APP下载

结合改进Retinex及自适应分数阶微分的雾霾公路交通图像增强

2020-09-05王卫星

光学精密工程 2020年8期
关键词:细节信息

王卫星,赵 恒

(长安大学 信息工程学院,陕西 西安 710064)

1 引 言

在雾霾天气情况下,图像由于大气散射作用被严重降质,使目标反射的光线发生衰减,从而造成道路交通图像存在着视觉效果差、对比度低、能见度弱及细节模糊等问题,给后续的图像处理工作如特征提取、目标追踪与识别带来了严峻地挑战[1]。因此,对雾霾天气条件下所获取的公路交通图像进行增强处理,提高清晰度、对比度及视觉效果是近年人们关注的热点,同时具有重要的理论研究意义和应用价值。

目前低质量的雾霾图像增强算法有多种:如简单的直方图均衡化的方法;基于大气物理模型的方法(如暗通道先验算法),基于Retinex理论的方法等。直方图均衡化的方法[2-4]可以较好地提升图像的亮度和对比度。但是,由于灰度级合并易造成图像细节丢失,而且对于较为突出的图像信息会产生过度增强,不利于雾霾图像的色彩饱和度和对比度的改善。基于大气物理模型的方法是通过研究大气飘浮颗粒对光线的作用,建立大气散射模型[5-6],利用图像退化的原理复原出降质前的图像。2011年,He等[7]提出了基于暗通道先验(Dark Channel Prior,DCP)的去雾算法,该算法去雾效果较好,颜色较逼真,但实时性差且去雾后的图像边缘处存在伪影等干扰信息。2013年,He等[8]提出一种局部线性滤波器即引导滤波器,其具有良好的边缘保持性能,可以用于优化透射率图,从而改善去雾效果。基于Retinex理论的方法是目前比较流行的图像增强算法。……

登录APP查看全文

猜你喜欢

细节信息
以细节取胜 Cambridge Audio AXR100/ FOCAL ARIA 906
留心细节处处美——《收集东·收集西》
奇妙的细节
订阅信息
细节取胜
决定成败的,绝不是细节
展会信息
圣诞节的四个细节
信息
健康信息