一种有雾天气图像景物影像的清晰化方法

大雾风景调色技巧如下：
1. 提高对比度：在调色时，可以适当增加对比度，使雾天风景更加鲜明。

2. 调整色温：在调色时，可以将色温调得稍冷一些，以强调雾天的冷清感。

3. 调整饱和度：适当增加饱和度，可以让雾天风景更加鲜艳。

4. 调整色调：在调色时，可以适当调整色调，使画面呈现出不同的色调效果。

5. 应用滤镜：在调色时，可以应用一些滤镜，如锐化、降噪等，以增强雾天风景的细节和质感。

6. 调整亮度：适当调整亮度，可以让雾天风景更加明亮。

7. 调整色彩平衡：在调色时，可以调整色彩平衡，使画面中的颜色更加和谐统一。

8. 应用曲线工具：在调色时，可以应用曲线工具，通过调整曲线的形状来调整画面的亮度、对比度和色彩等。

9. 增强细节：在调色时，可以增强画面中的细节，如树木、建筑等，以突出雾天的特点。

10. 调整色彩饱和度：可以适当调整色彩饱和度，使画面中的颜色更加鲜艳。

以上是大雾风景调色的技巧，通过这些技巧的运用，可以让大雾风景更加美丽动人。

雾天降质图像的清晰化技术研究雾天降质图像的清晰化技术研究引言雾天降质图像是指在雾霾等恶劣环境中拍摄的图像，由于大气散射和光线的交互作用，图像会出现模糊、失真等降质现象，降低了图像的清晰度和视觉效果。

