CN112419193A - 一种遥感图像不均匀雾气去除方法和*** - Google Patents
一种遥感图像不均匀雾气去除方法和*** Download PDFInfo
- Publication number
- CN112419193A CN112419193A CN202011332445.1A CN202011332445A CN112419193A CN 112419193 A CN112419193 A CN 112419193A CN 202011332445 A CN202011332445 A CN 202011332445A CN 112419193 A CN112419193 A CN 112419193A
- Authority
- CN
- China
- Prior art keywords
- image
- remote sensing
- atmospheric
- sensing image
- dark channel
- 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
- 230000003287 optical effect Effects 0.000 claims abstract description 29
- 230000015556 catabolic process Effects 0.000 claims abstract description 8
- 238000006731 degradation reaction Methods 0.000 claims abstract description 8
- 238000005286 illumination Methods 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 37
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000002834 transmittance Methods 0.000 claims description 9
- 238000003384 imaging method Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims description 2
- 238000009792 diffusion process Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 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
-
- 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
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种遥感图像不均匀雾气去除方法,所述方法包括如下步骤:获取RGB遥感图像,计算RGB遥感图像的暗通道先验图和饱和度先验图;根据饱和度先验矫正所述暗通道先验图,形成暗通道‑饱和度先验图;根据暗通道‑饱和度先验图计算大气光照强度;计算遥感图像的透射率、物体光学厚度T1和大气光学厚度T0;计算大气点扩散函数APSF;采用雾天图像退化模型将模型将所述RGB遥感图像复原。所述方法和***采用暗通道‑饱和度先验对遥感图像进行校正,可以在有雾区域更有效的进行去雾,在无雾区域不会导致图像颜色失真的现象。
Description
技术领域
本发明涉及图像去雾领域,特别涉及一种遥感图像不均匀雾气去除方法和 ***。
背景技术
目前遥感图像去雾一直是非常具有挑战性的工作,遥感图像去雾通常在较 远的距离采集图像,现有技术中通常采用暗通道先验来去除室外图像中雾霾, 但在处理遥感图像时无雾区域存在颜色失真的现象;另外现有的神经网络算法 对于遥感图像去不均匀雾的去雾效果较差,现有技术没有考虑大气多重散射导 致图像模糊,在无雾条件下驱动增强去雾算法导致图像偏暗细节丢失,并且存 在颜色失真的现象。
发明内容
本发明其中一个发明目的在于提供一种遥感图像不均匀雾气去除方法和系 统,所述方法和***采用暗通道-饱和度先验对遥感图像进行校正,可以在有雾 区域更有效的进行去雾,在无雾区域不会导致图像颜色失真的现象。
本发明其中一个发明目的在于提供一种遥感图像不均匀雾气去除方法和系 统,所述方法和***采用点扩散函数,将点扩散函数加入到大气图像退化模型 中,使得大气多重散射的图像更加清晰。
本发明其中一个发明目的在于提供一种遥感图像不均匀雾气去除方法和系 统,所述方法适用于不均匀的雾气,并适用于遥感图像,相对于传统的室外雾 气方法具有更好的去雾效果。
为了实现至少一个上述发明目的,本发明进一步提供一种遥感图像不均匀 雾气去除方法,包括:
获取RGB遥感图像,计算RGB遥感图像的暗通道先验图和饱和度先验图;
根据饱和度先验矫正所述暗通道先验图,形成暗通道-饱和度先验图;
根据暗通道-饱和度先验图计算大气光照强度;
计算遥感图像的透射率、物体光学厚度T1和大气光学厚度T0;
计算大气点扩散函数APSF;
