CN108109113A - 基于双边滤波和中值滤波的单幅图像去雾方法和装置 - Google Patents
基于双边滤波和中值滤波的单幅图像去雾方法和装置 Download PDFInfo
- Publication number
- CN108109113A CN108109113A CN201711099132.4A CN201711099132A CN108109113A CN 108109113 A CN108109113 A CN 108109113A CN 201711099132 A CN201711099132 A CN 201711099132A CN 108109113 A CN108109113 A CN 108109113A
- Authority
- CN
- China
- Prior art keywords
- mrow
- image
- filtering
- ambient light
- defogging
- 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
- 238000001914 filtration Methods 0.000 title claims abstract description 86
- 230000002146 bilateral effect Effects 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000006870 function Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 6
- 239000012535 impurity Substances 0.000 abstract description 12
- 230000000694 effects Effects 0.000 abstract description 7
- 125000001475 halogen functional group Chemical group 0.000 abstract description 6
- 230000008901 benefit Effects 0.000 abstract description 4
- 239000003595 mist Substances 0.000 abstract 1
- 238000011160 research Methods 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 230000000007 visual effect Effects 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
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/20028—Bilateral filtering
-
- 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
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于双边滤波和中值滤波的单幅图像去雾方法和装置,所述方法包括:对原始有雾图像基于暗通道先验估计大气光值;根据所述大气光值,采用双边滤波粗略估计环境光;对所述环境光进行中值滤波,得到改进的环境光;基于大气光值和改进的环境光对原始有雾图像进行恢复。本发明结合了双边滤波和中值滤波的优势,能够充分避免图像颜色过饱和、图像边缘的halo效应,并且能够很好的处理边缘、角落的雾像杂质。
Description
技术领域
本发明属于图像增强领域,尤其涉及一种基于双边滤波和中值滤波的单幅图像去雾 方法和装置。
背景技术
雾霾和浓雾状况下,我们得到的图像是经过空气中杂质颗粒的吸收和散射后的弱化 图像。这种情况下得到的图像可视度、辨别率以及颜色的饱和程度会极大地偏离真实值, 不利于图像特征的提取,至此使得人们对各种情况作出错误的结果。所以说对各个领域 进行去雾研究有重要的作用和应用意义。
图像的去雾研究是存在于我们日常生活中的一个很有研究意义的研究,很多针对去 雾问题的研究工作不仅需要有雾原图本身,还另外需要研究者另外采集一些在没有雾的 天气下的相同场景信息或者提供了一些附加的数据信息。基于大气散射模型,利用不同天气下的不同景像特征去除有雾像杂质的图像,此种方法实际应用空间狭小。利用多副 偏振光图像及景物深度模型进行环境光的估计利用雾像杂质图像本身以外的附加景象 特征可实现去雾,但其加大了处理难度以及处理运算过程。因此对于单幅图像的研究更 加具有研究价值,去雾图像的研究也逐渐朝向单幅图像去雾的研究趋势。
Tan试用加强小范围内的颜色差度,首次解决了基于单幅图像的去雾问题,此方法不仅能适用于彩色图像而且也适用于灰度图像。但是该方法只是在光学原理上达到了去雾,忽视了透射率,使得彩色图像出现过饱和现象。Tarel通过对环境光取值范围的分析,提出了一种快速去雾算法,该算法在进行白平衡之后多次使用中值滤波估计环境光。但 该算法的运算速度也有待提高。
如何在实现去雾的同时保证图像质量以及提高算法效率,是本领域技术人员目前迫 切解决的技术问题。
发明内容
为克服上述现有技术的不足,本发明提供了一种基于双边滤波和中值滤波的单幅图 像去雾方法和装置,所述方法首先基于大气散射模型用暗原色先验规律粗略估计出大气 光,然后简化大气模型利用双边滤波器进一步估计出环境光,最后基于估计出的环境光进行中值滤波,进而恢复出清晰无雾图像。此方法在双边滤波获取环境光后还进一步进 行了中值滤波,能较好的去除雾像杂质,恢复出图像,并且提高了运算速率。
