基於暗通道遙感影象的去霧
基於暗通道的遙感影象去霧
最近,研究了一下影象去霧的演算法,在這裡做一下總結和梳理。目前影象的去霧方法主要分為兩大陣營,第一大陣營是不用物理模型的影象增強類方法,通過影象增強方法來放大影象中有用的資訊,從而達到去霧的目的,例如直方圖均衡,自動色階,多尺度Retinex等方法。第二大陣營是利用大氣傳輸的物理模型的方法,這類方法通過對有霧影象成像過程的建模,用公式的形式反算出無霧影像,這類方法中典型的演算法就是暗通道影象去霧方法。
暗通道去霧最初是由何凱明博士提出的,具體文章可以到下面這個連結去下載:
http://mmlab.ie.cuhk.edu.hk/archive/2009/dehaze_cvpr2009.pdf
本人覺得目前影象去霧方法中暗通道方法是最好的,而且也開始在各種場景下得到應用。下面就簡單梳理一下演算法的思路:
1、求取暗通道
2、計算大氣光
3、計算透射率圖
4、根據大氣傳輸模型求解去霧影象
具體的公式推導在這裡就不過多講解了,網上很多推導,自己搜一搜吧。下面貼出我的結果對比。 我的程式碼是用emgucv+c#編寫的,可以批量處理圖片,如果需要,可自行下載。具體下載地址如下: https://download.csdn.net/my
相關推薦
基於暗通道遙感影象的去霧
基於暗通道的遙感影象去霧 最近,研究了一下影象去霧的演算法,在這裡做一下總結和梳理。目前影象的去霧方法主要分為兩大陣營,第一大陣營是不用物理模型的影象增強類方法,通過影象增強方法來放大影象中有用的資訊,從而達到去霧的目的,例如直方圖均衡,自動色階,多尺度Retinex等方法。第二大陣營是利用
基於暗通道優先的單幅影象去霧
Single Image Haze Removoal Using Dark Channel Prior 何凱明(Kaiming He), Jian Sun, Xiaoou Tang 摘要 本文中,提出一個簡單但是有效影象優先-暗通道優先從單個輸入影象中去霧。暗通道優先是一種無霧室外影象的
matlab暗通道影象去霧演算法實現
何凱明的經典去霧演算法,啥都不說啦,直接上程式碼,OK! main.m clear clc close all kenlRatio = 0.01; minAtomsLight = 240; % image_name = 'test images\21.bm
影象去霧之何凱明暗通道先驗去霧演算法原理及c++程式碼實現
http://blog.csdn.net/s12244315/article/details/50292049 何凱明博士,2007年清華大學畢業,2011年香港中文大學博士畢業,可謂是功力深厚,感嘆於國內一些所謂博士的水平,何這樣的博士才可以真正叫做
基於Retinex的影象去霧演算法(MATLAB實現)
在【影象處理中的數學原理】專欄(該專欄中的文章已經結集出版,書名為《影象處理中的數學修煉》)之前的一些文章中,我們已經討論了諸多非常有用的影象增強演算法,例如直方圖均衡演算法以及更加強大的CLAHE。通常影象增強演算法或多或少都有一定的去霧效果,只是這個效果有強
影象去霧對比
回顧一下以前的去霧方法,其實韓國大佬的去霧方法取得的效果也不錯,自己寫了一下對比度優化去霧的方法與自己的方法進行對比,看看去霧方法中用導向濾波與不用導向濾波的區別,實現的去霧方法均進行25%的降維處理,對結果都進行了gama矯正 下部為韓國大佬的方法(使用了導向濾波) 上部為本人改進的方
影象去霧
在影象去霧這個方面已經有好多研究了,感覺還是何凱明的暗通道比較實用,當然如果看效果的話Fattal在2014你那發的那篇顏色線去霧貌似比較溜,可惜沒有原始碼共享,目前對去霧的改進大多都是對邊緣的細化,或者求最小值的方式不同,本人也掉進了去霧的這個窟窿,感覺別人都已經做的很好了,話句話說
一種基於凸優化的影象去噪方法演示
本文介紹一種基於凸優化的影象去噪方法。 該方法採用L1範數來衡量影象的平滑度,即能濾除澡聲,又能最大限度地儲存影象的邊緣。 模型如下: 其中f(x)為差分矩陣,存放了X每個元素與其4鄰域的差值。 I為輸入的灰度影象。 對於三通道彩色影象,可
關於影象去霧中存在的一些待改進的地方
關於影象去霧中存在的一些待改進的地方 這一週在學習python的同時繼續翻看了之前讀過的論文,發現有些東西第一遍看的不太清楚馬馬虎虎,到第二遍重新讀的時候才恍然大悟。比如之前一直不太清楚halo效應是如何產生的、為什麼說是用暗通道先驗條件的時候會對天空部分或明亮區域產生透射率估
Single Image Haze Removal 影象去霧 -CVPR 09 Best Paper
分享一下我老師大神的人工智慧教程!零基礎,通俗易懂!http://blog.csdn.net/jiangjunshow 也歡迎大家轉載本篇文章。分享知識,造福人民,實現我們中華民族偉大復興!  
