基于暗通道先验的比值重估透射率去雾算法

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (13): 212-217.

基于暗通道先验的比值重估透射率去雾算法

白海平，杨燕

兰州交通大学电子与信息工程学院，兰州 730070

出版日期:2016-07-01 发布日期:2016-07-15

Ratio revaluating transmission algorithm of image dehazing based on dark channel prior

BAI Haiping, YANG Yan

School of Electronic and Information Engineering, Lanzhou Jiaotong University, Lanzhou 730070, China

Online:2016-07-01 Published:2016-07-15

摘要/Abstract

摘要： 针对暗原色先验去雾算法中雾霾图像明亮区域透射率估计过小，造成图像色彩失真的问题，提出一种新的基于比值重估透射率去雾算法。设定暗通道图与大气光强的差值阈值，利用预估透射率和全局透射率的比值重新估计透射率，从而改善明亮区域过小的透射率。实验结果表明，比值重估透射率去雾算法跟暗通道和容差机制去雾算法相比，该算法恢复的图像更接近于真实图像。

关键词: 暗通道, 比值, 透射率, 去雾

Abstract: To address the problem that the single image dehazing algorithm based on dark channel prior can make the bright areas’ estimated transmission too small in haze images so that lead to color distortion, the paper proposes a novel revaluating algorithm of transmission based on ratio. It sets the threshold value for the difference between the dark channel image and the atmosphere light intensity in order to improve the bright areas’ small transmission, utilizing the ratio between estimative transmission in advance and the overall transmission in the difference. The experimental results show that comparing with dark channel and tolerance mechanism dehazing algorithms, the improved approach can provide better results.

Key words: dark channel prior, ratio, transmission, dehazing

白海平，杨燕. 基于暗通道先验的比值重估透射率去雾算法[J]. 计算机工程与应用, 2016, 52(13): 212-217.

BAI Haiping, YANG Yan. Ratio revaluating transmission algorithm of image dehazing based on dark channel prior[J]. Computer Engineering and Applications, 2016, 52(13): 212-217.

[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]	赵斌红，马帅. 自适应的低照度图像增强变分模型[J]. 计算机工程与应用, 2019, 55(9): 144-150.
[6]	李一菲，杨燕，张国强. 基于补偿暗通道和透射率融合的图像去雾算法[J]. 计算机工程与应用, 2019, 55(3): 196-201.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	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.
[15]	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.