基于域变换与加权四叉树细分快速单幅图像去雾算法.pdfVIP

基于域变换的边缘保持滤波和加权四叉树细分的快速单幅图像去雾

，，季跃峰

信息光子学与光通信国家重点，邮电大学信息与通信，，1

00876，

Tan[8]通过最大化输入图像的局部对比度来提高图像可

见性，基于无雾图像的对比度比有雾图像更高的观察结

在本文中，我们提出了一种基于域变换的边缘保持滤波

果。然而，这种方法往往过度补偿对比度，导致颜色失

和加权四叉树细分的快速单幅图像去雾算法。所

真。Tarel[9]提出了一种快速估计大气光幕的方法，并

算法首先基于加权四叉树细分在图像的最小分量中

使用中值滤波器进行优化。尽管如此，它在场景深度不

估计大气光。由于暗通道先验在场景对象与大气光强度

连续处可能会产生一些光环伪影。He等人[10]提出了暗

相似时无效，我们随后修改透射图以提高算法的适应性。

通道先验（DCP）来估计传输。然后，他们应用软抠图

考虑到在图像中广泛分布，透射图应在场景中

方案来细化粗略的传输，以获得高质量的无雾图像。然

平滑变化。所算法利用基于域变换的边缘保持滤

而，当场景对象的强度与大气光相似时，该方失败，

波来平滑细节并保留边缘和角点，旨在获得精细的透射

无雾图像在深度突变处会出现光环伪影。此外，软抠图

图。实验结果表明，所算法在产生与最先进方法

耗时较长。Liu等人[11]提出了一种基于数字总变差滤波

相当甚至更好的结果的同时，具有更高的计算效率。

器和颜色传递的方法，由于采用了MSRCR，导致处理时

间更长。Gibson等人[12]提出了一种使用局部自适应维纳

滤波器（WDCP）的快速去雾方法。然而，恢复的图像

中仍然存在光环伪影。

索引术语——去雾、域变换、加权四叉树细分、边缘保持

滤波器

在本文中，我们提出了一种快速的单幅图像去雾方

1.引言法。首先，我们采用加权四叉树细分策略来计算雾图的

所有户外计算机视觉系统，包括自动、智能车辆和最小分量以估计大气光。其次，我们修改透射图以避免

户外物体识别，都需要高质量的图像或。然而，在该方法在天空区域失效。此外，基于域变换（DT）的

恶劣天气条件下拍摄的图像通常会因为大气中大量悬浮边缘保持滤波器被用于获得精细的透射图。本文其余部

颗粒的散射而出现对比度降低和颜色失真。因此，有效分组织如下：第2节简要描述单幅图像去雾的背景；第

的图像去雾方法对于计算机视觉系统至关重要。3节详细介绍了我们的算法；第4节给出了与其他方法的