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

图像去雾过程中的噪声抑制方法

葛广一,  魏振忠

downloadPDF
文章导航 > 红外与激光工程  > 2014 >  43(8): 2765-2771
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.
引用本文: 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.
shu
Ge Guangyi, Wei Zhenzhong. Noise inhibition method during image dehazing process[J]. Infrared and Laser Engineering, 2014, 43(8): 2765-2771.
Citation: Ge Guangyi, Wei Zhenzhong. Noise inhibition method during image dehazing process[J]. Infrared and Laser Engineering, 2014, 43(8): 2765-2771.
shu

图像去雾过程中的噪声抑制方法

  • 1.

    北京航空航天大学 精密光机电一体化技术教育部重点实验室,北京 100191

基金项目: 

国家自然科学基金（61340054）;国家重大科学仪器设备开发专项基金（2012YQ140032）

详细信息
    作者简介:

    葛广一（1989- ），男，硕士生，主要从事图像处理和模式识别方面的研究。Email：ge_gy@126.com

  • 中图分类号: TP391.4

Noise inhibition method during image dehazing process

  • 1.

    Key Laboratory of Precision Opto-mechatronics Technology,Ministry of Education,Beihang University,Beijing 100191,China

  • 摘要: 大气中微小颗粒（如雾、霾等）的散射作用会使户外场景拍摄的图像发生退化，造成图像质量下降。图像去雾可以提升图像对比度，增加场景能见度，校正颜色失真，改善视觉效果。但是图像去雾经常会出现明显的噪声放大现象，尤其是无穷远处的天空区域最为严重。针对这一问题，提出了一种去雾过程中的噪声抑制方法。以传输率图像为指导，采用滤波半径变化的双边滤波对雾天图像进行模糊。再计算新的传输率图像，代入雾天成像模型，得到去噪后复原图像。结合噪声评价方法，实验结果验证了该方法的噪声抑制效果。
    Abstract: The scattering of particles(e.g. haze particles and fog droplets) in the atmosphere degrades images of outdoor scenes and further harms image quality. Image dehazing can significantly gain contrast, increase scene visibility, correct color shift introduced by the airlight and improve visual effect. Nonetheless, image dehazing is prone to noise amplification. Noise of the dehazed image is obvious in regions with low transmission, especially for distant sky region. A noise inhibition method during image dehazing was proposed to solve this problem. The hazy image was smoothed by the bilateral filter with varying radius which was adapted to the transmission map. The new transmission map was calculated again corresponding to the smoothed hazy image, and then used to estimate the denoised recovery image. Combining the noise estimation method for single color image, experimental results demonstrate our method's performance with noise inhibition.
  • [1]
    [2] Fattal R. Single image dehazing[J]. ACM Transactions on Graphics, 2008, 27(3): 72-80.
    [3]
    [4] He K, Sun J, Tang X. Single image haze removal using dark channel Prior[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2011, 33(12): 2341-2353.
    [5] Wang Sen, Pan Yuzhai, Liu Yi, et al. Image quality improvement of laser active imaging in fog[J]. Infrared and Laser Engineering, 2013, 42(9): 2392-2396. (in Chinese)
    [6]
    [7] Huang Lihong. Defogging method for degraded image[J]. Infrared and Laser Engineering, 2010, 39(5): 985-988. (in Chinese).
    [8] 王森, 潘玉寨, 刘一, 等. 提高雾天激光主动成像图像质量的研究[J]. 红外与激光工程, 2013, 42(9): 2392-2396.
    [9] Schechner Y，Averbuch Y. Regularized image recovery in scattering media[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2007, 29(9): 1655-1660.
    [10]
    [11]
    [12] Tarel J, Hautire N. Fast visibility restoration from a single color or gray level image[C]//IEEE 12th International Conference on Computer Vision, 2009: 2201-2208.
    [13] 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.
    [14] Matlin E, Milanfar P. Removal of haze and noise from a single image[C]//SPIE, 2012, 8296: 82960T.
    [15]
    [16] McCartney E. Optics of the Atmosphere: Scattering by Molecules and Particles[M]. New York: John Wiley and Sons Inc, 1976.
    [17]
    [18] He K, Sun J, Tang X. Guided image filtering[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2013, 35(6): 1397-1409.
    [19] Liu C, Szeliski R, Kang S, Lawrence C, et al. Automatic estimation and removal of noise from a single image[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2008, 30(2): 299-314.
    [20]
    [21] Achanta R, Shaji A, Smith K, et al. SLIC superpixels compared to state-of-the-art superpixel methods[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2012, 34(11): 2274-2282.
    [22]
    [23]
    [24]
    [25]
  • [1] 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
    [2] 胡浩丰, 黄一钊, 朱震, 马千文, 翟京生, 李校博.  基于深度学习复杂环境的偏振成像技术研究进展（特邀） . 红外与激光工程, 2024, 53(3): 20240057-1-20240057-18. doi: 10.3788/IRLA20240057
    [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] 李方舟, 赵耀宏, 向伟, 刘海峥.  基于改进非局部均值的红外图像混合噪声去除方法 . 红外与激光工程, 2019, 48(S1): 163-173. doi: 10.3788/IRLA201948.S128001
    [5] 崔光茫, 张克奇, 徐之海, 冯华君, 赵巨峰.  基于仿射重建和噪声散点直方图的图像噪声水平估计 . 红外与激光工程, 2018, 47(S1): 182-188. doi: 10.3788/IRLA201847.S126002
    [6] 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
    [7] 蒋立辉, 符超, 刘雯箐, 熊兴隆.  基于自适应多尺度形态滤波与EMD的激光雷达回波信号去噪方法 . 红外与激光工程, 2015, 44(5): 1673-1679.
    [8] 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.
    [9] 危璋, 冯新喜, 刘钊, 刘欣.  自适应非线性GM-PHD滤波及在无源跟踪中的应用 . 红外与激光工程, 2015, 44(10): 3076-3083.
    [10] 肖创柏, 赵宏宇, 禹晶, 杨普.  基于WLS的雾天交通图像恢复方法 . 红外与激光工程, 2015, 44(3): 1080-1084.
    [11] 刘涛, 张文平, 陈慧芳, 冯桂兰, 刘月明.  卡尔曼滤波在分布式拉曼光纤温度传感系统去噪中的应用 . 红外与激光工程, 2014, 43(5): 1643-1647.
    [12] 蒋立辉, 李猛, 熊兴隆, 冯帅.  探测因子优化的多尺度形态滤波器去噪方法 . 红外与激光工程, 2014, 43(2): 654-658.
    [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] 张凌晓, 刘克成, 李财莲.  Tetrolet变换方块效应改善算法 . 红外与激光工程, 2014, 43(5): 1679-1684.
    [15] 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.
    [16] 王晓飞, 侯传龙, 阎秋静, 张钧萍, 汪爱华.  基于相关向量机的高光谱图像噪声评估算法 . 红外与激光工程, 2014, 43(12): 4159-4163.
    [17] 王华, 曹剑中, 王华伟, 郭惠楠, 赵晓冬, 刘广森.  基于估计方法的CMOS图像传感器列固定模式噪声校正方法 . 红外与激光工程, 2013, 42(7): 1928-1932.
    [18] 贺明, 王亚弟, 贺菁, 陈向军, 路建方, 寇广, 沈鹏.  双边滤波直方图均衡的非均匀性校正算法 . 红外与激光工程, 2013, 42(10): 2620-2624.
    [19] 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.
    [20] 吴坤, 张合新, 孟飞, 陈聪.  激光主动成像图像噪声抑制方法 . 红外与激光工程, 2013, 42(9): 2397-2402.
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  391
  • HTML全文浏览量:  62
  • PDF下载量:  280
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-12-11
  • 修回日期:  2014-01-14
  • 刊出日期:  2014-08-25

图像去雾过程中的噪声抑制方法

  • 1. 北京航空航天大学 精密光机电一体化技术教育部重点实验室,北京 100191
    • 作者简介:

    葛广一（1989- ），男，硕士生，主要从事图像处理和模式识别方面的研究。Email：ge_gy@126.com

  • 收稿日期: 2013-12-11
  • 修回日期: 2014-01-14
  • 刊出日期: 2014-08-25
基金项目:

国家自然科学基金（61340054）;国家重大科学仪器设备开发专项基金（2012YQ140032）

  • 中图分类号: TP391.4

摘要: 大气中微小颗粒（如雾、霾等）的散射作用会使户外场景拍摄的图像发生退化，造成图像质量下降。图像去雾可以提升图像对比度，增加场景能见度，校正颜色失真，改善视觉效果。但是图像去雾经常会出现明显的噪声放大现象，尤其是无穷远处的天空区域最为严重。针对这一问题，提出了一种去雾过程中的噪声抑制方法。以传输率图像为指导，采用滤波半径变化的双边滤波对雾天图像进行模糊。再计算新的传输率图像，代入雾天成像模型，得到去噪后复原图像。结合噪声评价方法，实验结果验证了该方法的噪声抑制效果。

English Abstract

    全文HTML

参考文献 (25)

目录

    /

    返回文章
    返回

    版权所有 © 2019 《红外与激光工程》编辑部｜ 地址: 天津市空港经济区中环西路58号｜ 邮政编码: 300308

    津ICP备19007885号-1

    本系统由 北京仁和汇智信息技术有限公司 开发    百度统计