CN108182671A - 一种基于天空区域识别的单幅图像去雾方法 - Google Patents

一种基于天空区域识别的单幅图像去雾方法 Download PDF

Info

Publication number
CN108182671A
CN108182671A CN201810072673.6A CN201810072673A CN108182671A CN 108182671 A CN108182671 A CN 108182671A CN 201810072673 A CN201810072673 A CN 201810072673A CN 108182671 A CN108182671 A CN 108182671A
Authority
CN
China
Prior art keywords
pixel
sky areas
sky
image
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.)
Granted
Application number
CN201810072673.6A
Other languages
English (en)
Other versions
CN108182671B (zh
Inventor
顾振飞
王书旺
陈凡
袁小燕
单祝鹏
丁梦悍
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.)
Nanjing Vocational College Of Information Technology
Original Assignee
Nanjing Vocational College Of Information Technology
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 Nanjing Vocational College Of Information Technology filed Critical Nanjing Vocational College Of Information Technology
Priority to CN201810072673.6A priority Critical patent/CN108182671B/zh
Publication of CN108182671A publication Critical patent/CN108182671A/zh
Application granted granted Critical
Publication of CN108182671B publication Critical patent/CN108182671B/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
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30192—Weather; Meteorology

Landscapes

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

Abstract

本发明公开了一种基于天空区域识别的单幅图像去雾方法，本发明方法通过识别出有雾彩色图像中的天空区域和非天空区域，在天空区域中估算全局大气光值，根据全局大气光值对非天空区域进行去雾处理，结合有雾彩色图像中的天空区域与非天空区域的去雾图，获得总去雾图像；本发明方法在识别出的天空区域中估计大气光，可以有效提高大气光估计的准确率，从而改善去雾处理后图像的视觉效果；本发明方法仅对非天空区域进行去雾处理，避免天空区域出现色偏、过增强或光晕等负面效应。

