精华内容
下载资源
问答
  • 图像去雾算法(图像去雾算法及matlab程序实例 包括直方图处理、去噪、平滑等相关算法的代码实例),可以下来看看
  • 大气消光系数去雾算法总结,承接上一篇传的去雾算法每个人理解总结,然后还要之前本人写的代码,也在资源里面,非暗通道处理的去雾代码
  • 图像去雾算法

    万次阅读 2021-02-17 11:18:11
    一、定义 因为雾霾的影响,在雾天条件下拍摄到的图像导致图像可能会存在细节丢失、对比度低的情况,将会影响图像后续的分析识别工作。在雾天情况下,空气中存在大量的 悬浮颗粒物,会对...目前图像去雾算法主要包括

    目录

     

    一、定义

    二、基于图像增强的去雾算法

    三、基于图像复原的去雾算法

    四、基于 CNN 的去雾算法

    五、总结

    六、未来发展方向


    一、定义

    因为雾霾的影响,在雾天条件下拍摄到的图像导致图像可能会存在细节丢失、对比度低的情况,将会影响图像后续的分析识别工作。在雾天情况下,空气中存在大量的 悬浮颗粒物,会对光线产

    生散射,导致物体反射出 的光线发生衰减,同时反射光与观察者直接接受到光线发生混合,造成观察者获取到的图像的对比 度和清晰度等特征都发生改变,细节信息大量丢失。图像去雾是以满

    足特定条件下应用需求为目的,通过对有雾图像进行分析和预处理,突出图像中的细节信息使之更加适合人机识别的一种图像预处理方法。

    目前图像去雾算法主要包括基于图像增强、图像复原以及卷积神经网络。

    二、基于图像增强的去雾算法

    通过图像增强 技术突出图像细节,提升对比度,使之看起来更加 清晰,这类算法的适用性较广。

    具体的算法有: Retinex 算法、直方图均衡化算法、偏微分方程算法、 小波变换算法等。

    Retinex 算法根据成像原理,消 除了反射分量的影响,达到了图像增强去雾的效 果;

    直方图均衡化算法使图像的像素分布更加均 匀,放大了图像的细节;

    偏微分方程算法则是将图 像视作一个偏微分方程,通过计算梯度场提高对比 度;

    小波变换算法对图像进行分解,放大有用的部 分。

    三、基于图像复原的去雾算法

    主要是基于大 气散射物理学模型,通过对大量有雾图像和无雾图 像进行观察总结,得到其中存在的一些映射关系, 然后根据有雾图像的形成过程来进行逆运算,从而 恢复清晰图像。

    其中最经典的是暗通道先验去雾算法,通过对大量无雾图像进行特征分析,找到了无雾图像与大气散射模型中某些 参数的先验关系。

    该算法复杂度低,去雾效果好。

    四、基于 CNN 的去雾算法

    使用 CNN 建立一 个端到端的模型,通过有雾图像恢复出无雾图像, 目前使用神经网络进行去雾的算法主要有 2 种思 路:

    使用 CNN 生成大气散射模型的某些参数,然后 再根据大气散射模型来恢复无雾图像,

    或者使 用 CNN (例如 GAN)直接根据模糊图像生成无雾的 清晰图像。

    五、总结

    基 于图像增强的方法不考虑有雾图像的形成过程, 而是直接通过突出图像的细节,提高对比度等方 式,从而使有雾图像看上去更加清晰。

    基于图像 复原的方法则是追寻图像降质的物理过程,通过 物理模型还原出清晰的图像。

    基于 CNN 的方法 则是利用神经网络强大的学习能力,寻找有雾图 像与图像复原物理模型中某些系数的映射关系或 者使用 GAN,根据有雾图像还原出无雾的清晰图像。

    六、未来发展方向

    (1) 更加真实的雾天图像数据集

    采用神经网 络进行去雾的算法在效果上好于图像增强和复原 的方法,但是由于在自然界中很难拍摄到一组背 景相同的有雾图像和无雾图像,因此目前训练神 经网络所采用的数据集均是通过合成得到的,虽 然能够在一定程度上拟合自然环境,但是仍然存 在着一些差距。所以目前急需一种由在真实环境 中获取到的具有相同背景的有雾图像和无雾图像 构建的数据集,来提高神经网络去雾算法的鲁棒 性和稳定性。

    (2) 更加简便的去雾算法。

    目前各类算法能够 有效去除单幅图像上的雾霾,但相对较好的算法都 存在着时间复杂度高的问题,很难应用到视频去雾 或者需求较多的复杂任务中去。

    (3) 鲁棒性更强的去雾算法。

    现有算法都只对 图像上存在的均匀的薄雾有较好的去雾效果,对于 浓雾或者分布不均的团雾则效果较差,因此找到一 种适用范围更广的去雾方法将会是未来发展方向。

    七、代码

    matlab版本:https://github.com/lvxiaojie111/Haze_Removal_for_Image_Preprocessing

    python版本:https://github.com/lvxiaojie111/haze

     

    展开全文
  • 图像去雨去雾算法输入输出接口Input:(1)摄像头采集的实时图像视频分辨率(整型int)(2)摄像头采集的实时图像视频格式 (RGB,YUV,MP4等)(3)摄像头标定参数(中心位置(x,y)和5个畸变系数(2径向,2切向,1...

    图像去雨去雾算法

    输入输出接口

    Input:

    (1)摄像头采集的实时图像视频分辨率(整型int)

    (2)摄像头采集的实时图像视频格式 (RGB,YUV,MP4等)

    (3)摄像头标定参数(中心位置(x,y)和5个畸变

    系数(2径向,2切向,1棱向),浮点型float)

    (4)摄像头初始化参数(摄像头初始位置和三个坐标方向

    的旋转角度,车辆宽度高度车速等等,浮点型float)

    Output:

    (1)透光率(浮点型float)

    (2)融合后的图像视频分辨率(浮点型float)

    (3)融合后的图像视频格式(RGB,YUV,MP4等)

    1. 功能定义

    雾图模型,暗通道先验,暗通道定义,计算折射率,估计大气光,去雾。

    2. 技术路线方案

    在有雨有雾的环境下,摄像头系统会由于场景的能见度低,而使所拍摄的成像出现对比度低、模糊不清、图像整体颜色偏灰白色、色彩偏移等问题,会极大影响相关识别系统正常、稳定地工作。因此,非常必要对成像作出去雨去雾处理,以获得清晰图像。

    1c94f2a0fdd13e40805d4a47d1990fb7.png

    图1. 常用去雾算法分类

    950aec46f780a51033766fe77be78cae.png

    0777f94b2ad3b283f47a3e1c17db307b.png

    ef6d816d9194bcfd15bcad6493a059be.png

    a9ae04b01064f674068a1b77903646a4.png

    90807558bc9b47ef5c29bf36426826ac.png

    图2. 去雾算法处理效果

    目前已知的方案有两种。第一种是基于图像增强的方法,这类方法是对被降质的图像进行增强,改善图像的质量。这种方法优势在于可以应用已有的成熟图像处理算法,可以对常用的图像算法进行针对性的运用和改良,增强图像的对比度,突出图像中景物的特征和有价值的信息。但是,这种方法可能会造成图像部分信息的损失,使图像失真。第二类是基于物理模型的方法,这种方法通过研究大气悬浮颗粒对光的散射作用,建立大气散射模型,了解图像退化的物理机理,并反演复原出未降质前的图像。这是一类专门针对雾天图像的图像复原的方法,复原出来的图像效果真实,贴近降质前景物原景,对复杂场景的图像处理效果较好,图像信息得到较完整的保存。

    雾图模型

    cc2bd3ee774a56e6419a285033a99fe5.png

    I(x) ——待去雾的图像


    J(x)——无雾图像


    A——全球大气光成分


    t——折射率(大气传递系数)

