CN111028184A - 一种图像增强方法及*** - Google Patents
一种图像增强方法及*** Download PDFInfo
- Publication number
- CN111028184A CN111028184A CN202010155066.3A CN202010155066A CN111028184A CN 111028184 A CN111028184 A CN 111028184A CN 202010155066 A CN202010155066 A CN 202010155066A CN 111028184 A CN111028184 A CN 111028184A
- Authority
- CN
- China
- Prior art keywords
- image
- low
- wavelet
- defogged
- frequency sub
- 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
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 43
- 230000004927 fusion Effects 0.000 claims abstract description 21
- 238000002834 transmittance Methods 0.000 claims description 18
- 239000000126 substance Substances 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 20
- 230000008859 change Effects 0.000 abstract description 12
- 230000008569 process Effects 0.000 description 11
- 230000009466 transformation Effects 0.000 description 10
- 230000000007 visual effect Effects 0.000 description 8
- 239000000284 extract Substances 0.000 description 5
- 238000001914 filtration Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像增强方法及***,其中,方法包括:S1、对采集的含雾图像进行小波分解,得到低频分量;S2、对低频分量进行小波重构,得到低频子图像;S3、基于低频子图像估计大气耗散函数、大气光值及介质透射率;S4、基于大气耗散函数、大气光值及介质透射率生成去雾低频子图像;S5、采用暗原色先验去雾方法得到含雾图像的第一去雾图像;S6、对第一去雾图像进行小波分解,得到高频分量;S7、对高频分量进行小波重构,得到第一去雾图像对应的高频子图像;S8、对低频子图像及高频子图像进行小波融合,生成第二去雾图像。本发明所生成的第二去雾图像能够同时实现细节增强,且图像的亮度变化效果自然。
Description
技术领域
本发明涉及图像处理领域,具体涉及一种图像增强方法及***。
背景技术
无人机航拍在交通监控、环保监测等许多户外视觉***中得到广泛应用。由于一般山区的天气环境较为恶劣,雾气环境可能性很高,直接从无人机所拍摄的画面较为不清晰,存在图像噪声。
公开号为CN 108460743 A的发明专利申请公开了一种基于暗通道的无人机航拍图像去雾算法,根据彩色有雾图像获取暗通道图像,由暗通道图像求取全球大气光成分A,再根据暗通道图像求取粗透射率图,将粗透射率图下采样并进行引导滤波再上采样得到精细透射率图,接着根据精细透射率图和全球大气光成分A求得初始去雾图像,最后使用限制对比度自适应直方图均衡化对初始去雾图像进行局部对比度增强,解决暗通道去雾后图像偏暗并突出原图局部信息,用于后续图像处理工作。
采用暗原色先验方法对图像进行去雾,从本质上去除雾气的影响,增强了图像细节信息,但是由于目标场景的亮度通常不及大气光线,导致复原图像整体偏暗,视觉效果不佳。上述申请通过局部对比度增强提升图像亮度,效果较为生硬。为了保留图像边缘和细节信息,使得处理后的图像效果更加明显,利用雾气主要影响图像低频区域的结论,现有技术提出结合小波变换和大气耗散函数的图像去雾方法。首先,利用雾气主要影响图像低频区域的特点,对含雾图像进行一级小波分解,对低频子图像进行去雾处理;然后,将去雾后的图像作为新的低频子图像,与高频子图像进行小波融合,得到最终的去雾图像。该方法能够很好的消除景深突变区域的“白边”现象,具有较好的处理效果。但是该方法对高频区域不作处理,使得图像的细节信息未被增强,细节处理效果差。