采用雾天图像退化模型将模型将所述RGB遥感图像复原。
根据本发明其中一个较佳实施例,对遥感图像进行裁剪,获取多个窗口图 像,计算每一窗口图像的暗通道图像,其中所述暗通道图像计算方法为:在窗 口图像区域内,计算并获取每个区域RGB通道的最小值,在无雾天气下获取暗 通道先验图。
根据本发明另一个较佳实施例,计算所述窗口图像的最大饱和度,计算公 式为:Js(x)=W*maxy∈Ω(x)S(y);
其中Jr(y),Jg(y),Jb(y)表示像素的三个通道数值,minc∈(r,g,b)Jc(y)表示取RGB三通道中的最小值,W是图像的强度等级,S(y)是像素饱和度数值,Js(x)是饱和度 先验图数值,根据饱和度先验矫正暗通道先验以获取暗通道-饱和度先验图。
根据本发明另一个较佳实施例,所述暗通道先验图的矫正方法为:计算暗 通道先验图数值和饱和度先验图数值的差值,获取该差值和零值之间的最大值, 该最大值记为所述暗通道-饱和度先验图数值。
根据本发明另一个较佳实施例,所述大气光照强度的计算方法为:计算所 述暗通道-饱和度先验图中的像素亮度,并选取光亮值前0.1%像素对应的位置作 为大气光计算候选区域,计算该候选区域中所有像素光亮值的平均值作为大气 光照强度。
根据本发明另一个较佳实施例,根据大气散射成像公式获取透射率估计方 差,结合所述暗通道-饱和度先验图,计算介质透射率t,其中所述介质透射率 计算公式为:
根据本发明另一个较佳实施例,根据所述介质透射率计算物体光学厚度T0和大气光学厚度T1,计算公式:T0=-lnt;T1=-ln(1-t)。
根据本发明另一个较佳实施例,根据所述物体光学厚度T0或大气光学厚度 T1将向前散射参数值q分成具有至少3个层级的分层函数,每一层函数具有确 定且不同的向前散射参数值q,并且每一层函数对应一个物体光学厚度范围或一 个大气光学厚度范围,根据所述向前散射参数值q获取向前散射系数σ,其中 进一步计算大气点扩散函数APSF,计算公式为:
其中,Γ()代表伽马函数,T为光学厚度,k是一个调节系数,σ指前向散射 系数,exp为以e为底的指数函数,U为模糊核,i为模糊核的横坐标,j为模糊 核的纵坐标。
其中ho为物体反射光的大气点扩散函数,h0=APSF(i,j;σ,T0),ha为大气反射 光的大气点扩散函数,ha=APSF(i,j;σ,T1),为卷积,fo物体反射光,fa为大气反 射光,deconv为反卷积,max(t,t0)为透射率,并设定透射率的最低值。
为了实现至少一个上述发明目的,本发明进一步提供一种遥感图像不均匀 雾气去除***,所述***采用上述一种遥感图像不均匀雾气去除方法。
附图说明
图1显示的是本发明一种遥感图像不均匀雾气去除方法的流程示意图;
图2a显示的是传统去雾方法获得的暗通道效果示意图;
图2b显示的是本发明去雾方法的暗通道效果示意图。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述 中的优选实施例只作为举例,本领域技术人员可以想到其他显而易见的变型。 在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、 改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。
本领域技术人员应理解的是,在本发明的揭露中,术语“纵向”、“横向”、 “上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、 “顶”、“底”、“内”、“外”等指示的方位或位置关系是基于附图所示的 方位或位置关系,其仅是为了便于描述本发明和简化描述,而不是指示或暗示 所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此上述术语不能理解为对本发明的限制。
可以理解的是,术语“一”应理解为“至少一”或“一个或多个”,即在 一个实施例中,一个元件的数量可以为一个,而在另外的实施例中,该元件的 数量可以为多个,术语“一”不能理解为对数量的限制。
请结合图1,图2a,图2b,本发明公开了一种遥感图像不均匀雾气去除方 法,所述方法主要适用于遥感图像的去雾处理,所述方法采用饱和先验对原来 的暗通道先验进行矫正,用于形成暗通道-饱和度先验图,根据所述暗通道先验 图进行去雾操作,可高效解决遥感图像模糊,提高不均匀雾气的去除效果。
具体的,所述方法包括:获取RGB遥感图像,并对所述RGB遥感图像进 行裁剪,获取至少一个窗口图像,其中所述窗口图像比原RGB遥感图像更小, 举例来说,可将原图裁剪为4*4像素的窗口图像,并依次计算窗口图像的暗通 道先验图,需要说明的是,所述暗通道先验图为在无雾条件下至少一个通道像 素为0或像素强度接近于0的图。
其中所述暗通道先验基于所述窗口图像进行,在所述窗口图像内获取每一 通道灰度的最小值,其中所述通道包括R通道、G通道和B通道,R、G、B分 别为红色、绿色和蓝色。所述暗通道先验图获取的是至少一个通道像素最暗的 图像。具体的,根据以下公式获取所述暗通道先验图:
Jd(x)=miny∈Ω(x)(minc∈(r,g,b)Jc(y));
