一种改进的雾天图像复原算法

计算机与现代化

一种改进的雾天图像复原算法

长沙理工大学电气与信息工程学院，湖南长沙410114

收稿日期:2015-01-30 出版日期:2015-04-27 发布日期:2015-04-29
作者简介: 郭庚山（1987-），男，湖南郴州人，长沙理工大学电气与信息工程学院硕士研究生，研究方向：智能交通检测与控制；叶青（1963-），女，湖南长沙人，教授，研究方向：智能交通检测与控制；胡鑫（1990-），男，陕西咸阳人，硕士研究生，研究方向：智能检测与模式识别。

An Improved Haze Image Restoration Algorithm

College of Electrical and Information Engineering, Changsha University of Science and Technology, Changsha 410114, China

Received:2015-01-30 Online:2015-04-27 Published:2015-04-29

摘要/Abstract

摘要：

针对传统暗通道先验算法对大气光亮度值A估算不够准确，图像复原后容易出现天空区域色彩失真这些问题，本文提出一种改进算法。通过设定3个天空阈值筛选出天空区域的像素，然后求

其亮度的均值得到大气光亮度值A，剔除白色物体的影响; 利用k-means聚类算法对分割天空区域和非天空区域的阈值实现自适应。该算法可以求得更加准确的大气光亮度值A，通过对分割阈值T自适应化

，可以更加精确地分割出天空区域，从而可以对天空区域的透射率进行修正，这些改进可以使复原图像的视觉效果更好。仿真实验证明改进算法可以实现预期效果。

关键词: , 暗通道先验, 大气光亮度值A, k-means聚类, 自适应分割阈值T

Abstract:

Aiming at the problems of classical algorithm can’t obtain the accurate atmospheric brightness A and the restored image is easy to appear the color distortion

in the sky region, this paper proposes an improved algorithm which sets three sky thresholds to obtain the pixels in the sky region, then averages the brightness of these pixels

to eliminate the effect of a white object; Adaptive the threshold which is used to segment the sky region and non-sky region using k-means clustering algorithm. This improved

algorithm can obtain more accurate atmospheric brightness A, and it can segment the sky region more accurately, so it can rectify the transmittance of the sky region easily,

these improvements can make a better visual effect of restored image. Simulation results show that the improved algorithm can achieve the anticipated effect.

Key words: dark channel prior, atmospheric brightness A, k-means clustering, adaptive threshold T

郭庚山，叶青，胡鑫. 一种改进的雾天图像复原算法[J]. 计算机与现代化.

GUO Geng-shan, YE Qing, HU Xin. An Improved Haze Image Restoration Algorithm[J]. Computer and Modernization.

参考文献

［1］ Kim J Y, Kim L S, Hwang S H. An advanced contrast enhancement using partially overlapped sub-block histogram equalization［J］. IEEE Transactions on Circuits and Systems for

Video Technology, 2001,11(4):475-484.
［2］ Kimmel R, Elad M, Shaked D, et al. A variation framework for Retinex［J］. International Journal of Computer Vision, 2003,52(1):7-23.
［3］刘海波,汤群芳,杨杰. 改进直方图均衡和Retinex算法在灰度图像增强中的应用［J］. 量子电子学报, 2014,31(5):525-532.
［4］陈文飞,许雪峰,苗作华,等. 亮度自适应的保熵直方图均衡化方法［J］. 计算机工程与应用, 2012,48(16):157-161.
［5］李锦. 图像增强算法的研究及其应用［D］. 西安:西安电子科技大学, 2013.
［6］黄黎红. 退化图像的去雾方法［J］. 红外与激光工程, 2010,39(5):985-988.
［7］郁自翔. 彩色图像复原研究［D］. 南京:南京理工大学, 2014.
［8］干宗良,邱一雯,朱秀昌. 基于图像先验和结构特征的盲图像复原算法［J］. 中国电子科学研究院学报, 2012,7(3):235-240.
［9］ Narasimhan S G, Nayar S K. Vision and the atmosphere［J］. International Journal of Computer Vision, 2002,48(3):233-254．
［10］Fattal R. Single image dehazing［J］． ACM Transactions on Graphics, 2008,27(3):1-9.
［11］He K, Sun J, Tang X. Single image haze removal using dark channel prior［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2011,33(12):2341-2353.

