基于暗原色先验的海边雾天图像去雾

doi:10.3969/j.issn.1006-2475.2016.07.004

计算机与现代化

基于暗原色先验的海边雾天图像去雾

青岛大学自动化与电气工程学院，山东青岛266071

收稿日期:2016-03-17 出版日期:2016-07-21 发布日期:2016-07-22
作者简介: 霍海蒙（1988-），女，山东菏泽人，青岛大学自动化与电气工程学院硕士研究生，研究方向：数字图像处理; 徐世许（1963-），男，教授，博士，研究方向：机器视觉，人工智能，图像处理，导航，制导与控制; 王汉萍（1982-），女，副教授，研究方向：人工智能，数字图像处理。

Beach Foggy Images Haze Removal Based on Dark Channel Prior

College of Automation and Electrical Engineering, Qingdao University, Qingdao 266071, China

Received:2016-03-17 Online:2016-07-21 Published:2016-07-22

摘要/Abstract

摘要：

在雾、霾等天气的影响下，获取的海边图像严重失真降质。为了更好地恢复图像得到有用的信息，结合暗原色先验理论，提出K-means聚类算法分割天空区域的方法。首先针对海边场景所

具有的特性利用K-means聚类算法分割天空区域，大气光强度的值是将非天空区域的亮度值与天空区域亮度值加权得到的；其次基于大气散射模型对其估计透射率，并对透射率进行改善；最后为了增加图

像的亮度，增强对比度，对复原图像进行色调重映射。通过大量实验表明，该算法针对海边图像有很好的去雾效果，与传统的去雾算法相比，该算法去雾效果更佳，更适合于处理海边雾天图像。

关键词: , 暗原色先验, 大气散射模型, K均值聚类

Abstract:

In the effects of fog, haze and other bad weather, the beach images acquired from camera have serious distorted and degraded. In order to get better picture

information from restored image, this paper proposed a K-means clustering algorithm combined with dark channel prior theory. Firstly, using K-means clustering algorithm to

divide sky region based on the characteristics of beach scene, the atmospheric light intensity value is obtained by non-sky area luminance values with the sky region luminance

values weighted. Secondly, the transmission is estimated and improved based on atmospheric scattering model. Finally, in order to increase the brightness of the image and

enhance the image contrast, this paper adopted tone remapping on the image. A large number of experiments show that the algorithm can get an excellent performance on image haze

removal for the beach foggy image and particularly do better than traditional defogging algorithm, which is more suitable for processing beach foggy image.

Key words: dark channel prior, atmosphere scattering model, K-means clustering

霍海蒙，徐世许，王汉萍. 基于暗原色先验的海边雾天图像去雾[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2016.07.004.

HUO Hai-meng, XU Shi-xu, WANG Han-ping. Beach Foggy Images Haze Removal Based on Dark Channel Prior[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2016.07.004.

［1］甘佳佳,肖春霞. 结合精确大气散射图计算的图像快速去雾［J］. 中国图象图形学报, 2013,18（5）:583-590.
［2］王一帆,尹传历,黄义明,等. 基于双边滤波的图像去雾［J］. 中国图象图形学报, 2014,19（3）:386-392.
［3］李加元,胡庆武,艾明耀,等. 结合天空识别和暗通道原理的图像去雾［J］. 中国图象图形学报, 2015,20（4）:514-519.
［4］曾浩,尚媛园,丁辉,等. 基于暗原色先验的图像快速去雾［J］. 中国图象图形学报, 2015,20（7）:914-921.
［5］詹翔,周焰. 一种基于局部方差的雾天图像增强方法［J］. 计算机应用, 2007,27（2）:510-512.
［6］叶秋果,宗景春,李钏,等. 基于同态滤波的遥感影像去云雾处理［J］. 海洋测绘, 2009,29（3）:45-46.
［7］刘茜,卢心红,李象霖. 基于多尺度Retinex的自适应图像增强方法［J］. 计算机应用, 2009,29（8）:2077-2079.
［8］ Tan R T. Visibility in bad weather from a single image［C］// Proceedings of the 2008 IEEE Conference on Computer Vision and Pattern Recognition. 2008:1956-1963.
［9］ Fattal R. Single image dehazing［J］. ACM Transactions on Graphics, 2008,27（3）: Article No. 72.
［10］Tarel J P, Hautiere N. Fast visibility restoration from a single color or gray level image［C］// Proceedings of the 12th IEEE International Conference on Computer

Vision. 2009:2201-2208.
［11］He Kaiming, Sun Jian, Tang Xiaoou. Single image haze removal using dark channel prior［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2011,33（12）

:2341-2353.
［12］He Kaiming, Sun Jian, Tang Xiaoou. Guided image filtering［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2013,35（6）:1397-1409.
［13］Narasimhan S G, Nayar S K. Vision and the Atmosphere［J］. International Journal of Computer Vision, 2002,48（3）:233-254.
［14］Narasimhan S G, Nayar S K. Chromatic framework for vision in bad weather［C］// Proceedings of the 2000 IEEE Conference on Computer Vision and Pattern Recognition.

2000,1:598-605.
［15］Kopf J, Neubert B, Chen B, et al. Deep photo: Model-based photograph enhancement and viewing［J］. ACM Transactions on Graphics, 2008, 27（5）: Article No. 116.
［16］Narasimhan S G, Nayar S K. Interactive （de） weathering of an image using physical models［C］// Proceedings of the 2003 IEEE Workshop on Color and Photometric Methods

in Computer Vision. 2003.
［17］McCartney E J. Optics of the Atmosphere: Scattering by Molecules and Particles［M］. New York: John Wiley and Sons, 1976:23-32.

[1]	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.
[2]	张子璇, 沙秀艳, 肖霏, 粟宝婵, 隋雨陆, 孟子宸. 基于犹豫模糊Canopy-K均值聚类算法的研究与应用[J]. 计算机与现代化, 2022, 0(11): 17-21.
[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]	李熙莹1,2,3，朱肯钢1,2,3. 结合天空分割和局部透射率优化交通图像去雾算法[J]. 计算机与现代化, 2019, 0(05): 51-.
[7]	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-.
[8]	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-.
[9]	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-.
[10]	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-.
[11]	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-.
[12]	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-.
[13]	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-.
[14]	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-.
[15]	陈丽娟，谢伙生. 带负项值的onshelf效用项集并行挖掘算法[J]. 计算机与现代化, 2018, 0(04): 13-.

基于暗原色先验的海边雾天图像去雾

Beach Foggy Images Haze Removal Based on Dark Channel Prior

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

本文评价