Description

一种基于天空区域识别的单幅图像去雾方法
技术领域
本发明属于数字图像去雾处理技术领域，具体涉及一种基于天空区域识别的单幅图像去雾方法，用于对彩色图像的无色偏去雾。
背景技术
使用现有的图像去雾方法处理包含有天空区域的有雾彩色图像时，均会存在如下缺陷：1) 天空区域本身就是由浓密的“雾气”所构成的，因此对有雾彩色图像中的天空区域进行去雾处理，本质上是不合理的，也不可能通过消除天空区域的“雾气”而揭示出隐藏在其后的场景细节；2)现有的图像去雾方法的目标都是消除像素中所包含的过量的大气光(近似白色) 分量，从而通过提高饱和度、对比度等方式实现信息增益，而考虑到天空区域应当具备光滑、缺乏纹理的特征，因此对天空区域引入不适度的信息增益则势必会引起过增强、色偏等负面效应。
发明内容
为解决上述问题，本发明提出一种基于天空区域识别的单幅图像去雾方法，能够在有效消除图像中雾气的同时避免天空区域出现色偏、过增强或光晕等效应。
本发明的具体技术方案如下：一种基于天空区域识别的单幅图像去雾方法，包括以下步骤：
步骤1，识别出有雾彩色图像中的天空区域和非天空区域；
步骤2，在天空区域中估算全局大气光值；
步骤3，求取非天空区域的透射图，根据全局大气光值，利用大气散射模型获得非天空区域的去雾图；
步骤4，结合有雾彩色图像中的天空区域与非天空区域的去雾图获得总去雾图像。
进一步，步骤1中，识别出有雾彩色图像中的天空区域和非天空区域的具体步骤如下：
步骤1.1，利用下式提取有雾彩色图像中每个像素的天空特征值：
其中，F(x,y)表示像素(x,y)的天空特征值，表示像素(x,y)的梯度，V(x,y)表示像素(x,y)的亮度，S(x,y)表示像素(x,y)的饱和度，表示全图亮度均值，λ1表示梯度特征阈值，λ2表示饱和度特征阈值，e表示自然常数；
步骤1.2，利用下式对有雾彩色图像中每个像素的天空特征值进行优化：
Frefined(x,y)←dilate(erode(F(x,y)))
其中，Frefined(x,y)表示像素(x,y)的天空特征优化值，dilate(·)表示膨胀算子，erode(·)表示腐蚀算子；
步骤1.3，依次判别有雾彩色图像中的每个像素，若该像素的天空特征优化值大于全图的天空特征优化均值的1.2倍，则判定该像素属于天空区域，否则属于非天空区域。
进一步，步骤2中根据天空区域计算全局大气光值，具体包括：求取天空区域中每个像素的邻域的饱和度均值，将饱和度均值前1％对应的像素组成候选大气光像素集，计算候选大气光像素集中的强度均值，将该值作为全局大气光值。
进一步，步骤3中，求取非天空区域的透射图，根据全局大气光值，利用大气散射模型获得非天空区域的去雾图的具体步骤如下：
步骤3.1，利用下式求取非天空区域中像素的粗略透射率，构建非天空区域的粗略透射图：
其中，trough'(x,y)表示非天空区域的粗略透射图中像素(x,y)的粗略透射率，Ω(x,y)表示非天空区域的粗略透射图中像素(x,y)的邻域，Ic(x',y')表示邻域Ω(x,y)中任意一个像素(x',y')对应的有雾彩色图像中像素(x',y')的R、G、B三个通道的任意一个通道的强度值，L∞表示全局大气光值；
步骤3.2，采用导向全变分模型对非天空区域中像素的粗略透射率进行优化，得到非天空区域的优化透射图，其中导向全变分模型的表达式如下：
其中，t'(x,y)表示非天空区域的优化透射图中像素(x,y)的优化透射率，表示非天空区域的优化透射图中像素(x,y)的梯度，表示非天空区域的优化透射图中像素(x,y) 对应的有雾彩色图像的灰度图中像素(x,y)的梯度， 表示求二范数的平方；
步骤3.3，根据全局大气光值和非天空区域的优化透射图，采用大气散射模型获得非天空区域的去雾图。