因此,如何实现细节增强、效果自然的图像增强处理,是本领域亟待解决的问题。
发明内容
本发明的目的是针对现有技术的缺陷,提供了一种图像增强方法及***。本发明有效克服现有的暗原色先验方法复原图像整体偏暗、视觉效果不佳,以及小波变换和大气耗散函数的图像去雾方法细节信息未被增强、细节处理效果差的问题,生成的去雾图像能够同时实现细节增强,且图像的亮度变化效果自然。
为了实现以上目的,本发明采用以下技术方案:
一种图像增强方法,包括:
S1、对采集的含雾图像进行小波分解,得到含雾图像对应的低频分量;
S2、对所述含雾图像对应的低频分量进行小波重构,得到含雾图像对应的低频子图像;
S3、基于所述低频子图像估计大气耗散函数,并基于所述大气耗散函数估计大气光值及介质透射率;
S4、基于所述大气耗散函数、大气光值及介质透射率生成去雾低频子图像;
S5、采用暗原色先验去雾方法得到所述含雾图像的第一去雾图像;
S6、对所述第一去雾图像进行小波分解,得到第一去雾图像对应的高频分量;
S7、对所述第一去雾图像对应的高频分量进行小波重构,得到第一去雾图像对应的高频子图像;
S8、对所述低频子图像及高频子图像进行小波融合,生成第二去雾图像。
进一步地,所述小波分解的基函数包括Haar小波、Daubechies小波、Symlets小波。
进一步地,所述大气光值为大气耗散函数前0.2%亮度值的平均值。
进一步地,所述小波融合的规则包括系数绝对值较大法、加权平均法、局部方差准则。
本发明还提出一种图像增强***,包括:
第一小波分解模块,用于对采集的含雾图像进行小波分解,得到含雾图像对应的低频分量;
第一小波重构模块,用于对所述含雾图像对应的低频分量进行小波重构,得到含雾图像对应的低频子图像;
估计模块,用于基于所述低频子图像估计大气耗散函数,并基于所述大气耗散函数估计大气光值及介质透射率;
第一生成模块,用于基于所述大气耗散函数、大气光值及介质透射率生成去雾低频子图像;
第二生成模块,用于采用暗原色先验去雾方法得到所述含雾图像的第一去雾图像;
第二小波分解模块,用于对所述第一去雾图像进行小波分解,得到第一去雾图像对应的高频分量;
第二小波重构模块,用于对所述第一去雾图像对应的高频分量进行小波重构,得到第一去雾图像对应的高频子图像;
融合模块,用于对所述低频子图像及高频子图像进行小波融合,生成第二去雾图像。
进一步地,所述小波分解的基函数包括Haar小波、Daubechies小波、Symlets小波。
进一步地,所述大气光值为大气耗散函数前0.2%亮度值的平均值。
进一步地,所述小波融合的规则包括系数绝对值较大法、加权平均法、局部方差准则。
本发明提供了一种图像增强方法及***,分别通过小波变换和大气耗散函数生成低频子图像,暗原色先验方法提取高频子图像,对低频子图像及高频子图像进行小波融合,生成第二去雾图像。由于低频子图像保存了图像的亮度变化特征,而高频子图像进行了信息增强,因此,本发明所生成的第二去雾图像能够同时实现细节增强,切图像的亮度变化效果自然。本发明有效克服现有的暗原色先验方法复原图像整体偏暗、视觉效果不佳,以及小波变换和大气耗散函数的图像去雾方法细节信息未被增强、细节处理效果差的问题。在大气耗散去雾过程中,充分利用雾气主要对图像的低频部分造成影响的特点,针对含雾图像的低频分量进行处理,在保证图像去雾效果的同时,降低数据的处理量,提高处理效率。同时,不直接选择最大亮度值作为大气光值,而选择大气耗散函数前0.2%亮度值的平均值作为大气光值A,有效避免了高亮噪声的影响。
附图说明
图1是实施例一提供的一种图像增强方法流程图;
图2是实施例二提供的一种图像增强***结构图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
下面结合附图和具体实施例对本发明作进一步说明,但不作为本发明的限定。
实施例一
如图1 所示,本实施例提出了一种图像增强方法,包括:
S1、对采集的含雾图像进行小波分解,得到含雾图像对应的低频分量;