为实现上述目的,本发明采用如下技术方案:
一种基于双边滤波和中值滤波的单幅图像去雾方法,包括以下步骤:
步骤1:对原始有雾图像基于暗通道先验估计大气光值;
步骤2:根据所述大气光值,采用双边滤波粗略估计环境光;
步骤3:对所述环境光进行中值滤波,得到改进的环境光;
步骤4:基于大气光值和改进的环境光对原始有雾图像进行恢复。
进一步地,所述方法还包括步骤5:判断去雾后的图像是否清晰,若不清晰,返回步骤3,直至恢复出清晰图像。
进一步地,所述步骤2包括:
步骤2.1:对原始有雾图像进行白平衡以简化大气散射模型;
步骤2.2:求取暗原色通道,对环境光进行粗略估计;
步骤2.3:对所述暗原色通道,根据所述大气光值,采用双边滤波粗略估计环境光。
进一步地,所述步骤2.2中粗略估计的环境光表示为:
式中,c为3个颜色通道R、G、B中的某一通道;Hc(x)为图像在x点处的通道像 素值。
进一步地,所述步骤2.3包括:采用双边滤波估计W(x)局部均值M(x)和局部方差 D(x);估计的环境光表示为:
其中,K为可调系数用来辅助控制M(x)的降值程度,A为大气光值。
进一步地,所述步骤3包括:
L(x)=max(min(θI(x),R(x),0))
其中,uv是中值滤波器的窗口;表示中值滤波,θ为平衡系数,0<θ<1;L(x) 为改进的环境光。
进一步地,所述步骤4包括:
步骤4.1:基于大气光值和改进的环境光,计算介质传播函数;
步骤4.2:根据大气光值和介质传播函数,对原始有雾图像进行恢复。
进一步地,所述步骤4.1介质传播函数表示为:
Ψ表示平衡系数。
根据本发明的第二目的,本发明还提供了一种基于双边滤波和中值滤波的单幅图像 去雾装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述的基于双边滤波和中值滤波的单幅图像去雾方法。
根据本发明的第三目的,本发明还提供了一种计算机可读存储介质,其上存储有计 算机程序,该程序被处理器执行时执行所述的基于双边滤波和中值滤波的单幅图像去雾 方法。
本发明的有益效果
1、本发明仅需输入单幅图像即可恢复出清晰图像,不需要任何的附加信息和多余的图片,运算速度也具有一定的优势。
2、本发明在将双边滤波与中值滤波结合在一起,在双边滤波获取环境光后还进一步进行了中值滤波,获得改进的环境光,然后基于改进的环境光和大气光值进行图像恢复。双边滤波能够充分避免图像颜色过饱和、图像边缘的halo效应,中值滤波能够很好 的处理边缘、角落的雾像杂质,因此本发明能够获得很好的去雾效果,并且保证了去雾 后的图像质量。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意 性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1为本发明基于双边滤波和中值滤波的单幅图像去雾方法的流程图;
图2为原始有雾图像和基于本发明的方法进行去雾的图像对比图;其中,图2(a)和2(c)为原始有雾图像,图(b)和2(d)为采用本发明方法的去雾图像。
具体实施方式
应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据 本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和 /或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
实施例一
本实施例公开了一种基于双边滤波和中值滤波的单幅图像去雾方法,如图1所示,包括以下步骤:
步骤1:基于暗通道先验估计大气光值;
步骤1.1:求取带雾图像的暗原色先验图;
步骤1.2:在某种原则下,选择图像中与图像拍摄时大气光强相近的像素点的亮度值作为大气光强,选取暗通道值最大的0.1%像素点;
步骤1.3:从图像中搜索步骤1.2给出的亮度最大值,并将该点作为大气光值A。
下面给出暗通道的表达式:
式中Gv表示彩色图像的单独通道,r,g,b为三原色通道,α(x)为以x为中心的窗口。
步骤2:根据所述大气光值,采用双边滤波粗略估计环境光;
步骤2.1:对原始有雾图像进行白平衡以简化大气散射模型;
大气散射模型
在计算机视觉和计算机领域中,雾主要通过空气中雾像杂质以及颗粒的散射对图像 可视程度产生衰退影响,具体表现在雾像杂质以及颗粒对成像光线的透射衰减和halo效应。基于此,Koschmieder提出了基本的雾效应模型:
H(x)=F(x)e-rd(x)+A(1-e-rd(x)) (2)
该模型分为衰退模型和环境光模型两部分。其中,x为图像像素的空间坐标;H(x)为现有的有雾图像(Haze image);F(x)为待恢复的图像;d(x)为景深;r是大气散射系数; A为无穷远处的大气光又称之为全局大气光(Atmospheric light),通常情况下假设为全局常量,与空间坐标x无关。F(x)e-rd(x)即为直接衰减部分(Direct attenuation),表示景 物反射光在介质中传播因散射造成的衰减。A(1-e-rd(x))为环境光(Airlight)或者大气 光幕(Atmospheric veil),它导致图像色彩和亮度的偏移。
白平衡
我们在可见恢复算法之前执行白平衡,当我们执行白平衡后,图像中的雾像杂质变 为纯白色。这意味着天空亮度A可以校正为白色(1,1,1)T,同时输入图像H(x)在0和1 之间被标准化。
对于式(2),用L(x)来代替A(1-e-rd(x)),即:
L(x)=A(1-e-rd(x)) (3)
其中,0<L(x)<1,则L(x)即为所求环境光。
则式(2)被改写为:
可见,我们需要从图像H(x)中估计出环境光L(x)和全局大气光A,A由暗通道先验得出,现在我们只需求得环境光L(x)即可恢复出清晰的无雾图像F(x)。
