(x)的粗估计值t″(x);
即,令普通浓雾霾图像混合暗通道亮度值的最大值小于L,将(L~255)区间段三等分,每个区间段长度为c,将混合暗通道处在不同区间段的值作不同程度的衰减,建立如下式所示的分段式映射方程,以减小天空或白色物体区域相应混合暗通道的误差,同时得到介质透射率t(x)的粗估计值t″;
其中,c=(255-L)/3。
为了尽可能保证浓雾霾图像的混合暗通道不受影响,本实施例中L值默认取为200;
步骤5,通过导向滤波法对粗估计值t″(x)进行处理,获得介质透射率t(x)的精确估计值t″′(x);
步骤6,利用自适应参数调整的方法对天空区域的介质透射率t(x)的精确估计值t″′(x)进行修订,并得到介质透射率t(x)的最终估计值;
步骤7,根据介质透射率t(x)的最终估计值计算去雾图像。
具体的,步骤2的步骤为:
步骤2.1,对原始有雾图像I(x)两边取最小值操作,得到暗通道图像;
其中,IC(x)和ρC(x)为I(x)和ρ(x)的一个彩色通道,表示对{R,G,B}通道对应的像素取最小值,Idark和ρdark定义为I(x)和ρ(x)的暗通道;
步骤2.2,利用暗通道先验知识,对式(2)两边进行灰度开运算处理,可得:
其中,和t'(x)为对Idark,ρdark和t(x)进行灰度开运算处理的结果;
步骤2.3,根据暗通道先验法则,当灰度开运算中结构元素的尺寸大于Idark中白色物体的尺寸时,的取值趋于0,因此变换式(3)为
步骤2.4,对式(4)进行变化可得:
式中,t′(x)定义为介质透射率t(x)的初始估计,且
步骤2.5,A的取值不大于原图像中像素的最大值,因此,A的取值范围可表示为:
根据式(6)推导出A的区间估计为
其中,α称为调节参数,其表达式为:mean(·)表示对所有元素取均值;由于ɑ是一个和的灰度分布有关的参数,故对大气光A具有自动调节功能。当雾图中天空区域尺寸偏大或偏小时,仍然可以采用式(7)对大气光值A进行估计;
步骤2.6,利用式(7)估计的大气光值A对大气光照进行白平衡处理后,将大气光照的颜色校正到灰度轴方向上,得到:
步骤2.7,令白平衡校正的图像I(x)/A限制在[0,1]范围内,用I′(x)进行表示:
进而,原始有雾图像的简化图像I'(x)为
I′(x)=ρ(x)t(x)+1-t(x) (10)
在I′(x)中,大气光值A校正为白色(1,1,1)T;
具体的,步骤4的步骤为:
令简化图像I'(x)混合暗通道亮度值的最大值小于L,将(L~255)区间段三等分,每个区间段长度为c,将混合暗通道处在不同区间段的值作不同程度的衰减,建立如下式所示的分段式映射方程,以减小天空或白色物体区域相应混合暗通道的误差,同时得到介质透射率t(x)的粗估计值t″;
其中,c=(255-L)/3。
尽可能保证简化图像I'(x)的混合暗通道不受影响,本实施例中L值默认取为200。
需要注意的是,L值越小,越有利于包含天空、亮度值比较小的薄雾霾图像的混合暗通道更合理地分布;L值越大,越有利于不包含天空或大面积白色物体、亮度值很大的普通浓雾霾图像的混合暗通道更合理地分布。
综上所述,当T和L取默认值时,对于去雾图像景深突变处出现的去雾不彻底现象,可以通过增大T值,减弱甚至消除该现象;对于去雾图像景深平缓变化的近景区域出现的颜色过饱和或暗沉现象,可以通过减小T值,减弱甚至消除该现象;对于去雾图像天空区域出现的失真现象,可以通过减小L值,减弱甚至消除该现象;对于去雾图像景深无穷远处出现的去雾不彻底现象,可以通过增大L值,减弱甚至消除该现象。
具体的,步骤5的步骤为:
根据导向滤波局部线性模型假设,介质透射率表示为:
其中,ωk为引导图D中像素点k为中心的邻域,其窗口半径为r,(ak,bk)在邻域ωk中为常数;根据式(12),在局部区域,输出图像t″′可以捕获与引导图相似的细节信息,其捕获细节信息的能力与r的大小密切相关,本实施例中取为r=25。
导向滤波法通过最小化输出图像t″′和输入图像t″之间的差异来寻求最优的系数(ak,bk),即在邻域ωk中,将式(13)所描述的代价函数最小化,即可得到介质透射率t(x)的精确估计值t″′(x):
其中,ε为正则化参数,其对优化结果不敏感,本实施例取为ε=10-3。
具体的,步骤6的步骤为:
采用自适应参数调整的方法对天空区域的介质透射率进行修正,其表达式为:
其中,t0为天空区域介质透射率的修正值,即天空区域介质透射率t(x)的取值小于t0时统一修正为t0;N为t″′(x)中像素总数,n为t″′(x)中像素值小于0.15的像素点的个数,固定值0.15和0.3用来限定t0的上下限;
由暗原色先验原理可知,介质透射率t(x)满足t(x)=e-βd(x),0≤t(x)≤1可知,天空区域的介质透射率t(x)具有最小值,且已修正为不小于t0,因此介质透射率t(x)的下限值修改为t0,故介质透射率t(x)的最终估计值表示为
t(x)=min(max(t″′(x),t0),1) (15),
从而,大气耗散函数V(x)可表示为
V(x)=1-t(x)=min(max(t″′(x),t0),1) (16)。
为了提高去雾图像的清晰度和对比度,本实施例还引入了参数β对大气耗散函数V(x)进行调整,则式(16)可改写为
V(x)=1-β·min(max(t″′(x),t0),1) (17)
式中,β设置为0.95。
由式(10)可知,场景反照率ρ(x)可表示为
最后,将场景反照率限制在[0,1]范围内,可得去雾图像O(x),其表达式为
O(x)=min(max(ρ(x),0,1) (19)。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制;尽管参照较佳实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者对部分技术特征进行等同替换;而不脱离本发明技术方案的精神,其均应涵盖在本发明请求保护的技术方案范围当中。