随着现代科技的发展和图像处理技术的成熟，对于雾天降质图像的清晰化技术的研究和应用具有重要的意义。

1. 雾霾成因及对图像质量的影响雾霾主要是由于大气中的细颗粒物质和水汽的聚集，导致光线被散射和吸收，使得远处的目标物体无法清晰地显示在图像中。

这种大气散射现象会引起图像的模糊、失真、边缘模糊和细节丢失等问题，严重影响了图像质量和可视性。

2. 雾天降质图像清晰化技术2.1 图像增强图像增强是最常见的一种清晰化技术，通过调整图像的亮度、对比度、色彩等参数来提高图像的整体质量。

其中，直方图均衡化、灰度拉伸和颜色校正是常用的增强方法。

这些方法可以有效地改善雾天降质图像的视觉效果，使得图像的细节更加清晰可见。

2.2 大气光照估计大气光照估计是在雾天降质图像中获得大气光照分布的一种方法。

通过计算图像中的全局光照分布，可以将图像中的大气散射效应减弱，提高图像的清晰度。

该方法需要从图像中估计出雾霾的程度，并计算出光照衰减因子，进而恢复出真实的目标物体信息。

2.3 多尺度图像分解多尺度图像分解是将图像分解成多个分辨率的子图像，分别处理不同尺度的图像细节，再将其合并为重构的清晰图像。

常见的多尺度图像分解方法有小波变换和金字塔分解方法。

这些方法可以有效地降低大气散射对图像细节的影响，提高图像的清晰度。

3. 雾天降质图像清晰化技术的应用雾天降质图像清晰化技术在许多领域都有广泛的应用，如交通监控、图像识别、无人驾驶等。

在交通监控中，通过清晰化处理雾天图像可以提高交通事故的预警能力。

在图像识别中，清晰化处理可以提高图像的分析和识别能力，对于人脸识别、物体检测等任务有重要的影响。

在无人驾驶中，清晰化处理可以提高车辆对前方障碍物的识别能力，减少交通事故的发生。

remove fog算法Remove fog算法概述Remove fog算法是一种图像去雾算法，旨在从有雾的图像中提取出清晰的场景。

它可以用于改善天气条件较差或者拍摄环境不佳的照片、视频等。

原理Remove fog算法基于以下原理：在有雾的图像中，物体与相机之间的可见距离受到雾的影响而降低，因此，通过估计物体与相机之间的可见距离来去除雾霭。

该算法使用了一个称为大气散射模型（Atmospheric Scattering Model）的模型来描述光线在大气中传播时发生的散射现象。

该模型假设大气中存在一定浓度的微小颗粒，这些颗粒会使得光线在传播过程中发生散射。

当光线与这些颗粒碰撞时，它们会被散射到周围，并且随着传播距离增加而逐渐减弱。

因此，在有雾的图像中，远处物体看起来比近处物体更模糊。

实现步骤1. 估计全局大气光（Global Atmospheric Light）：首先需要确定图像中存在雾霭的区域。

一种常用的方法是计算每个像素点的亮度值，并根据阈值将其分为前景和背景。

然后，从前景中选择最亮的像素点作为全局大气光。

2. 估计透射率（Transmittance）：对于每个像素点，需要确定从该像素点到相机之间的可见距离。

这可以通过估计透射率来实现。

透射率表示光线在传播过程中被吸收或散射的程度。

在有雾的图像中，透射率随着距离增加而减小。

因此，可以使用以下公式计算透射率：t = e^(-beta * d)其中，t表示透射率，beta是一个常量（用于调整雾霭强度），d表示物体与相机之间的距离。

3. 去除雾霭：最后一步是将估计出来的透射率应用到原始图像上，以去除雾霭。

这可以通过以下公式实现：J(x) = (I(x) - A) / max(t(x), t0) + A其中，J(x)表示去除雾霭后的图像，I(x)表示原始图像，在该位置上的颜色值，A表示全局大气光，在该位置上的颜色值，t(x)表示在该位置上估计得到的透射率，t0是一个常量（用于避免除以零错误）。

第33卷　第3期大连海事大学学报Vol.33　No.3 2007年8月Journal of Dalian Maritime U niversity Aug.,　2007文章编号:100627736(2007)0320055204一种改进的雾天降质图像的清晰化算法Ξ翟艺书,柳晓鸣,涂雅瑗,陈亚宁(大连海事大学信息工程学院,辽宁大连　116026)摘要:为了提高有雾天气下户外监控系统的能见度,提出一种改进的雾天降质图像清晰化算法.该算法从图像增强的角度入手,利用移动模板对各局部区域进行部分块重叠直方图均衡化以实现清晰化处理,克服了原算法运行时间过长的缺陷.实验表明,改进算法能够有效提高雾天降质图像的对比度,获得满意的视觉效果.关键词:雾天降质图像;清晰化算法;对比度;部分块重叠直方图均衡化中图分类号:TN911.73 文献标志码:AAn improved fog2degraded image clearness algorithmZHA I Y i2shu,L IU Xiao2ming,TU Ya2yuan,CHEN Ya2ning (College of Inf orm ation Engi neeri ng,Dalian Maritime University,Dalian116026,China)Abstract:This paper presents an improved algorithm for fog2degraded image clearness,which is designed to improve the visibility of outdoor surveillance system in fog weather.Image enhancement algorithm was con2 sidered and a moving mask2based partially sub2block overlapped histogram equalization algorithm was used to realize fog2degraded images clearness in every local region.The proposed algorithm can overcome the time2consuming drawback.Experimental results show that the improved algorithm can efficiently enhance the contrast of fog2degraded images and obtain satisfactory visual effects.K ey w ords:fog2degraded image;algorithm for image clearness;contrast;partially sub2block overlapped his2 togram equalization0　引　言目前,对雾天降质图像的清晰化处理技术主要有两种:一是基于物理模型的天气退化图像复原方法,从物理成因的角度对大气散射作用进行建模分析,实现场景复原;另一方法是从图像处理的角度,增强图像的对比度,达到清晰化的目的.基于物理模型的复原方法需要已知景深信息作为复原的前提,在场景深度和精确的大气条件已知时,Oakley等[1]在基于多种假设的前提下,建立了一个多参数退化模型,实现了灰度场景的复原.Tan等[2]对模型进行了改进,实现了恶劣天气下的彩色退化图像复原,但对硬件设备的要求较高,难以在现实中广泛应用.Narasimhan等[3-4]通过处理至少两幅恶劣天气下的降质图像来获得场景的结构和深度信息,从而恢复出场景的色度和对比度;在文献[5]中,Narasimhan等又提出了一种交互式的景深估计方法,对单幅图像即可实现场景复原,但是这种方法需要设定消失点并对最大景深和最小景深进行指定.国内学者[6-10]主Ξ收稿日期:20072062101作者简介:翟艺书(1979-),女,吉林长春人,博士研究生,E2mail:ebook66@;柳晓鸣(1959-),男,山东栖霞人,教授,博士生导师.要从图像处理角度对雾天降质图像实现对比度增强.图像增强方法在空间域包括全局增强和局部增强两种.全局直方图均衡化是全局增强方法中应用较广泛的方法.它对整个图像的直方图进行平整处理,使信息熵达到最大,实现整个图像的对比度增强.这对单景深图像的复原效果较好,但是,对于场景深度多变的图像,这种方法就很难反映图像中局部景物深度的变化,因此,对比度增强的效果难以令人满意.而采用局部增强方法可以在很大程度上减小场景深度的影响,还原出较清晰的图像.祝培等[6]提出了一种基于移动模板的雾天景物的清晰化算法.本文作者对该算法进行了深入的分析,对基于模板的图像清晰化算法进行了改进,提高了算法的运行效率.1　雾天降质图像的清晰化算法 在有雾天气下,户外监控系统捕获的图像对比度退化严重,其退化的程度与景物深度呈现非线性关系,即随着深度的增加,图像对比度呈指数性下降.在景物深度未知的情况下,无法利用大气退化模型进行复原.