为了简化式(1)的描述,用介质传播函数t(x)表示指数衰减项e-rd(x),即:
t(x)=e-rd(x) (5)
其中,0<t(x)<1。
步骤2.2:求取暗原色通道,对环境光进行粗略估计;
环境光的粗估计
图像复原的第一步是估计环境光L(x)。基于式(3)物理模型我们可以得到,大气耗散 函数需满足两个限制条件:1)像素上L(x)≥0,即大气耗散函数取值应为正值且它不能比H(x)的最小值高(即L(x)≤H(x))。
假设W(x)为图像H(x)每个像素(灰度或RGB)的最小分量并且是观察到的图像H(x)中白色的图像,可表示为:
式中,c为3个颜色通道R、G、B中的某一通道;Hc(x)为图像在x点处的通道像 素值。则约束条件2)为L(x)≤W(x),其中当图像为灰度图像时等号成立。至此,大气散 射函数满足的总条件为:0≤L(x)≤W(x)。
由于空气中雾像杂质的存在,环境光对物体成像的散耗与景像到电子成像设备的距 离成正比例。且图像中雾的浓度越底,图像的亮度则越弱。我们用颜色最小值W(x)来 粗略估计出环境光L(x)。这与文章的观点大体保持一致。
步骤2.3:双边滤波粗略估计出大气光幕;
基于双边滤波的细化操作
双边滤波(Bilateral filter)是一种非线性的滤波方法。
由式(3)(5)可知,景深d(x)发生突变,L(x)也会随之产生跳变。景深d(x)变化平缓, L(x)也趋于平缓。所以为避免出现残雾块效应及halo现象,在估计W(x)局部均值与局部标准差时,需要用双边滤波以保护其沿边缘方向的跃变。
双边滤波的数学表达式为:
其中,Wb为归一化系数,表示如下:
其中,S表示空域(Spatial domain),R表示值域(Range domain)。空域S和值域R的乘积即为权重。Gσs和Gσγ为高斯函数,σs为空域高斯模板的尺寸,σγ为值域高斯 函数的尺度。
直接在此基础上进行中值滤波对于图像景深密集突变区域的去雾效果很不理想,去 雾后图像在该局部区域仍有较多残雾,并且会产生halo现象。所以用双边滤波来细化细节,此处用最小颜色分量W(x)来替换雾化图像H(x),则公式为:
M(x)=Bil(W(x)) (9)
D(x)=Bil(|W(x)-M(x)|) (10)
其中,M(x)为局部均值,D(x)为局部方差。
假设图像中的天空区域为无穷远处,对比度为零,大气光幕函数的值为大气光A,并已经求出。用来衡量像素x的相对亮度值,大气光幕估计公式为:
其中,k为可调系数用来辅助控制M(x)的降值程度。
步骤3:对所述环境光进行中值滤波,得到改进的环境光;
中值滤波平滑
双边滤波虽然同时考虑了空间和灰度的关系。但其保存的高频信息过多,使得其对 彩色图像里的高频噪声不能够干净的滤掉。因此我们在此再进行中值滤波以平滑没有能 够去除的薄雾杂质。
我们在此定义这种能够去除图像中高频噪声信息、雾像杂质使之更加清晰平滑复原 的滤波为中值滤波。
公式为:
其中,uv是中值滤波器的窗口大小
L(x)=max(min(θI(x),R(x),0)) (14)
其中,θ(0<θ<1)为平衡系数,使得图像保留极少量的薄雾,使图像与正常图像相差不大。
步骤4:基于大气光和环境光对有雾图像进行恢复;
图像恢复
至此我们获取了大气光A和环境光L(x),利用(3)式可得出介质传波函数:
对式(15)引入一个平衡系数Ψ(0<Ψ<1),以至于恢复的图像不会过度,则式(15)变形 为:
用已获得的大气光A、介质传播函数t(x)、原有的有雾图像H(x)即可恢复出无雾的清晰图像F(x),表达式为:
步骤5:判断去雾后的图像是否清晰,若不清晰,返回步骤3,直至恢复出清晰图像。
实施例二
本实施例的目的是提供一种计算装置。
一种双边滤波和中值滤波的图像去雾装置,包括存储器、处理器及存储在存储器上 并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤,包括:
步骤1:对原始有雾图像基于暗通道先验估计大气光值;
步骤2:根据所述大气光值,采用双边滤波粗略估计环境光;
步骤3:对所述环境光进行中值滤波,得到改进的环境光;
步骤4:基于大气光值和改进的环境光对原始有雾图像进行恢复。
实施例三
本实施例的目的是提供一种计算机可读存储介质。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时执行以 下步骤:
步骤1:对原始有雾图像基于暗通道先验估计大气光值;
步骤2:根据所述大气光值,采用双边滤波粗略估计环境光;
步骤3:对所述环境光进行中值滤波,得到改进的环境光;
步骤4:基于大气光值和改进的环境光对原始有雾图像进行恢复。
以上实施例二和三的装置中涉及的各步骤与方法实施例一相对应,具体实施方式可 参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质;还应当被理解为包括任何介质,所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本发明中的任一方法。
本发明的图像去雾方法仅需输入单幅图像即可恢复出清晰图像,具备较快的运算速 率;并且结合了双边滤波和中值滤波的优势,能够充分避免图像颜色过饱和、图像边缘的halo效应,并且很好的处理边缘、角落的雾像杂质。本发明的图像去雾方法能够广泛 应用于基于图像分析的监控、跟踪、导航等多个领域。
本领域技术人员应该明白,上述本发明的各模块或各步骤可以用通用的计算机装置 来实现,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将 它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的 硬件和软件的结合。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围 的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种基于双边滤波和中值滤波的单幅图像去雾方法,其特征在于,包括以下步骤:
步骤1:对原始有雾图像基于暗通道先验估计大气光值;
步骤2:根据所述大气光值,采用双边滤波粗略估计环境光;
步骤3:对所述环境光进行中值滤波,得到改进的环境光;
步骤4:基于大气光值和改进的环境光对原始有雾图像进行恢复。
2.如权利要求1所述的基于双边滤波和中值滤波的单幅图像去雾方法,其特征在于,所述方法还包括步骤5:判断去雾后的图像是否清晰,若不清晰,返回步骤3,直至恢复出清晰图像。
3.如权利要求1所述的基于双边滤波和中值滤波的单幅图像去雾方法,其特征在于,所述步骤2包括:
步骤2.1:对原始有雾图像进行白平衡以简化大气散射模型;
步骤2.2:求取暗原色通道,对环境光进行粗略估计;
步骤2.3:对所述暗原色通道,根据所述大气光值,采用双边滤波粗略估计环境光。
4.如权利要求3所述的基于双边滤波和中值滤波的单幅图像去雾方法,其特征在于,所述步骤2.2中粗略估计的环境光表示为:
<mrow>
<mi>W</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<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>
<mrow>
<mo>(</mo>
<msup>
<mi>H</mi>
<mi>c</mi>
</msup>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
</mrow>
式中,c为3个颜色通道R、G、B中的某一通道;Hc(x)为图像在x点处的通道像素值。
5.如权利要求4所述的基于双边滤波和中值滤波的单幅图像去雾方法,其特征在于,所述步骤2.3包括:采用双边滤波估计W(x)局部均值M(x)和局部方差D(x);估计的环境光表示为:
<mrow>
<mi>R</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>M</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>K</mi>
<mfrac>
<mrow>
<mi>M</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
<mi>A</mi>
</mfrac>
<mi>D</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
其中,K为可调系数用来辅助控制M(x)的降值程度,A为大气光值。
6.如权利要求4所述的基于双边滤波和中值滤波的单幅图像去雾方法,其特征在于,所述步骤3包括:
<mrow>
<mi>E</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>med</mi>
<msub>
<mi>u</mi>
<mi>v</mi>
</msub>
</msub>
<mi>R</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>E</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>med</mi>
<msub>
<mi>u</mi>
<mi>v</mi>
</msub>
</msub>
<mrow>
<mo>(</mo>
<mo>|</mo>
<mrow>
<mi>R</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>E</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
<mo>|</mo>
<mo>)</mo>
</mrow>
</mrow>
L(x)=max(min(θI(x),R(x),0))
其中,uv是中值滤波器的窗口;表示中值滤波,θ为平衡系数,0<θ<1;L(x)为改进的环境光。
7.如权利要求6所述的基于双边滤波和中值滤波的单幅图像去雾方法,其特征在于,所述步骤4包括:
步骤4.1:基于大气光值和改进的环境光,计算介质传播函数;
步骤4.2:根据大气光值和介质传播函数,对原始有雾图像进行恢复。
8.如权利要求7所述的基于双边滤波和中值滤波的单幅图像去雾方法,其特征在于,所述步骤4.1介质传播函数表示为:
<mrow>
<mi>t</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&psi;</mi>
<mfrac>
<mrow>
<mi>L</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
<mi>A</mi>
</mfrac>
</mrow>
Ψ表示平衡系数。
9.一种基于双边滤波和中值滤波的单幅图像去雾装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-8任一项所述的基于双边滤波和中值滤波的单幅图像去雾方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时执行如权利要求1-8任一项所述的基于双边滤波和中值滤波的单幅图像去雾方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711099132.4A CN108109113A (zh) | 2017-11-09 | 2017-11-09 | 基于双边滤波和中值滤波的单幅图像去雾方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711099132.4A CN108109113A (zh) | 2017-11-09 | 2017-11-09 | 基于双边滤波和中值滤波的单幅图像去雾方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108109113A true CN108109113A (zh) | 2018-06-01 |
