结合自适应高斯滤波的单幅图像去雾方法

张晨光 史伟光 毕长浩

引用本文:
Citation:

结合自适应高斯滤波的单幅图像去雾方法

    作者简介: 张晨光(1988-),女,天津人,硕士,助教,主要研究方向:智能信息处理,计算机图形学.E-mail:zhangchenguang_123@126.con.;
    通讯作者: 史伟光, shiweiguang12345@126.com.cn
  • 基金项目:

    国家自然科学基金(61501324,61405144)

  • 中图分类号: TP391.4

Single image dehazing with an adaptive gauss filter

    Corresponding author: SHI Wei-guang, shiweiguang12345@126.com.cn ;
  • CLC number: TP391.4

  • 摘要: 传统图像去雾方法中基于景深局部相似性假设来估计场景透射率时,因无法适应景深突变而在其边缘处出现偏移,严重影响去雾效果.为此,提出了一种结合自适应高斯滤波的单幅图像去雾方法.首先,为简化参数的估计,对大气散射模型进行改进,将场景透射率的估计等效为附加大气光的估计,综合利用邻域内像素点的空间邻近度和景深边界信息构建自适应高斯滤波器,对附加大气光进行细化操作.然后,引用四叉树分割理论估计大气光强度,进而恢复场景反射光.最后,将该去雾方法与传统方法进行对比分析.实验结果表明,该方法能有效去除图像中的雾霾,消除景深突变处的Halo,保持图像整体亮度平衡,对图像细节信息的复原也取得了不错的效果,从根本上提高了图像的可视性.
  • [1] NARASIMHAN S G,NAYAR S K.Vision and the Atmosphere[J].International Journal of Computer Vision,2002,48(3):233-254.
    [2] WANG W X,XIAO X,CHEN L Q.Image dark channel prior haze removal based on minimum filtering and guided filtering[J].Optics and Precision Engineering,2015,23(7):2100-2108.
    [3] NARASIMHAN S G,NAYAR S K.Contrast restoration of weather degraded images[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2003,25(6):713-724.
    [4] NAN D,BI D Y,MA S P,et al.Single image dehazing method based on scene depth constraint[J].Acta Electronica Sinica,2015,43(3):500-504.
    [5] NAYAR S K,NARASIMHAN S G.Vision in bad weather[J].The Proceedings of the 7th IEEE International Conference on Computer Vision,1999,2:820-827.
    [6] TAN R T.Visibility in bad weather from a single image[J].IEEE Conf Computer Vision and Pattern Recognition,2008.Dio:10-1109/CVPR.2008.4587643.
    [7] FATTAL R.Single image dehazing[J].ACM Transactions on Graphics,2008,27(3):1-9.
    [8] HE K M,SUN J,TANG X O.Single image haze removal using dark channel prior[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2011,12(33):2341-2353.
    [9] KRATZ L,NISHINO K.Factorizing scene albedo and depth from a single foggy image[C].The Proceedings of the IEEE International Conference on Computer Vision,2009:1701-1708.
    [10] ZHU Q S,MAI J M,SHAO L.A fast single image haze removal algorithm using color attenuation prior[J].IEEE Transactions on Image Processing,2015,24(11):3522-3533.
    [11] GIBSON K B,NGUYEN T Q.Fast single image fog removal using the adaptive Wiener filter[C].IEEE International Conference on Image Processing,2013:714-718.
    [12] SAINT-MARC P,CHEN J S,MEDIONI.Adaptive smoothing:a general tool for early vision[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,1991,13(6):514-529.
    [13] PARK Y K,PARK S L,KIM J.Retinex method based on adaptive smoothing for illumination invariant face recognition[J].Signal Processing,2008,88(8):1929-1945.
    [14] YU J,LIAO Q.Fast single image fog removal using edge-preserving smoothing[J] International Conference on Acoustics,Speech,#x00026; Signal Processing,Icassp,2011:1245-1248.
    [15] 王卫星,肖翔,陈良琴.结合最小滤波和引导滤波的暗原色去雾[J].光学精密工程,2015,23(7):2100-2108.
    [16] LAURENCE M,SABINE S.High dynamic range image rendering with a Retinex-based adaptive filter[J].IEEE Transactions on Image Processing,2006,15(9):2820-2830.
    [17] SULAMI M,GLATZER I,FATTAL R.Automatic recovery of the atmospheric light in hazy images[C].IEEE International Conference on Computational Photography,2014:1-11.
    [18] 南栋,毕笃彦,马时平,等.基于景深约束的单幅雾天图像去雾算法[J].电子学报,2015,43(3):500-504.
  • [1] 郭栋鸿谭丽温润 . 基于MMSE的自适应灰度形态学钢轨边缘检测算法. 云南大学学报(自然科学版), 2019, 41(6): 1144-1151. doi: 10.7540/j.ynu.20190285
    [2] 丁锐李国军王青 . 心电信号基线漂移去除方法研究. 云南大学学报(自然科学版), 2014, 36(5): 655-660. doi: 10.7540/j.ynu.20130664
    [3] 孙巍郭敏 . 基于自适应形状先验的快速图像分割算法. 云南大学学报(自然科学版), 2015, 37(1): 52-61. doi: 10.7540/j.ynu.20140296
    [4] 陈树刚张学杰 . 一种基于小波系数自适应加权平均的解剖和功能医学图像融合算法. 云南大学学报(自然科学版), 2005, 27(3): 200-205.
    [5] 赵霞马晓年丁中涛曹秋娥 . 锌试剂-蛋白质体系的共振光散射光谱研究. 云南大学学报(自然科学版), 2007, 29(5): 496-500.
    [6] 王亚丽陈天江普小云 . 消逝场增益耦合微型球腔的光散射理论研究. 云南大学学报(自然科学版), 2005, 27(6): 504-508.
    [7] 王卫国吴涧黄安宁罗燕 . 大气臭氧垂直分布的非均匀结构. 云南大学学报(自然科学版), 2004, 26(2): 144-149.
    [8] 杜挺王旭红梁海艳黄安杨联安 . 湖泊叶绿素a反演的大气校正模型比较研究. 云南大学学报(自然科学版), 2014, 36(2): 241-248. doi: 10.7540/j.ynu.20130361
    [9] . 冬季全球大气季节内振荡的特征分析. 云南大学学报(自然科学版), 2013, 35(1): 63-69. doi: 10.7540/j.ynu.2012.12048
    [10] 王卫国梁俊平孙绩华陈新梅袁敏樊雯璇王颢樾杨利群 . 对流层顶大气臭氧的季节变化研究. 云南大学学报(自然科学版), 2008, 30(1): 47-53.
    [11] 张天宇唐红玉雷婷向波李永华 . 重庆夏季旱涝急转与大气环流异常的联系. 云南大学学报(自然科学版), 2014, 36(1): 79-87. doi: 10.7540/j.ynu.20130197
    [12] 郭世昌李琼刘煜段雪梅苏锦兰李慧晶李明 . 东亚低纬地区大气臭氧时空分布特征. 云南大学学报(自然科学版), 2010, 32(2): 177-185, .
    [13] 王卫国袁敏吴涧樊雯璇王颢樾刘晓璐 . 大气对流层顶的臭氧时空分布变化. 云南大学学报(自然科学版), 2006, 28(6): 509-517.
    [14] 庄红林段鹏何磊 . 基于能量分布的自适应整体变分去噪方法. 云南大学学报(自然科学版), 2008, 30(4): 350-354.
    [15] 杨跃诚钟汝能孙瑜肖梦雄 . 基于IRT的计算机化自适应测试系统研究. 云南大学学报(自然科学版), 2011, 33(S2): 294-298.
    [16] 高思聪刘云 . 能量采集WSN中的自适应机会路由算法研究. 云南大学学报(自然科学版), 2015, 37(6): 818-824. doi: 10.7540/j.ynu.20150162
    [17] 陈威张世峰张祝威胡贵妹 . 焦炉集气管压力系统的复合自适应PID控制. 云南大学学报(自然科学版), 2017, 39(4): 565-572. doi: 10.7540/j.ynu.20160597
    [18] 冯瑶赵东风童赛美王昆 . MIMO水声信道分数间隔自适应均衡的研究. 云南大学学报(自然科学版), 2009, 31(1): 39-42,5 .
    [19] 杨祯苏宏升 . 基于二次调频的孤岛微网自适应旋转惯量控制策略. 云南大学学报(自然科学版), 2020, 42(2): 259-267. doi: 10.7540/j.ynu.20190311
    [20] 朱娟萍侯忠生陆正福熊丹 . 应用神经网络的非参数模型自适应控制. 云南大学学报(自然科学版), 2005, 27(4): 280-284.
  • 加载中
计量
  • 文章访问数:  438
  • HTML全文浏览量:  43
  • PDF下载量:  387
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-09-26
  • 刊出日期:  2017-05-20