祝培等[6]提出了一种基于移动模板的局部块重叠直方图均衡化方法,近似地假设同一模板内的景物处于场景同一深度,通过对模板内同深度的场景采用块重叠直方图均衡化方法进行处理,实现不同深度的目标对比度增强,增强的效果及运行时间与模板的大小和移动步长有关.设降质图像算法f大小为M×N,结果图像为g,大小同f,移动模板A的大小为m×n,算法的具体实现过程是:(1)初始化:k=0,l=0,x=1,y=1;(2)判断图像当前像素点(x,y)是否属于天空区域,如果是,则f(x,y)保持不变;如果不是,则转到第3步处理;(3)按照移动模板A的大小取出图像f中的子块fA;(4)对fA 做直方图均衡化处理,得到gA;(5)将gA拷贝到结果图像g中的对应区域;(6)将模板A移动一个像素位置:如果k<M-m,则k=k+1;如果k=M -m,l<N-n,则l=l+1;如果k=M-n, l=N-n,处理结束;(7)信息综合处理,即将原始退化图像和上述结果图像进行综合,得到最终结果.本文作者在对该方法进行大量实验和分析的基础上,发现其存在如下不足:(1)该方法在判断当前点是否属于天空区域时,对不属于天空区域的点,直接定位该点作为模板的始点进行模块内直方图均衡化运算,却忽略了对模板内是否仍然存在天空区域点的判断.对于大多数图像,天空区域的形状并不是规则的,或者由于建筑物、数木等的遮挡,使得以当前点作为始点的模块内可能仍存在大量的天空区域点,而直方图均衡化的对比度拉伸结果是由原图像的灰度范围决定的,模板内的灰度范围越小,统计的灰度数越少,对比度拉伸的程度就会越大,景物细节清晰化的效果越好;反之,模板内的灰度范围越大,统计的灰度数越多,对比度拉伸的程度就越低.该算法没有对模板内的天空点进一步排除,扩展了模板内的灰度范围,必然会降低直方图均衡化的对比度拉伸效果.因此,对模块内天空区域点的进一步判断和排除对降质图像对比度的增强是非常重要的.(2)经过对多幅图片采用该算法处理后,图像整体灰度偏白[图1(b)],在某些局部区域对比度拉伸的效果不是很好.远处楼宇边缘信息部分丢失,道路等处的灰度处理结果比天空的灰度更大,这显然是不符合实际的,这是由于直方图均衡化是将灰度拉伸到[0,255]上,而文献[6]中对天空区域的赋值却与原退化图像保持不变造成的.(3)该算法在具体实现过程中,采用步长为1的模板进行逐点移动,实现天空区域判断和直方图均衡化.两个过程同时进行,极大地限制了算法的运行效率,运行时间过长,不能满足户外监控系统的实时监控要求.但是,天空区域的判断,要求模板逐点移动,此要求造成了算法实质上是采用步长为1的块重叠直方图均衡化,计算量巨大.2　改进的雾天降质图像清晰化算法在进行以上分析的基础上,本文作者对文献[6]中基于模板的块重叠直方图均衡化方法做了如下改进.(1)在算法具体实现过程中,将天空区域判断和基于移动模板的直方图均衡化过程分开,首先对天空区域进行分离;65 大连海事大学学报 第33卷　图1　雾天降质图片及文献[6]算法的清晰化结果 (2)进行模板内直方图均衡化以前,对模板内是否仍有属于天空区域的点作进一步判断:去除属于天空区域的点,对剩余的点统计各灰度级及其对应的频数,得到模板内直方图均衡化函数;(3)考虑到直方图均衡化的处理结果是将灰度值拉伸到[0,255]上,因此,本文算法将分割出的天空区域灰度赋成255;(4)为了改善算法的运行效率,减少运行时间,令移动模板的步长大于1,即利用修改的部分重叠直方图均衡化算法思想实现对比度拉伸.采用和文献[6]相同的符号,设图像f大小为M×N,结果图像为g(大小同f),移动模板A的大小为m×n,则改进算法的实现过程具体描述如下:(1)初始化:k=0,l=0,x=1,y=1,生成四个大小为M×N的零矩阵:g,COUN T,E, M.其中,g为最终结果图像;M为中间结果矩阵,即每次均衡化后的灰度结果矩阵;E为灰度累加矩阵,处理结束时,E表示各点的均衡化灰度累加结果;COUN T为次数累加矩阵,处理结束时, COUN T表示各点被均衡化处理的总次数.(2)利用文献中的天空提取算法找到直方图灰度值较大的区域上满足近似正态分布的两个端点h1、h2,分离出天空区域,并在结果图像g中的相应位置赋值255.(3)令移动模板A定位在图像f的像素点(x,y)处,根据结果图像g,对模板A内的所有像素点进行天空区域点去除,以去除天空点对模板内灰度范围的影响,并对模板内所有非天空像素点的灰度级和对应频数进行统计计算,得到变换函数实现模板内直方图均衡化,将得到的变换结果储存到M的相应位置.(4)令E=E+M(对变换结果进行灰度值累加).(5)将模板移动步长像素,转到(3),在每次均衡化后将各点被均衡化的次数累加到COUN T 中对应位置;如果k<M-m,则k=k+1;如果k=M-m,l<N-n,则l=l+1;如果k= M-m,l=N-n,处理结束.(6)对各点的灰度累加结果E除以对应各点的处理次数累加结果COUN T,得到最终结果图像g.3　实验结果与分析为了检验算法的有效性,对多幅雾天降质图片进行去雾处理,得到了令人满意的清晰化效果.图2是对图1中的降质图像经文献[6]算法、全局直方图均衡化及本文改进算法处理后的对比结果.