CN116596805B - 一种基于场景物体与大气光偏振态差异的偏振去雾方法 - Google Patents
一种基于场景物体与大气光偏振态差异的偏振去雾方法 Download PDFInfo
- Publication number
- CN116596805B CN116596805B CN202310860640.9A CN202310860640A CN116596805B CN 116596805 B CN116596805 B CN 116596805B CN 202310860640 A CN202310860640 A CN 202310860640A CN 116596805 B CN116596805 B CN 116596805B
- Authority
- CN
- China
- Prior art keywords
- polarization
- light
- image
- atmospheric
- atmosphere
- 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.)
- Active
Links
- 230000010287 polarization Effects 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004364 calculation method Methods 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 239000011800 void material Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 4
- 238000013135 deep learning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012549 training Methods 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
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- G06T2207/10048—Infrared image
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明属于图像处理技术领域,具体公开了一种基于场景物体与大气光偏振态差异的偏振去雾方法,通过分析场景物体的偏振态与大气散射光的偏振态差异将场景物体与大气散射光进行分离去雾,能够最优的将场景物体与大气光进行分离,更好的提升雾、霾环境下场景目标的探测距离。
Description
技术领域
本发明属于图像处理技术领域,具体公开了一种基于场景物体与大气光偏振态差异的偏振去雾方法。
背景技术
在雾霾天气场景下,受大气中悬浮颗粒的散射和反射等因素的影响,监控成像***所获取的图像普遍存在对比度低、轮廓模糊、细节丢失等问题。这对车辆、船舶、飞机等交通工具的通行以及室外监控等多方面都造成了很大影响。如何提高雾霾气候下监控成像***的图像质量提出了较大的挑战。因此研究图像的去雾技术具有非常重要的意义。
在去雾算法长期发展过程中,先后出现了基于图像增强、基于物理模型、基于深度学习三种大类的图像去雾方法。基于图像增强的方法因为不考虑图像退化的本质原因,所以效果有限,而新兴的以深度学习为基础的方法则都受限于训练集,在真实场景应用的鲁棒性还有待提升。基于物理模型的去雾方法又包括以He等人提出的暗通道去雾方法为代表的基于先验的单幅图像去雾方法和以Schechner等人提出的差分偏振去雾方法为代表的基于多幅偏振图像的去雾方法。暗通道先验去雾方法是图像去雾的重要方向,但是该方法在图像去雾的质量上仍然有较大的提升空间,暗通道不适用于所有场景,天空区域不能处理,同时该方法在雾浓度较大的区域,去雾不干净,效果较差,同时该方法不适用于单色光图像。
发明内容
基于上述问题,本申请提供一种基于场景物体与大气光偏振态差异的偏振去雾方法。通过分析场景物体的偏振态与大气散射光的偏振态差异将场景物体与大气散射光进行分离去雾,能够最优的将场景物体与大气光进行分离,更好的提升雾、霾环境下场景目标的探测距离。其技术方案为,
一种基于场景物体与大气光偏振态差异的偏振去雾方法,包括以下步骤:
S1.设置偏振角度,以45º为间隔依次采集四组三通道图像或灰度图像;通过斯托克斯矢量计算强度图S0和偏振矢量S1,S2;
S2. 选择低空区域作为雾场的偏振特性的计算区域,计算无穷远处大气光A∞、大气光的偏振角θA与偏振度pA;依据S0,S1,S2,θA计算得到大气光最亮的强度图像I||、大气光最暗的强度图像I⊥和偏振图P ;
S3. 设物体偏振方向与大气杂散光偏振方向夹角为β,Ap为大气光的偏振光,Dp为直接透射光的偏振光,利用S1,S2, I||, I⊥求得Dpsin2β与Ap+Dpcos2β;
S4.定义强度偏振差δ,当物体的偏振度大于大气光偏振度时,δ大于0;当物体的偏振度等于大气光的偏振度时,δ等于0;当物体的偏振度小于大气光的偏振度时,δ小于0;
S5.通过偏振度图P将强度图S0中的所有像素点进行分类,计算受物体光影响的大气值;
S6.计算灰度图像的底部包络面粗略图,通过导向滤波,得到底部包络面精细图A, 由A与A∞最终可以求得未受到雾霾干扰的物体反射光对应的图片L。
进一步的,步骤S1中,
