2.793

2018影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于暗通道先验和Retinex理论的快速单幅图像去雾方法

刘海波 杨杰 张庆年 邓勇

刘海波, 杨杰, 张庆年, 邓勇, . 基于暗通道先验和Retinex理论的快速单幅图像去雾方法. 自动化学报, 2015, 41(7): 1264-1273. doi: 10.16383/j.aas.2015.c140748
引用本文: 刘海波, 杨杰, 张庆年, 邓勇, . 基于暗通道先验和Retinex理论的快速单幅图像去雾方法. 自动化学报, 2015, 41(7): 1264-1273. doi: 10.16383/j.aas.2015.c140748
LIU Hai-Bo, YANG Jie, WU Zheng-Ping, ZHANG Qing-Nian, DENG Yong. A Fast Single Image Dehazing Method Based on Dark Channel Prior and Retinex Theory. ACTA AUTOMATICA SINICA, 2015, 41(7): 1264-1273. doi: 10.16383/j.aas.2015.c140748
Citation: LIU Hai-Bo, YANG Jie, WU Zheng-Ping, ZHANG Qing-Nian, DENG Yong. A Fast Single Image Dehazing Method Based on Dark Channel Prior and Retinex Theory. ACTA AUTOMATICA SINICA, 2015, 41(7): 1264-1273. doi: 10.16383/j.aas.2015.c140748

基于暗通道先验和Retinex理论的快速单幅图像去雾方法


DOI: 10.16383/j.aas.2015.c140748
详细信息
    作者简介:

    杨杰武汉理工大学信息工程学院教授. 主要研究方向为图像处理, 信息隐藏,密码学和多媒体通信.E-mail: jieyang509@163.com

  • 基金项目:

    国家自然科学基金(51479159),交通运输部软科学项目(2013-322-811-470)资助

A Fast Single Image Dehazing Method Based on Dark Channel Prior and Retinex Theory

More Information
  • Fund Project:

    Supported by National Natural Science Foundation of China (51479159) and Soft Science Project of China's Ministry of Transport (2013-322-811-470)