对于含雾图像,雾气主要对图像的低频部分造成影响。因此,本发明首先对采集的含雾图像进行小波分解,得到含雾图像对应的低频分量,针对含雾图像的低频分量进行处理,在保证图像去雾效果的同时,降低数据的处理量,提高处理效率。含雾图像的小波分解过程主要是对图像的水平方向和垂直方向进行滤波处理,然后对图像进行采样,从而获得图像分解的结果。小波基函数包括Haar(haar)小波、Daubechies(dbN)小波、Symlets(symN)小波等,本发明不对具体的小波分解进行限定。
S2、对所述含雾图像对应的低频分量进行小波重构,得到含雾图像对应的低频子图像;
本发明针对含雾图像的低频部分进行去雾,因此通过小波分解获得含雾图像的低频部分后,通过小波重构对低频部分进行处理,重构出含有低频部分的含雾图像对应的低频子图像。
S3、基于所述低频子图像估计大气耗散函数,并基于所述大气耗散函数估计大气光值及介质透射率;
对于含雾的低频子图像,其光学模型为:
对大气耗散函数的估计可以采用现有的任意估计方法,在此不作限定。对于大气光值,在大气耗散函数图中雾气最浓的区域或天空区域,大气耗散函数的亮度值近似于大气光值的估计值,因此,大气耗散函数的最大亮度值为大气光值。同时,为了避免噪声的影响,本发明不直接选择最大亮度值,而选择前0.2%亮度值的平均值作为大气光值A。同时,利用计算介质透射率。
S4、基于所述大气耗散函数、大气光值及介质透射率生成去雾低频子图像;
因此,在估计出大气耗散函数、大气光值及介质透射率后,根据上述公司计算生成去雾低频子图像。
S5、采用暗原色先验去雾方法得到所述含雾图像的第一去雾图像;
在绝大多少非天空的局部区域里,总是有一些小块(至少一个)像素,其亮度在一个或几个颜色通道的值很低,接近于0,称之为暗原色。暗原色先验去雾从本质上去除雾气的影响,增强了图像细节信息,因此,本发明除了利用小波分解及大气耗散函数生成去雾低频子图像外,采用暗原色先验去雾方法得到含雾图像的第一去雾图像,也就是说,基于暗原色先验去雾方法去图像中的所有信息进行增强。
S6、对所述第一去雾图像进行小波分解,得到第一去雾图像对应的高频分量;
对于第一去雾图像,其包括了增强的图像细节信息。高频子图像体现图像的边缘、纹理等细节信息,而低频子图像对应图像中亮度变化缓慢的区域,反映了图像的整体信息,常用的暗原色先验方法存在复原图像整体偏暗,视觉效果不佳的问题,因此,本发明对第一去雾图像进行小波分解,仅提取其对应的高频分量,即包含增强的图像信息的图像边缘、纹理等细节信息。通过对第一去雾图像高频分量的处理,保存了边缘、纹理等增强细节信息,同时避免了低频分量造成复原图像整体偏暗的影响。对第一去雾图像的小波分解可以与对含雾图像的小波分解相同的过程,也可以采用不同的过程,在此不作限定。
S7、对所述第一去雾图像对应的高频分量进行小波重构,得到第一去雾图像对应的高频子图像;
本发明针对第一去雾图像的高频部分进行提取,因此通过小波分解获得第一去雾图像的高频部分后,通过小波重构对高频部分进行处理,重构出含有高频部分的第一去雾图像对应的高频子图像。
S8、对所述低频子图像及高频子图像进行小波融合,生成第二去雾图像。
为了克服现有的暗原色先验方法复原图像整体偏暗、视觉效果不佳,以及小波变换和大气耗散函数的图像去雾方法细节信息未被增强、细节处理效果差的问题,本发明分别通过小波变换和大气耗散函数生成低频子图像,暗原色先验方法提取高频子图像,对低频子图像及高频子图像进行小波融合,生成第二去雾图像。由于低频子图像保存了图像的亮度变化特征,而高频子图像进行了信息增强,因此,本发明所生成的第二去雾图像能够同时实现细节增强,且图像的亮度变化效果自然。
小波融合的规则包括系数绝对值较大法、加权平均法、局部方差准则等,本发明对低频子图像及高频子图像进行小波融合的方法不作限定。
实施例二
如图2 所示,本实施例提出了一种图像增强***,包括:
第一小波分解模块,用于对采集的含雾图像进行小波分解,得到含雾图像对应的低频分量;
对于含雾图像,雾气主要对图像的低频部分造成影响。因此,本发明首先对采集的含雾图像进行小波分解,得到含雾图像对应的低频分量,针对含雾图像的低频分量进行处理,在保证图像去雾效果的同时,降低数据的处理量,提高处理效率。含雾图像的小波分解过程主要是对图像的水平方向和垂直方向进行滤波处理,然后对图像进行采样,从而获得图像分解的结果。小波基函数包括Haar(haar)小波、Daubechies(dbN)小波、Symlets(symN)小波等,本发明不对具体的小波分解进行限定。
第一小波重构模块,用于对所述含雾图像对应的低频分量进行小波重构,得到含雾图像对应的低频子图像;
