本文提出了一种基于雾气遮罩减除的图像去雾算法。首先对降质图像平滑滤波以估计其亮度分量，对亮度分量求均值得到均匀分布的雾气遮罩，并结合退化图像获取与场景深度信息相关的雾气遮罩。在对数域中从降质图像中减除
matlab上利用直方图均衡化的方法，来对图像进行去雾操作，实现图像的增强。
基于曝光融合的单幅图像去雾算法
基于引导滤波的单幅图像去雾研究
现有的单图像去雾算法只能满足提高有效性或效率的需求。 为了解决该问题,提出了一种基于复原的单图像去雾变分框架。 首先,将初始的大气散射模型进行转换,以满足kimmel的Retinex变分模型。 然后,
提出了一种基于深度学习的单幅图像去雾算法。利用卷积神经网络,通过学习雾天图像与清晰图像的YUV(Y代表的是亮度,UV代表的是彩度)各个通道之间的映射关系实现去雾。网络结构由两个相同的特征模块组成,主要
为了有效增强雾天衰退图像,提出了一种基于融合策略的单幅图像去雾算法。该融合策略无需依靠大气散射模型或场景结构信息,只需通过原始衰退图像来获取其输入图与权重图。其中2幅输入图的作用主要是对原有雾图像进行
针对目前去雾算法易受大气环境随机性和复杂性影响而造成自适应性不强的问题,该文提出一种具有反馈机制的自适应闭环去雾算法。该算法首先通过基于人眼视觉的特征认知评价进行参数初始化;然后利用去雾强度评价结果对
本代码基于何凯明博士提出的暗通道先验去雾理论，能够实现单幅图像去雾，具有良好的效果，可以直接运行（VS2015+OpenCV3.0.1）
基于暗原色先验的图像去雾处理，内含文档说明，及主要代码。用c实现的，需要配置opencv
用户评论