  • 摘要: 针对雾霾天气下捕获的图像存在低对比度、低饱和度和色调偏移等现象, 提出了一种基于暗通道先验和Retinex理论的快速单幅图像去雾方法.该方法从大气散射模型出发, 利用暗通道先验法则,通过灰度开运算对大气光值进行区间估计,同时获得介质传输率的初始估计, 并通过白平衡简化大气散射模型; 其次,基于Retinex理论,利用高斯滤波获得介质传输率的粗略估计, 并通过线性映射实现灰度值搬移; 然后,将介质传输率的初始估计和粗略估计进行像素级融合, 利用快速联合双边滤波进行边缘优化,同时通过参数自适应调整的方法对雾图中大片天空区域的介质传输 率进行修正; 最后,通过简化大气散射模型和色调调整得到复原图像.与几种典型的图像去雾算法相比, 本文算法具有很快的运算速度,能有效提高复原图像的清晰度和对比度,同时获得较好的图像颜色.
  • [1] Sun Xiao-Ming, Sun Jun-Xi, Zhao Li-Rong, Cao Yong-Gang. Improved algorithm for single image haze removing using dark channel prior. Journal of Image and Graphics, 2014, 19(3): 381-385(孙小明, 孙俊喜, 赵立荣, 曹永刚. 暗原色先验单幅图像去雾改进算法. 中国图象图形学报, 2014, 19(3): 381-385)
    [2] Wu Di, Zhu Qing-Song. The latest research progress of image dehazing. Acta Automatica Sinica, 2015, 41(2): 221-239(吴迪, 朱青松. 图像去雾的最新研究进展. 自动化学报, 2015, 41(2): 221-239)
    [3] Ji Xiao-Qiang, Dai Ming, Yin Chuan-Li, Feng Yu-Ping, Bai Xu-Guang. Haze removal for aerial degraded images. Optics and Precision Engineering, 2011, 19(7): 1659-1668(嵇晓强, 戴明, 尹传历, 冯宇平, 柏旭光. 航拍降质图像的去雾处理. 光学精密工程, 2011, 19(7): 1659-1668)
    [4] Nan Dong, Bi Du-Yan, Xu Yue-Lei, Wang Shi-Qiang, Lou Xiao-Long. Image dehazing method based on dark channel prior. Journal of Central South University (Science and Technology), 2013, 44(10): 4101-4108(南栋, 毕笃彦, 许悦雷, 王世强, 娄小龙. 基于暗原色先验的图像去雾算法. 中南大学学报(自然科学版), 2013, 44(10): 4101-4108)
    [5] Sun Wei, Li Da-Jian, Liu Hong-Juan, Jia Wei. Fast single image fog removal based on atmospheric scattering model. Optics and Precision Engineering, 2013, 21(4): 1040-1046(孙伟, 李大健, 刘宏娟, 贾伟. 基于大气散射模型的单幅图像快速去雾. 光学精密工程, 2013, 21(4): 1040-1046)
    [6] Li Quan-He, Bi Du-Yan, Xu Yue-Lei, Zha Yu-Fei. Haze degraded image scene rendition. Acta Automatica Sinica, 2014, 40(4): 744-750(李权合, 毕笃彦, 许悦雷, 查宇飞. 雾霾天气下可见光图像场景再现. 自动化学报, 2014, 40(4): 744-750)
    [7] [7] Tan R T. Visibility in bad weather from a single image. In: Proceedings of the 2008 IEEE Conference on Computer Vision and Pattern Recognition. Anchorage, USA: IEEE, 2008. 1-8
    [8] [8] Fattal R. Single image dehazing. ACM Transactions on Graphics, 2008, 27(3): Article No.72
    [9] [9] He K M, Sun J, Tang X O. Single image haze removal using dark channel prior. In: Proceedings of the 2009 IEEE Conference on Computer Vision and Pattern Recognition. Miami, USA: IEEE, 2009. 1956-1963
    [10] Tarel J P, Hautiere N. Fast visibility restoration from a single color or gray level image. In: Proceedings of the 12th IEEE International Conference on Computer Vision. Kyoto, USA: IEEE, 2009. 2201-2208
    [11] Namer E, Schechner Y Y. Advanced visibility improvement based on polarization filtered images. In: Proceedings of the 2005 Polarization Science and Remote Sensing. San Diego, USA: SPIE, 2005. 36-45
    [12] Cardei V C, Funt B, Barnard K. White point estimation for uncalibrated images. In: Proceedings of the 7th IS and T/SID Color Imaging Conference: Color Science, Systems and Applications. Scottsdale, 1999. 97-100
    [13] Yu Jing, Li Da-Peng, Liao Qing-Min. Physics-based fast single image fog removal. Acta Automatica Sinica, 2011, 37(2): 143-149(禹晶, 李大鹏, 廖庆敏. 基于物理模型的快速单幅图像去雾方法. 自动化学报, 2011, 37(2): 143-149)
    [14] Liu Hai-Bo, Tang Qun-Fang, Yang Jie. Application of improved histogram equalization and Retinex algorithm in gray image enhancement. Chinese Journal of Quantum Electronics, 2014, 31(5): 525-532(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. 量子电子学报, 2014, 31(5): 525-532)
    [15] Zhang Xiao-Gang, Tang Mei-Ling, Chen Hua, Tang Hong-Zhong. A dehazing method in single image based on double-area filter and image fusion. Acta Automatica Sinica, 2014, 40(8): 1733-1739(张小刚, 唐美玲, 陈华, 汤红忠. 一种结合双区域滤波和图像融合的单幅图像去雾算法. 自动化学报, 2014, 40(8): 1733-1739)
    [16] Burt P J, Kolczynski R J. Enhanced image capture through fusion. In: Proceedings of the 4th International Conference on Computer Vision. Berlin, USA: IEEE, 1993. 173-182
    [17] Paris M, Fredo D. A fast approximation of the bilateral filter using a signal processing approach. In: Proceedings of the 9th European Conference on Computer Vision. Graz, Austria: Springer, 2006. 568-580
    [18] Wu Xiao-Tian, Lu Jian-Feng, He Bo-Gen, Wu Chuan, Zhu Ming. Fast restoration of haze-degraded image. Chinese Optics, 2013, 6(6): 892-899(吴笑天, 鲁剑锋, 贺柏根, 吴川, 朱明. 雾天降质图像的快速复原. 中国光学, 2013, 6(6): 892-899)
