CN111476736A - 一种图像去雾方法、终端及*** - Google Patents
一种图像去雾方法、终端及*** Download PDFInfo
- Publication number
- CN111476736A CN111476736A CN202010289876.8A CN202010289876A CN111476736A CN 111476736 A CN111476736 A CN 111476736A CN 202010289876 A CN202010289876 A CN 202010289876A CN 111476736 A CN111476736 A CN 111476736A
- Authority
- CN
- China
- Prior art keywords
- image
- color
- dark
- channel
- value
- 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 37
- 238000012545 processing Methods 0.000 claims abstract description 56
- 230000009466 transformation Effects 0.000 claims abstract description 22
- 238000002834 transmittance Methods 0.000 claims abstract description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000000354 decomposition reaction Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000011084 recovery Methods 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000000889 atomisation Methods 0.000 description 3
- 238000005352 clarification Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012876 topography 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
- G06T5/70—Denoising; Smoothing
-
- 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
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Color Image Communication Systems (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明公开了一种图像去雾方法,包括:将有雾图像由RGB颜色空间转换为LAB颜色空间,获得LAB颜色空间的有雾图像;对LAB颜色空间的有雾图像的L、A、B三个颜色通道分别进行小波变换去噪处理,获得去噪后的L、A、B三个颜色通道;根据透射率分布,对L颜色通道进行暗原色先验方法处理;对处理后的L、A、B三个颜色通道进行合并,获得LAB图像并转化为RGB图像输出去雾后图像。本发明基于雾天航拍图像雾化、需要进行清晰化处理的需求,以颜色空间转换为基础,利用小波变换使信息更集中的优势,克服暗原色先验计算复杂度高的缺陷,使低空雾霾不均匀情况下的航拍图像去雾不仅快速,而且去雾更彻底。比经典的暗原色先验算法计算复杂度低,运算速度更快。
Description
技术领域
本发明涉及图像处理技术,具体涉及一种图像去雾方法、终端及***。
背景技术
现代无人机的应用越来越广泛,主要通过任务设备获取图像信息、视频信息以及位置信息,影像资料的后期处理因而变得更为关键。在实际过程中,无人机由于拍摄位置较高,受到较多大气环境的影响,尤其是在有雾天气下成像效果不佳,影响了对目标的跟踪和对地形的勘察等。因此针对无人机图像的去雾技术研究具有重大的意义。
现阶段的图像去雾技术主要包括两个方向:分别为图像增强和图像恢复。图像增强的去雾技术主要通过一些算法提高图像的对比度,增强图像细节,主要有基于直方图均衡化的去雾技术、基于Retinex理论的去雾算法和基于小波变化的去雾算法。
图像恢复的去雾技术是通过建立大气散射模型,估计场景深度,通过反演图像成像过程去除雾的影响。这其中的佼佼者是何凯明等人提出的暗通道先验算法,通过最小滤波估算透射率,利用软抠图或双边滤波等技术对透射率进行优化能够取得较好的实验结果,但该种算法计算复杂度较高。
发明内容
针对现有的无人机地面信息处理终端无法对有雾图像进行进一步处理的问题,本发明实施例提供了一种图像去雾方法、终端及***。
为实现上述目的,本发明的技术方案是:
第一方面,本发明实施例提供了一种图像去雾方法,包括:
将有雾图像由RGB颜色空间转换为LAB颜色空间,获得LAB颜色空间的有雾图像;
对LAB颜色空间的有雾图像的L、A、B三个颜色通道分别进行小波变换去噪处理,获得去噪后的L、A、B三个颜色通道;
根据透射率分布,对L颜色通道图像进行暗原色先验方法处理。在L颜色通道计算大气光值,在由L颜色通道计算得到的暗原色中,选取亮度值最大的前0.1%的像素点,然后以这些像素点对应在原图中的最大值作为A的值,计算透射率,最后经过恢复计算得到新的L颜色通道
对处理后的L、A、B三个颜色通道进行合并,获得LAB图像;
进一步地,将LAB图像转化为RGB图像并输出显示。
第二方面,本发明实施例提供了一种图像去雾***,包括:
颜色转换模块,用于将有雾图像由RGB颜色空间转换为LAB颜色空间,获得LAB颜色空间的有雾图像;