其中Jd(x)为暗通道图像灰度值,Jc(y)为原图像灰度值,minc∈(r,g,b)Jc(y)指取RGB三通道中的灰度最小值,Ω(x)指以x为中心的局部的窗口图像。y∈Ω(x)表示指 的是y像素范围取值在局部的窗口图像Ω(x)中,所述窗口图像可在完整的原图 图像中以窗口的形式滑动以形成不同的窗口图像,对上述窗口图像计算暗通道 先验,获取所述暗通道先验图。
进一步的,获取所述窗口图像后,计算窗口图像的饱和先验图,需要说明 的是,所述图像饱和度为颜色的纯度,当图像饱和度越高代表着颜色越鲜艳, 相对雾更少,图像将更加清晰。将所述窗口图像中将最大饱和度的像素的值作 为所述窗口图像的饱和度值,用于获取饱和度先验图,具体公式如下:
Js(x)=W*maxy∈Ω(x)S(y);
其中W是图像的强度等级,S(y)是像素饱和度值,Js(x)是饱和度先验图,Jr(y),Jg(y),Jb(y)表示像素的三个通道。minc∈(r,g,b)Jc(y)表示取RGB三通道中的 最小值,计算所有窗口图像的饱和度先验。
根据计算获得的饱和度先验图对所述暗通道先验图进行矫正,用于获取饱和 度-暗通道先验图,矫正公式为:
Jds(x)=max(Jd(x)-Js(x),0);
其中,Jds(x)代表暗通道-饱和度先验图,由于遥感图像中饱和度高的图像其暗通道值Jd(x)不总接近于0,因此,max(Jd(x)-Js(x),0)表示图像的最小值不能小于0。 在遥感图像中,矫正后的先验图在清晰区域的值非常低。
进一步根据暗通道-饱和度先验度图计算大气光,其中所述大气光为估计 值,该估计值和暗通道-饱和度先验度图中像素的亮度相关,具体估算方式为: 获取所述暗通道-饱和度先验度图中所有像素的亮度,并计算亮度为前0.1%的像 素所在的区域,并计算该区域亮度的平均值,将该平均值作为所述暗通道-饱和 度先验图的大气光数值。
其中,Ac是大气光,ω是一个常量参数,用于调整图像整体雾度,Ic(y)是 原来的三通道图像,Js(y)是饱和度先验图,t为介质透射率。
在本发明一些较佳实施例中可采用导向滤波器对原始的透射图进行滤波, 可精细化原始透射图,避免局部图像失真。
根据所述介质透射率t获取光学厚度T,其中所光学厚度T包括物体的光学 厚度T0和大气的光学厚度T1,计算公式为:
T0=-lnt;
T1=-ln(1-t);
为了解决光线在大气中多次散射后导致画面不清晰的问题,本发明进一步 引入广义高斯分布来近似大气点扩散函数APSF:
其中,Γ()代表伽马函数,T是上述计算的光学厚度,k是一个调节系数,σ 是前向散射系数,exp是以e为底的指数函数,U是模糊核,i是的是模糊核的横 坐标,j指的是模糊核的纵坐标。根据上述大气点扩散函数消除大气扩散带来的 影响。
值得一提的是,由于遥感图像中无雾图像和有雾图像的大气散射存在较大的 差别,因此对于图像不同雾气浓度采用不同的前向散射系数σ,并且计算不同的 大气厚度T也会形成不同的前向散射系数σ,也就是说,物体的光学厚度T0和大 气的光学厚度T1可分别形成两个前向散射系数σ。进一步定义前向散射参数q, 其中:
为了综合平衡计算量和清晰度,本发明将所述前向散射参数q建立分层函数,其中该分层函数根据所述大气厚度值对所述前向散射参数q进行数值分类,其中所 述分层函数为:
需要说明的是所述分层函数中的T可取值T0或T1,当取值T0时,根据T0值 对应的分层函数数值可获得对应的前向散射系数σ,代入上述大气点扩散函公式 可计算获得物体反射光的大气点扩散函数h0,即h0=APSF(i,j;σ,T0),当取值为T1时,可计算获得大气反射光的大气点扩散函数ha,即ha=APSF(i,j;σ,T1),进一步 根据雾天图像退化模型推导获得的复原公式获取恢复后的清晰无雾图像,其中 雾天图像退化模型公式为:复原公式为:
由于根据所述复原公式获取的图像为窗口图像,该窗口图像可以根据最初 的裁剪规则进行拼接,以获取完整的复原图像。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实 现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包 括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图 所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分 从网络上被下载和安装,和/或从可拆卸介质被安装。在该计算机程序被中央处 理单元(CPU)执行时,执行本申请的方法中限定的上述功能。