Claims (5)
1.一种基于暗原色先验的图像去雾方法,其特征在于,包括以下步骤:
步骤1,读入原始有雾图像;
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mi>t</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>A</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>t</mi>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>=</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>A</mi>
<mi>&rho;</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mi>t</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>A</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>t</mi>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,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为大气光值,ρ(x)为场景反照率,t(x)为介质透射率;
步骤2,对原始有雾图像I(x)两边取最小值操作,并利用暗通道先验知识,通过灰度开运算初步估计大气光值A(x),并对大气光照进行白平衡处理,从而获得原始有雾图像的简化图像I'(x);
步骤3,引入阈值T,当简化图像I'(x)的暗通道值小于T时,将其判定为简化图像I'(x)的近景区域,并对简化图像I'(x)近景区域计算最小值通道Iminc;当简化图像I'(x)的暗通道值大于或等于T时,将其判定为简化图像I'(x)的远景区域,并计算远景区域的暗通道Idarkd,从而得到简化图像I'(x)的混合暗通道其中
步骤4,利用分段式映射方程对混合暗通道进行映射处理,得到介质透射率t(x)的粗估计值t″(x);
步骤5,通过导向滤波法对粗估计值t″(x)进行处理,获得介质透射率t(x)的精确估计值t″′(x);
步骤6,利用自适应参数调整的方法对天空区域的介质透射率t(x)的精确估计值t″′(x)进行修订,并得到介质透射率t(x)的最终估计值;
步骤7,根据介质透射率t(x)的最终估计值计算去雾图像。
2.根据权利要求1所述的一种图像去雾霾方法,其特征在于,步骤2的具体步骤为:
步骤2.1,对原始有雾图像I(x)两边取最小值操作,得到暗通道图像;
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<msup>
<mi>I</mi>
<mrow>
<mi>d</mi>
<mi>a</mi>
<mi>r</mi>
<mi>k</mi>
</mrow>
</msup>
<mo>=</mo>
<munder>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mrow>
<mi>C</mi>
<mo>&Element;</mo>
<mo>{</mo>
<mi>R</mi>
<mo>,</mo>
<mi>G</mi>
<mo>,</mo>
<mi>B</mi>
<mo>}</mo>
</mrow>
</munder>
<msup>
<mi>I</mi>
<mi>C</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<munder>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mrow>
<mi>C</mi>
<mo>&Element;</mo>
<mo>{</mo>
<mi>R</mi>
<mo>,</mo>
<mi>G</mi>
<mo>,</mo>
<mi>B</mi>
<mo>}</mo>
</mrow>
</munder>
<msup>
<mi>A&rho;</mi>
<mi>C</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mi>t</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>A</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>t</mi>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>=</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msup>
<mi>&rho;</mi>
<mrow>
<mi>d</mi>
<mi>a</mi>
<mi>r</mi>
<mi>k</mi>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mi>A</mi>
<mi>t</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>A</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>t</mi>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,IC(x)和ρC(x)为I(x)和ρ(x)的一个彩色通道,表示对{R,G,B}通道对应的像素取最小值,Idark和ρdark定义为I(x)和ρ(x)的暗通道;
