基于邻域相似性的暗原色先验图像去雾方法

doi:10.3724/SP.J.1087.2011.01224

计算机应用 ›› 2011, Vol. 31 ›› Issue (05): 1224-1226.DOI: 10.3724/SP.J.1087.2011.01224

基于邻域相似性的暗原色先验图像去雾方法

郭珈¹,王孝通^1,2,胡程鹏¹,徐晓刚³

1.海军大连舰艇学院光电技术研究所,辽宁大连 116018
2.海军大连舰艇学院航海系,辽宁大连 116018
3.海军大连舰艇学院自动化系,辽宁大连 11018

收稿日期:2010-11-09 修回日期:2011-01-02 发布日期:2011-05-01 出版日期:2011-05-01
通讯作者: 郭珈
作者简介:郭珈(1983-),女,辽宁大连人,博士研究生,主要研究方向:图像处理、信号分析;王孝通(1962-),男,浙江义乌人,教授,博士,主要研究方向:电子海图、图像处理;胡程鹏(1983-),男,山东济宁人,硕士研究生,主要研究方向:交通信息处理、图像处理;徐晓刚(1967-),男,浙江永康人,教授,博士,主要研究方向:信号分析、虚拟仿真。
基金资助:
国家自然科学基金资助项目(60975016);国家青年科学基金资助项目(61002052);辽宁省自然科学基金资助项目(20082176)。

Image dehazing method based on neighborhood similarity dark channel prior

GUO Jia¹, WANG Xiao-tong^1,2, HU Cheng-peng¹, XU Xiao-gang³

1. Institute of Photoelectric Technology, Dalian Naval Academy, Dalian Liaoning 116018, China
2. Department of Navigation, Dalian Naval Academy, Dalian Liaoning 116018, China
3. Department of Equipment Automatization, Dalian Naval Academy, Dalian Liaoning 116018, China

Received:2010-11-09 Revised:2011-01-02 Online:2011-05-01 Published:2011-05-01
Contact: GUO Jia

摘要/Abstract

摘要： 针对雾天图像对比度和颜色严重退化的问题,提出了一种应用暗原色先验去雾的简便方法。该方法首先根据暗原色先验得到雾天透射率图;然后,通过暗原色值与邻域暗色值的差值来判断边缘,取颜色最相近点的暗色值为新的暗原色值,同时利用暗原色图像直方图自动获得大气光线值;最后,根据大气散射模型得到清晰图像。实验证明,该方法能够有效去除雾对图像的影响。

关键词: 去雾, 物理模型, 暗原色先验, 透射率, 邻域相似性

Abstract: Images acquired in bad weather have poor contrasts and colors. This paper proposed a simple method to remove haze based on dark channel priority. After acquiring the transmission, getting the difference between the dark channel and dark value of nearest eight pixels, the pixel of minimal difference was redefined as new dark channel. Besides, the air light was automatically estimated from the histogram of the dark channel. At last, the clear image could be recovered based on physical model. The experimental results show that the method can sharp the edge and improve the quality of the degraded image.

Key words: dehazing, physical model, dark channel prior, transmission, neighborhood similarity

郭珈王孝通胡程鹏徐晓刚. 基于邻域相似性的暗原色先验图像去雾方法[J]. 计算机应用, 2011, 31(05): 1224-1226.

GUO Jia WANG Xiao-tong HU Cheng-peng XU Xiao-gang. Image dehazing method based on neighborhood similarity dark channel prior[J]. Journal of Computer Applications, 2011, 31(05): 1224-1226.

[1]	朱利安, 张鸿. 基于双分支条件生成对抗网络的非均匀图像去雾[J]. 《计算机应用》唯一官方网站, 2023, 43(2): 567-574.
[2]	王官军, 简春莲, 向强. 基于卷积神经网络的单图像去雾模型硬件重构加速方法[J]. 《计算机应用》唯一官方网站, 2022, 42(10): 3184-3190.
[3]	孙潇, 徐金东. 基于级联生成对抗网络的遥感图像去雾方法[J]. 计算机应用, 2021, 41(8): 2440-2444.
[4]	赵扬, 李波. 基于增强生成器条件生成对抗网络的单幅图像去雾[J]. 《计算机应用》唯一官方网站, 2021, 41(12): 3686-3691.
[5]	王云飞, 王园宇. 基于Msmall-Patch训练的夜晚单幅图像去雾算法——MP-CGAN[J]. 计算机应用, 2020, 40(3): 865-871.
[6]	邓天民, 方芳, 周臻浩. 基于改进空间金字塔池化卷积神经网络的交通标志识别[J]. 计算机应用, 2020, 40(10): 2872-2880.
[7]	娄梦莹, 袁丽莎, 刘娅琴, 万雪梅, 杨丰. 基于自适应融合的手掌静脉增强方法[J]. 计算机应用, 2019, 39(4): 1176-1182.
[8]	梁中豪, 彭德巍, 金彦旭, 郭梁. 基于交通场景区域增强的单幅图像去雾方法[J]. 计算机应用, 2018, 38(5): 1420-1426.
[9]	张江鑫, 周佳波, 孟利民. 改进的暗通道先验快速图像去雾算法[J]. 计算机应用, 2017, 37(8): 2324-2328.
[10]	徐喆, 陈美竹. 改进的雾霾天气交通标志图像去雾算法[J]. 计算机应用, 2017, 37(8): 2329-2333.
[11]	陈高科, 杨燕, 张宝山. 结合透射率和大气光改进的暗原色先验去雾算法[J]. 计算机应用, 2017, 37(5): 1481-1484.
[12]	毛祥宇, 李为相, 丁雪梅. 基于天空分割的单幅图像去雾算法[J]. 计算机应用, 2017, 37(10): 2916-2920.
[13]	董宇飞, 杨燕, 曹碧婷. 基于导向图优化的单幅图像深度去雾算法[J]. 计算机应用, 2017, 37(1): 268-272.
[14]	李慧慧, 秦品乐, 梁军. 基于HSI亮度分量和RGB空间的图像去雾算法[J]. 计算机应用, 2016, 36(5): 1378-1382.
[15]	王琳, 毕笃彦, 李晓辉, 何林远. 基于负修正和对比度拉伸的快速去雾算法[J]. 计算机应用, 2016, 36(4): 1106-1110.

基于邻域相似性的暗原色先验图像去雾方法

Image dehazing method based on neighborhood similarity dark channel prior

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