进一步，步骤4中结合有雾彩色图像中的天空区域与非天空区域的去雾图获得总去雾图像，具体包括：将天空区域的像素的粗略透射率均设为1，构建天空区域的粗略透射图；采用导向全变分模型对天空区域的像素的粗略透射率进行优化，得到天空区域的优化透射图；根据全局大气光值和天空区域的优化透射图，采用大气散射模型获得天空区域的去雾图；结合天空区域的去雾图和非天空区域的去雾图获得总去雾图像。
进一步，还包括步骤5，利用下式对总去雾图像进行亮度一致性修正，获得去雾修正图像：
其中，R(x,y)表示去雾修正图像中像素(x,y)的强度值，J(x,y)表示去雾修正图像中像素 (x,y)对应的总去雾图像中像素(x,y)的强度值，Ω(x,y)表示去雾修正图像中像素(x,y)对应的总去雾图像中像素(x,y)的邻域，Jc(x',y')表示邻域Ω(x,y)中任意一个像素(x',y')对应的总去雾图像中像素(x',y')的R、G、B三个通道的任意一个通道的强度值。
本发明的有益效果：本发明方法通过识别出有雾彩色图像中的天空区域和非天空区域，在天空区域中估算全局大气光值，根据全局大气光值对非天空区域进行去雾处理，获得非天空区域的去雾图，最后结合有雾彩色图像中的天空区域，获得总去雾图像；本发明方法在识别出的天空区域中估计全局大气光值，可以有效提高大气光估计的准确率，从而改善去雾处理后图像的视觉效果；本发明方法仅对非天空区域进行去雾处理，避免天空区域出现色偏、过增强或光晕等负面效应。
附图说明
图1是本发明方法的流程图。
图2是本发明实施例对具体图像进行去雾获得的中间效果流程图。
图3是本发明实施例中识别天空区域的效果图。
图4是本发明实施例和现有图像去雾方法对第一有雾图像进行去雾处理的效果对比图。
图5是本发明实施例和现有图像去雾方法对第二有雾图像进行去雾处理的效果对比图。
具体实施方式
下面结合附图和具体实施例对本发明方法做进一步的解释说明。
如图1所示，本发明实施例提供的一种基于天空区域识别的单幅图像去雾方法，包括以下步骤：
步骤1，识别出有雾彩色图像中的天空区域和非天空区域，具体为：
步骤1.1，利用下式提取有雾彩色图像中每个像素的天空特征值，获得天空特征图，如图 2(b)所示：
其中，F(x,y)表示像素(x,y)的天空特征值，表示像素(x,y)的梯度，V(x,y)表示像素(x,y)的亮度，S(x,y)表示像素(x,y)的饱和度，表示全图亮度均值，λ1表示梯度特征阈值，λ2表示饱和度特征阈值，e表示自然常数。
本实施例中λ1＝0.005，λ2＝0.04。
步骤1.2，为了消除天空特征图中的噪点，将上述天空特征图先进行膨胀运算，再进行腐蚀运算获得优化天空特征图，如图2(c)所示。具体利用下式对有雾彩色图像中每个像素的天空特征值进行优化：
Frefined(x,y)←dilate(erode(F(x,y)))
其中，Frefined(x,y)表示像素(x,y)的天空特征优化值，dilate(·)表示膨胀算子，erode(·)表示腐蚀算子。
步骤1.3，求取全图的天空特征优化均值依次判别有雾彩色图像中的每个像素，若像素(x,y)的天空特征优化值Frefined(x,y)大于全图的天空特征优化均值的1.2倍，则判定像素(x,y)属于天空区域Isky，否则属于非天空区域Inon-sky。
本发明实施例的步骤1可有效识别出天空区域和非天空区域，效果如图3所示，图3(a)、 (b)、(c)和(d)为包含天空区域的有雾彩色图像，图3(e)、(f)、(g)和(h)分别对应为图3(a)、(b)、 (c)和(d)的天空区域识别效果图。
步骤2，求取天空区域Isky中每个像素的邻域的饱和度均值，本实施例中邻域大小选择 15×15，将饱和度均值从大到小进行排序，选择排在前1％的饱和度均值对应的像素构成候选大气光像素集，计算候选大气光像素集中的强度均值，将该值作为全局大气光值L∞。
步骤3，求取非天空区域的透射图，根据全局大气光值，利用大气散射模型获得非天空区域的去雾图。
步骤3.1，结合暗通道先验方法[1]，利用下式求取非天空区域中像素的粗略透射率，构建非天空区域的粗略透射图：