需要说明的是,本 申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介 质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、 磁、光、电磁、红外线段、或半导体的***、装置或器件,或者任意以上的组 合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个 导线段的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存 储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁 盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组 合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质, 该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本申 请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多 种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可 读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计 算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使 用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适 当的介质传输,包括但不限于:无线段、电线段、光缆、RF等等,或者上述的 任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的***、方法和计 算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图 中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、 或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应 当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图 中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执 行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的 是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可 以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用 硬件与计算机指令的组合来实现。
本领域的技术人员应理解,上述描述及附图中所示的本发明的实施例只作 为举例而并不限制本发明,本发明的目的已经完整并有效地实现,本发明的功 能及结构原理已在实施例中展示和说明,在没有背离所述原理下,本发明的实 施方式可以有任何变形或修改。
Claims (10)
1.一种遥感图像不均匀雾气去除方法,其特征在于,包括如下步骤:
获取RGB遥感图像,计算RGB遥感图像的暗通道先验图和饱和度先验图;
根据饱和度先验矫正所述暗通道先验图,形成暗通道-饱和度先验图;
根据暗通道-饱和度先验图计算大气光照强度;
计算遥感图像的透射率、物体光学厚度T1和大气光学厚度T0;
计算大气点扩散函数APSF;
采用雾天图像退化模型将模型将所述RGB遥感图像复原。
2.根据权利要求1所述的一种遥感图像不均匀雾气去除方法,其特征在于,对遥感图像进行裁剪,获取多个窗口图像,计算每一窗口图像的暗通道图像,其中所述暗通道图像计算方法为:在窗口图像区域内,计算并获取每个区域RGB通道的最小值,在无雾天气下获取暗通道先验图。
4.根据权利要求3所述的一种遥感图像不均匀雾气去除方法,其特征在于,所述暗通道先验图的矫正方法为:计算暗通道先验图数值和饱和度先验图数值的差值,获取该差值和零值之间的最大值,该最大值记为所述暗通道-饱和度先验图数值。
5.根据权利要求1所述的一种遥感图像不均匀雾气去除方法,其特征在于,所述大气光照强度的计算方法为:计算所述暗通道-饱和度先验图中的像素亮度,并选取光亮值前0.1%像素对应的位置作为大气光计算候选区域,计算该候选区域中所有像素光亮值的平均值作为大气光照强度。
7.根据权利要求6所述的一种遥感图像不均匀雾气去除方法,其特征在于,根据所述介质透射率t计算物体光学厚度T0和大气光学厚度T1,计算公式:T0=-lnt;T1=-ln(1-t)。
10.一种遥感图像不均匀雾气去除***,其特征在于,所述***采用上述权利要求1-9中任意一项所述的一种遥感图像不均匀雾气去除方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011332445.1A CN112419193B (zh) | 2020-11-24 | 2020-11-24 | 一种遥感图像不均匀雾气去除方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011332445.1A CN112419193B (zh) | 2020-11-24 | 2020-11-24 | 一种遥感图像不均匀雾气去除方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112419193A true CN112419193A (zh) | 2021-02-26 |
