Let You See in Sand Dust Weather: A Method Based on Halo-Reduced Dark Channel Prior Dehazing for San

最新推荐文章于 2022-01-14 12:16:50 发布

Hz_xi

最新推荐文章于 2022-01-14 12:16:50 发布

阅读量852

点赞数

分类专栏：论文文章标签：计算机视觉

本文链接：https://blog.csdn.net/yhz_xi/article/details/112200109

版权

本文提出了一种针对沙尘图像的增强方法，结合颜色校正、晕轮减少的暗通道先验（DCP）去雾和伽玛函数改进的CLAHE进行对比度拉伸。方法通过灰度世界理论在LAB色彩空间进行颜色校正，然后使用改进的DCP估计透射图和环境光，以减少光晕和颜色失真。实验表明，该方法能有效消除沙尘图像的黄色调和雾化效果，提高对比度和视觉质量。

摘要由CSDN通过智能技术生成

Abstract

在沙尘暴中捕获的图像通常遭受沙尘引起的低对比度和严重的偏色，这些问题将对室外计算机视觉系统的性能产生明显的负面影响。针对这些问题，本文提出了一种基于晕轮减少暗通道先验（DCP）除雾的沙尘图像增强方法。它依次包括三个部分：基于灰度世界理论的LAB色彩空间中的色彩校正，使用减少光晕的DCP去雾方法去除灰尘，以及使用Gamma函数改进的对比度受限自适应直方图均衡化在LAB色彩空间中进行对比度拉伸（ CLAHE），其中使用引导滤波器来改善直方图均衡化的伪影。在大量真实的沙尘图像上进行的实验表明，该方法可以很好地消除整体的泛黄色调和尘雾效果，并获得正常的视觉色彩和细腻清晰的图像。

Introduction

沙尘暴期间捕获的图像通常由于灰尘颗粒对光线的散射和吸收而导致对比度低，噪声低以及颜色失真。与红色和橙色光相比，蓝色和绿色光被沙尘粒吸收的速度更快。这导致颜色偏色图像整体呈黄色调。此外，如图1（a）所示，被灰尘吸收的光会减少光线的能量，从而导致图像曝光不足。这严重影响了室外计算机视觉系统的性能。因此，非常需要一种用于计算机视觉应用的增强沙尘图像的方法。为了解决这个问题，已经提出了许多研究[1] [13]，包括使用直方图均衡及其变体来拉伸图像的对比度[1] [6]，使用基于Retinex的方法来增强图像的对比度和亮度。 [7]，或解决沙尘增加问题作为除雾问题[11] [14]。尽管图像对比度增强方法取得了不同程度的成功，但是上面提到的几乎所有方法仍然受到以下限制。独立于物理模型的传统图像增强方法（例如直方图均衡和基于Retinex的方法）通常无法还原具有较大景深变化的场景，在这些场景中对比度会更严重地下降。依赖于模糊图像图像退化模型的基于除雾的现有方法不足以解决由于沙尘图像中的整体黄色调而导致的颜色偏差。朦胧成像模型通常假定环境光照是全局一致的。因此，大多数除雾方法都从图像中最亮的区域估计白色的环境光。但是，沙尘场景通常具有整体黄色调，这会导致明显的各种和不均匀的彩色环境照明。这不仅使环境光的估计不准确，而且使某些图像先验变得无效。

针对上述问题，提出了一种基于晕轮减少DCP去雾的沙尘降质图像增强方法。我们的方法的动机来自于以下观察结果：（1）沙尘图像与朦胧图像具有相似的光学特征，例如大气散射和吸收。（2）沙尘图像和雾度图像之间最大的图像特征是颜色。如果我们扫描类似的模糊彩色尘埃图像，则可以直接采用现有的除雾方法去除尘雾。（3）通常，DCP消雾后的