步骤2.2,利用暗通道先验知识,对式(2)两边进行灰度开运算处理,可得:
<mrow>
<msup>
<mover>
<mi>I</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>d</mi>
<mi>a</mi>
<mi>r</mi>
<mi>k</mi>
</mrow>
</msup>
<mo>=</mo>
<msup>
<mover>
<mi>&rho;</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>d</mi>
<mi>a</mi>
<mi>r</mi>
<mi>k</mi>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<msup>
<mi>At</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>A</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msup>
<mi>t</mi>
<mo>&prime;</mo>
</msup>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,和t'(x)为对Idark、ρdark和t(x)进行灰度开运算处理的结果;
步骤2.3,根据暗通道先验法则可知,当灰度开运算中结构元素的尺寸大于Idark中白色物体的尺寸时,的取值趋于0,故将式(3)变换为
<mrow>
<msup>
<mover>
<mi>I</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>d</mi>
<mi>a</mi>
<mi>r</mi>
<mi>k</mi>
</mrow>
</msup>
<mo>=</mo>
<mi>A</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msup>
<mi>t</mi>
<mo>&prime;</mo>
</msup>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
步骤2.4,对式(4)进行变化可得:
其中,t′(x)定义为介质透射率t(x)的初始估计,且
步骤2.5,由于t'(x)中像素的取值不大于t(x)中像素的取值,故的取值范围为[0,1],因此A的取值不大于中像素的最大值,因此,A的取值范围可表示为:
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<munder>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mrow>
<mi>C</mi>
<mo>&Element;</mo>
<mo>{</mo>
<mi>R</mi>
<mo>,</mo>
<mi>G</mi>
<mo>,</mo>
<mi>B</mi>
<mo>}</mo>
</mrow>
</munder>
<msup>
<mi>I</mi>
<mi>C</mi>
</msup>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>&GreaterEqual;</mo>
<mi>A</mi>
<mo>&GreaterEqual;</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<msup>
<mover>
<mi>I</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>d</mi>
<mi>a</mi>
<mi>r</mi>
<mi>k</mi>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
根据式(6)推导出A的区间估计为
<mrow>
<mi>A</mi>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&alpha;</mi>
<mo>)</mo>
</mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<msup>
<mover>
<mi>I</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>d</mi>
<mi>a</mi>
<mi>r</mi>
<mi>k</mi>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>&alpha;</mi>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mo>(</mo>
<mrow>
<munder>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mrow>
<mi>C</mi>
<mo>&Element;</mo>
<mo>{</mo>
<mi>R</mi>
<mo>,</mo>
<mi>G</mi>
<mo>,</mo>
<mi>B</mi>
<mo>}</mo>
</mrow>
</munder>
<msup>
<mi>I</mi>
<mi>C</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mn>0</mn>
<mo>&le;</mo>
