图像去雾的最新研究进展

被引：211

作者：

吴迪 ^{[1
,2
]}

朱青松 ^{[1
]}

机构：

[1] 中国科学院深圳先进技术研究院医疗机器人与微创手术器械研究中心

[2] 不详

来源：

自动化学报 | 2015年 / 41卷 / 02期

关键词：

图像去雾; 图像增强; 大气散射模型; 图像处理;

D O I：

10.16383/j.aas.2015.c131137

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

随着计算机视觉系统的发展及其在军事、交通以及安全监控等领域的发展,图像去雾已成为计算机视觉的重要研究方向.在雾、霾之类的恶劣天气下采集的图像会由于大气散射的作用而被严重降质,使图像颜色偏灰白色,对比度降低,物体特征难以辨认,不仅使视觉效果变差,图像观赏性降低,还会影响图像后期的处理,更会影响各类依赖于光学成像仪器的系统工作,如卫星遥感系统、航拍系统、室外监控和目标识别系统等.因此,需要图像去雾技术来增强或修复,以改善视觉效果和方便后期处理.本文归纳总结了两大类图像去雾方法:基于图像增强和基于物理模型的方法,深入探讨了其中的典型算法和研究成果,并对这些算法的测试结果进行了定性和定量的分析比较,最后总结了图像去雾技术目前的研究状况和未来的发展方向.

引用

页码：221 / 239

页数：19

共 20 条

[1] 雾霾天气下可见光图像场景再现 [J].

李权合 ;

毕笃彦 ;

许悦雷 ;

查宇飞 .

自动化学报, 2014, 40 (04) :744-750

[2]

Efficient dark channel based image dehazing using quadtrees[J]. DING Meng,TONG RuoFeng.Science China(Information Sciences). 2013(09)

[3]

基于地物波谱特性的透射率-暗原色先验去雾增强算法[J]. 史德飞,李勃,丁文,陈启美.自动化学报. 2013(12)

[4]

图像去雾算法清晰化效果客观评价方法[J]. 郭璠,蔡自兴.自动化学报. 2012(09)

[5] 图像去雾的无参考客观质量评测方法 [J].

李大鹏 ;

禹晶 ;

肖创柏 .

中国图象图形学报, 2011, (09) :1753-1757

[6] 贝叶斯框架下的单幅图像去雾算法 [J].

王多超 ;

王永国 ;

董雪梅 ;

胡晰远 ;

彭思龙 .

计算机辅助设计与图形学学报, 2010, 22 (10) :1756-1761

[7] 基于偏微分方程的户外图像去雾方法 [J].

孙玉宝 ;

肖亮 ;

韦志辉 ;

吴慧中 .

系统仿真学报, 2007, (16) :3739-3744+3769

[8] 一种图像去薄雾方法 [J].

芮义斌 ;

李鹏 ;

孙锦涛 .

计算机应用, 2006, (01) :154-156

[9] Bayesian Defogging [J].

Nishino, Ko ;

Kratz, Louis ;

Lombardi, Stephen .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2012, 98 (03) :263-278

[10] Fast image dehazing using guided joint bilateral filter [J].

Chunxia Xiao ;

Jiajia Gan .

The Visual Computer, 2012, 28 :713-721

← 1 2 →