基于黑色通道的图像快速去雾优化算法

doi:10.3969/j.issn.0372-2112.2013.04.028

电子学报 ›› 2013, Vol. 41 ›› Issue (4): 791-797.DOI: 10.3969/j.issn.0372-2112.2013.04.028

基于黑色通道的图像快速去雾优化算法

褚宏莉¹, 李元祥¹, 周则明², 沈霁¹

1. 上海交通大学航空航天学院,上海 200240;
2. 解放军理工大学气象学院,江苏南京 211101

收稿日期:2012-07-04 修回日期:2012-11-29 出版日期:2013-04-25
- 作者简介:
- 褚宏莉 女.1990年3月出生,山东菏泽人.2010年毕业于山东大学自动化专业,现为上海交通大学航空航天学院硕士研究生,研究方向为数字图像处理. 李元祥 男.1968年10月出生,安徽和县人.1990年、1993年和2001年分别在解放军通信工程学院、空军工程学院和清华大学获工学学士、硕士和博士学位.2002—2004年在新加坡国立大学作 Research Fellow.现为上海交通大学航空航天学院副教授,主要从事目标检测与识别、遥感信息处理、汉字识别等方面的研究工作. E-mail:yuanxli@sjtu.edu.cn
- 基金资助:
- 国家自然科学基金 (No.41174164,No.61174196)

Optimized Fast Dehazing Method Based on Dark Channel Prior

CHU Hong-li¹, LI Yuan-xiang¹, ZHOU Ze-ming², SHEN Ji¹

1. School of Aeronautics and Astronautics, Shanghai Jiao Tong University, Shanghai 200240, China;
2. Institute of Meteorology, PLA University of Science & Technology, Nanjing, Jiangsu 211101, China

Received:2012-07-04 Revised:2012-11-29 Online:2013-04-25 Published:2013-04-25
- Supported by:
- National Natural Science Foundation of China (No.41174164, No.61174196)

摘要/Abstract

摘要： 黑色通道优先算法在处理单幅户外场景图像去雾方面取得了一定的效果,但是该方法需要消耗大量的存储和计算资源,另外对天空区域的处理不够准确.本文仍然基于黑色通道先验知识,对图像边缘和非边缘分别采用不同的模板处理得到透射图,并通过分割天空区域或者雾最浓区域求得准确的大气光值,利用该方法可以恢复出和原方法基本一致甚至更准确的结果,并且可以大大减少消耗,提升计算速度.

关键词: 图像复原, 黑色通道, 去雾, 天空区域

Abstract: The dark channel prior algorithm is effective to some extent when working on some single outdoor scene hazing images.However,it has to expend large amounts of memory storage and computational time.Besides,the result of the sky region is not accurate enough.In this paper,we estimate the transmission map through processing the edges and non-edges respectively with different neighborhoods and obtain more accurate atmospheric light value by departing the sky part or the most hazed region of the image.This method can get a similar or even a better dehazing result than the classical haze removal methods,and moreover take less memory consumption and get much faster computational speed.

Key words: image restoration, dark channel prior, dehazing, sky region

中图分类号:

TP391

褚宏莉, 李元祥, 周则明, 等. 基于黑色通道的图像快速去雾优化算法[J]. 电子学报, 2013, 41(4): 791-797.

CHU Hong-li, LI Yuan-xiang, ZHOU Ze-ming, et al. Optimized Fast Dehazing Method Based on Dark Channel Prior[J]. Acta Electronica Sinica, 2013, 41(4): 791-797.

[1]	金天虎, 陶砚蕴, 李佐勇. 基于超像素图像分割的暗通道先验去雾改进算法[J]. 电子学报, 2023, 51(1): 146-159.
[2]	高继蕊, 李华锋, 张亚飞, 谢明鸿, 李凡. 双注意力引导的细节和结构信息融合图像去雾网络[J]. 电子学报, 2023, 51(1): 160-171.
[3]	贾童瑶, 卓力, 李嘉锋, 张菁. 基于深度学习的单幅图像去雾研究进展[J]. 电子学报, 2023, 51(1): 231-245.
[4]	麻文刚, 张亚东, 郭进. 基于景深先验引导与环境光优化的图像去雾[J]. 电子学报, 2022, 50(7): 1708-1721.
[5]	肖进胜, 周景龙, 雷俊锋, 刘恩雨, 舒成. 基于霾层学习的单幅图像去雾算法[J]. 电子学报, 2019, 47(10): 2142-2148.
[6]	郭璠, 邹北骥, 唐琎. 基于多光源模型的夜晚雾天图像去雾算法[J]. 电子学报, 2017, 45(9): 2127-2134.
[7]	刘杰平, 黄炳坤, 韦岗. 一种快速的单幅图像去雾算法[J]. 电子学报, 2017, 45(8): 1896-1901.
[8]	鞠铭烨, 张登银. 基于先验知识与大气散射模型的图像增强算法[J]. 电子学报, 2017, 45(5): 1218-1225.
[9]	方帅, 刘远东, 曹洋, 刘永进. 基于模糊结构图的模糊核估计[J]. 电子学报, 2017, 45(5): 1226-1233.
[10]	肖进胜, 高威, 邹白昱, 姚远, 章勇勤. 基于天空约束暗通道先验的图像去雾[J]. 电子学报, 2017, 45(2): 346-352.
[11]	方帅, 赵育坤, 李心科, 刘永进, 揭斐然. 基于光照估计的夜间图像去雾[J]. 电子学报, 2016, 44(11): 2569-2575.
[12]	师皓, 陈禾, 毕福昆, 庞枫骞, 杨小婷. 基于特征位置优选整合的快速城区检测算法[J]. 电子学报, 2015, 43(7): 1369-1374.
[13]	张登银, 鞠铭烨, 王雪梅. 一种基于暗通道先验的快速图像去雾算法[J]. 电子学报, 2015, 43(7): 1437-1443.
[14]	南栋, 毕笃彦, 马时平, 何林远, 娄小龙. 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.
[15]	何林远, 毕笃彦, 熊磊, 南栋, 周理. 基于亮度反馈的彩色雾霾图像增强算法[J]. 电子学报, 2015, 43(10): 1978-1983.

基于黑色通道的图像快速去雾优化算法

Optimized Fast Dehazing Method Based on 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