［12］蒋建国,侯天峰,齐美彬. 改进的基于暗原色先验的图像去雾算法［J］. 电路与系统学报, 2011,16(2):7-12.
［13］熊浩. 基于暗原色先验的图像去雾处理方法研究［D］. 武汉:华中科技大学, 2013.
［14］ 孙小明,孙俊喜,赵立荣,等. 暗原色先验单幅图像去雾改进算法［J］. 中国图象图形学报, 2014,19(3):381-385. 
［15］南栋,毕笃彦,许悦雷,等. 基于暗原色先验的图像去雾算法［J］. 中南大学学报(自然科学版), 2013,44(10):4101-4108.
［16］Levin A, Lischinski D, Weiss Y. A closed-form solution to natural image matting［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2008,30(2):228-242.


［17］He Kaiming, Sun Jian, Tang Xiaoou. Guided image filtering［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2013,35(6):1397-1409.

[1]	王艺成, 张国良, 张自杰, . 基于改进YOLOv5的小目标检测方法[J]. 计算机与现代化, 2023, 0(05): 100-105.
[2]	李静元, 张珂, 杨东裕. 基于雾计算的工业互联网安全数据访问方法[J]. 计算机与现代化, 2022, 0(12): 118-122.
[3]	陈春燕, 刘梦赤. 基于粒子群遗传算法的智能组卷策略[J]. 计算机与现代化, 2021, 0(08): 16-23.
[4]	宋鑫, 樊志强, . 基于Laguerre 前向神经网络的信息服务性能建模方法 [J]. 计算机与现代化, 2021, 0(03): 1-6.
[5]	魏健, 赵红涛, 刘敦楠, 加鹤萍 . 基于集成模型的超短时负荷预测方法[J]. 计算机与现代化, 2021, 0(03): 12-17.
[6]	张子晔1,刘玉龙1,呼北2. 基于数据虚拟化技术的多来源数据集成方法[J]. 计算机与现代化, 2019, 0(11): 18-.
[7]	纪艳玲1,林志贤1,唐谦1,郭太良1,唐彪2. 基于K-means聚类和LVQ神经网络的 OLED缺陷像素识别[J]. 计算机与现代化, 2019, 0(07): 37-.
[8]	段桂芹1，邹臣嵩2，刘锋2. 基于优化初始聚类中心的K中心点算法[J]. 计算机与现代化, 2019, 0(04): 1-.
[9]	李富星，蒙祖强 . 一种改进的类别区分词特征选择算法[J]. 计算机与现代化, 2019, 0(03): 73-.
[10]	包斌1,李亚岗2. 一种改进的基于暗通道先验的图像去雾算法[J]. 计算机与现代化, 2019, 0(02): 27-.
[11]	白晓波1，邵景峰1，和征1，田建刚2. 基于学习的核偏最小二乘法优化扩展卡尔曼滤波[J]. 计算机与现代化, 2018, 0(09): 110-.
[12]	郑亚鹏，樊璐. 基于LSTM的临床血液需求预测方法[J]. 计算机与现代化, 2018, 0(05): 41-.
[13]	刘德春1，张秀国2，姜微2. 基于马尔科夫链的大学生自主学习能力预测方法[J]. 计算机与现代化, 2018, 0(05): 106-.
[14]	夏琨1，丁波1，刘俊1，刘子豪1，林亮成2. 基于内容分析的网络协议指纹识别[J]. 计算机与现代化, 2018, 0(05): 121-.
[15]	李华，江峰，于旭，杜军威，刘国柱. 基于粒度决策熵的属性约简[J]. 计算机与现代化, 2018, 0(04): 7-.