    暗通道先验

    在无雾图像中,每一个局部区域都很有可能会有阴影,或者是纯颜色的东西,又或者是黑色的东西。因此,每一个局部区域都很有可能有至少一个颜色通道会有很低的值。把这个统计规律叫做Dark Channel Prior。

    暗通道定义

    7f1cccf535bf691244a98f7404e6f029.png

    46475360fdae3dd28b3657157c4abbea.png

    表示彩色图像的每个通道


    Ω(x)表示以像素X为中心的一个窗口


    意义:首先求出每个像素RGB分量中的最小值,存入一副和原始图像大小相同的灰度图中,然后再对这幅灰度图进行最小值滤波

    计算折射率

    e4d3d5d60bf24c08f5c93d70ffe5c835.png

    右边第二项其实就是有雾图像的暗通道。

    由于空间透视现象/浓淡远近,部分雾的存在有助于我们感知距离和深度,加权值修正:

    2532adbca592fc7caa16f3eee35b930e.png

    估计大气光

    1)选取暗通道图像暗通道最亮的0.1%的像素(一般来说,这些像素表示雾浓度最大的地方)
    2)取输入图像里面这些像素对应的像素里面最亮的作为大气光


    注:选中的像素未必是全图最亮的,而且要比选取全图最亮的方式鲁棒性更好。

    去雾

    fc77525c6b5bb98157da5f31e99d6f41.png

    大致就是这个流程:

    1)求图像暗通道

    2)利用暗通道计算出折射率

    3)利用暗通道估计大气光

    4)代回雾图公式去雾

    3. 关键技术参数和性能指标

    目前对于去雾效果的评价主要从两方面进行考虑,一是去雾前后图像细节边缘的变化,另一个是去雾后图像颜色发生的变化。对这2方面的评估目前都有相应的准则,其中比较引人关注的是用于评估对比度增强的基于可见边对比度的方法和用于评估颜色失真程度的直方图相似度、色彩丰富度等指标。

    评估去雾前后图像细节边缘的对比度变化能很好地体现出相应去雾算法的性能。去雾前后图像在色彩等属性方面的共性,从新的角度提出对颜色失真度的评估,获得简单有效的评价准则。

    展开全文
  • 基于暗通道去雾算法去雾算法简介在人工智能高速发展的今天,CNN涉足领域越来越广,在去雨去雾亦有所成绩。近些年关于去雨去雾,去模糊的算法论文都是基于神经网络实现,然而基于监督学习类的算法需要采集样本,但是...

    基于暗通道去雾算法

    去雾算法简介

    在人工智能高速发展的今天,CNN涉足领域越来越广,在去雨去雾亦有所成绩。近些年关于去雨去雾,去模糊的算法论文都是基于神经网络实现,

    5df3a59869e6e9a59ef02f265d96b3ab.png

    然而基于监督学习类的算法需要采集样本,但是由于实际样本不容易采集需要,通过图像处理叠加雾霾,导致实际效果与真实世界雾霾有较大区别,因此这类算法效果在实验室环境下表现非常棒但是实际应用却表现不够理想。因此作者对去雾去雨类算法还是乐忠于普通图像处理算法。

    本文推荐何凯明大神在09年发布 Single Image Haze Removal Using Dark Channel Prior[1]的论文,该算法原理是基于暗通道的去雾原理,其构建的去雾算法数学模型和真实世界雾霾模型相近,因此能在去雾效果上表现十分理想,由于是采用普通图像处理因此该不依赖任何深度学习框架,容易实现。并且绝大多数场景表现很好,个别场景只需要调整参数就能获得理想效果。

    算法原理

    暗通道 暗通道是何凯明在分析大量雾霾图片后提出来的一个概念。在真实世界相机距离成像物体有远有近,当雾霾浓度分布均匀时近处的物体成像受到雾霾影响小色彩还原高,而远处物体成像色彩还原度就很低,因此远处物体呈现白色亮度高,而近处物体相反亮度较低。故而参考近处物体亮度对大气光强,以及透射率进行建模实现去雾功能。

