基于大气面纱优化和透射率修正的图像去雾

doi:10.3778/j.issn.1002-8331.1609-0298

计算机工程与应用 ›› 2017, Vol. 53 ›› Issue (14): 191-197.DOI: 10.3778/j.issn.1002-8331.1609-0298

基于大气面纱优化和透射率修正的图像去雾

戎成明1，2，王华彬1，2，周健1，2，陶亮1，2

1.安徽大学教育部智能与信号重点实验室，合肥 230601

2.安徽大学计算机科学与技术学院，合肥 230601

出版日期:2017-07-15 发布日期:2017-08-01

Image haze removal based on atmospheric veil optimization and transmission correction

RONG Chengming1，2, WANG Huabin1，2, ZHOU Jian1，2, TAO Liang1，2

1.The MOE Key Laboratory of Intelligent Computing & Signal Processing, Anhui University, Hefei 230601, China

2.School of Computer Science and Technology, Anhui University, Hefei 230601, China

Online:2017-07-15 Published:2017-08-01

摘要/Abstract

摘要： 基于中值滤波的图像去雾算法不能有效去除细小边缘处的雾，且天空区域容易出现颜色失真问题。因此，提出了一种基于大气面纱优化和透射率修正的单幅图像去雾算法。首先基于阈值分割提取天空区域，并降低各颜色通道最小值图像中对应区域的灰度值，然后使用加权引导滤波得到优化后的大气面纱，从而得到较为准确的透射率，最后由大气散射模型得到复原图像。相比于其他算法，该算法在优化大气面纱的同时修正了透射率，在边缘处的去雾效果更加明显，同时解决了天空区域的色彩失真问题。

关键词: 图像去雾, 加权引导滤波, 大气面纱优化, 透射率修正

Abstract: The image dehazing method based on median filtering can’t effectively remove the haze of tiny edges and sky areas are prone to distortion. So, a single image dehazing based on the atmospheric veil optimization and transmission correction is proposed. First it extracts sky area by using threshold segmentation and reduces gray value of corresponding region of the minimum image of each color channel, and then gets more accurate atmospheric veil by using weighted guided filtering, so that gets more accurate transmission, finally restored image is obtained through the atmospheric scattering model. Compared with other algorithms, this algorithm optimizes the atmospheric veil and correct transmission at the same time, the dehazing effect is more obvious in the tiny edge, and can solve the problem of distortion of the color of the sky area.

Key words: image dehazing, weighted guided image filtering, atmospheric veil optimization, transmission correction

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.

RONG Chengming1，2, WANG Huabin1，2, ZHOU Jian1，2, TAO Liang1，2. Image haze removal based on atmospheric veil optimization and transmission correction[J]. Computer Engineering and Applications, 2017, 53(14): 191-197.

[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.
[3]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	孙亚男1，2，郜园园1，2，宋洪军1，2，方益明1，2. 融合双边滤波和腐蚀处理的图像快速去雾方法[J]. 计算机工程与应用, 2017, 53(1): 178-182.
[11]	孙朋晓1，2，沈燕飞1，朱珍民1. 基于细节增强的单一图像去雾[J]. 计算机工程与应用, 2016, 52(8): 201-206.
[12]	麻孝强，刘峰，朱秀昌. 宽动态范围图像快速增强算法[J]. 计算机工程与应用, 2016, 52(3): 154-158.
[13]	刘恩雨，朱海涅，谢建磊. 基于透射率归一化的单幅图像去雾算法[J]. 计算机工程与应用, 2016, 52(20): 200-203.
[14]	杜宏博1，王丽会2. 基于改进暗原色先验模型的快速图像去雾方法[J]. 计算机工程与应用, 2016, 52(1): 178-184.
[15]	肖胜笔，李燕. 具有颜色保真性的快速多尺度Retinex去雾算法[J]. 计算机工程与应用, 2015, 51(6): 176-180.

基于大气面纱优化和透射率修正的图像去雾

Image haze removal based on atmospheric veil optimization and transmission correction

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics