经典图像去雾算法是什么丨基于暗通道的图像去雾算法代码

【经典图像去雾算法是什么丨基于暗通道的图像去雾算法代码】lot物联网小编为你整理了的相关内容，希望能为你解答。

苏州大学轨道交通学院谢陶砚蕴课题组对雾霾图像修复展开了研究，相关研究成果以“基于超像素图像分割得暗通道先验去雾改进算法”（An Improved Dark Channel Prior Dehazing Algorithm Based on Superpixel Image Segmentation）为题，发表在《电子学报》2023年第1期。

雾是由大量悬浮在空气中的微小水滴或冰晶组成的微小粒子。霾是由空气中的灰尘、硫酸、硝酸等颗粒物组成的微小粒子。雾霾的存在会降低空气透明度，户外的图像因此存在对比度降低和颜色偏移等问题。雾霾图修复是将雾霾图像做去雾处理后得到清晰的无雾图像。何凯明教授通过对大量户外无雾图像的研究统计发现暗通道先验理论，提出经典的暗通道先验(Dark Channel Prior,DCP)去雾算法。该方法利用暗通道先验信息，去雾效果显著，边缘信息保持良好，已成为当下最流行的去雾算法之一；但该图像去雾方法在亮度较高的区域会出现失真现象。因此针对暗通道先验去雾算法在高强度区域存在明显的噪声放大和色彩失真的问题，本工作提出了基于超像素图像分割的暗通道先验去雾改进算法；通过超像素阈值分割算法将图像分为暗通道区域和非暗通道区域，暗通道区域(Dark Channel Region,DCR)即图像中符合暗通道先验理论的部分，非暗通道区域(Non-dark Channel Region,NDCR)即图像中不符合暗通道先验理论的部分；通过超像素获得更加准确的全局大气光估计值，并在非暗通道区域根据其暗通道和全局大气光值进行透射率修正，最后通过大气散射模型得到复原图像。在超像素图像分割过程中，本工作提出一种改进的简单线性迭代聚类超像素分割算法(SLIC)，通过引入暗通道(V)和色调(H)两个图像特征，简单有效的分出图像的暗通道区域和非暗通道区域。实验表明，本文去雾算法在暗通道区域去雾后的图像更加清晰，有效抑制了天空等非暗通道区域的失真，复原图像更加清晰，整体恢复比较自然。

陶砚蕴（通讯作者），苏州大学轨道交通学院副教授。研究方向为计算智能、机器学习、生物医学工程。华东理工大学控制科学与工程博士、上海交通大学计算机博士后。目前发表SCI论文15篇，主持国家级项目2项、省级项目1项、国家重点实验室开放课题1项、省级重点实验室开放课题2项。

金天虎（第一作者），男，1998年1生于河南驻马店，苏州大学轨道交通学院硕士生。主要研究方向雾霾图像修复，目标检测。

论文信息

基于超像素图像分割的暗通道先验去雾改进算法

金天虎，陶砚蕴，李佐勇

电子学报，2023, 51(1): 146-159.

DOI: 10.12263/DZXB.20211566

以上内容为【经典图像去雾算法是什么丨基于暗通道的图像去雾算法代码】的相关内容，更多相关内容关注lot物联网。