<mi>&alpha;</mi>
<mo>&le;</mo>
<mn>1</mn>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,α称为调节参数,其表达式为:
步骤2.6,利用式(7)估计的大气光值对大气光照进行白平衡处理后,将大气光照的颜色校正到灰度轴方向上,得到:
<mrow>
<mfrac>
<mrow>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
<mi>A</mi>
</mfrac>
<mo>=</mo>
<mi>&rho;</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mi>t</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mn>1</mn>
<mo>-</mo>
<mi>t</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
</mrow>
步骤2.7,令白平衡校正的图像I(x)/A限制在[0,1]范围内,用I′(x)进行表示:
<mrow>
<msup>
<mi>I</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
<mi>A</mi>
</mfrac>
<mo>,</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>9</mn>
<mo>)</mo>
</mrow>
</mrow>
进而,原始有雾图像的简化图像I'(x)为
I′(x)=ρ(x)t(x)+1-t(x) (10)
在I′(x)中,大气光值A校正为白色(1,1,1)T。
3.根据权利要求1或2所述的一种基于暗原色先验的图像去雾方法,其特征在于,步骤4的具体步骤为:
令简化图像I'(x)混合暗通道亮度值的最大值小于L,将(L~255)区间段三等分,每个区间段长度为c,将混合暗通道处在不同区间段的值作不同程度的衰减,建立如下式所示的分段式映射方程,以减小天空或白色物体区域相应混合暗通道的误差,同时得到介质透射率t(x)的粗估计值t″(x);
<mrow>
<msup>
<mi>t</mi>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<msup>
<mover>
<mi>I</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>d</mi>
<mi>a</mi>
<mi>r</mi>
<mi>k</mi>
</mrow>
</msup>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mn>0.95</mn>
</msup>
<mo>,</mo>
<mi>L</mi>
<mo>+</mo>
<mn>2</mn>
<mi>c</mi>
<mo><</mo>
<msup>
<mover>
<mi>I</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>d</mi>
<mi>a</mi>
<mi>r</mi>
<mi>k</mi>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<mn>255</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<msup>
<mover>
<mi>I</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>d</mi>
<mi>a</mi>
<mi>r</mi>
<mi>k</mi>
</mrow>
</msup>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mn>0.97</mn>
</msup>
<mo>,</mo>
<mi>L</mi>
<mo>+</mo>
<mi>c</mi>
<mo><</mo>
<msup>
<mover>
<mi>I</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>d</mi>
<mi>a</mi>
<mi>r</mi>
<mi>k</mi>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<mi>L</mi>
<mo>+</mo>
<mn>2</mn>
<mi>c</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<msup>
<mover>
<mi>I</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>d</mi>
<mi>a</mi>
<mi>r</mi>
<mi>k</mi>
</mrow>
</msup>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mn>0.98</mn>
</msup>
<mo>,</mo>
<mi>L</mi>
<mo><</mo>
<msup>
<mover>
<mi>I</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>d</mi>
<mi>a</mi>
<mi>r</mi>
<mi>k</mi>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<mi>L</mi>