    [19] Gan Jia-Jia, Xiao Chun-Xia. Fast image dehazing based on accurate scattering map. Journal of Image and Graphics, 2013, 18(5): 583-590(甘佳佳, 肖春霞. 结合精确大气散射图计算的图像快速去雾. 中国图象图形学报, 2013, 18(5): 583-590)
    [20] Zhang Hong-Ying, Zhang Sai-Nan, Wu Ya-Dong, Wu Bin. Fast haze removal algorithm for single image based on human visual characteristics. Journal of Computer Applications, 2014, 34(6): 1753-1757, 1761(张红英, 张赛楠, 吴亚东, 吴斌. 基于人眼视觉特性的快速单幅图像去雾算法. 计算机应用, 2014, 34(6): 1753-1757, 1761)
    [21] Drago F, Myszkowski K, Annen T, Chiba N. Adaptive logarithmic mapping for displaying high contrast scenes. Computer Graphics Forum, 2003, 22(3): 419-426
    [22] Guo Fan, Cai Zi-Xing. Objective assessment method for the clearness effect of image defogging algorithm. Acta Automatica Sinica, 2012, 38(9): 1410-1419(郭璠, 蔡自兴. 图像去雾算法清晰化效果客观评价方法. 自动化学报, 2012, 38(9): 1410-1419)
    [23] Hautire N, Tarel J P, Aubert D, Dumont . Blind contrast enhancement assessment by gradient ratioing at visible edges. Image Analysis and Stereology, 2008, 27(2): 87-95
    [24] Jobson D J, Rahman Z, Woodell G A. Statistics of visual representation. In: Proceedings of the 2002 Visual Information Processing XI. Orlando, USA: SPIE, 2002. 25-35
    [25] Li Ju-Xia, Yu Xue-Li. Enhance algorithm for fog images based on improved multi-scale Retinex. Computer Science, 2013, 40(3): 299-301(李菊霞, 余雪丽. 雾天条件下的多尺度Retinex图像增强算法. 计算机科学, 2013, 40(3): 299-301)
    [26] Ancuti C O, Ancuti C. Single image dehazing by multi-scale fusion. IEEE Transactions on Image Processing, 2013, 22(8): 3271-3282
    [27] Kopf J, Neubert B, Chen B, Cohen M F, Cohen-Or D, Deussen O, Uyttendaele M, Lischinski D. Deep photo: model-based photograph enhancement and viewing. ACM Transactions on Graphics, 2008, 27(5): Article No.116
  • [1] 汪云飞, 冯国强, 刘华伟, 赵搏欣. 基于超像素的均值-均方差暗通道单幅图像去雾方法[J]. 自动化学报, 2018, 44(3): 481-489. doi: 10.16383/j.aas.2018.c160594
    [2] 鞠铭烨, 张登银, 纪应天. 基于雾气浓度估计的图像去雾算法[J]. 自动化学报, 2016, 42(9): 1367-1379. doi: 10.16383/j.aas.2016.c150525
    [3] 南栋, 毕笃彦, 马时平, 凡遵林, 何林远. 基于分类学习的去雾后图像质量评价算法[J]. 自动化学报, 2016, 42(2): 270-278. doi: 10.16383/j.aas.2016.c140854
    [4] 陈书贞, 任占广, 练秋生. 基于改进暗通道和导向滤波的单幅图像去雾算法[J]. 自动化学报, 2016, 42(3): 455-465. doi: 10.16383/j.aas.2016.c150212
    [5] 周雨薇, 杨平吕, 陈强, 孙权森. 基于 MTF 和变分的全色与多光谱图像融合模型[J]. 自动化学报, 2015, 41(2): 342-352. doi: 10.16383/j.aas.2015.c140121
    [6] 吴迪, 朱青松. 图像去雾的最新研究进展[J]. 自动化学报, 2015, 41(2): 221-239. doi: 10.16383/j.aas.2015.c131137
    [7] 李奕, 吴小俊. 香农熵加权稀疏表示图像融合方法研究[J]. 自动化学报, 2014, 40(8): 1819-1835. doi: 10.3724/SP.J.1004.2014.01819
    [8] 张小刚, 唐美玲, 陈华, 汤红忠. 一种结合双区域滤波和图像融合的单幅图像去雾算法[J]. 自动化学报, 2014, 40(8): 1733-1739. doi: 10.3724/SP.J.1004.2014.01733
    [9] 李权合, 毕笃彦, 许悦雷, 查宇飞. 雾霾天气下可见光图像场景再现[J]. 自动化学报, 2014, 40(4): 744-750. doi: 10.3724/SP.J.1004.2014.00744
    [10] 马宁, 周则明, 张鹏, 罗立民. 一种新的全色与多光谱图像融合变分模型[J]. 自动化学报, 2013, 39(2): 179-187. doi: 10.3724/SP.J.1004.2013.00179
    [11] 禹晶, 李大鹏, 廖庆敏. 基于物理模型的快速单幅图像去雾方法[J]. 自动化学报, 2011, 37(2): 143-149. doi: 10.3724/SP.J.1004.2011.00143
    [12] 陈荣元, 林立宇, 王四春, 秦前清. 数据同化框架下基于差分进化的遥感图像融合[J]. 自动化学报, 2010, 36(3): 392-398. doi: 10.3724/SP.J.1004.2010.00392
    [13] 杨波, 敬忠良. 梅花形采样离散小波框架图像融合算法[J]. 自动化学报, 2010, 36(1): 12-22. doi: 10.1360/SP.J.1004.2010.00012
    [14] 才溪, 赵巍. Contourlet变换低通滤波器对图像融合算法影响的讨论[J]. 自动化学报, 2009, 35(3): 258-266. doi: 10.3724/SP.J.1004.2009.00258
    [15] 屈小波, 闫敬文, 肖弘智, 朱自谦. 非降采样Contourlet域内空间频率激励的PCNN图像融合算法[J]. 自动化学报, 2008, 34(12): 1508-1514. doi: 10.3724/SP.J.1004.2008.01508
    [16] 张强, 郭宝龙. 基于非采样Contourlet变换多传感器图像融合算法[J]. 自动化学报, 2008, 34(2): 135-141. doi: 10.3724/SP.J.1004.2008.00135
    [17] 杨晓慧, 焦李成. 基于非子采样Contourlet变换的遥感图像融合算法[J]. 自动化学报, 2008, 34(3): 274-281. doi: 10.3724/SP.J.1004.2008.00274
    [18] 王超, 叶中付. 基于主观对比度的变分图像融合方法[J]. 自动化学报, 2007, 33(2): 132-137. doi: 10.1360/aas-007-0132
    [19] 李伟, 朱学峰. 基于第二代小波变换的图像融合方法及性能评价[J]. 自动化学报, 2007, 33(8): 817-822. doi: 10.1360/aas-007-0817
    [20] 刘贵喜, 杨万海. 基于小波分解的图像融合方法及性能评价[J]. 自动化学报, 2002, 28(6): 927-934.
  • 加载中
计量
  • 文章访问数:  2453
  • HTML全文浏览量:  157
  • PDF下载量:  1700
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-10-28
  • 修回日期:  2015-03-20
  • 刊出日期:  2015-07-20