小波变换去噪处理模块,用于对LAB颜色空间的有雾图像的L、A、B三个颜色通道分别进行小波变换去噪处理,获得去噪后的L、A、B三个颜色通道;
暗原色先验处理模块,用于根据透射率分布,对L颜色通道图像进行暗原色先验方法处理,输出新的L颜色通道图像。
合并模块,用于对处理后的L、A、B三个颜色通道进行合并,获得LAB图像;
第三方面,本发明实施例提供了一种图像去雾处理终端,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述图像去雾方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现上述图像去雾方法的步骤。
本发明与现有技术相比,其有益效果在于:
本发明基于雾天航拍图像雾化、需要进行清晰化处理的需求,以颜色空间转换为基础,利用小波变换使信息更集中的优势,克服暗原色先验计算复杂度高的缺陷,使低空雾霾不均匀情况下的航拍图像去雾不仅快速,而且去雾更彻底,比经典的暗原色先验算法计算复杂度低,运算速度更快。
附图说明
图1为本发明实施例提供的图像去雾方法的流程图;
图2为原始有雾图像;
图3a为有雾图像的L分量图像;
图3b为有雾图像的A分量图像;
图3c为有雾图像的B分量图像;
图3d为L分量直方图;
图3e为A分量直方图;
图3f为B分量直方图;
图4为去雾后最终图像;
图5为本发明实施例提供的图像去雾***的组成示意图;
图6为本发明实施例提供的图像去雾处理终端的组成示意图。
具体实施方式
下面结合附图和具体实施方式对本发明的内容做进一步详细说明。
实施例:
参阅图1所示,本实施例提供的图像去雾方法包括如下步骤:
101、将有雾图像如图2所示,由RGB颜色空间转换为LAB颜色空间,获得LAB颜色空间的有雾图像;在LAB模式下,有雾部分能够更好的区分。
102、对LAB颜色空间的有雾图像的L、A、B三个颜色通道分别进行小波变换去噪处理,获得去噪后的L、A、B三个颜色通道。通过对L,A,B这三个颜色通道分别进行小波变换对细节进行锐化,从而能够更加精细的调节对比度,具体如图3a-3f所示。
小波变换在时频域具有很好的局部性,其变尺度的特性使得小波变换对确定的信号具有一种“集中”的能力。含有噪声的图像经过小波变换后,图像噪声和信号噪声表现出不同的特征:信号的能量主要集中在一些亮线上,而大部分系数的值逼近于0;噪声的分布和信号的分布相反,它的系数均匀分布于整个尺度空间,幅度相差不大(在大尺度下会对噪声起到一定的平滑作用),这一特性为基于小波变换的图像去噪提供了依据。
103、根据透射率分布,对L颜色通道图像进行暗原色先验方法处理,得到新的L颜色通道数据。
104、对处理后的L、A、B三个颜色通道进行合并,获得LAB图像,并转换为RGB图像,具体如图4所示。
由此可见,本方法基于雾天航拍图像雾化、需要进行清晰化处理的需求,以颜色空间转换为基础,利用小波变换使信息更集中的优势,克服暗原色先验计算复杂度高的缺陷,使低空雾霾不均匀情况下的航拍图像去雾不仅快速,而且去雾更彻底。比经典的暗原色先验算法计算复杂度低,运算速度更快,相比于经典的软抠图暗颜色先验去雾算法,本发明的算法在运行时间上缩减了大约1/3。
作为本实施例的一种优选,采用阈值法的方式来对L、A、B三个颜色通道的子分量进行小波变换去噪处理。也就是说,通过运用小波变换技术对转换颜色空间后的了分量进行阈值法去噪,阈值法可以对图像的边缘和细节等局部信息进行保留。小波阈值去噪法的主要理论依据是经过小波分解后,信号的小波系数幅度要大于噪声的系数幅度。具体处理过程为:将含噪声的信号在各尺度上进行小波分解,保留大尺度下的全部分解值;对于小尺度下的分解值,设定一个阈值,幅值低于该阈值的小波系数置零,高于该阈值的小波系数完整保留。最后将处理后获得的小波系数利用逆小波变换进行重构,恢复出有效的信号。其中,本申请中的大尺度和小尺度是相对而言,并不代表具体的尺度限制。
具体地,上述根据透射率分布,对L颜色通道图像进行暗原色先验处理,转换格式输出去雾后的图像包括:
根据暗原色先验理论,对于一幅无雾图像J(x),暗原色先验规律为:
式中,Jdark(x)为J(x)的暗通道图的颜色值;Jc(y)为J(x)中r,g,b三通道中某一通道的颜色值;Ω(x)是以x为中心的一块区域;c表示r,g,b中任意一个颜色通道;
透射率t(x)计算为:
经过暗通道先验算法和对透射率进行估计后,恢复出的图像为:
式中,t0为透射率的下限值;A为全局大气光;I(x)表示有雾图像;
本方法在L颜色通道计算大气光值,在由L颜色通道计算得到的暗原色中,选取亮度值最大的前0.1%的像素点,然后以这些像素点对应在原图中的最大值作为A的值,代入透射率计算公式t(x)中,最后经过恢复计算得到新的L颜色通道。
合并L颜色通道、A通道、B通道值成为新的去雾后图像,进一步转换为RGB图像输出显示。
如此,通过上述的算法处理步骤,运用暗通道规律进一步对分布不均匀的雾霾进行精细化处理,克服了暗原色先验计算复杂度高的缺陷,相比于经典的软抠图暗颜色先验去雾算法,本发明的算法在运行时间上缩减了大约1/3,使低空雾霾不均匀情况下的航拍图像去雾不仅快速,而且去雾更彻,航拍图像边缘和细节等局部信息保留就好。
实例2:
参阅图5所示,本实施例所提供的图像去雾***,包括:
颜色转换模块701,用于将有雾图像由RGB颜色空间转换为LAB颜色空间,获得LAB颜色空间的有雾图像;
小波变换去噪处理模块702,用于对LAB颜色空间的有雾图像的L、A、B三个颜色通道分别进行小波变换去噪处理,获得去噪后的L、A、B三个颜色通道;
暗原色先验处理模块703,用于根据透射率分布,对L颜色通道图像进行暗原色先验处理,得到新的L颜色通道。
合并模块704,用于对处理后的L、A、B三个颜色通道进行合并,获得LAB图像,进一步转化为RGB图像;