其中，trough'(x,y)表示非天空区域的粗略透射图中像素(x,y)的粗略透射率，Ω(x,y)表示非天空区域的粗略透射图中像素(x,y)的邻域，Ic(x',y')表示邻域Ω(x,y)中任意一个像素(x',y')对应的有雾彩色图像中像素(x',y')的R、G、B三个通道的任意一个通道的强度值，L∞表示全局大气光值。
步骤3.2，采用文献[2]所提出的导向全变分模型对非天空区域中像素的粗略透射率进行优化，得到非天空区域的优化透射图，其中导向全变分模型的表达式如下：
其中，t'(x,y)表示非天空区域的优化透射图中像素(x,y)的优化透射率，表示非天空区域的优化透射图中像素(x,y)的梯度，表示非天空区域的优化透射图中像素(x,y) 对应的有雾彩色图像的灰度图中像素(x,y)的梯度， 表示求二范数的平方。
步骤3.3，根据全局大气光值L∞和非天空区域的优化透射图，利用下式获得非天空区域的去雾图：
其中，J'(x,y)表示非天空区域的去雾图中像素(x,y)的强度值，I'(x,y)表示非天空区域的去雾图中像素(x,y)对应的有雾彩色图像中像素(x,y)的强度值。
步骤4，结合有雾彩色图像的天空区域和非天空区域的去雾图获得总去雾图像。
考虑到防止去雾总图像中天空区域与非天空区域的交界处边缘突兀，跳变太大导致光晕效应显著，本发明实施例中步骤4还增加了对识别出的天空区域做去雾处理，具体为：
步骤4.1，设置天空区域中像素(x,y)的粗略透射率trough *(x,y)＝1，构建天空区域的粗略透射图。
步骤4.2，采用导向全变分模型对天空区域中像素的粗略透射率进行优化，得到天空区域的优化透射图，其中导向全变分模型的表达式如下：
其中，t*(x,y)表示天空区域的优化透射图中像素(x,y)的优化透射率，表示天空区域的优化透射图中像素(x,y)的优化透射率的梯度，表示天空区域的优化透射图中像素 (x,y)对应的有雾彩色图像的灰度图中像素(x,y)的梯度， 表示求二范数的平方。
步骤4.3，根据全局大气光值L∞和天空区域的优化透射图，利用下式获得天空区域的去雾图：
其中，J*(x,y)表示天空区域的去雾图中像素(x,y)的强度值，I*(x,y)表示天空区域的去雾图中像素(x,y)对应的有雾彩色图像中像素(x,y)的强度值。
步骤4.4，结合天空区域的去雾图和非天空区域的去雾图获得总去雾图像。
需要说明的是，上述步骤3和步骤4可合并为同一步骤处理，具体包括：
利用下式求取有雾彩色图像中像素的粗略透射率，构建有雾彩色图像的粗略透射图，如图2(e)所示：
其中，trough(x,y)表示粗略透射图中像素(x,y)的粗略透射率，Ω(x,y)表示粗略透射图中像素(x,y)的邻域，Ic(x',y')表示邻域Ω(x,y)中任意一个像素(x',y')对应的有雾彩色图像中像素 (x',y')的R、G、B三个通道的任意一个通道的强度值，L∞表示全局大气光值。
采用导向全变分模型对粗略透射图中像素的粗略透射率进行优化，得到优化透射图，如图2(f)所示，其中导向全变分模型的表达式如下：
其中，t(x,y)表示优化透射图中像素(x,y)的优化透射率，表示优化透射图中像素 (x,y)的优化透射率的梯度，表示优化透射图中像素(x,y)对应的有雾彩色图像的灰度图中像素(x,y)的梯度， 表示求二范数的平方。
根据全局大气光值L∞和优化透射图，利用下式获得总去雾图像，如图2(g)所示：
其中，J(x,y)表示总去雾图像中像素(x,y)的强度值，I'(x,y)表示总去雾图像中像素(x,y) 对应的有雾彩色图像中像素(x,y)的强度值。
该步骤中，利用暗通道先验对非天空区域进行透射率估计，并将天空区域中像素的粗略透射率均设为1，从而获得全图的粗略透射率。然后，采用导向全变分模型对全图的粗略透射率进行优化处理，从而获得优化透射率。最后，根据全局大气光值和优化透射率获得去雾处理后的图像。其中，导向全变分模型对全图的粗略透射率进行优化处理的主要目的是对全图的粗略透射率进行保边平滑处理，使得景深突变区域的透射率不产生跳变效应，特别是天空区域和非天空区域交界的边缘区域。导向全变分模型使用有雾彩色图像的灰度图做导向，而有雾彩色图像的天空区域是近似没有纹理的，因此并不会对的天空区域内部(粗略透射率为1)的粗略透射率带来较大变化，因此获得的天空区域的去雾图不会发生过增强、色偏的效应。