结合自适应高斯滤波的单幅图像去雾方法

    作者简介:张晨光(1988-),女,天津人,硕士,助教,主要研究方向:智能信息处理,计算机图形学.E-mail:zhangchenguang_123@126.con.
    通讯作者: 史伟光, shiweiguang12345@126.com.cn
  • 1. 天津工业大学 电子与信息工程学院,天津 300387
基金项目:  国家自然科学基金(61501324,61405144)

摘要: 传统图像去雾方法中基于景深局部相似性假设来估计场景透射率时,因无法适应景深突变而在其边缘处出现偏移,严重影响去雾效果.为此,提出了一种结合自适应高斯滤波的单幅图像去雾方法.首先,为简化参数的估计,对大气散射模型进行改进,将场景透射率的估计等效为附加大气光的估计,综合利用邻域内像素点的空间邻近度和景深边界信息构建自适应高斯滤波器,对附加大气光进行细化操作.然后,引用四叉树分割理论估计大气光强度,进而恢复场景反射光.最后,将该去雾方法与传统方法进行对比分析.实验结果表明,该方法能有效去除图像中的雾霾,消除景深突变处的Halo,保持图像整体亮度平衡,对图像细节信息的复原也取得了不错的效果,从根本上提高了图像的可视性.

English Abstract

参考文献 (18)

目录

    /

    返回文章
    返回