Family
ID=62207431
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711099132.4A Pending CN108109113A (zh) | 2017-11-09 | 2017-11-09 | 基于双边滤波和中值滤波的单幅图像去雾方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108109113A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109377450A (zh) * | 2018-08-24 | 2019-02-22 | 南京理工大学 | 一种边缘保护的去噪方法 |
CN113409457A (zh) * | 2021-08-20 | 2021-09-17 | 宁波博海深衡科技有限公司武汉分公司 | 立体图像的三维重构与可视化方法及设备 |
CN113812137A (zh) * | 2019-05-16 | 2021-12-17 | 三菱电机株式会社 | 图像处理装置和方法、图像读取装置、程序和记录介质 |
CN115835030A (zh) * | 2022-11-21 | 2023-03-21 | 山东大学 | 一种用于高光谱成像设备的环境光抑制***及方法 |
CN116596805A (zh) * | 2023-07-14 | 2023-08-15 | 山东大学 | 一种基于场景物体与大气光偏振态差异的偏振去雾方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103489166A (zh) * | 2013-10-12 | 2014-01-01 | 大连理工大学 | 一种基于双边滤波的单幅图像去雾方法 |
CN103985091A (zh) * | 2014-04-30 | 2014-08-13 | 西安理工大学 | 基于亮度暗先验与双边滤波的单幅图像去雾方法 |
CN104867121A (zh) * | 2015-06-08 | 2015-08-26 | 武汉理工大学 | 基于暗原色先验和Retinex理论的图像快速去雾法 |
WO2015125146A1 (en) * | 2014-02-19 | 2015-08-27 | Yissum Research Development Company Of The Hebrew University Of Jerusalem Ltd. | Method and system for dehazing natural images using color-lines |
CN105631825A (zh) * | 2015-12-28 | 2016-06-01 | 西安电子科技大学 | 基于滚动导向的图像去雾方法 |
TW201807666A (zh) * | 2016-08-22 | 2018-03-01 | 元智大學 | 基於邊緣塌陷的影像去霧方法以及其電子裝置 |
-
2017
- 2017-11-09 CN CN201711099132.4A patent/CN108109113A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103489166A (zh) * | 2013-10-12 | 2014-01-01 | 大连理工大学 | 一种基于双边滤波的单幅图像去雾方法 |
WO2015125146A1 (en) * | 2014-02-19 | 2015-08-27 | Yissum Research Development Company Of The Hebrew University Of Jerusalem Ltd. | Method and system for dehazing natural images using color-lines |
CN103985091A (zh) * | 2014-04-30 | 2014-08-13 | 西安理工大学 | 基于亮度暗先验与双边滤波的单幅图像去雾方法 |
CN104867121A (zh) * | 2015-06-08 | 2015-08-26 | 武汉理工大学 | 基于暗原色先验和Retinex理论的图像快速去雾法 |
CN105631825A (zh) * | 2015-12-28 | 2016-06-01 | 西安电子科技大学 | 基于滚动导向的图像去雾方法 |
TW201807666A (zh) * | 2016-08-22 | 2018-03-01 | 元智大學 | 基於邊緣塌陷的影像去霧方法以及其電子裝置 |
Non-Patent Citations (1)
Title |
---|
王永虎 等: "基于滤波的单幅图像去雾方法", 《吉林大学学报(理学版)》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109377450A (zh) * | 2018-08-24 | 2019-02-22 | 南京理工大学 | 一种边缘保护的去噪方法 |