本发明针对含雾图像的低频部分进行去雾,因此通过小波分解获得含雾图像的低频部分后,通过小波重构对低频部分进行处理,重构出含有低频部分的含雾图像对应的低频子图像。
估计模块,用于基于所述低频子图像估计大气耗散函数,并基于所述大气耗散函数估计大气光值及介质透射率;
对于含雾的低频子图像,其光学模型为:
对大气耗散函数的估计可以采用现有的任意估计方法,在此不作限定。对于大气光值,在大气耗散函数图中雾气最浓的区域或天空区域,大气耗散函数的亮度值近似于大气光值的估计值,因此,大气耗散函数的最大亮度值为大气光值。同时,为了避免噪声的影响,本发明不直接选择最大亮度值,而选择前0.2%亮度值的平均值作为大气光值A。同时,利用计算介质透射率。
第一生成模块,用于基于所述大气耗散函数、大气光值及介质透射率生成去雾低频子图像;
因此,在估计出大气耗散函数、大气光值及介质透射率后,根据上述公司计算生成去雾低频子图像。
第二生成模块,用于采用暗原色先验去雾方法得到所述含雾图像的第一去雾图像;
在绝大多少非天空的局部区域里,总是有一些小块(至少一个)像素,其亮度在一个或几个颜色通道的值很低,接近于0,称之为暗原色。暗原色先验去雾从本质上去除雾气的影响,增强了图像细节信息,因此,本发明除了利用小波分解及大气耗散函数生成去雾低频子图像外,采用暗原色先验去雾方法得到含雾图像的第一去雾图像,也就是说,基于暗原色先验去雾方法去图像中的所有信息进行增强。
第二小波分解模块,用于对所述第一去雾图像进行小波分解,得到第一去雾图像对应的高频分量;
对于第一去雾图像,其包括了增强的图像细节信息。高频子图像体现图像的边缘、纹理等细节信息,而低频子图像对应图像中亮度变化缓慢的区域,反映了图像的整体信息,常用的暗原色先验方法存在复原图像整体偏暗,视觉效果不佳的问题,因此,本发明对第一去雾图像进行小波分解,仅提取其对应的高频分量,即包含增强的图像信息的图像边缘、纹理等细节信息。通过对第一去雾图像高频分量的处理,保存了边缘、纹理等增强细节信息,同时避免了低频分量造成复原图像整体偏暗的影响。对第一去雾图像的小波分解可以与对含雾图像的小波分解相同的过程,也可以采用不同的过程,在此不作限定。
第二小波重构模块,用于对所述第一去雾图像对应的高频分量进行小波重构,得到第一去雾图像对应的高频子图像;
本发明针对第一去雾图像的高频部分进行提取,因此通过小波分解获得第一去雾图像的高频部分后,通过小波重构对高频部分进行处理,重构出含有高频部分的第一去雾图像对应的高频子图像。
融合模块,用于对所述低频子图像及高频子图像进行小波融合,生成第二去雾图像。
为了克服现有的暗原色先验方法复原图像整体偏暗、视觉效果不佳,以及小波变换和大气耗散函数的图像去雾方法细节信息未被增强、细节处理效果差的问题,本发明分别通过小波变换和大气耗散函数生成低频子图像,暗原色先验方法提取高频子图像,对低频子图像及高频子图像进行小波融合,生成第二去雾图像。由于低频子图像保存了图像的亮度变化特征,而高频子图像进行了信息增强,因此,本发明所生成的第二去雾图像能够同时实现细节增强,且图像的亮度变化效果自然。
小波融合的规则包括系数绝对值较大法、加权平均法、局部方差准则等,本发明对低频子图像及高频子图像进行小波融合的方法不作限定。
由此可知,本发明提出的一种图像增强方法及***,分别通过小波变换和大气耗散函数生成低频子图像,暗原色先验方法提取高频子图像,对低频子图像及高频子图像进行小波融合,生成第二去雾图像。由于低频子图像保存了图像的亮度变化特征,而高频子图像进行了信息增强,因此,本发明所生成的第二去雾图像能够同时实现细节增强,切图像的亮度变化效果自然。本发明有效克服现有的暗原色先验方法复原图像整体偏暗、视觉效果不佳,以及小波变换和大气耗散函数的图像去雾方法细节信息未被增强、细节处理效果差的问题。在大气耗散去雾过程中,充分利用雾气主要对图像的低频部分造成影响的特点,针对含雾图像的低频分量进行处理,在保证图像去雾效果的同时,降低数据的处理量,提高处理效率。同时,不直接选择最大亮度值作为大气光值,而选择大气耗散函数前0.2%亮度值的平均值作为大气光值A,有效避免了高亮噪声的影响。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例, 而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种图像增强方法,其特征在于,包括:
S1、对采集的含雾图像进行小波分解,得到含雾图像对应的低频分量;
S2、对所述含雾图像对应的低频分量进行小波重构,得到含雾图像对应的低频子图像;
S3、基于所述低频子图像估计大气耗散函数,并基于所述大气耗散函数估计大气光值及介质透射率;
S4、基于所述大气耗散函数、大气光值及介质透射率生成去雾低频子图像;
S5、采用暗原色先验去雾方法得到所述含雾图像的第一去雾图像;
S6、对所述第一去雾图像进行小波分解,得到第一去雾图像对应的高频分量;
S7、对所述第一去雾图像对应的高频分量进行小波重构,得到第一去雾图像对应的高频子图像;
S8、对所述低频子图像及高频子图像进行小波融合,生成第二去雾图像。
3.根据权利要求1所述的图像增强方法,其特征在于,所述小波分解的基函数包括Haar小波、Daubechies小波、Symlets小波。
4.根据权利要求1所述的图像增强方法,其特征在于,所述大气光值为大气耗散函数前0.2%亮度值的平均值。
5.根据权利要求1所述的图像增强方法,其特征在于,所述小波融合的规则包括系数绝对值较大法、加权平均法、局部方差准则。
6.一种图像增强***,其特征在于,包括:
第一小波分解模块,用于对采集的含雾图像进行小波分解,得到含雾图像对应的低频分量;
第一小波重构模块,用于对所述含雾图像对应的低频分量进行小波重构,得到含雾图像对应的低频子图像;
估计模块,用于基于所述低频子图像估计大气耗散函数,并基于所述大气耗散函数估计大气光值及介质透射率;
第一生成模块,用于基于所述大气耗散函数、大气光值及介质透射率生成去雾低频子图像;
第二生成模块,用于采用暗原色先验去雾方法得到所述含雾图像的第一去雾图像;
第二小波分解模块,用于对所述第一去雾图像进行小波分解,得到第一去雾图像对应的高频分量;
第二小波重构模块,用于对所述第一去雾图像对应的高频分量进行小波重构,得到第一去雾图像对应的高频子图像;
融合模块,用于对所述低频子图像及高频子图像进行小波融合,生成第二去雾图像。
8.根据权利要求6所述的图像增强***,其特征在于,所述小波分解的基函数包括Haar小波、Daubechies小波、Symlets小波。
9.根据权利要求6所述的图像增强***,其特征在于,所述大气光值为大气耗散函数前0.2%亮度值的平均值。
10.根据权利要求6所述的图像增强***,其特征在于,所述小波融合的规则包括系数绝对值较大法、加权平均法、局部方差准则。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010155066.3A CN111028184B (zh) | 2020-03-09 | 2020-03-09 | 一种图像增强方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010155066.3A CN111028184B (zh) | 2020-03-09 | 2020-03-09 | 一种图像增强方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111028184A true CN111028184A (zh) | 2020-04-17 |
CN111028184B CN111028184B (zh) | 2020-06-12 |
Family
ID=70199432
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010155066.3A Active CN111028184B (zh) | 2020-03-09 | 2020-03-09 | 一种图像增强方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111028184B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113379632A (zh) * | 2021-06-15 | 2021-09-10 | 深圳市赛蓝科技有限公司 | 一种基于小波透射率优化的图像去雾方法及*** |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103049888A (zh) * | 2012-12-07 | 2013-04-17 | 西安电子科技大学 | 基于暗原色结合大气散射光的图像/视频去雾方法 |
-
2020