<mo>+</mo>
<mi>c</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>-</mo>
<msup>
<mover>
<mi>I</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>d</mi>
<mi>a</mi>
<mi>r</mi>
<mi>k</mi>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mn>0</mn>
<mo><</mo>
<msup>
<mover>
<mi>I</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>d</mi>
<mi>a</mi>
<mi>r</mi>
<mi>k</mi>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<mi>L</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>11</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,c=(255-L)/3。
4.根据权利要求3所述的一种基于暗原色先验的图像去雾方法,其特征在于,步骤5的具体步骤为:
根据导向滤波局部线性模型假设,介质透射率表示为:
<mrow>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>a</mi>
<mi>k</mi>
</msub>
<msub>
<mi>D</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>b</mi>
<mi>k</mi>
</msub>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>i</mi>
<mo>&Element;</mo>
<msub>
<mi>&omega;</mi>
<mi>k</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>12</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
其中,ωk为引导图D中像素点k为中心的邻域,其窗口半径为r,(ak,bk)在邻域ωk中为常数;
在邻域ωk中,将式(13)所描述的代价函数最小化,即可得到介质透射率t(x)的精确估计值t″′(x):
<mrow>
<mi>E</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>a</mi>
<mi>k</mi>
</msub>
<mo>,</mo>
<msub>
<mi>b</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<msub>
<mi>&omega;</mi>
<mi>k</mi>
</msub>
</mrow>
</munder>
<mrow>
<mo>(</mo>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>a</mi>
<mi>k</mi>
</msub>
<msub>
<mi>D</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>b</mi>
<mi>k</mi>
</msub>
<mo>-</mo>
<mn>1</mn>
<mo>-</mo>
<msubsup>
<mi>t</mi>
<mi>i</mi>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<msub>
<mi>&epsiv;a</mi>
<mi>k</mi>
</msub>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>13</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,ε为正则化参数。
5.根据权利要求4所述的一种基于暗原色先验的图像去雾方法,其特征在于,步骤6的具体步骤为:
采用自适应参数调整的方法对天空区域的介质透射率进行修正,其表达式为:
<mrow>
<msub>
<mi>t</mi>
<mn>0</mn>
</msub>
<mo>=</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mo>(</mo>
<mfrac>
<mi>n</mi>
<mi>N</mi>
</mfrac>
<mo>,</mo>
<mn>0.15</mn>
<mo>,</mo>
<mn>0.3</mn>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>14</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,t0为天空区域介质透射率的修正值,即天空区域介质透射率t(x)的取值小于t0时统一修正为t0;N为t″′(x)中像素总数,n为t″′(x)中像素值小于0.15的像素点的个数,固定值0.15和0.3用来限定t0的上下限;
由暗原色先验原理可知,介质透射率t(x)满足t(x)=e-βd(x),0≤t(x)≤1可知,天空区域的介质透射率t(x)具有最小值,且已修正为不小于t0,因此介质透射率的下限值修改为t0,故介质透射率的最终估计值t(x)表示为
