基于WLS的雾天交通图像恢复方法

肖创柏; 赵宏宇; 禹晶; 杨普

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于WLS的雾天交通图像恢复方法

肖创柏, 赵宏宇, 禹晶, 杨普

文章导航 > 红外与激光工程 > 2015 > 44(3): 1080-1084

肖创柏, 赵宏宇, 禹晶, 杨普. 基于WLS的雾天交通图像恢复方法[J]. 红外与激光工程, 2015, 44(3): 1080-1084.

引用本文:

肖创柏, 赵宏宇, 禹晶, 杨普. 基于WLS的雾天交通图像恢复方法[J]. 红外与激光工程, 2015, 44(3): 1080-1084.

Xiao Chuangbai, Zhao Hongyu, Yu Jing, Yang Pu. Traffic image defogging method based on WLS[J]. Infrared and Laser Engineering, 2015, 44(3): 1080-1084.

Citation:

Xiao Chuangbai, Zhao Hongyu, Yu Jing, Yang Pu. Traffic image defogging method based on WLS[J]. Infrared and Laser Engineering, 2015, 44(3): 1080-1084.

基于WLS的雾天交通图像恢复方法

1.
北京工业大学计算机学院,北京100124

基金项目:

北京市教委科技发展重点项目(KZ01210005007);北京市教育委员会科技发展计划(KM201310005020)

详细信息

作者简介:
肖创柏(1962-),男,教授,博士生导师,主要从事模式识别与图像处理等方面的研究.Email:cbxiao@bjut.edu.cn

通讯作者: 赵宏宇(1984-),男,博士生,主要从事计算机视觉与图像处理方面的研究.Email:asas.014@163.com

中图分类号: TP394.1

Traffic image defogging method based on WLS

1.
College of Computer Science and Technology,Beijing University of Technology,Beijing 100124,China

摘要: 在尘雾等恶劣天气条件下,由于大气粒子的散射作用,致使获取的道路图像严重退化,给交通运输带来很大的困难.为了提高道路环境的可视性,文中提出了一种基于WLS的雾天交通图像恢复算法.该算法从大气散射模型出发,首先进行大气光照的估计与白平衡处理,然后结合道路环境的约束,构建WLS框架对大气耗散函数进行估计,从而恢复场景反照率.通过实验分析可知,文中算法能够有效去除图像中雾霾,消除了Halo效应的影响,较好地凸显图像远景的细节信息,实现了交通图像的视见度的提高.
- WLS /
- 图像去雾 /
- 大气散射模型 /
- 白平衡
Abstract: Images of roads captured by visual surveillance system are usually degraded by scattering due to atmospheric particles such as haze, fog and mist, which could frequently bring great difficulties to the transportation. In this paper, a novel method was proposed based on weighted least squares(WLS) to remove fog from a single input image. The proposed algorithm begins with estimation of atmospheric light and white balance. Then, through the constraint from the road environment, the weighted least squares(WLS) framework was constructed to estimate atmospheric veil, and restore the fog image by inverting the atmospheric scattering model. The experimental results demonstrates that, compared with the existing algorithm, the proposed method can remove the fog effectively, eliminate the Halo effects, obtain good restoration of distant scene details, and thus realize the improvement of traffic image visibility.
- WLS /
- image defog /
- atmospheric scattering model /
- white balance

[1]
[2]	Huang Lihong. Defogging method for degraded image[J]. Infrared and Laser Engineering, 2010, 39(5): 985-988. (in Chinese) 黄黎红. 退化图像的去雾方法[J]. 红外与激光工程, 2010, 39(5): 985-988.
[3]	Fattal R. Single image dehazing[J]. ACM Transactions on Graphics(TOG), 2008, 27(3): 1-9.
[4]
[5]	He K, Sun J, Tang X. Single image haze removal using dark channel prior[C]//IEEE Conference on Computer Vision and Pattern Recognition(CVPR), 2009: 1956-1963.
[6]
[7]	He K, Sun J, Tang X. Guided image filtering[C]//European Conference on Computer Vision(ECCV), 2010: 1-14.
[8]
[9]	Tarel J, Hauti N. Fast visibility restoration from a single color or gray level image[C]//IEEE International Conference on Computer Vision (ICCV), 2009: 2201-2208.
[10]
[11]
[12]	Caraffa L, Tarel J. Markov random field model for single image defogging[C]//Intelligent Vehicles Symposium, 2013: 994-999.
[13]	Chen Shuhang, Li Zile, Chen Mengzhu, et al. Influence of atmospheric multiple scattering effects on the range bias for satellite laser altimeter[J]. Infrared and Laser Engineering, 2012, 41(9): 114-117. (in Chinese) 陈舒杭, 李子乐, 陈梦竹, 等. 大气多次散射效应对星载激光测高仪测距偏差值的影响[J]. 红外与激光工程, 2012, 41(9): 114-117.
[14]
[15]
[16]	Ge Guangyi, Wei Zhenzhong. Noise inhibition method during image dehazing process[J]. Infrared and Laser Engineering, 2014, 43(8): 2765-2771. (in Chinese) 葛广一, 魏振忠. 图像去雾过程中的噪声抑制方法[J]. 红外与激光工程, 2014, 43(8): 2765-2771.
[17]
[18]	Tarel J, Hauti N. Vision enhancement in homogeneous and heterogeneous fog[J]. IEEE Intelligent Transportation Systems Magazine, 2012, 4(2): 6-20.
[19]	Krishnan D, Fattal R, Szeliski R. Efficient preconditioning of laplacian matrices for computer graphics [J]. ACM Transaction on Graphics, 2013, 32(4): 1-15.