将偏振片放置在摄像机前,获取偏振角度为0°,45°,90°,135°的四组三通道图像,将三通道图像转换成灰度图像;或者
使用短波红外偏振实时采集装置,获取上述四个角度的灰度图像I0,I45,I90,I135;
S0,S1,S2计算步骤如下:
;
;
。
进一步的,步骤S2中,
;
;
。
进一步的,步骤S2中,
;
;
。
进一步的,步骤S3中,计算Dpsin2β与Ap+Dpcos2β ,具体为:
;
。
进一步的,步骤S4中,δ计算步骤如下:
。
进一步的,步骤S5中,通过偏振度图P将强度图S0中的所有像素点进行分类,求得受物体光影响的大气值,
。
进一步的,步骤S6中,在图像内以15×15像素点大小的矩形块在图像内平移,依次提取矩形块内的最小值,可以计算得到底部包络面粗略图。
进一步的,步骤S6中,L计算步骤为:
;
;
;
式中,y为像素标号,Ω(x)为局部区域,x为区域标号。
进一步的,步骤S1中若采集的是四组三通道图像,分别获取原图像的R、G、B三个分量的S0,S1,S2,利用步骤S2-S6分别对三个分量进行操作,得到L1、L2、L3,最后将L1、L2、L3三个分量合成为一张图片。
与现有技术相比,本申请有益效果如下:
1.本发明通过物体态与大气散射光的差异将物体反射光进行分离,可以得到更加准确的物体反射光值。
2.通过求解底部包络面粗略图与底部包络面精细图,进一步去除物体反射光对大气光的干扰。
3.本发明所提的偏振度处理方法处理过程中将大气光完全消除,并确定了物体反射光的值域将物体反射光得到最准确的提取。
附图说明
图1是根据本发明实施例的一种基于场景物体与大气光偏振态差异的短波红外图像偏振去雾方法的流程示意图。
图2是根据本发明实施例的一种基于场景物体与大气光偏振态差异的可见光图像偏振去雾方法的流程示意图。
图3是根据本发明实施例的是应用一种基于场景物体与大气光偏振态差异的图像偏振去雾方法的大气光的偏振角θA、大气光最亮的强度图像I||、大气光最暗的强度图像I⊥和物体偏振方向与大气杂散光偏振方向夹角为β的示意图。
图4是根据本发明实施例的是应用一种基于场景物体与大气光偏振态差异的图像偏振去雾方法的强度图S0的光强成分组成示意图。
图5是根据本发明实施例的是应用一种基于场景物体与大气光偏振态差异的图像偏振去雾方法的图像处理过程示意图。
图6是根据本发明实施例的是应用一种基于场景物体与大气光偏振态差异的图像偏振去雾方法的场景示意图,其中(a)是处理前的图像(b)是处理后的图像。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
一种基于场景物体与大气光偏振态差异的偏振去雾方法,包括以下步骤:
S1.设置偏振角度,以45º为间隔依次采集四组三通道图像或灰度图像;通过斯托克斯矢量计算强度图S0和偏振矢量S1,S2;
将偏振片放置在摄像机前,获取偏振角度为0°,45°,90°,135°的四组三通道图像,将三通道图像转换成灰度图像;或者
使用短波红外偏振实时采集装置,获取上述四个角度的灰度图像I0,I45,I90,I135;
S0,S1,S2计算步骤如下:
;
;
。
同理,可以任意间隔45°设置偏振角度,如5°,50°,95°,140°;10°,55°,100°,145°。
S2. 选择低空区域作为雾场的偏振特性的计算区域,计算无穷远处大气光A∞、大气光的偏振角θA与偏振度pA;依据S0,S1,S2,θA计算得到大气光最亮的强度图像I||、大气光最暗的强度图像I⊥和偏振图P ;
;
;
;
;
;
。
S3. 设物体偏振方向与大气杂散光偏振方向夹角为β,Ap为大气光的偏振光,Dp为直接透射光的偏振光,利用S1,S2, I||, I⊥求得Dpsin2β与Ap+Dpcos2β;
;
。
S4.定义强度偏振差δ,当物体的偏振度大于大气光偏振度时,δ大于0;当物体的偏振度等于大气光的偏振度时,δ等于0;当物体的偏振度小于大气光的偏振度时,δ小于0;δ计算步骤如下:
。
S5.通过偏振度图P将强度图S0中的所有像素点进行分类,计算受物体光影响的大气值,
。
S6. 通过搜索局部区域最小值的方法计算图像底部包络,作为局部区域的大气光的极限逼近值,可以得到更加接近真实的大气光值。首先在图像内以15×15像素点大小的矩形块在图像内平移,依次提取矩形块内的最小值,可以计算得到底部包络面粗略图,然后通过强度图作为导向图,通过导向滤波的方法得到底部包络面精细图A,计算得到底部包络面精细图A认为是大气,最终由A和A∞可以求得未受到雾霾干扰的物体反射光对应的图片L。
;
;
;
式中,y为像素标号,就是将像素挨个比一遍的意思,Ω(x)为 局部区域,x为区域标号,表示把区域挨个查一遍。
步骤S1中若采集的是四组三通道图像,分别获取原图像的R、G、B三个分量的S0,S1,S2,利用步骤S2-S6分别对三个分量进行操作最后将处理后的R、G、B三个分量合成为一张图片,即把所得的L1、L2、L3叠在一起。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (5)
1.一种基于场景物体与大气光偏振态差异的偏振去雾方法,其特征在于,包括以下步骤:
S1.设置偏振角度,以45°为间隔依次采集四组三通道图像或灰度图像;通过斯托克斯矢量计算强度图S0和偏振矢量S1,S2;
S2.选择低空区域作为雾场的偏振特性的计算区域,计算无穷远处大气光A∞、大气光的偏振角θA与偏振度pA;依据S0,S1,S2,θA计算得到大气光最亮的强度图像I||、大气光最暗的强度图像I⊥和偏振图P;
