去雾论文Real-time Defogging of Single Image of IoTs-based Surveillance Video Based on MAP

Liu X. Real-time Defogging of Single Image of IoTs-based Surveillance Video Based on MAP[J]. Tehnički vjesnik, 2020, 27(4): 1262-1269 %@ 1330-3651.

基于MAP的物联网监控视频单幅图像实时去雾

2 材料方法

2.1 基于MAP的超分辨率图像重建算法的改进

2.2 单幅图像去雾算法

借鉴模糊集理论，采用基于模糊集分类的单幅图像去雾算法实现物联网监控视频单幅高分辨率图像的去雾[17]。

去雾算法的过程如下

(1)利用模糊集原理对物联网监控视频单幅高分辨率图像中的天空部分和非天空部分进行分类。 非天空部分的大气光强度G使用暗通道原理计算[18]。

(2)通过双边滤波方法估计并去除大气光幕U(i,j)，实现物联网监控视频高分辨率图像的单分辨率去雾。 这种方法计算速度快，i和j代表像素。

2.2.1 基于模糊分类的大气光强计算

如果直接从最高像素值计算大气光强度G，大量噪声或白色物体将对其计算精度产生不良干扰[19]。 为此，本文采用模糊集分割模式将IoTs监控视频的单幅图像划分为天空部分和非天空部分，并通过算法高精度计算非天空部分的大气光强G。 暗通道。 (1) 图像区域划分

天空部分具有高亮度和均衡灰度的特性。 在IoTs监控视频图像中，天空部分的色度K、饱和度R、亮度L的平均值较大，但标准差不大[20]。 因此，IoTs监控视频单幅图像的子画面特征向量YKRL主要通过K、R、L的均值和标准差得到。则：