    原图暗通道图

    c9caa0d9f8cbbf97d98b992ccb97d3f0.png

    6d9fc81893434d67209e51f317d632c3.png

    像素成像建模

    a99fcac8c0f124b8734cb39134c69093.png

    其中,I(X)就是我们现在已经有的图像(待去雾的图像),J(x)是我们要恢复的无雾的图像,A是全球大气光成分, t(x)为透射率。现在的已知条件就是I(X),要求目标值J(x),显然,这是个有无数解的方程,因此,就需要一些先验了。

    最终的恢复公式如下:

    290da49ce78a9bc02c71bce2e934432c.png

    本文在anhenghuang/dehaze[2]代码基础上进行优化改进,并改写成C++版本方便使用

    改进亮度计算 对大气光强计算进行改进采用最亮部分的1%求取平均值作为大气光强。C++代码采用直方图统计方法计算大气光强

        •采用小核 采用小核计算时能够能细腻的处理暗通道边界情况减小暗景物周边白斑现象

    去雾前去雾后优化后

    95ef769bef557abdad0786e67ee5dd22.png

    878e30cfa4c3d882987c09b63e1b9a87.png

    f2e53f16f24d42b7e8afe8b96e46de4a.png

    46cbe6d948e089e13036712f822779c7.png

    c7f60933bdb0f717257bcfb6477027a8.png

    fb7073b6d822f9a8f4dce5b995bbae2b.png

    68f73043b80ffb10d13050f015c71639.png

    1e0ec6f4536b19cc10e5a9641961389e.png

    1abdb9f38185fd3e021fe0adeb15240b.png

    11c7ded9388eeca765cad736f3aee4d6.png

    f9916e3d2642f2f4febe7cf105c3671b.png

    70ad87807e4b0ea6d579ef240c3e2a8f.png

    879e1257eea83a9749a1fca6f18334df.png

    9bca9212d76d7948f287fd159eddba90.png

    be0f680595a11ef66e6925f2b0859364.png

    c9caa0d9f8cbbf97d98b992ccb97d3f0.png

    9f951813c737096748a39bd90c7e69cc.png

    480cb0076f1a0bc6cdcba966539a6c50.png

    a5449f89468b83718bcd2d4b95c32a81.png

    fc3d4651a65c9c54f1bea97cd58c267b.png

    0502a72f6c07e4b1d1a5b3b900c8e594.png

    4241d02100e6c3b1b027866b6cd7346b.png

    2b1ddb191718a38eb7e8cc5c85387fdf.png

    8d44a36caa53adc155248dbc5c5af253.png

    机票直达

    我的去雾算法[3]

    References

    [1] Single Image Haze Removal Using Dark Channel Prior: http://www.jiansun.org/papers/Dehaze_CVPR2009.pdf[2] anhenghuang/dehaze: https://github.com/anhenghuang/dehaze/[3] 我的去雾算法: https://github.com/mm1327/dehazer

    展开全文
  • 去雾算法

    2020-09-19 16:44:42
    何恺明 Single Image ...https://zhuanlan.zhihu.com/p/87891709 代码 https://github.com/cddlyf/GCANet DCPDN (CVPR 2018) 代码 https://github.com/hezhangsprinter/DCPDN 一步一步教你跑DCPDN深度学习去雾网络 ...

    何恺明
    Single Image Haze Removal Using Dark Channel Prior

    结果并不很理想,容易出现大量的五颜六色的色斑
    https://github.com/cedarz/DeHaze
    跑通 效果很差
    https://github.com/He-Zhang/image_dehaze

    GCANet  (WACV 2019)
    https://zhuanlan.zhihu.com/p/87891709
    代码
    https://github.com/cddlyf/GCANet


    DCPDN (CVPR 2018)
    代码
    https://github.com/hezhangsprinter/DCPDN
    一步一步教你跑DCPDN深度学习去雾网络
    https://blog.csdn.net/qq_32734095/article/details/89059949