[1]	李鹏越, 续欣莹, 唐延东, 张朝霞, 韩晓霞, 岳海峰. 基于并行多轴自注意力的图像去高光算法 . 红外与激光工程, 2024, 53(3): 20230538-1-20230538-11. doi: 10.3788/IRLA20230538
[2]	唐文娟, 戴群. 红外图像去雾领域研究方法综述 . 红外与激光工程, 2024, 53(2): 20230416-1-20230416-11. doi: 10.3788/IRLA20230416
[3]	张骏, 朱标, 沈玉真, 张鹏. 基于引导滤波的多分支注意力残差红外图像去噪网络 . 红外与激光工程, 2022, 51(11): 20220060-1-20220060-11. doi: 10.3788/IRLA20220060
[4]	王亚平, 周裕丰, 张宝华. 基于去雾增强和张量恢复的红外小目标检测 . 红外与激光工程, 2022, 51(4): 20210417-1-20210417-9. doi: 10.3788/IRLA20210417
[5]	王辉, 王进, 李校博, 胡浩丰, 刘铁根. 一种基于圆偏光的偏振去雾成像优化方法 . 红外与激光工程, 2019, 48(11): 1126001-1126001(5). doi: 10.3788/IRLA201948.1126001
[6]	张秀玲, 侯代标, 张逞逞, 周凯旋, 魏其珺. 深度学习的MPCANet火灾图像识别模型设计 . 红外与激光工程, 2018, 47(2): 203006-0203006(6). doi: 10.3788/IRLA201847.0203006
[7]	谢冰, 段哲民, 马鹏阁, 陈宇. 动态金字塔模型的红外图像SR重建 . 红外与激光工程, 2018, 47(1): 126001-0126001(6). doi: 10.3788/IRLA201847.0126001
[8]	宋颖超, 罗海波, 惠斌, 常铮. 尺度自适应暗通道先验去雾方法 . 红外与激光工程, 2016, 45(9): 928002-0928002(12). doi: 10.3788/IRLA201645.0928002
[9]	徐冬, 孙蕾, 罗建书. 结合NAPCA 和复小波变换的高光谱遥感图像去噪 . 红外与激光工程, 2015, 44(1): 327-334.
[10]	林勇, 徐智勇, 汪井源, 宋超, 王荣, 耿常锁. 雾环境下非视距散射光通信最佳链路分析 . 红外与激光工程, 2015, 44(2): 705-710.
[11]	苏娟, 杨罗, 卢俊. 基于视觉注意模型的红外图像分级压缩方法 . 红外与激光工程, 2014, 43(6): 2040-2045.
[12]	张红英, 罗晓清, 吴小俊. 基于CHMM 的尖锐频率局部化Contourlet 域图像去噪 . 红外与激光工程, 2014, 43(7): 2341-2348.
[13]	马媛花, 胡炳樑, 李然, 孙朗, 孙念, 王峥杰. 采用Gyrator变换的泰伯效应及图像去噪 . 红外与激光工程, 2014, 43(2): 665-670.
[14]	王安祥, 吴振森. 光散射模型中遮蔽函数的参数反演 . 红外与激光工程, 2014, 43(1): 332-337.
[15]	葛广一, 魏振忠. 图像去雾过程中的噪声抑制方法 . 红外与激光工程, 2014, 43(8): 2765-2771.
[16]	许敏芬, 王立强, 袁波. 基于无色差表面识别的高清电子内窥镜自动白平衡算法 . 红外与激光工程, 2014, 43(9): 3110-3115.
[17]	陶明慧, 张宇, 张星祥, 任建岳, 李亚鹏. 基于退化模型的图像渐晕处理技术 . 红外与激光工程, 2013, 42(8): 2262-2268.
[18]	戴聪明, 魏合理, 陈秀红. 通用大气辐射传输软件(CART)大气散射辐射计算精度验证 . 红外与激光工程, 2013, 42(6): 1575-1581.
[19]	李浩, 陈晓颖, 单陈华, 唐丽萍. 雾和气溶胶的光学特性对前向散射和总散射能见度仪性能的影响 . 红外与激光工程, 2013, 42(6): 1568-1574.
[20]	王森, 潘玉寨, 刘一, 杨宝森, 曲士良. 提高雾天激光主动成像图像质量的研究 . 红外与激光工程, 2013, 42(9): 2392-2396.

点击查看大图

计量

文章访问数: 312
HTML全文浏览量: 37
PDF下载量: 238
被引次数: 0

基于WLS的雾天交通图像恢复方法

1. 北京工业大学计算机学院,北京100124

作者简介:
肖创柏(1962-),男,教授,博士生导师,主要从事模式识别与图像处理等方面的研究.Email:cbxiao@bjut.edu.cn

通讯作者: 赵宏宇(1984-),男,博士生,主要从事计算机视觉与图像处理方面的研究.Email:asas.014@163.com

收稿日期: 2014-07-20
修回日期: 2014-08-21

基金项目:

北京市教委科技发展重点项目(KZ01210005007);北京市教育委员会科技发展计划(KM201310005020)

中图分类号: TP394.1

关键词:

摘要: 在尘雾等恶劣天气条件下,由于大气粒子的散射作用,致使获取的道路图像严重退化,给交通运输带来很大的困难.为了提高道路环境的可视性,文中提出了一种基于WLS的雾天交通图像恢复算法.该算法从大气散射模型出发,首先进行大气光照的估计与白平衡处理,然后结合道路环境的约束,构建WLS框架对大气耗散函数进行估计,从而恢复场景反照率.通过实验分析可知,文中算法能够有效去除图像中雾霾,消除了Halo效应的影响,较好地凸显图像远景的细节信息,实现了交通图像的视见度的提高.