本发明实施例中还包括步骤5，利用下式对总去雾图像进行亮度一致性修正，获得去雾修正图像：
其中，R(x,y)表示去雾修正图像中像素(x,y)的强度值，J(x,y)表示去雾修正图像中像素 (x,y)对应的总去雾图像中像素(x,y)的强度值，Ω(x,y)表示去雾修正图像中像素(x,y)对应的总去雾图像中像素(x,y)的邻域，Jc(x',y')表示邻域Ω(x,y)中任意一个像素(x',y')对应的总去雾图像中像素(x',y')的R、G、B三个通道的任意一个通道的强度值。
该步骤简单有效，且具有较高的效率。该步骤的核心思想是自适应的削减图像过亮区域中的像素强度、提高过暗区域的像素强度，从而达到修正图像亮度一致性的目的。
图4和图5为利用本发明实施例方法和现有的四种方法对相同的两个有雾彩色图像进行处理的效果图，其中，图4(a)和5(a)为包含天空区域的雾天降质图像，图4(b)和5(b)为He方法[1]处理后的去雾图像，图4(c)和5(c)为Gu方法[6]处理后的去雾图像，图4(d)和5(d)为Tarel 方法[4]处理后的去雾图像，图4(e)和5(e)为Meng方法[5]处理后的去雾图像，图4(f)和5(f) 为本发明方法处理后的去雾图像。从图4和图5中可以看出，本发明方法可以取得更好的视觉效果，在有效消除图像中雾气的同时天空区域不会出现色偏、过增强或光晕等负面效应。
参考文献：
[1]He K,Sun J,Tang X.Single Image Haze Removal Using Dark ChannelPrior[J].IEEE Transactions on Pattern Analysis&Machine Intelligence,2011,33(12):2341-2353.
[2]Ju M,Zhang D,Wang X.Single image dehazing via an improvedatmospheric scattering model[J].Visual Computer,2017,33(12):1613-1625.
[3]Gu Zhen-fei,Ju M,Zhang D.A novel Retinex image enhancementapproach via brightness channel prior and change of detail prior[J].PatternRecognition&Image Analysis,2017, 27(2):234-242.
[4]Tarel J P,Hautière N.Fast visibility restoration from a singlecolor or gray level image[C]//IEEE 12th International Conference on ComputerVision,2009:2201-2208.
[5]Meng G,Wang Y,Duan J,et al.Efficient Image Dehazing with BoundaryConstraint and Contextual Regularization[C]//IEEE International Conference onComputer Vision.IEEE, 2014:617-624.
[6]Gu Zhen-fei,Ju Ming-ye,Zhang Deng-yin.A single image dehazingmethod using average saturation prior[J].Mathematical Problems inEngineering,2017,2017:1-17. 。