S3.设物体偏振方向与大气杂散光偏振方向夹角为β,Ap为大气光的偏振光,Dp为直接透射光的偏振光,利用S1,S2,I||,I⊥求得Dpsin2β与Ap+Dpcos2β;
S4.定义强度偏振差δ,当物体的偏振度大于大气光偏振度时,δ大于0;当物体的偏振度等于大气光的偏振度时,δ等于0;当物体的偏振度小于大气光的偏振度时,δ小于0;
S5.通过偏振度图P将强度图S0中的所有像素点进行分类,通过偏振度图P将强度图S0中的所有像素点进行分类,求得受物体光影响的大气值
S6.计算灰度图像的底部包络面粗略图通过导向滤波,得到底部包络面精细图A,由A与A∞最终可以求得未受到雾霾干扰的物体反射光对应的图片L,
L计算步骤为:
式中,y为像素标号,Ω(x)为局部区域,x为区域标号。
2.根据权利要求1所述的一种基于场景物体与大气光偏振态差异的偏振去雾方法,其特征在于,步骤S1中,
将偏振片放置在摄像机前,获取偏振角度为0°,45°,90°,135°的四组三通道图像,将三通道图像转换成灰度图像;或者
使用短波红外偏振实时采集装置,获取上述四个角度的灰度图像I0,I45,I90,I135;
S0,S1,S2计算步骤如下:
S0=(I0+I45+I90+I135)/2
S1=I0-I90
S2=I45-I135。
3.根据权利要求1所述的一种基于场景物体与大气光偏振态差异的偏振去雾方法,其特征在于,步骤S2中,
A∞=mean(S0)。
4.根据权利要求1所述的一种基于场景物体与大气光偏振态差异的偏振去雾方法,其特征在于,步骤S6中,在图像内以15×15像素点大小的矩形块在图像内平移,依次提取矩形块内的最小值,可以计算得到底部包络面粗略图
5.根据权利要求1所述的一种基于场景物体与大气光偏振态差异的偏振去雾方法,其特征在于,步骤S1中若采集的是四组三通道图像,分别获取原图像的R、G、B三个分量的S0,S1,S2,利用步骤S2-S6分别对三个分量进行操作,得到L1、L2、L3,最后将L1、L2、L3三个分量合成为一张图片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310860640.9A CN116596805B (zh) | 2023-07-14 | 2023-07-14 | 一种基于场景物体与大气光偏振态差异的偏振去雾方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310860640.9A CN116596805B (zh) | 2023-07-14 | 2023-07-14 | 一种基于场景物体与大气光偏振态差异的偏振去雾方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116596805A CN116596805A (zh) | 2023-08-15 |
CN116596805B true CN116596805B (zh) | 2023-09-29 |
Family
ID=87594084
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310860640.9A Active CN116596805B (zh) | 2023-07-14 | 2023-07-14 | 一种基于场景物体与大气光偏振态差异的偏振去雾方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116596805B (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682443A (zh) * | 2012-05-10 | 2012-09-19 | 合肥工业大学 | 基于偏振图像引导的快速去雾算法 |
CN102930514A (zh) * | 2012-09-27 | 2013-02-13 | 西安电子科技大学 | 基于大气物理散射模型的快速图像去雾方法 |
CN105139347A (zh) * | 2015-07-10 | 2015-12-09 | 中国科学院西安光学精密机械研究所 | 一种结合暗通道先验原理的偏振成像去雾方法 |
US9288458B1 (en) * | 2015-01-31 | 2016-03-15 | Hrl Laboratories, Llc | Fast digital image de-hazing methods for real-time video processing |
JP2016224021A (ja) * | 2015-06-03 | 2016-12-28 | 上田 智章 | デプスカメラ |
CN108109113A (zh) * | 2017-11-09 | 2018-06-01 | 齐鲁工业大学 | 基于双边滤波和中值滤波的单幅图像去雾方法和装置 |
CN110278346A (zh) * | 2018-03-15 | 2019-09-24 | 财团法人交大思源基金会 | 视频除雾处理装置及方法 |
CN111210396A (zh) * | 2020-01-15 | 2020-05-29 | 北京航空航天大学 | 一种结合天空光偏振模型的多光谱偏振图像去雾方法 |
CN112837233A (zh) * | 2021-01-14 | 2021-05-25 | 昆明理工大学 | 一种基于差分偏振获取透射率的偏振图像去雾方法 |
CN113610728A (zh) * | 2021-08-05 | 2021-11-05 | 北京信息科技大学 | 一种基于四分暗通道均值比较的偏振双图像去雾方法 |