t(x)=min(max(t″′(x),t0),1)(15)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710241294.0A CN107133926A (zh) | 2017-04-13 | 2017-04-13 | 一种基于暗原色先验的图像去雾方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710241294.0A CN107133926A (zh) | 2017-04-13 | 2017-04-13 | 一种基于暗原色先验的图像去雾方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107133926A true CN107133926A (zh) | 2017-09-05 |
Family
ID=59716270
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710241294.0A Pending CN107133926A (zh) | 2017-04-13 | 2017-04-13 | 一种基于暗原色先验的图像去雾方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107133926A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107993214A (zh) * | 2017-12-25 | 2018-05-04 | 北京航空航天大学 | 一种在线抗黄色雾霾色偏自修正的上下界支撑图像增强*** |
CN108280809A (zh) * | 2017-12-26 | 2018-07-13 | 浙江工商大学 | 一种基于大气散射物理模型的有雾图像天空区域估计方法 |
CN108765337A (zh) * | 2018-05-28 | 2018-11-06 | 青岛大学 | 一种基于暗原色先验与非局部mtv模型的单幅彩色图像去雾处理方法 |
CN109118451A (zh) * | 2018-08-21 | 2019-01-01 | 李青山 | 一种基于卷积回归的航空正射影像去雾算法 |
CN109801241A (zh) * | 2019-01-22 | 2019-05-24 | 三峡大学 | 一种基于改进型暗通道优先算法的太阳耀斑图像去云方法 |
CN109829868A (zh) * | 2019-02-28 | 2019-05-31 | 华南理工大学 | 一种轻量级深度学习模型图像去雾方法、电子设备及介质 |
CN110211072A (zh) * | 2019-06-11 | 2019-09-06 | 青岛大学 | 一种图像去雾方法、***及电子设备和存储介质 |
CN110232666A (zh) * | 2019-06-17 | 2019-09-13 | 中国矿业大学(北京) | 基于暗原色先验的地下管道图像快速去雾方法 |
CN110288541A (zh) * | 2019-06-06 | 2019-09-27 | 武汉易科空间信息技术股份有限公司 | 航空影像高精度处理方法及*** |
CN110473155A (zh) * | 2019-08-02 | 2019-11-19 | 西安工程大学 | 一种基于视网膜颜色感知暗通道原理的图像去雾方法 |
CN112581405A (zh) * | 2020-12-25 | 2021-03-30 | 合肥赛为智能有限公司 | 一种轨道交通低照度图像增强算法 |
CN115170443A (zh) * | 2022-09-08 | 2022-10-11 | 荣耀终端有限公司 | 一种图像处理方法、拍摄方法及电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103903230A (zh) * | 2014-03-28 | 2014-07-02 | 哈尔滨工程大学 | 一种视频图像海雾去除清晰化方法 |
CN105225210A (zh) * | 2015-10-14 | 2016-01-06 | 南京第五十五所技术开发有限公司 | 一种基于暗通道的自适应直方图增强去雾方法 |
-
2017
- 2017-04-13 CN CN201710241294.0A patent/CN107133926A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103903230A (zh) * | 2014-03-28 | 2014-07-02 | 哈尔滨工程大学 | 一种视频图像海雾去除清晰化方法 |
CN105225210A (zh) * | 2015-10-14 | 2016-01-06 | 南京第五十五所技术开发有限公司 | 一种基于暗通道的自适应直方图增强去雾方法 |
Non-Patent Citations (2)
Title |
---|
刘海波 等: "基于暗通道先验和 Retinex 理论的快速单幅图像去雾方法", 《自动化学报》 * |
姜德晶 等: "基于图像分割映射的农业机器人视觉去雾方法", 《农业机械学报》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107993214A (zh) * | 2017-12-25 | 2018-05-04 | 北京航空航天大学 | 一种在线抗黄色雾霾色偏自修正的上下界支撑图像增强*** |
CN108280809A (zh) * | 2017-12-26 | 2018-07-13 | 浙江工商大学 | 一种基于大气散射物理模型的有雾图像天空区域估计方法 |
