暂无评论
基于照明面纱估计的单图像快速去雾算法
提出了一种基于暗通道图像质心偏移量的去雾算法。该算法对雾天图像暗通道进行了聚类分析, 按场景划分图像并分析和计算了每个场景暗通道图像的质心偏移量, 以用于场景的透射率修正。结合四叉树搜索算法, 提出了
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
提出了一种基于非下采样Contourlet变换(NSCT)的雾天图像清晰化算法,将雾天图像映射到HIS彩色空间,对亮度分量H、饱和度分量S分别处理。采用NSCT处理亮度分量H,对含有大多数能量的低频分
针对目前主流去雾算法结果尚未达到人眼视觉愉悦度且消耗计算资源大等不足,以人眼视觉特性规律为指导,运用亚当斯区域曝光理论与非下采样Contourlet多尺度分析工具,在HSV彩色空间中提出一种雾霾背景下
基于何恺明的暗通道先验(dark channel prior)去雾算法,文件包中有测试图片,可直接测试运行,有部分代码注释,直接运行test.m即可
针对传统去雾算法结果中颜色和对比度失真等问题,提出了一种基于多尺度融合和对抗训练的图像去雾算法。采用多尺度特征提取模块从多个不同尺度中提取雾霾相关特征,利用残差密集连接模块实现图像特征的交互,避免了梯
基于暗通道先验规律的去雾算法已取得了良好的去雾效果,但算法所需要的计算时间过长,无法达到实时去雾的要求。使用GPU初步并行实现了去雾算法,并确定了算法中需要优化的部分。在优化过程中,一方面将数据存储到
在绝大多数非天空的局部区域里,某一些像素总会有至少一个颜色通道具有很低的值。换言之,该区域光强度的最小值是个很小的数。暗通道可以由如下公式描述:Jdark(x)=miny∈Ω(x)(minc∈r,g,
整理的适用于图像去雾的雾霾图像,可用于暗通道、图像增强等图像去雾程序编写;源图像
暂无评论