基于亮度反馈的彩色雾霾图像增强算法

何林远; 毕笃彦; 熊磊; 南栋; 周理

doi:10.3969/j.issn.0372-2112.2015.10.015

您当前的位置：

首页 >

文章列表页 >

基于亮度反馈的彩色雾霾图像增强算法

学术论文 | 更新时间：2025-07-16

- 基于亮度反馈的彩色雾霾图像增强算法
- Color Image Haze Removal Algorithm Based on Luminance Feedback
- 电子学报 2015年43卷第10期页码：1978-1983
- 作者机构：
  
  1. 西安交通大学电子与信息工程学院,陕西,西安,710049
  2. 空军工程大学航空航天工程学院,陕西,西安,710038
  3. 西安交通大学电子与信息工程学院,陕西,西安,710049
  4. 空军工程大学航空航天工程学院,陕西,西安,710038
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.61175029,No.61203268,No.61202339)
- DOI：10.3969/j.issn.0372-2112.2015.10.015
  中图分类号： TP391.4
- 纸质出版：2015
- 稿件说明：
移动端阅览
何林远, 毕笃彦, 熊磊, 等. 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.

HE Lin-yuan, BI Du-yan, XIONG Lei, et al. Color Image Haze Removal Algorithm Based on Luminance Feedback[J]. Acta Electronica Sinica, 2015, 43(10): 1978-1983.
何林远, 毕笃彦, 熊磊, 等. 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. DOI： 10.3969/j.issn.0372-2112.2015.10.015.

HE Lin-yuan, BI Du-yan, XIONG Lei, et al. Color Image Haze Removal Algorithm Based on Luminance Feedback[J]. Acta Electronica Sinica, 2015, 43(10): 1978-1983. DOI： 10.3969/j.issn.0372-2112.2015.10.015.

摘要

针对目前主流去除雾霾算法采用亮度和色度分量分而治之的机制

割裂了二者固有的相关性

致使增强后图像质量不能两者兼顾的问题

本文以人眼视觉特性为依据

提出了一种亮度反馈的增强方法.该方法首先对亮度信息进行区域适应性调整

并对其细节和边缘进行提升

然后将该结果纳入色度信息处理的约束条件

较好的保持了两者间的相关性.实验表明本文算法在去除雾霾后视觉效果优异

具有较好的实用性和较少的计算资源消耗.

Abstract

Through the analysis of the current main of dehazing algorithms

we found that they adapted the divide and conquer strategy to process the luminance and chrominance components

therefore they separated their correlation.To resolve the problem

we performed a sort of method for enhancing and combining the image based on luminance feedback through the human visual characteristics.First

it adjusted the brightness information and lifted the edges and details of original image.Moreover

it regarded the results as constraint conditions which would be used in processing chromatic component for maintain their relevance.Experiments have demonstrated that the proposed method could obtain an excellent result and provide a good practicability and take less time.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于跨层注意力特征交互和多尺度通道注意力的单幅图像去雾网络

基于梯度引导偏振度估算的图像去雾

基于双判别器异构CycleGAN框架下多阶通道注意力校准的室外图像去雾

双注意力引导的细节和结构信息融合图像去雾网络

基于超像素图像分割的暗通道先验去雾改进算法