CN112419193B CN112419193B (zh) | 2024-02-02 |
Family
ID=74778649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011332445.1A Active CN112419193B (zh) | 2020-11-24 | 2020-11-24 | 一种遥感图像不均匀雾气去除方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112419193B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2568438A2 (en) * | 2011-09-08 | 2013-03-13 | Fujitsu Limited | Image defogging method and system |
CN106530257A (zh) * | 2016-11-22 | 2017-03-22 | 重庆邮电大学 | 一种基于暗通道先验模型的遥感图像去雾方法 |
-
2020
- 2020-11-24 CN CN202011332445.1A patent/CN112419193B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2568438A2 (en) * | 2011-09-08 | 2013-03-13 | Fujitsu Limited | Image defogging method and system |
CN106530257A (zh) * | 2016-11-22 | 2017-03-22 | 重庆邮电大学 | 一种基于暗通道先验模型的遥感图像去雾方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112419193B (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107767354B (zh) | 一种基于暗原色先验的图像去雾算法 | |
WO2016206087A1 (zh) | 一种低照度图像处理方法和装置 | |
US9189830B2 (en) | Image defogging method and system | |
US8774555B2 (en) | Image defogging method and system | |
US9197789B2 (en) | Method and system for removal of fog, mist, or haze from images and videos | |
Singh et al. | Image dehazing using Moore neighborhood-based gradient profile prior | |
CN107103591B (zh) | 一种基于图像雾霾浓度估计的单幅图像去雾方法 | |
KR101756173B1 (ko) | 전달률 하한치의 변형에 의한 안개영상 개선 시스템 및 그 방법 | |
CN110689490A (zh) | 一种基于纹理颜色特征和优化透射率的水下图像复原方法 | |
TWI808406B (zh) | 圖像去霧方法和使用圖像去霧方法的圖像去霧設備 | |
CN111192205A (zh) | 一种图像去雾方法、***和计算机可读存储介质 | |
CN111598814B (zh) | 基于极端散射通道的单图像去雾方法 | |
CN115393216A (zh) | 基于偏振特性与大气传输模型的图像去雾方法和装置 | |
CN112488948A (zh) | 一种基于黑色像素点估计后向散射的水下图像复原方法 | |
Ma et al. | An improved color image defogging algorithm using dark channel model and enhancing saturation | |
CN110335210B (zh) | 一种水下图像复原方法 | |
CN103226816A (zh) | 基于快速高斯滤波的雾霾图像介质传输率估算与优化方法 | |
Hassan et al. | A cascaded approach for image defogging based on physical and enhancement models | |
CN111598800A (zh) | 基于空间域同态滤波和暗通道先验的单幅图像去雾方法 | |
CN106709876B (zh) | 一种基于暗像元原理的光学遥感图像去雾方法 | |
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*** | |
CN114119383A (zh) | 一种基于多特征融合的水下图像复原方法 | |
CN112825189B (zh) | 一种图像去雾方法及相关设备 | |
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 |