图2(a)是原图,由于受雾的干扰,景物比较模糊,对比度较差;图2(b)是全局直方图均衡化的结果,图像的对比度得到了一定的增强,但是结果图像整体灰度偏暗,而且视线深处的楼宇信息基本丢失;图2(c)为文献[6]算法处理的结果,处理后的图像虽然清晰化程度得到了较大提高,但是在结果图像的远景区域楼宇的边缘信息比较模糊,同时,由于该算法对天空区域的灰度保持与原图不变,出现了天空灰度低于道路的反常现象;图2(d)是基于本文改进算法的处理结果,相对(b)和(c),改进算法整体对比度更好,道路两旁的绿地、楼宇、车辆、垃圾桶、地上的井盖和路标等细节都得到了更好的增强,甚至在视线深处的几栋高楼和树木也都被较好地增强出来.可见,本文的改进算法更好地提高了远景和近景景物的清晰化程度,保留了更多的细节信息.另外,对本文的算法和文献[6]算法采用大小相同的模板进行时间上的对比测试,发现改进算法的运行时间大大缩短.图2中,在模板大小同样取40×40的情况下,文献[6]算法的运行时间为75第3期 翟艺书,等:一种改进的雾天降质图像的清晰化算法 图2　雾天降质图片及对比清晰化结果11min31s,而本文改进算法的运行时间仅为9 s,此时的步长为8,虽然有一些块效应,但是相对于算法的运行时间,清晰化效果还是比较好的.减小步长.图像的清晰化效果会更好,但是运行时间较长;对步长为5进行实验的运行时间为37s;同样,增大步长,算法的运行时间会进一步缩短,但是块效应会稍重一些,实际中,应根据需要来调整步长的大小.参考文献(References):[1]OA K L EY J P,SA THERL EY B L,Improving imagequality in poor visibility conditions using a physical model for contrast degradation[J].IEEE Transactions on Im2 age Processing,1998,7(2):1672179.[2]TAN K,OA K L EYJ P,Enhancement of color images inpoor visibility conditions[C]ΠΠInternational Conference on Image Processing.Vancouver:IEEE Press,2000:7882 791.[3]NARASIMHAN S G,NA Y AR S K.Contrast restora2tion of weather degraded images[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2003,25(6):7132724.[4]NARASIMHAN S G,NA Y AR S K.Removing weathereffects from monochrome images[C]ΠΠProceedings of IEEE Conference on Computer Vision and Pattern Rec2 ognition:IEEE Computer S ociety,2001:1862193. [5]NARASIMHAN S G,NA Y AR S K.Interactive(de)weathering of an image using physical model[C]ΠΠPro2 ceedings of the ICCV Work2shop on Color and Photomet2 ric Methods in Computer Vision.Nice:IEEE Computer S ociety,2003:7132723.[6]祝　培,朱　虹,钱学明,等.一种有雾天气图像景物影像的清晰化方法[J].中国图像图形学报,2004,9(1):1242128.ZHU Pei,ZHU Hong,Q IAN Xue2ming,et al.An im2 age clearness method for fog[J].Journal of Image and Graphics,2004,9(1):1242128.(in Chinese)[7]祝　培,恶劣天气环境下图像的清晰化[D].西安:西安理工大学,2004.[8]朱凯军,周　焰,兰祖送.基于区域分割的雾天图像增强算法[J].计算机测量与控制,2006,14(5):6612663.ZHU K ai2jun,ZHOU Y an,LAN Zu2song.Enhance2 ment algorithm of misty image based on region segmenta2 tion[J].Computer Measurement&Control,2006,14(5):6612663.(in Chinese)[9]王　萍,张　春,罗颖昕,一种雾天图像低对比度增强的快速算法[J].计算机应用,2006,26(1):1522156.WAN G Ping,ZHAN G Chun,LUO Y ing2xin.Fast al2 gorithm to enhance contrast of fog2degraded images[J].Computer Applications,2006,26(1):1522156.(in Chi2 nese)[10]罗颖昕,雾天低对比度图像增强方法的研究[D].天津:天津大学,2003.85 大连海事大学学报 第33卷　。