Claims (6)

1.一种基于天空区域识别的单幅图像去雾方法，其特征在于，包括以下步骤：
步骤1，识别出有雾彩色图像中的天空区域和非天空区域；
步骤2，在天空区域中估算全局大气光值；
步骤3，求取非天空区域的透射图，根据全局大气光值，利用大气散射模型获得非天空区域的去雾图；
步骤4，结合有雾彩色图像中的天空区域与非天空区域的去雾图获得总去雾图像。
2.根据权利要求1所述的基于天空区域识别的单幅图像去雾方法，其特征在于，步骤1中，识别出有雾彩色图像中的天空区域和非天空区域的具体步骤如下：
步骤1.1，利用下式提取有雾彩色图像中每个像素的天空特征值：
其中，F(x,y)表示像素(x,y)的天空特征值，▽(x,y)表示像素(x,y)的梯度，V(x,y)表示像素(x,y)的亮度，S(x,y)表示像素(x,y)的饱和度，表示全图亮度均值，λ1表示梯度特征阈值，λ2表示饱和度特征阈值，e表示自然常数；
步骤1.2，利用下式对有雾彩色图像中每个像素的天空特征值进行优化：
Frefined(x,y)←dilate(erode(F(x,y)))
其中，Frefined(x,y)表示像素(x,y)的天空特征优化值，dilate(·)表示膨胀算子，erode(·)表示腐蚀算子；
步骤1.3，依次判别有雾彩色图像中的每个像素，若该像素的天空特征优化值大于全图的天空特征优化均值的1.2倍，则判定该像素属于天空区域，否则属于非天空区域。
3.根据权利要求1所述的基于天空区域识别的单幅图像去雾方法，其特征在于，步骤2中，在天空区域中估算全局大气光值，具体包括：求取天空区域中每个像素的邻域的饱和度均值，将饱和度均值前1％对应的像素组成候选大气光像素集，计算候选大气光像素集中的强度均值，将该值作为全局大气光值。
4.根据权利要求1所述的基于天空区域识别的单幅图像去雾方法，其特征在于，步骤3中，求取非天空区域的透射图，根据全局大气光值，利用大气散射模型获得非天空区域的去雾图的具体步骤如下：
步骤3.1，利用下式求取非天空区域中像素的粗略透射率，构建非天空区域的粗略透射图：
其中，trough'(x,y)表示非天空区域的粗略透射图中像素(x,y)的粗略透射率，Ω(x,y)表示非天空区域的粗略透射图中像素(x,y)的邻域，Ic(x',y')表示邻域Ω(x,y)中任意一个像素(x',y')对应的有雾彩色图像中像素(x',y')的R、G、B三个通道的任意一个通道的强度值，L∞表示全局大气光值；
步骤3.2，采用导向全变分模型对非天空区域中像素的粗略透射率进行优化，得到非天空区域的优化透射图，导向全变分模型的表达式如下：
其中，t'(x,y)表示非天空区域的优化透射图中像素(x,y)的优化透射率，▽t'(x,y)表示非天空区域的优化透射图中像素(x,y)的梯度，▽G(x,y)表示非天空区域的优化透射图中像素(x,y)对应的有雾彩色图像的灰度图中像素(x,y)的梯度， 表示求二范数的平方；
步骤3.3，根据全局大气光值和非天空区域的优化透射图，采用大气散射模型获得非天空区域的去雾图。
5.根据权利要求1所述的基于天空区域识别的单幅图像去雾方法，其特征在于，步骤4中，结合有雾彩色图像中的天空区域与非天空区域的去雾图获得总去雾图像，具体包括：将天空区域的像素的粗略透射率均设为1，构建天空区域的粗略透射图；采用导向全变分模型对天空区域的像素的粗略透射率进行优化，得到天空区域的优化透射图；根据全局大气光值和天空区域的优化透射图，采用大气散射模型获得天空区域的去雾图；结合天空区域的去雾图和非天空区域的去雾图获得总去雾图像。
6.根据权利要求1所述的基于天空区域识别的单幅图像去雾方法，其特征在于，还包括步骤5，利用下式对总去雾图像进行亮度一致性修正，获得去雾修正图像：
其中，R(x,y)表示去雾修正图像中像素(x,y)的强度值，J(x,y)表示去雾修正图像中像素(x,y)对应的总去雾图像中像素(x,y)的强度值，Ω(x,y)表示去雾修正图像中像素(x,y)对应的总去雾图像中像素(x,y)的邻域，Jc(x',y')表示邻域Ω(x,y)中任意一个像素(x',y')对应的总去雾图像中像素(x',y')的R、G、B三个通道的任意一个通道的强度值。
CN201810072673.6A 2018-01-25 2018-01-25 一种基于天空区域识别的单幅图像去雾方法 Active CN108182671B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810072673.6A CN108182671B (zh) 2018-01-25 2018-01-25 一种基于天空区域识别的单幅图像去雾方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810072673.6A CN108182671B (zh) 2018-01-25 2018-01-25 一种基于天空区域识别的单幅图像去雾方法