openCV+python實現影象去霧
Kaiming早在09年以MSRA實習生的身份獲得CVPR best paper,其成果就是給影象去霧。當時並沒有用深度學習,卻能實現讓人震驚的效果。先看下效果: 左邊是原圖,右邊是去霧霾之後的圖。效果還是很驚人的吧。程式碼也非常簡短,如下: requirements: openc
影象去霧去雨去模糊去噪
一坑未平,一坑又起。前陣子研究的Ocr檢測+識別演算法算是告一段落。整體來說目前相關演算法效果算是不錯的了,通用於身份證通行證等各類證件識別,車票識別,彩票,發票等各類票據識別,車牌識別,溫度儀表盤等。 接下來即將進行的工作是影象去去除雨滴
影象去霧演算法的原理、實現、效果
影象的去霧演算法原理及實現: 本文主要是實現的是基於暗通道處理的去霧。有部分是看論文直接翻譯而來,如有錯誤,歡迎評論區指出,當然您也可以直接閱讀原文。 一、原理 暗通道先驗解釋: 說明:何凱明博士的論文中統計了5000多副影象的特徵,證明了暗通道先驗理論的普遍性,因此
Single Image Haze Removal(影象去霧)-CVPR’09 Best Paper
真正瞭解了什麼叫最簡單的就是最美好的 真正的好文章不需要大堆公式堆積顯得充實,而是最最平實的思想! 這篇文章的:原文PDF、PPT。感興趣的可以瞭解一下。 這篇文章的目的就是以最簡單的思路將影象達到去霧效果。用Matlab編了一下,效果圖特別好啊哈: 下面是摘錄的
[影象去霧](一)限制對比度的自適應直方圖均衡化(CLAHE)的學習體會——影象分塊
最近研究影象去霧演算法,作為菜鳥,慢慢學習。 演算法原理參考以下兩個連結: http://www.cnblogs.com/Imageshop/archive/2013/04/07/3006334.html http://blog.csdn.net/u010839382/a
基於深度學習的影象去噪暨SRMD論文閱讀筆記
最近一直在做基於卷積神經網路的影象去噪~感覺資料比較凌亂,本博文就是整理好經典的論文材料~ 同時本博文也結合了閱讀論文《Learning a Single Convolutional Super-Resolution Network for Multiple Degradations》時的心
基於深度學習的影象去噪(論文總結)
2015 深度學習、自編碼器、低照度影象增強 Lore, Kin Gwn, Adedotun Akintayo, and Soumik Sarkar. "LLNet: A Deep Autoencoder Approach to Natural Low-light Image Enhancement." ar
基於字典學習的影象去噪研究與實踐
機器學習在影象處理中有非常多的應用,運用機器學習(包括現在非常流行的深度學習)技術,很多傳統的影象處理問題都會取得相當不錯的效果。今天我們就以機器學習中的字典學習(Dictionary Learning)為例,來展示其在影象去噪方面的應用。文中程式碼採用Python寫成,其中
基於圖學習的影象去噪(二)——圖學習演算法
3.圖學習在影象降噪中的經典演算法 3.1 Perturbation of the Eigenvectors of the Graph Laplacian: Application to Image
霧霾太重?深度神經網路教你如何影象去霧
導讀 北京城被中度汙染天氣包圍,到處都是灰濛濛一片——霧霾天又來了。從11日起,霧霾天氣就開始出現,根據北京環境監測中心最新預報,這一輪霧霾短期內不會明顯好轉,尤其是今明兩天,北京空氣質量維持在4級中度汙染,霧霾會一直持續到本週日。 霧霾是特定氣候與人類活動相互作用的