摄影技巧：如何让灰蒙蒙的照片通透起来，一招曲线调整立马见效作为一个摄影爱好者，我们在拍风景照片时往往环境不是那么如意，在常见的雾霾天气时拍摄，或者在旅途的火车、飞机上隔着不干净的玻璃拍摄，常常会看到拍出的照片灰蒙蒙的不够通透，让人感觉闷闷的，与实际看到的风景相比大相径庭。

今天我以自己拍摄的两张照片为例，介绍一下如何通过后期技巧去除照片上的雾霾，让灰蒙蒙地照片通透起来。

方法一：曲线调整法（通过曲线准确定位黑白场去除照片的灰霾）上图是我在一个雾霾天拍摄的一张照片，原图灰蒙蒙的，树木的绿色也灰灰的，看起来很闷。

在Camera rraw中打开照片，首先分析一下照片的直方图，从直方图可以看出，这张照片像素集中在直方图中间区域，暗部和亮部都没有细节（可参考我在直方图上画的红圈）。

照片的黑白场很差，一张照片理想的黑白场是要暗部很黑亮部很白，这张照片恰巧没有做到。

对于这种亮部和暗部都没有像素的照片，可以通过色调曲线结合直方图进行调整。

选中“色调曲线“”工具，在工具中选中“点”曲线，然后按以下步骤拖动曲线：1）从右上顶点沿着最上端向左拖曳曲线，找到曲线亮场有像素的地方（到曲线调整图中右上的篮圈的位置），让画面亮部有细节。

2）从左下顶点沿着最下端向右拖曳曲线，找到曲线暗场有像素的地方（到曲线调整图中左下的篮圈的位置），让画面暗部有细节。

这样拖拽曲线后，看照片的直方图在亮部和暗部都有像素了，照片随之也变得通透起来，下图为调整后的成图，是不是雾霾散去，通透了许多？这招曲线去雾霾技巧简单高效，是个立竿见影的好方法。

方法二：用对比度、清晰度和去除薄雾功能让照片变通透。

第一种方法适用于在直方图上明显看出亮部暗部均无细节的灰霾严重的照片，对于一些发灰不太严重的照片，也可以通过camera raw效果菜单下的“去除薄雾”功能（在LR中叫“去雾霾”）以及基本调整中的对比度、清晰度进行调整。

