作者单位
摘要
兰州交通大学 电子与信息工程学院,甘肃 兰州 730070
针对雾霾天气下获取的图像细节丢失、颜色偏移、视觉质量退化等问题,提出一种基于对数-S型函数分段估计的大气光幕估计快速去雾算法。首先,在大气散射模型上深入推导,得到了大气光幕与有雾图像最小通道的正相关关系;然后,根据有雾图像不同区域具有不同的雾浓度,构造了分区域约束模型用以估计有雾图像的大气光幕;最后,提出基于中值滤波优化的中通道局部大气光估计方法,并结合大气散射模型恢复无雾图像。实验结果表明:所提算法复原图像的新增可见边、平均梯度,信息熵分别提升了17.4%、50.5%、30%,运行时间比传统快速去雾算法降低了17.5%。本文算法具有去雾彻底、颜色自然、细节明显的优点。
图像去雾 大气光幕 对数-S型函数 分段估计 中通道大气光 image dehazing atmospheric light veil log-S type function segmentation estimation mid-channel atmospheric light 
液晶与显示
2023, 38(8): 1084
作者单位
摘要
兰州交通大学 电子与信息工程学院,甘肃 兰州 730070
由于雾霾天气下空气中介质粒子的影响,成像设备所捕获的图像通常会存在对比度低、色彩丢失等问题。针对这些问题,本文提出一种基于雾气分布的大气光幕估计去雾算法。首先,将Fade方法提取的初始雾气分布图像进行阈值分割与细化处理得到较为准确的雾气分布信息。其次,通过分析景深、雾浓度、大气光幕之间的关系建立大气光幕估计模型。最后,通过亮度权重图与自适应大气光阈值选取大气光区域,获取较为准确的大气光,进而恢复退化场景。实验与结果表明,本文算法恢复的图像清晰自然,去雾效果彻底,并且能够保留图像中的细节信息。
图像去雾 雾气分布 大气光幕估计模型 亮度偏差 自适应大气光阈值 image dehazing haze distribution estimation model of atmospheric veil luminance deviation adaptive atmospheric light threshold 
液晶与显示
2023, 38(4): 534

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!