基于暗通道先验和Retinex理论的快速单幅图像去雾方法

doi: 10.16383/j.aas.2015.c140748
    基金项目:

    国家自然科学基金(51479159),交通运输部软科学项目(2013-322-811-470)资助

    作者简介:

    杨杰武汉理工大学信息工程学院教授. 主要研究方向为图像处理, 信息隐藏,密码学和多媒体通信.E-mail: jieyang509@163.com

摘要: 针对雾霾天气下捕获的图像存在低对比度、低饱和度和色调偏移等现象, 提出了一种基于暗通道先验和Retinex理论的快速单幅图像去雾方法.该方法从大气散射模型出发, 利用暗通道先验法则,通过灰度开运算对大气光值进行区间估计,同时获得介质传输率的初始估计, 并通过白平衡简化大气散射模型; 其次,基于Retinex理论,利用高斯滤波获得介质传输率的粗略估计, 并通过线性映射实现灰度值搬移; 然后,将介质传输率的初始估计和粗略估计进行像素级融合, 利用快速联合双边滤波进行边缘优化,同时通过参数自适应调整的方法对雾图中大片天空区域的介质传输 率进行修正; 最后,通过简化大气散射模型和色调调整得到复原图像.与几种典型的图像去雾算法相比, 本文算法具有很快的运算速度,能有效提高复原图像的清晰度和对比度,同时获得较好的图像颜色.

English Abstract

刘海波, 杨杰, 张庆年, 邓勇, . 基于暗通道先验和Retinex理论的快速单幅图像去雾方法. 自动化学报, 2015, 41(7): 1264-1273. doi: 10.16383/j.aas.2015.c140748
引用本文: 刘海波, 杨杰, 张庆年, 邓勇, . 基于暗通道先验和Retinex理论的快速单幅图像去雾方法. 自动化学报, 2015, 41(7): 1264-1273. doi: 10.16383/j.aas.2015.c140748
LIU Hai-Bo, YANG Jie, WU Zheng-Ping, ZHANG Qing-Nian, DENG Yong. A Fast Single Image Dehazing Method Based on Dark Channel Prior and Retinex Theory. ACTA AUTOMATICA SINICA, 2015, 41(7): 1264-1273. doi: 10.16383/j.aas.2015.c140748
Citation: LIU Hai-Bo, YANG Jie, WU Zheng-Ping, ZHANG Qing-Nian, DENG Yong. A Fast Single Image Dehazing Method Based on Dark Channel Prior and Retinex Theory. ACTA AUTOMATICA SINICA, 2015, 41(7): 1264-1273. doi: 10.16383/j.aas.2015.c140748
参考文献 (27)

目录

    /

    返回文章
    返回