KR20210143031A (ko) * | 2020-05-19 | 2021-11-26 | 한국도로공사 | 편광 이미지를 이용한 이미지 내 안개 제거 방법 및 시스템 |
CN114627004A (zh) * | 2022-02-11 | 2022-06-14 | 南京威视科技有限公司 | 一种大气光估计和动态范围调整的实时偏振去雾方法 |
CN114841885A (zh) * | 2022-05-10 | 2022-08-02 | 中国矿业大学(北京) | 一种基于偏振图像数据的去雾融合处理方法 |
CN115187688A (zh) * | 2022-07-14 | 2022-10-14 | 合肥工业大学 | 基于大气光偏振正交盲分离的雾图重构方法及电子设备 |
CN115393216A (zh) * | 2022-08-25 | 2022-11-25 | 中国人民解放军国防科技大学 | 基于偏振特性与大气传输模型的图像去雾方法和装置 |
CN115753629A (zh) * | 2022-11-25 | 2023-03-07 | 天津大海电信科技有限公司 | 一种在可见度低天气下的偏振视频还原方法 |
CN116129222A (zh) * | 2023-01-18 | 2023-05-16 | 浙江理工大学 | 一种基于偏振离散度的目标检测方法 |
EP4189635A1 (fr) * | 2020-07-30 | 2023-06-07 | I2S | Procede et dispositif d'imagerie sous-marine |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108376419B (zh) * | 2017-12-11 | 2020-06-26 | 江苏大学 | 一种盆栽生菜的综合长势监测方法及装置 |
CN108765309B (zh) * | 2018-04-26 | 2022-05-17 | 西安汇智信息科技有限公司 | 基于暗通道的线状自适应改进全局大气光的图像去雾方法 |
CN112767267B (zh) * | 2021-01-11 | 2022-09-27 | 北京航空航天大学 | 基于仿真偏振带雾场景数据集的图像去雾方法 |
-
2023
- 2023-07-14 CN CN202310860640.9A patent/CN116596805B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682443A (zh) * | 2012-05-10 | 2012-09-19 | 合肥工业大学 | 基于偏振图像引导的快速去雾算法 |
CN102930514A (zh) * | 2012-09-27 | 2013-02-13 | 西安电子科技大学 | 基于大气物理散射模型的快速图像去雾方法 |
US9288458B1 (en) * | 2015-01-31 | 2016-03-15 | Hrl Laboratories, Llc | Fast digital image de-hazing methods for real-time video processing |
JP2016224021A (ja) * | 2015-06-03 | 2016-12-28 | 上田 智章 | デプスカメラ |
CN105139347A (zh) * | 2015-07-10 | 2015-12-09 | 中国科学院西安光学精密机械研究所 | 一种结合暗通道先验原理的偏振成像去雾方法 |
CN108109113A (zh) * | 2017-11-09 | 2018-06-01 | 齐鲁工业大学 | 基于双边滤波和中值滤波的单幅图像去雾方法和装置 |
CN110278346A (zh) * | 2018-03-15 | 2019-09-24 | 财团法人交大思源基金会 | 视频除雾处理装置及方法 |
CN111210396A (zh) * | 2020-01-15 | 2020-05-29 | 北京航空航天大学 | 一种结合天空光偏振模型的多光谱偏振图像去雾方法 |
KR20210143031A (ko) * | 2020-05-19 | 2021-11-26 | 한국도로공사 | 편광 이미지를 이용한 이미지 내 안개 제거 방법 및 시스템 |
EP4189635A1 (fr) * | 2020-07-30 | 2023-06-07 | I2S | Procede et dispositif d'imagerie sous-marine |
CN112837233A (zh) * | 2021-01-14 | 2021-05-25 | 昆明理工大学 | 一种基于差分偏振获取透射率的偏振图像去雾方法 |
CN113610728A (zh) * | 2021-08-05 | 2021-11-05 | 北京信息科技大学 | 一种基于四分暗通道均值比较的偏振双图像去雾方法 |
CN114627004A (zh) * | 2022-02-11 | 2022-06-14 | 南京威视科技有限公司 | 一种大气光估计和动态范围调整的实时偏振去雾方法 |
CN114841885A (zh) * | 2022-05-10 | 2022-08-02 | 中国矿业大学(北京) | 一种基于偏振图像数据的去雾融合处理方法 |
CN115187688A (zh) * | 2022-07-14 | 2022-10-14 | 合肥工业大学 | 基于大气光偏振正交盲分离的雾图重构方法及电子设备 |