    FFA-Net  (AAAI 2020) 
    代码
    https://github.com/zhilin007/FFA-Net

    展开全文
  • 基于暗通道先验条件图像去雾算法香港大学何凯明博士于2009发表了一篇论文《Single Image Haze Removal Using Dark Channel Prior 》。在文章中,何凯明博士提出了一种简单而有效的图像先验暗通道消除单输入图像雾的...
  • 图像去雾算法学习笔记1 本人现在是国内某211大学博士研究生,刚入学1个多月,把深度学习和图像处理做为自己的研究方向,从图像去雾算法开始看起。 说到图像去雾算法,不得不提大牛何凯明博士,圈内都知道他的: ...
  • 授权自AI科技大本营(ID:rgznai100)本文约3600字,建议阅读7分钟。本文为你介绍FFA去雾算法和暗通道去雾算法搭建。在过去的几十年中,单图像去雾作为基本的低级视觉任务已引起...
  • 去雾算法笔记

    2017-06-10 22:47:17
    去雾算法笔记
  • 快速去雾算法

    2017-10-09 10:42:08
    关于暗通道去雾算法的改进,利用图像处理算法达到了很好的去雾效果。
  • 本文为你介绍FFA去雾算法和暗通道去雾算法搭建。在过去的几十年中,单图像去雾作为基本的低级视觉任务已引起了计算机视觉社区和人工智能公司的越来越多的关注。其中最为典型的便是北大&北航提出FFA-Net去雾新...
  • halcon去雾算法.hdev

    2020-12-24 22:12:54
    halcon去雾算法实现
  • 卷积去雾算法

    2018-03-26 19:29:51
    matlab上的卷积方式实现何凯明大神的去雾算法,欢迎下载学习~
  • 北航提出FFA-Net去雾新网络和何凯明博士提出的暗通道去雾算法,现所有源码已开源。其论文链接: https://arxiv.org/abs/1911.07559。 加python学习qq群:775690737 送python零基础入门学习资料+99个源码 而今天...
  • 去雾算法2020

    2021-01-03 22:16:25
    实验选择去雾算法研究中常用的有雾图像进行测试 实验1:现有经典去雾算法:MSCNN算法、DehazeNet算法、暗通道先验算法进行比较
  • 暗通道去雾算法

    2018-10-30 12:25:48
    何凯明的暗通道去雾算法,算法简单明了,代码清晰易懂。
  • 基于暗通道先验的去雾算法去雾算法目前也有着众多其他的方式,不过我所接触的,很多都是以这个为基础,因此,先弄会这个为研究其他的去雾算法能奠定坚实的基础。
  • 去雾算法halcon实现.zip

    2020-03-11 12:01:13
    基于HALCON的去雾算法源码实现,包含源码与示例图片。该方法基于何凯明博士去雾算法代码实现,通过计算全球大气光成分和透视率预估值等实现。
  • 北航提出FFA-Net去雾新网络和何凯明博士提出的暗通道去雾算法,现所有源码已开源。其论文链接:https://arxiv.org/abs/1911.07559。而今天我们就将针对这两个项目进行实践。其中得到的去雾效果如下:作者 | 李秋键...
  • 去雾算法matlab何凯明

    2018-03-26 19:28:20
    何凯明大声去雾算法matlab版本的实现,欢迎下载学习!
  • 图像去雾算法PPT

    2015-12-03 18:36:18
    何凯明——图像去雾算法讲义,本PPT根据何凯明暗原色图像去雾算法制作而成,用于介绍和展示暗原色原理及效果,不含源代码和论文
  • ReadHdrTest去雾算法.

    2016-04-18 23:57:21
    ReadHdrTest去雾算法.
  • 去雾算法halcon代码.rar

    2019-09-27 10:20:19
    halcon12去雾算法
  • 北航提出FFA-Net去雾新网络和何凯明博士提出的暗通道去雾算法,现所有源码已开源。其论文链接:https://arxiv.org/abs/1911.07559。而今天我们就将针对这两个项目进行实践。其中得到的去雾效果如下:作者 | 李秋键...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 1,056
精华内容 422
关键字:

去雾算法