由此可见,本***基于雾天航拍图像雾化、需要进行清晰化处理的需求,以颜色空间转换为基础,利用小波变换使信息更集中的优势,克服暗原色先验计算复杂度高的缺陷,使低空雾霾不均匀情况下的航拍图像去雾不仅快速,而且去雾更彻底。
由于颜色转换模块701、小波变换去噪处理模块702、暗原色先验处理模块703、合并模块704分别与实施例1的步骤101-104相对应,因此,在本实施例中就不再赘述各个模块的工作原理。
实施例3:
参阅图6所示,本实施例提供的图像去雾处理终端包括处理器801、存储器802以及存储在该存储器802中并可在所述处理器801上运行的计算机程序803,例如图像去雾处理程序。该处理器801执行所述计算机程序803时实现上述实施例1步骤,例如图1所示的步骤。或者,所述处理器801执行该计算机程序803时实现上述实施例2中各模块的功能。
示例性的,所述计算机程序803可以被分割成一个或多个模块,所述一个或者多个模块被存储在所述存储器802中,并由所述处理器801执行,以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序803在所述图像去雾处理终端中的执行过程。
所述图像去雾处理终端可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述图像去雾处理终端可包括,但不仅限于,处理器801、存储器802。本领域技术人员可以理解,图6仅仅是图像去雾处理终端的示例,并不构成图像去雾处理终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述图像去雾处理终端还可以包括输入输出设备、网络接入设备、总线等。
所称处理器801可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(FieldProgrammable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器802可以是所述图像去雾处理终端的内部存储元,例如图像去雾处理终端的硬盘或内存。所述存储器802也可以是所述图像去雾处理终端的外部存储设备,例如所述图像去雾处理终端上配备的插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器802还可以既包括所述图像去雾处理终端的内部存储单元也包括外部存储设备。所述存储器802用于存储所述计算机程序以及所述图像去雾处理终端所需的其他程序和数据。所述存储器802还可以用于暂时地存储已经输出或者将要输出的数据。
实施例4:
本实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现实施例1所述方法的步骤。
所示计算机可读介质可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理再以电子方式获得所述程序,然后将其存储在计算机存储器中。
上述实施例只是为了说明本发明的技术构思及特点,其目的是在于让本领域内的普通技术人员能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡是根据本发明内容的实质所做出的等效的变化或修饰,都应涵盖在本发明的保护范围内。
Claims (10)
1.一种图像去雾方法,其特征在于,包括:
将有雾图像由RGB颜色空间转换为LAB颜色空间,获得LAB颜色空间的有雾图像;
对LAB颜色空间的有雾图像的L、A、B三个颜色通道分别进行小波变换去噪处理,获得去噪后的L、A、B三个颜色通道;
对亮度分量L颜色通道进行暗原色先验处理;
对处理后的L、A、B三个颜色通道进行合并,获得LAB图像;
将LAB图像转化为RGB图像,输出去雾后的图像。
2.如权利要求1所述的图像去雾方法,其特征在于,采用阈值法的方式来对L、A、B三个颜色通道的子分量进行小波变换去噪处理。
3.如权利要求1所述的图像去雾方法,其特征在于,所述对亮度分量L颜色通道进行暗原色先验处理包括:
根据暗原色先验理论,对于一幅无雾图像J(x),暗原色先验规律为:
式中,Jdark(x)为J(x)的暗通道图的颜色值;Jc(y)为J(x)中r,g,b三通道中某一通道的颜色值;Ω(x)是以x为中心的一块区域;c表示r,g,b中任意一个颜色通道;
透射率t(x)计算为:
经过暗通道先验算法和对透射率进行估计后,恢复出的图像为:
式中,t0为透射率的下限值;A为全局大气光;I(x)表示有雾图像;
本方法在L颜色通道计算大气光值,在由L颜色通道计算得到的暗原色中,选取亮度值最大的前0.1%的像素点,然后以这些像素点对应在原图中的最大值作为A的值,代入透射率计算公式t(x)中,最后经过恢复计算得到新的L颜色通道。
4.如权利要求2所述的图像去雾方法,其特征在于,所述采用阈值法的方式来对L、A、B三个颜色通道的子分量进行小波变换去噪处理包括:
将含噪声的信号在各尺度上进行小波分解,保留大尺度下的全部分解值;对于小尺度下的分解值,设定一个阈值,幅值低于该阈值的小波系数置零,高于该阈值的小波系数完整保留,最后将处理后获得的小波系数利用逆小波变换进行重构,恢复出有效的信号。
5.一种图像去雾***,其特征在于,包括:
颜色转换模块,用于将有雾图像由RGB颜色空间转换为LAB颜色空间,获得LAB颜色空间的有雾图像;
小波变换去噪处理模块,用于对LAB颜色空间的有雾图像的L、A、B三个颜色通道分别进行小波变换去噪处理,获得去噪后的L、A、B三个颜色通道;
暗原色先验处理模块,用于根据透射率分布,对L颜色通道图像进行暗原色先验方法处理;
合并模块,用于对处理后的L、A、B三个颜色通道进行合并,获得LAB图像。
6.如权利要求5所述的图像去雾***,其特征在于,所述小波变换去噪处理模块采用阈值法的方式来对L、A、B三个颜色通道的子分量进行小波变换去噪处理。
7.如权利要求5所述的图像去雾***,其特征在于,所述暗原色先验处理模块对亮度分量L颜色通道进行暗原色先验处理包括:
根据暗原色先验理论,对于一幅无雾图像J(x),暗原色先验规律为:
式中,Jdark(x)为J(x)的暗通道图的颜色值;Jc(y)为J(x)中r,g,b三通道中某一通道的颜色值;Ω(x)是以x为中心的一块区域;c表示r,g,b中任意一个颜色通道;
透射率t(x)计算为:
经过暗通道先验算法和对透射率进行估计后,恢复出的图像为:
式中,t0为透射率的下限值;A为全局大气光;I(x)表示有雾图像;
在L颜色通道计算大气光值,在由L颜色通道计算得到的暗原色中,选取亮度值最大的前0.1%的像素点,然后以这些像素点对应在原图中的最大值作为A的值,代入透射率计算公式t(x)中,最后经过恢复计算得到新的L颜色通道。
8.如权利要求6所述的图像去雾方法,其特征在于,所述采用阈值法的方式来对L、A、B三个颜色通道的子分量进行小波变换去噪处理包括:
将含噪声的信号在各尺度上进行小波分解,保留大尺度下的全部分解值;对于小尺度下的分解值,设定一个阈值,幅值低于该阈值的小波系数置零,高于该阈值的小波系数完整保留,最后将处理后获得的小波系数利用逆小波变换进行重构,恢复出有效的信号。
9.一种图像去雾处理终端,包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如权利要求1至4任一所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010289876.8A CN111476736B (zh) | 2020-04-14 | 2020-04-14 | 一种图像去雾方法、终端及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010289876.8A CN111476736B (zh) | 2020-04-14 | 2020-04-14 | 一种图像去雾方法、终端及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111476736A true CN111476736A (zh) | 2020-07-31 |
CN111476736B CN111476736B (zh) | 2023-09-22 |
Family
ID=71751850
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010289876.8A Active CN111476736B (zh) | 2020-04-14 | 2020-04-14 | 一种图像去雾方法、终端及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111476736B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113538267A (zh) * | 2021-07-09 | 2021-10-22 | 广东职业技术学院 | 无人机有雾影像清晰化方法、***、计算机及存储介质 |
CN113763488A (zh) * | 2021-07-21 | 2021-12-07 | 广东工业大学 | 结合暗通道先验算法和U-Net的遥感图像除雾度方法 |
CN115471429A (zh) * | 2022-10-31 | 2022-12-13 | 航天宏图信息技术股份有限公司 | 一种基于全局颜色迁移的遥感影像去雾方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103955905A (zh) * | 2014-05-13 | 2014-07-30 | 北京邮电大学 | 基于快速小波变换和加权图像融合的单幅图像去雾方法 |
CN106157267A (zh) * | 2016-07-12 | 2016-11-23 | 中国科学技术大学 | 一种基于暗通道先验的图像去雾透射率优化方法 |
CN108765336A (zh) * | 2018-05-25 | 2018-11-06 | 长安大学 | 基于暗亮原色先验与自适应参数优化的图像去雾方法 |
CN109544467A (zh) * | 2018-10-23 | 2019-03-29 | 江苏理工学院 | 一种基于lab模型下增强彩色图像对比度的方法 |
-
2020
- 2020-04-14 CN CN202010289876.8A patent/CN111476736B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103955905A (zh) * | 2014-05-13 | 2014-07-30 | 北京邮电大学 | 基于快速小波变换和加权图像融合的单幅图像去雾方法 |
CN106157267A (zh) * | 2016-07-12 | 2016-11-23 | 中国科学技术大学 | 一种基于暗通道先验的图像去雾透射率优化方法 |
CN108765336A (zh) * | 2018-05-25 | 2018-11-06 | 长安大学 | 基于暗亮原色先验与自适应参数优化的图像去雾方法 |
CN109544467A (zh) * | 2018-10-23 | 2019-03-29 | 江苏理工学院 | 一种基于lab模型下增强彩色图像对比度的方法 |
Non-Patent Citations (1)
Title |
---|
方周: "基于暗原色理论的雾天图像清晰化方法研究", no. 4, pages 138 - 955 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113538267A (zh) * | 2021-07-09 | 2021-10-22 | 广东职业技术学院 | 无人机有雾影像清晰化方法、***、计算机及存储介质 |
