近年来,学习图像去雾不得不看的论文和源代码

  1. S.G. Narasimhan and S.K. Nayar, 多幅图像(同一场景不同时间、天气)去雾 主页
  2. NASA, Retinex理论增强,主页。 
    Ana Belén Petro总结了NASA的Retinex理论,源代码,不过不是matlab版本的。
  3. Kopf,Deep Photo: Model-Based Photograph Enhancement and Viewing,3D场景去雾,没有源码。主页地址
  4. Fattal, single image dehazing, 主页*matlab代码*
  5. Fattal 2014,Automatic Recovery of the Atmospheric Light in Hazy Images,大气光恢复去雾,有代码,主页
  6. Fattal 2014,Dehazing using Color-Lines,无代码,主页 
    这里有个Matlab script converting jet-color images into [0,1] transmission values 主页
  7. Tarel,Fast visibility restoration from a single color or gray level image,matlab代码*实验主页*
  8. He kaiming, single image dehazing using dark channel prior,实验主页 
    其guided image dehazing,主页还有matlab代码

  9. Nishino,bayesian defogging,贝叶斯去雾,主页

  10. Ancuti,inverse-image dehazing, fusion-based dehazing,水下融合去雾,个人主页*半反去雾主页*
  11. Ketan Tang, 基于学习的去雾Investigating haze-relevant features in a learning framework for image dehazing, 实验主页
  12. Gibson,维纳滤波去雾,fast single image fog removal using the adaptive wiener filter,主页
  13. Meng gaofeng,改进的暗原色去雾efficinet image dehazing with boundary constraint contextual regularization,matlab代码
  14. Yoav Y.Schechner,一直研究偏振去雾算法,典型的代表作,blind haze separation, advanced visiblity improvement based on polarization filtered images,主页
  15. yk wang,Single Image Defogging by Multiscale Depth Fusion,也是基于贝叶斯和马尔可夫来去雾,暂时没公布matlab代码。主页
  16. Jin-Hwan Kim, optimized contrast enhancement for real-time image and video dehazing, 关于图像增强和视频去雾的,主页有代码,但是是C程序的。主页

关于去雾算法质量评价对比 
1、Zhengying Chen,Quality Assessment for Comparing Image Enhancement Algorithms(CVPR2014),基于学习的去雾算法排序方法,据说有数据库,但得填表找他们要,主页 
2、Gibson,A No-Reference Perceptual Based Contrast Enhancement Metric for Ocean Scenes in Fog(TIP,2013),一种CEM评价方法,不过也是基于学习的,数据库和代码都有。主页 
3、Hautiere,Blind contrast enhancement assessment by gradient ratioing at visible edges,三种忙评价方法。代码网络上有,原作者编写的在这里,主页

4.图像去雾和视频去雾的综述,感觉整理的还蛮全的,Review of Video and Image Defogging Algorithms and Related Studies on Image Restoration and Enhancement。另外整理了部分代码。


  • 2
    点赞
  • 16
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
图像去雾是图像处理中的一个重要领域,它可以去除图像中的雾霾,使得图像更加清晰、真实。在本篇文章中,我将为你介绍基于Matlab的图像去雾算法,并提供相应的Matlab实现源代码。 首先,我们需要了解图像去雾的原理。在自然环境中,由于水汽、尘埃等因素的存在,我们所看到的景色常常会被模糊、失真。图像去雾的基本原理就是通过对图像中的颜色、亮度等参数进行调整,去除因雾霾造成的影响,从而使得图像更加清晰、真实。 在Matlab中,我们可以使用以下几种算法进行图像去雾处理: 1. 基于暗通道先验的图像去雾算法 该算法是一种基于图像暗通道先验的图像去雾算法,它的核心思想是在图像中寻找暗通道,并根据暗通道的特征来对图像进行去雾处理。具体实现过程如下: (1)计算图像的暗通道: 暗通道可以理解为图像中最暗的通道,通常情况下,暗通道包含了大量的雾霾信息。我们可以通过以下公式来计算图像的暗通道: darkChannel = min(min(img(:,:,1), img(:,:,2)), img(:,:,3)); (2)计算图像的大气光: 大气光是指在雾霾环境中,由于光线被散射而造成的亮光。我们可以通过以下公式来计算图像的大气光: atmosphereLight = max(max(img(:,:,1), img(:,:,2)), img(:,:,3)); (3)计算传输率: 传输率是指光线传播过程中被吸收和散射的比例,它是影响图像清晰度的重要因素。我们可以通过以下公式来计算传输率: transmission = 1 - 0.95 * darkChannel./atmosphereLight; (4)去雾处理: 最后,我们可以通过以下公式来对图像进行去雾处理: J = (img - atmosphereLight)./max(transmission, 0.1) + atmosphereLight; 2. 基于深度学习图像去雾算法 近年来,随着深度学习的发展,基于深度学习图像去雾算法也逐渐得到了广泛的应用。该算法的核心思想是利用深度学习模型来对图像进行去雾处理。具体实现过程如下: (1)准备训练数据: 首先,我们需要准备一些有雾霾的图像和对应的无雾霾图像作为训练数据。可以从网络上下载一些有雾霾的图像,并使用Matlab对这些图像进行预处理,生成对应的无雾霾图像。 (2)训练深度学习模型: 接下来,我们可以使用Matlab提供的深度学习工具箱,训练一个针对图像去雾任务的深度学习模型。 (3)图像去雾: 最后,我们可以使用训练好的深度学习模型对图像进行去雾处理。具体实现过程如下: net = load('model.mat'); % 加载训练好的深度学习模型 J = predict(net, img); % 对图像进行去雾处理 以上就是基于Matlab的图像去雾算法的详细讲解和实现过程。如果你有兴趣,可以自己尝试一下,也可以参考以下源代码: 1. 基于暗通道先验的图像去雾算法 ```matlab function J = dehaze(img, t0, w) % 基于暗通道先验的图像去雾算法 % img:原始图像 % t0:传输率阈值 % w:窗口大小 % 计算暗通道 darkChannel = min(min(img(:,:,1), img(:,:,2)), img(:,:,3)); % 计算大气光 atmosphereLight = max(max(img(:,:,1), img(:,:,2)), img(:,:,3)); % 计算传输率 transmission = 1 - 0.95 * darkChannel./atmosphereLight; % 进行导向滤波 guided = imguidedfilter(transmission, img, 'NeighborhoodSize', [w w], 'DegreeOfSmoothing', 0.001); % 计算最终的传输率 transmission = max(guided, t0); % 进行去雾处理 J = (img - atmosphereLight)./max(transmission, 0.1) + atmosphereLight; end ``` 2. 基于深度学习图像去雾算法 ```matlab function J = dehaze_deep(img, model) % 基于深度学习图像去雾算法 % img:原始图像 % model:训练好的深度学习模型 % 对图像进行预处理 I = im2single(img); I = imresize(I,[224 224]); % 对图像进行去雾处理 J = predict(model,I); J = imresize(J,size(img)); % 对去雾结果进行后处理 J = medfilt2(J,[5 5]); J = imadjust(J,[],[],0.6); J = histeq(J); end ```

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值