上图是我在一个灰蒙蒙的阴天拍摄的桃花，照片整体发灰，颜色也不鲜亮。

基于Retinex模型的雾天图像清晰化算法黄山风景区全年雨雾天气近200天，常规的视频监控系统在这种天气下，很难发挥作用。

为了解决这个问题，黄山针对雾天图像对比度降低的退化现象，提出了一种快速的对比度增强算法。

通过简单变换后发现，大气散射模型的数学表达式符合Retinex模型，因此采用Retinex算法来提高图像的对比度。

同时提出了一种新的平滑保边滤波，用来快速估计Retinex算法中的照度。

它的每次迭代仅需要三次均值滤波，时间复杂度低。

对于彩色图像，通过非线性指数增强图像的饱和度。

实验结果表明，提出的清晰化算法能有效增强雾天图像的对比度（特别是降质严重的低对比度区域），改善彩色图像的色彩，同时较好的保持图像的边缘。

标签：雾；Retinex；对比度；保边滤波；饱和度1、引言黄山，素以奇伟绝俗、灵秀多姿著称于世。

其全年雨雾天气近200天，弥漫在空中的雾气模糊了人们的视线，使得景物的能见度大幅降低，图像中蕴含的许多特征都被覆盖或模糊。

并且图像退化程度跟图像景物到摄像头的距离相关，距离越远，距离越远，退化越严重。

因此，这种退化在空间上是不均匀的。

图像去雾算法主要经历了3个研究阶段：传统图像增强方法，比如直方图处理[1][2]、小波方法[3]和retinex[4]等。

由于雾天退化图像的空间不均匀，这类方法效果有限。

基于物理模型的多图像（或多数据源）复原方法。

由于退化模型与成像距离密切相关，而基于单幅图像很难获得准确的深度信息。

因此，这类方法通过多图像（或多数据源）得到图像深度信息后利用物理模型达到复原的目的。

Narasimhna 等人提出了多种提取场景深度信息的方法，有些需要用到不同天气状态下相同景物的图像[5]，有些利用偏振光的方法[6]。

基于大气散射模型的方法能够在雾天图像增强上达到较好的效果，但要求多图像（或多数据源），因此在实际应用上具有一定的局限性。

基于物理模型的单幅图像复原方法。

由于考虑了雾天成像的物理模型和仅使用单幅图像，这类方法是近年来研究的热点和难点，取得了很大的进展。

结合天空分割修正的快速去雾方法
快速去雾是一种对于雾天图像进行清晰化处理的方法。

该方法结合了天空分割修正技术，可以有效地去除图像中的雾霾，使得图像变得更加清晰明亮。

具体而言，该方法需要先进行天空分割，以确定图像中天空的位置。

然后，通过对天空区域进行修正，将其颜色值调整为理想状态，再根据天空区域颜色值的变化，对图像中的其他区域进行修正，从而达到去雾的效果。

该方法的快速性主要体现在对于图像的处理时间上。

由于该方法只对天空区域进行了修正，因此处理时间相对于整张图像而言较短，同时也不需要对图像进行复杂的操作和计算，因而能够快速地得到清晰明亮的图像。

总之，快速去雾方法结合天空分割修正技术，是一种有效的对于雾天图像进行清晰化处理的方法，具有快速、简单、高效等特点，可以应用于各种领域中。

一种有雾天气图像景物影像的清晰化方法
祝培;朱虹;钱学明;李晗
【期刊名称】《中国图象图形学报》
【年(卷),期】2004(009)001
【摘要】针对雾天下拍摄图像的退化现象,提出了一种景物影像清晰化的方法.该方法不需要依据大气模型,即可直接对景物的细节信息进行增强处理,并可用移动模板对不同深度的场景进行分割,以对模板中的区域进行块重叠直方图均衡化处理.为了能在对景物细节信息进行增强的同时,避免天空噪声的影响,可根据图像的灰度分布特性,求出天空区域灰度的最佳近似正态分布,再由这个近似正态分布估计来得到分割天空区域的灰度值分布范围,以增强景物细节信息.实验结果表明,该算法能有效地改善雾天下图像的退化现象和提高图像的清晰度.
【总页数】5页(P124-128)
【作者】祝培;朱虹;钱学明;李晗
【作者单位】西安理工大学自动化与信息工程学院,西安,710048;西安理工大学自动化与信息工程学院,西安,710048;西安理工大学自动化与信息工程学院,西
安,710048;西安理工大学自动化与信息工程学院,西安,710048
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.一种针对移动模板的景物影像清晰化方法的实现与改进 [J], 康迪
2.有雾天气图像的清晰化方法 [J], 暴阳;李昆昆
3.一种基于定向局部直方图均衡化的显微图像清晰度判定方法 [J], 赖建宁
4.基于Matlab大雾天气下图像清晰化研究 [J], 温箐笛
5.大雾天气下模糊图像清晰化方法研究 [J], 刘璐
因版权原因，仅展示原文概要，查看原文内容请购买。

有雾天气图像的清晰化方法暴阳;李昆昆【摘要】In order to improve the images of fog weather, a new method for enhancing images taken in fogs is proposed.It divides images into two parts, the sky and not the sky, which is based on the principle of normal distribution, and then enhances the images based on global histogram equalization and the algorithm of partially overlapped sub-block histogram equalization.The enhanced images can keep detailed information and also avert over-enhancement.Experimental results show that the method can improve the resolution of fog images and the clarity of images.%为了改善雾天图像的退化现象，本文提出了一种有雾天气图像的清晰化方法。

该方法根据正态分布将图像分为非天空区域与天空区域，然后以全局直方图均衡算法（ HE）和子块部分重叠的局部直方图均衡算法（ POSHE）为基础对雾天图像进行均衡化处理，均衡后的图像能够保持图像细节，同时也能够避免图像的过增强。

实验结果表明：该算法能够有效改善图像的退化现象，提高图像的对比度和分辨率，增强后的图像更加自然。

【期刊名称】《安庆师范学院学报（自然科学版）》【年(卷),期】2015(000)001【总页数】3页(P56-58)【关键词】图像;雾;全局直方图均衡算法;局部直方图均衡算法;增强【作者】暴阳;李昆昆【作者单位】安庆师范学院数学与计算科学学院，安徽安庆246133;安庆师范学院数学与计算科学学院，安徽安庆246133【正文语种】中文【中图分类】TP341.41大雾天气时，光学成像系统获取的图像会产生退化不清晰现象，给交通运输、户外检测系统等许多领域造成很大困难，因此雾天图像的清晰化具有十分重要的研究意义。