CN113538267B (zh) * | 2021-07-09 | 2023-10-20 | 广东职业技术学院 | 无人机有雾影像清晰化方法、***、计算机及存储介质 |
CN113763488A (zh) * | 2021-07-21 | 2021-12-07 | 广东工业大学 | 结合暗通道先验算法和U-Net的遥感图像除雾度方法 |
CN115471429A (zh) * | 2022-10-31 | 2022-12-13 | 航天宏图信息技术股份有限公司 | 一种基于全局颜色迁移的遥感影像去雾方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111476736B (zh) | 2023-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Park et al. | Low-light image enhancement using variational optimization-based retinex model | |
Galdran et al. | On the duality between retinex and image dehazing | |
CN107358586B (zh) | 一种图像增强方法、装置及设备 | |
Xiao et al. | Fast image dehazing using guided joint bilateral filter | |
CN111476736B (zh) | 一种图像去雾方法、终端及*** | |
US20180122051A1 (en) | Method and device for image haze removal | |
Shiau et al. | Weighted haze removal method with halo prevention | |
Xu et al. | Single image haze removal using light and dark channel prior | |
Shu et al. | Alternating minimization algorithm for hybrid regularized variational image dehazing | |
Yu et al. | Underwater image enhancement based on color-line model and homomorphic filtering | |
Bansal et al. | A review of image restoration based image defogging algorithms | |
Zhu et al. | Underwater image enhancement based on colour correction and fusion | |
Ma et al. | Underwater image restoration through a combination of improved dark channel prior and gray world algorithms | |
Pandey et al. | A fast and effective vision enhancement method for single foggy image | |
Du et al. | Perceptually optimized generative adversarial network for single image dehazing | |
Li et al. | Laplace dark channel attenuation-based single image defogging in ocean scenes | |
Liu et al. | Joint dehazing and denoising for single nighttime image via multi-scale decomposition | |
CN110992287B (zh) | 一种非均匀光照视频的清晰化方法 | |
Lian et al. | Learning intensity and detail mapping parameters for dehazing | |
Ling et al. | Adaptive transmission compensation via human visual system for efficient single image dehazing | |
Hassan et al. | Single image dehazing from repeated averaging filters | |
Lakshmi et al. | Entropy based single image dehazing with refined transmission using holistic edges | |
Yang et al. | Multi-scale underwater image enhancement with optimized homomorphic filter and RGB color correction | |
Du et al. | Recursive image dehazing via perceptually optimized generative adversarial network (POGAN) | |
Negru et al. | Exponential image enhancement in daytime fog conditions |
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 |