Publications (2)

Publication Number Publication Date
CN108182671A true CN108182671A (zh) 2018-06-19
CN108182671B CN108182671B (zh) 2022-04-22

Family

ID=62551272

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810072673.6A Active CN108182671B (zh) 2018-01-25 2018-01-25 一种基于天空区域识别的单幅图像去雾方法

Country Status (1)

Country Link
CN (1) CN108182671B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109523480A (zh) * 2018-11-12 2019-03-26 上海海事大学 一种海雾图像的去雾方法、装置、计算机存储介质及终端
CN110310241A (zh) * 2019-06-26 2019-10-08 长安大学 一种融合深度区域分割的多大气光值交通图像去雾方法
CN110555814A (zh) * 2019-08-30 2019-12-10 深圳市商汤科技有限公司 图像去雾处理方法及装置、存储介质
CN112017128A (zh) * 2020-08-24 2020-12-01 东南大学 一种图像自适应去雾方法
CN112465720A (zh) * 2020-11-27 2021-03-09 南京邮电大学 一种基于图像天空分割的图像去雾方法、装置和存储介质
CN113240602A (zh) * 2021-05-17 2021-08-10 Oppo广东移动通信有限公司 图像去雾方法及装置、计算机可读介质和电子设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013040857A1 (en) * 2011-09-20 2013-03-28 Fujitsu Limited Exposure enhancement method and apparatus for a defogged image
CN103279931A (zh) * 2013-06-03 2013-09-04 中国人民解放军国防科学技术大学 基于透射率的去雾图像去噪方法
CN106780380A (zh) * 2016-12-09 2017-05-31 电子科技大学 一种图像去雾方法及***
CN107203981A (zh) * 2017-06-16 2017-09-26 南京信息职业技术学院 一种基于雾气浓度特征的图像去雾方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013040857A1 (en) * 2011-09-20 2013-03-28 Fujitsu Limited Exposure enhancement method and apparatus for a defogged image
CN103279931A (zh) * 2013-06-03 2013-09-04 中国人民解放军国防科学技术大学 基于透射率的去雾图像去噪方法
CN106780380A (zh) * 2016-12-09 2017-05-31 电子科技大学 一种图像去雾方法及***
CN107203981A (zh) * 2017-06-16 2017-09-26 南京信息职业技术学院 一种基于雾气浓度特征的图像去雾方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109523480A (zh) * 2018-11-12 2019-03-26 上海海事大学 一种海雾图像的去雾方法、装置、计算机存储介质及终端
CN109523480B (zh) * 2018-11-12 2022-05-06 上海海事大学 一种海雾图像的去雾方法、装置、计算机存储介质及终端
CN110310241A (zh) * 2019-06-26 2019-10-08 长安大学 一种融合深度区域分割的多大气光值交通图像去雾方法
CN110555814A (zh) * 2019-08-30 2019-12-10 深圳市商汤科技有限公司 图像去雾处理方法及装置、存储介质
CN112017128A (zh) * 2020-08-24 2020-12-01 东南大学 一种图像自适应去雾方法
CN112017128B (zh) * 2020-08-24 2024-05-03 东南大学 一种图像自适应去雾方法
CN112465720A (zh) * 2020-11-27 2021-03-09 南京邮电大学 一种基于图像天空分割的图像去雾方法、装置和存储介质
CN112465720B (zh) * 2020-11-27 2024-02-23 南京邮电大学 一种基于图像天空分割的图像去雾方法、装置和存储介质
CN113240602A (zh) * 2021-05-17 2021-08-10 Oppo广东移动通信有限公司 图像去雾方法及装置、计算机可读介质和电子设备

Also Published As

Publication number Publication date
CN108182671B (zh) 2022-04-22

Similar Documents

Publication Publication Date Title
CN108182671A (zh) 一种基于天空区域识别的单幅图像去雾方法
CN106157267B (zh) 一种基于暗通道先验的图像去雾透射率优化方法
CN110148095B (zh) 一种水下图像增强方法及增强装置
CN106548463B (zh) 基于暗通道与Retinex的海雾图像自动去雾方法及***
CN107301623B (zh) 一种基于暗通道和图像分割的交通图像去雾方法及***
CN107358585B (zh) 基于分数阶微分及暗原色先验的雾天图像增强方法
CN108765342A (zh) 一种基于改进暗通道的水下图像复原方法
CN111292258A (zh) 一种基于暗通道和亮通道先验的图像去雾方法
CN109816608B (zh) 一种基于噪声抑制的低照度图像自适应亮度增强方法
CN111145105B (zh) 一种图像快速去雾方法、装置、终端及存储介质
CN106971380A (zh) 一种对比度增强和视觉显著度优化方法在高尔夫球场图中的应用
CN109272475B (zh) 一种快速有效修复与强化水下图像颜色的方法
CN106846271B (zh) 一种去除身份证照片中网纹的方法
CN110930321A (zh) 一种能够自动选取目标区域的蓝/绿幕数字图像抠取方法
CN110687122A (zh) 一种陶瓦表面裂纹检测方法及***
CN107256539B (zh) 一种基于局部对比度的图像锐化方法
Mei et al. Single image dehazing using dark channel fusion and haze density weight
Li et al. Underwater image restoration based on improved background light estimation and automatic white balance
CN108711160A (zh) 一种基于hsi增强性模型的目标分割方法
Nnolim Image de-hazing via gradient optimized adaptive forward-reverse flow-based partial differential equation
CN111127350A (zh) 一种图像增强方法
CN108460735A (zh) 基于单幅图像的改进暗通道去雾方法
Abbaspour et al. A new fast method for foggy image enhancement
Chen et al. An adaptive image dehazing algorithm based on dark channel prior
CN110288536A (zh) 一种基于改进双边滤波的井下图像处理方法

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
GR01 Patent grant
GR01 Patent grant