CN108280809B (zh) * | 2017-12-26 | 2021-07-30 | 浙江工商大学 | 一种基于大气散射物理模型的有雾图像天空区域估计方法 |
CN108765337B (zh) * | 2018-05-28 | 2021-06-15 | 青岛大学 | 一种基于暗原色先验与非局部mtv模型的单幅彩色图像去雾处理方法 |
CN108765337A (zh) * | 2018-05-28 | 2018-11-06 | 青岛大学 | 一种基于暗原色先验与非局部mtv模型的单幅彩色图像去雾处理方法 |
CN109118451A (zh) * | 2018-08-21 | 2019-01-01 | 李青山 | 一种基于卷积回归的航空正射影像去雾算法 |
CN109801241A (zh) * | 2019-01-22 | 2019-05-24 | 三峡大学 | 一种基于改进型暗通道优先算法的太阳耀斑图像去云方法 |
CN109829868A (zh) * | 2019-02-28 | 2019-05-31 | 华南理工大学 | 一种轻量级深度学习模型图像去雾方法、电子设备及介质 |
CN110288541A (zh) * | 2019-06-06 | 2019-09-27 | 武汉易科空间信息技术股份有限公司 | 航空影像高精度处理方法及*** |
CN110211072A (zh) * | 2019-06-11 | 2019-09-06 | 青岛大学 | 一种图像去雾方法、***及电子设备和存储介质 |
CN110211072B (zh) * | 2019-06-11 | 2023-05-02 | 青岛大学 | 一种图像去雾方法、***及电子设备和存储介质 |
CN110232666A (zh) * | 2019-06-17 | 2019-09-13 | 中国矿业大学(北京) | 基于暗原色先验的地下管道图像快速去雾方法 |
CN110473155A (zh) * | 2019-08-02 | 2019-11-19 | 西安工程大学 | 一种基于视网膜颜色感知暗通道原理的图像去雾方法 |
CN112581405A (zh) * | 2020-12-25 | 2021-03-30 | 合肥赛为智能有限公司 | 一种轨道交通低照度图像增强算法 |
CN112581405B (zh) * | 2020-12-25 | 2023-04-07 | 合肥赛为智能有限公司 | 一种轨道交通低照度图像增强算法 |
CN115170443A (zh) * | 2022-09-08 | 2022-10-11 | 荣耀终端有限公司 | 一种图像处理方法、拍摄方法及电子设备 |
CN115170443B (zh) * | 2022-09-08 | 2023-01-13 | 荣耀终端有限公司 | 一种图像处理方法、拍摄方法及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107133926A (zh) | 一种基于暗原色先验的图像去雾方法 | |
CN105225210B (zh) | 一种基于暗通道的自适应直方图增强去雾方法 | |
CN104537615B (zh) | 一种基于HSV色彩空间的局部Retinex增强方法 | |
CN102411774B (zh) | 一种基于单幅图像去雾的处理方法、装置及*** | |
CN103218778B (zh) | 一种图像和视频的处理方法及装置 | |
CN104867121B (zh) | 基于暗原色先验和Retinex理论的图像快速去雾法 | |
CN103020917B (zh) | 一种基于显著性检测的中国古代书法绘画图像复原方法 | |
CN104217404A (zh) | 雾霾天视频图像清晰化处理方法及其装置 | |
CN108564549A (zh) | 一种基于多尺度稠密连接网络的图像去雾方法 | |
CN101783012A (zh) | 一种基于暗原色的自动图像去雾方法 | |
CN106296618A (zh) | 一种基于高斯函数加权直方图规定化的彩色图像去雾方法 | |
CN102663694A (zh) | 一种基于暗原色通道先验的雾效数字滤镜方法 | |
CN106210437A (zh) | 图像处理装置和投影仪 | |
CN104182947A (zh) | 一种低照度图像增强方法和*** | |
CN109949247A (zh) | 一种基于yiq空间光学成像模型的梯度域自适应增益水下图像增强方法 | |
CN105913390B (zh) | 一种图像去雾方法及*** | |
CN105139347A (zh) | 一种结合暗通道先验原理的偏振成像去雾方法 | |
CN104331867B (zh) | 图像去雾的方法、装置及移动终端 | |
CN108022225A (zh) | 基于快速导向滤波改进的暗通道先验图像去雾算法 | |
CN107945122A (zh) | 基于自适应直方图分段的红外图像增强方法及*** | |
CN109934779B (zh) | 一种基于导向滤波优化的去雾方法 | |
CN109919859A (zh) | 一种户外场景图像去雾增强方法、计算设备及其存储介质 | |
CN105447825A (zh) | 图像去雾方法及其*** | |
CN109961415A (zh) | 一种基于hsi空间光学成像模型的自适应增益水下图像增强方法 | |
CN107636724A (zh) | 影像的波长自适应去雾装置及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170905 |
|
RJ01 | Rejection of invention patent application after publication |