CN115393216A (zh) * | 2022-08-25 | 2022-11-25 | 中国人民解放军国防科技大学 | 基于偏振特性与大气传输模型的图像去雾方法和装置 |
CN115753629A (zh) * | 2022-11-25 | 2023-03-07 | 天津大海电信科技有限公司 | 一种在可见度低天气下的偏振视频还原方法 |
CN116129222A (zh) * | 2023-01-18 | 2023-05-16 | 浙江理工大学 | 一种基于偏振离散度的目标检测方法 |
Non-Patent Citations (4)
Title |
---|
Conditional Generative Adversarial Defogging Algorithm Based on Polarization Characteristics;Jingjing Zhang;2021 33rd Chinese Control and Decision Conference (CCDC);全文 * |
偏振光谱图像去雾技术研究;夏璞;刘学斌;;光谱学与光谱分析(第08期);全文 * |
基于大气背景抑制的偏振去雾算法;王勇;薛模根;黄勤超;;计算机工程(第04期);全文 * |
基于暗通道先验原理的偏振图像去雾增强算法研究;游江;刘鹏祖;容晓龙;李斌;徐韬祜;;激光与红外(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116596805A (zh) | 2023-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Negru et al. | Exponential contrast restoration in fog conditions for driving assistance | |
CN109993804A (zh) | 一种基于条件生成对抗网络的道路场景去雾方法 | |
Yadav et al. | Fog removal techniques from images: A comparative review and future directions | |
CN112016478B (zh) | 一种基于多光谱图像融合的复杂场景识别方法及*** | |
CN107424133A (zh) | 图像去雾方法、装置、计算机可存储介质和移动终端 | |
CN111709888B (zh) | 一种基于改进的生成对抗网络的航拍图像去雾方法 | |
CN114973028B (zh) | 一种航拍视频图像实时变化检测方法及*** | |
CN112837233A (zh) | 一种基于差分偏振获取透射率的偏振图像去雾方法 | |
Bansal et al. | A review of image restoration based image defogging algorithms | |
CN111582074A (zh) | 一种基于场景深度信息感知的监控视频树叶遮挡检测方法 | |
CN103605171A (zh) | 全天空成像仪及基于全天空成像仪的云层特性分析方法 | |
Fu et al. | An anisotropic Gaussian filtering model for image de-hazing | |
Babu et al. | An efficient image dahazing using Googlenet based convolution neural networks | |
Yu et al. | Content-adaptive rain and snow removal algorithms for single image | |
CN114663352A (zh) | 一种输电线路缺陷高精度检测方法、***及存储介质 | |
CN112419163A (zh) | 一种基于先验知识和深度学习的单张图像弱监督去雾方法 | |
Zhao et al. | Image dehazing based on haze degree classification | |
CN103870847A (zh) | 一种低照度环境下对地监控的运动目标检测方法 | |
CN110827375B (zh) | 一种基于微光图像的红外图像真彩着色方法及*** | |
CN116596805B (zh) | 一种基于场景物体与大气光偏振态差异的偏振去雾方法 | |
CN112115737B (zh) | 一种车辆朝向的确定方法、装置及车载终端 | |
Maxwell et al. | Real-time physics-based removal of shadows and shading from road surfaces | |
CN115937021A (zh) | 基于频率域特征分离和迭代优化大气光的偏振去雾方法 | |
CN115439349A (zh) | 一种基于图像增强的水下slam优化方法 | |
Kim et al. | Single image dehazing of road scenes using spatially adaptive atmospheric point spread function |
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 |