人造光照下的单幅雾天图像复原

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (22): 187-192.

人造光照下的单幅雾天图像复原

鲁丹1，方帅1，2，邵堃1

1.合肥工业大学计算机与信息学院，合肥 230009
2.中国科学院安徽光学精密机械研究所，合肥 230031

出版日期:2015-11-15 发布日期:2015-11-16

Single image de-haze under illumination from artificial light sources

LU Dan1, FANG Shuai1，2, SHAO Kun1

1.School of Computer and Information, Hefei University of Technology, Hefei 230009, China
2.Anhui Institute of Optics and Fine Mechanics, Chinese Academy of Sciences, Hefei 230031, China

Online:2015-11-15 Published:2015-11-16

摘要/Abstract

摘要： 当前基于单幅雾天图像复原算法的研究都是在光照充足的情形下（白天），这种情形下的光照主要来自天空光。然而，对于在光照主要来自人造光（夜间）的雾天图像复原算法的研究屈指可数。因此提出了新的基于人造光照下的雾天成像模型，并同时考虑了不均匀的环境光和对图像的光照补偿。检测出光源位置，根据光源的发光特性求出环境光和光照补偿系数，利用提出的新模型求出清晰的图像，使用基于边缘颜色恒常性（EBCC）来对颜色进行校正。实验结果表明，该算法优于其他算法。

关键词: 去雾, 人造光, 颜色恒常性

Abstract: Current researches on single image de-hazing always premise a sufficient illumination, which refers to skylight in the daytime. However in condition that illumination mainly comes from artificial light sources, the current algorithm will not work well and related researches are rare. This paper presents a novel image de-hazing algorithm under illumination from artificial light sources, which considers non-uniform illumination and light compensation. A detecting algorithm is proposed to confirm the position of artificial light sources; atmospheric light and compensatory coefficient are obtained according to artificial light characteristic; after that, the haze-free image is effectively recovered based on a newly proposed imaging model; edge based color constancy is used to correct color. Experimental results show that this algorithm can get good performance under non-uniform illumination.

Key words: haze removal, artificial light, color constancy

鲁丹1，方帅1，2，邵堃1. 人造光照下的单幅雾天图像复原[J]. 计算机工程与应用, 2015, 51(22): 187-192.

LU Dan1, FANG Shuai1，2, SHAO Kun1. Single image de-haze under illumination from artificial light sources[J]. Computer Engineering and Applications, 2015, 51(22): 187-192.

[1]	李文龙，李兴广，胡冉冉，崔炜. 基于天空分割的单幅交通标志图像去雾算法[J]. 计算机工程与应用, 2021, 57(20): 221-228.
[2]	王巧月，陈树越. 车牌图像色彩迁移与正则化约束去雾算法[J]. 计算机工程与应用, 2021, 57(14): 217-222.
[3]	王硕，陈金玉. 自适应校正透射率的暗通道先验去雾算法[J]. 计算机工程与应用, 2021, 57(13): 207-211.
[4]	寇大磊，钱敏，权冀川，刘佳洛，张仲伟. 基于多尺度卷积网络的快速图像去雾算法[J]. 计算机工程与应用, 2020, 56(20): 191-198.
[5]	雎青青1，李朝锋2，桑庆兵1. 改进多尺度卷积神经网络的单幅图像去雾方法[J]. 计算机工程与应用, 2019, 55(10): 179-185.
[6]	张弟，吴萍. 单幅图像快速去雾算法[J]. 计算机工程与应用, 2019, 55(10): 213-217.
[7]	姚明海1，齐妙2. 基于模糊聚类规则的图像去雾方法研究[J]. 计算机工程与应用, 2018, 54(6): 26-29.
[8]	陈长华1，刘煜2，崔强3. 结合饱和度运算和暗通道理论的遥感图像去雾算法[J]. 计算机工程与应用, 2018, 54(5): 174-179.
[9]	李尧羿1，杜宇超2，顾振飞3，4. 结合天空区域识别的单幅图像去雾方法[J]. 计算机工程与应用, 2018, 54(19): 204-215.
[10]	覃宏超，李炎炎，龙伟，赵瑞朋，王倩. 改进的暗原色先验理论视频去雾算法研究[J]. 计算机工程与应用, 2018, 54(16): 176-181.
[11]	赵胜楠，魏伟波，潘振宽，李帅. 暗原色先验与NL-CTV模型相结合的图像去雾方法[J]. 计算机工程与应用, 2018, 54(16): 182-186.
[12]	张敏，张一凡，王园宇. 基于颜色衰减先验的小波融合图像去雾[J]. 计算机工程与应用, 2018, 54(12): 182-186.
[13]	刘振宇1，江海蓉1，徐鹤文2. 极端天气条件下低质图像增强算法研究[J]. 计算机工程与应用, 2017, 53(8): 193-198.
[14]	刘万军，赵庆国. 基于颜色饱和度的快速图像去雾研究[J]. 计算机工程与应用, 2017, 53(8): 209-215.
[15]	戎成明1，2，王华彬1，2，周健1，2，陶亮1，2. 基于大气面纱优化和透射率修正的图像去雾[J]. 计算机工程与应用, 2017, 53(14): 191-197.