- 2020-03-09 CN CN202010155066.3A patent/CN111028184B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103049888A (zh) * | 2012-12-07 | 2013-04-17 | 西安电子科技大学 | 基于暗原色结合大气散射光的图像/视频去雾方法 |
Non-Patent Citations (1)
Title |
---|
周慧娟: "无人机图像去雾算法研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113379632A (zh) * | 2021-06-15 | 2021-09-10 | 深圳市赛蓝科技有限公司 | 一种基于小波透射率优化的图像去雾方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN111028184B (zh) | 2020-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110148095B (zh) | 一种水下图像增强方法及增强装置 | |
US9361670B2 (en) | Method and system for image haze removal based on hybrid dark channel prior | |
Huang et al. | An efficient visibility enhancement algorithm for road scenes captured by intelligent transportation systems | |
CN108734670B (zh) | 单幅夜间弱照度雾霾图像的复原方法 | |
WO2016206087A1 (zh) | 一种低照度图像处理方法和装置 | |
CN106530257A (zh) | 一种基于暗通道先验模型的遥感图像去雾方法 | |
US20140140619A1 (en) | Method and System for Removal of Fog, Mist, or Haze from Images and Videos | |
CN108564597B (zh) | 一种融合高斯混合模型和h-s光流法的视频前景目标提取方法 | |
CN107292830B (zh) | 低照度图像增强及评价方法 | |
CN110544213A (zh) | 一种基于全局和局部特征融合的图像去雾方法 | |
CN110827218B (zh) | 基于图像hsv透射率加权校正的机载图像去雾方法 | |
CN109389569B (zh) | 基于改进DehazeNet的监控视频实时去雾方法 | |
CN111353955A (zh) | 一种图像处理方法、装置、设备和存储介质 | |
CN109345479B (zh) | 一种视频监控数据的实时预处理方法及存储介质 | |
CN108898561B (zh) | 一种含天空区域雾天图像的去雾方法、服务器及*** | |
CN111028184B (zh) | 一种图像增强方法及*** | |
Gadnayak et al. | A survey on image dehazing methods | |
CN110738624B (zh) | 一种区域自适应的图像去雾***及方法 | |
Yang et al. | A novel single image dehazing method | |
CN107203979B (zh) | 一种低照度图像增强的方法 | |
Negru et al. | Exponential image enhancement in daytime fog conditions | |
Adidela et al. | Single image and video Dehazing: A dark channel prior (DCP)-based approach | |
Nguyen et al. | FPGA-based Haze removal architecture using multiple-exposure fusion | |
CN114418874A (zh) | 一种低照度图像增强方法 | |
CN112488957A (zh) | 一种低照度彩色图像实时增强方法及*** |
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 |