CN109377450B (zh) * | 2018-08-24 | 2021-12-10 | 南京理工大学 | 一种边缘保护的去噪方法 |
CN113812137A (zh) * | 2019-05-16 | 2021-12-17 | 三菱电机株式会社 | 图像处理装置和方法、图像读取装置、程序和记录介质 |
CN113812137B (zh) * | 2019-05-16 | 2024-03-15 | 三菱电机株式会社 | 图像处理装置和方法、图像读取装置和记录介质 |
CN113409457A (zh) * | 2021-08-20 | 2021-09-17 | 宁波博海深衡科技有限公司武汉分公司 | 立体图像的三维重构与可视化方法及设备 |
CN115835030A (zh) * | 2022-11-21 | 2023-03-21 | 山东大学 | 一种用于高光谱成像设备的环境光抑制***及方法 |
CN116596805A (zh) * | 2023-07-14 | 2023-08-15 | 山东大学 | 一种基于场景物体与大气光偏振态差异的偏振去雾方法 |
CN116596805B (zh) * | 2023-07-14 | 2023-09-29 | 山东大学 | 一种基于场景物体与大气光偏振态差异的偏振去雾方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108109113A (zh) | 基于双边滤波和中值滤波的单幅图像去雾方法和装置 | |
US10424054B2 (en) | Low-illumination image processing method and device | |
CN102750674B (zh) | 基于自适应容差的视频图像去雾方法 | |
Kim et al. | Single image dehazing based on contrast enhancement | |
KR101756173B1 (ko) | 전달률 하한치의 변형에 의한 안개영상 개선 시스템 및 그 방법 | |
CN106846263B (zh) | 基于融合通道且对天空免疫的图像去雾方法 | |
US20180122051A1 (en) | Method and device for image haze removal | |
US9384532B2 (en) | Apparatus for improving fogged image using user-controllable root operator | |
US9418402B2 (en) | System for improving foggy luminance image using fog reduction estimation model | |
WO2013018101A1 (en) | Method and system for removal of fog, mist or haze from images and videos | |
CN104252698A (zh) | 一种基于半逆法的快速单幅图像去雾算法 | |
CN107798670B (zh) | 一种利用图像引导滤波器的暗原色先验图像去雾方法 | |
US20130039575A1 (en) | System and method of image processing perceptual visibility of imagery | |
EP2851867A2 (en) | Method and apparatus for filtering an image | |
Halmaoui et al. | Contrast restoration of road images taken in foggy weather | |
Meng et al. | A hybrid algorithm for underwater image restoration based on color correction and image sharpening | |
CN105023246B (zh) | 一种基于对比度和结构相似度的图像增强方法 | |
CN108629750A (zh) | 一种夜间去雾方法、终端设备及存储介质 | |
Li et al. | Contrast enhancement based single image dehazing via TV-L 1 minimization | |
CN107993198A (zh) | 优化对比度增强的图像去雾方法及*** | |
Hao et al. | Texture enhanced underwater image restoration via laplacian regularization | |
CN112825189B (zh) | 一种图像去雾方法及相关设备 | |
Trongtirakul et al. | Transmission map optimization for single image dehazing | |
Senthamilarasu et al. | A new approach for removing haze from images | |
EP2887309A1 (en) | Method and apparatus for filtering an image |
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: 20180601 |
|
RJ01 | Rejection of invention patent application after publication |