基于自适应指数加权移动平均滤波的快速去雾算法 
下载： 1414次
Fast Defogging Algorithm Based on Adaptive Exponentially Weighted Moving Average Filtering
1 中国科学院安徽光学精密机械研究所中国科学院大气光学重点实验室, 安徽 合肥 230031
2 中国科学技术大学, 安徽 合肥 230026
图 & 表
图 1. EWMA法。(a) β=0;(b) β=0.35;(c) β=0.65;(d) β=0.95
Fig. 1. EWMA algorithm. (a) β=0; (b) β=0.35; (c) β=0.65; (d) β=0.95
下载图片 查看原文
图 2. AEWMA法。(a) σ=1;(b) σ=5;(c) σ=15;(d) σ=30
Fig. 2. AEWMA algorithm. (a) σ=1; (b) σ=5; (c) σ=15; (d) σ=30
下载图片 查看原文
图 3. 不同滤波器对比图。(a)噪声图;(b)双边滤波;(c) WLS滤波;(d) AEWMA滤波
Fig. 3. Comparison of different filters. (a) Noise image; (b) bilateral filter; (c) WLS filter; (d) AEWMA filter
下载图片 查看原文
图 4. 暗通道先验去雾过程图。(a)有雾图像;(b)暗通道图;(c)去雾图
Fig. 4. Image defogging process based on dark channel prior. (a) Fog image; (b) dark-channel image; (c) defogged image
下载图片 查看原文
图 5. 不同参数下的改进暗通道对比图。(a)~(c) r=3时, K=15、35、65的结果图;(d)~(f) r=5时,K=15、35、65的结果图;(g)~(i) r=7时,K=15、35、65的结果图
Fig. 5. Comparison of improved dark-channel images under different parameters. (a)-(c) Results obtained when r=3 and K=15, 35, and 65, respectively; (d)-(f) results obtained when r=5 and K=15, 35, and 65, respectively; (g)-(i) results obtained when r=7 and K=15, 35, and 65, respectively
下载图片 查看原文
图 6. 估计大气光。(a) Kim算法;(b)苏畅算法
Fig. 6. Atmospheric light estimation. (a) Kim's algorithm; (b) Su Chang's algorithm
下载图片 查看原文
图 7. 透射率分布图。(a)粗级透射率;(b)优化后透射率
Fig. 7. Images of transmittance distributions. (a) Coarse transmittance; (b) optimized transmittance
下载图片 查看原文
图 8. 四组实验效果对比图。 (a) 原始图像;(b)Tarel算法;(c)双边滤波算法; (d)导向滤波算法;(e)本文算法
Fig. 8. Comparison of results of four-group experiments. (a) Original image; (b) Tarel algorithm; (c) bilateral filtering algorithm; (d) guide filtering algorithm; (e) proposed algorithm
下载图片 查看原文
表 1不同滤波器的指标对比
Table1. Comparison of indexes of different filters
| Image (size: 512 pixel×521 pixel) | Noise image | Bilateral filtered image | WLS filtered image | AEWMA filtered image |
|---|
| PSNR /dB | 26.9876 | 32.6219 | 31.9278 | 32.4909 | | Time /s | | 3.86340 | 0.79045 | 0.08148 |
|
查看原文
表 2不同去雾算法耗时对比
Table2. Comparison of time consumption of different defogging algorithmss
| Image size /pixel | Tarel algorithm | Bilateral filtering algorithm | Guide filtering algorithm | Proposed algorithm |
|---|
| 440×440 | 1.3390 | 2.4920 | 0.4512 | 0.2010 | | 600×400 | 1.5830 | 3.1510 | 0.5723 | 0.2480 |
|
查看原文
表 3去雾图像质量客观评价
Table3. Objective evaluation of defogged image quality
| Image | Defogging algorithm | Detail performance | Color performance | Structure information |
|---|
| The first row,the first column (Fig. 8) | Tarel algorithm | 0.3693 | 0.5383 | 0.7327 | | Bilateral filtering algorithm | 0.3699 | 0.5546 | 0.7755 | | Guide filtering algorithm | 0.3402 | 0.5089 | 0.7903 | | This paper's algorithm | 0.3854 | 0.5564 | 0.7637 | | The second row,the first column(Fig. 8) | Tarel algorithm | 0.2599 | 0.6699 | 0.8012 | | Bilateral filtering algorithm | 0.4843 | 0.5759 | 0.6634 | | Guide filtering algorithm | 0.4262 | 0.5506 | 0.7288 | | This paper's algorithm | 0.5250 | 0.8001 | 0.7873 |
|
查看原文
梅康, 刘小勤, 沐超, 秦晓琪. 基于自适应指数加权移动平均滤波的快速去雾算法[J]. 中国激光, 2020, 47(1): 0109001. Kang Mei, Xiaoqin Liu, Chao Mu, Xiaoqi Qin. Fast Defogging Algorithm Based on Adaptive Exponentially Weighted Moving Average Filtering[J]. Chinese Journal of Lasers, 2020, 47(1): 0109001.
PDF全文
