《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 模拟设计 > 设计应用 > 基于直方图的自适应混合通道先验去雾算法研究
基于直方图的自适应混合通道先验去雾算法研究
电子技术应用
李旭，莫迪，邓山景，江先阳
武汉大学 物理科学与技术学院
摘要： 大气中的悬浮颗粒物会显著影响阳光的散射。在晴朗的天气里，这些粒子引起的散射相对较弱，所以拍摄出的图像质量较高；但是在雾霾天气下，粒子引起的散射变得严重，拍摄出的图像的质量则会明显下降。然而，清晰的图像对于交通、监控、医疗和军事等许多领域的工作的开展有着深刻意义。对于雾天条件下拍摄图像会出现退化的问题，提出了一种基于直方图的自适应混合通道先验（HAHCP）。对大气光值及透射率计算的优化减少了天空区域的halo效应及图像失真的出现。在O-Haze数据集上的实验结果表明，该算法在恢复效果和图像质量方面优于多种传统算法。
中圖分類號：TN911 文獻(xiàn)標(biāo)志碼：A DOI: 10.16157/j.issn.0258-7998.256538
中文引用格式： 李旭，莫迪，鄧山景，等. 基于直方圖的自適應(yīng)混合通道先驗去霧算法研究[J]. 電子技術(shù)應(yīng)用，2026，52(1)：73-77.
英文引用格式： Li Xu，Mo Di，Deng Shanjing，et al. Histogram-guided adaptive fusion of bright and dark channel priors for single image dehazing[J]. Application of Electronic Technique，2026，52(1)：73-77.
Histogram-guided adaptive fusion of bright and dark channel priors for single image dehazing
Li Xu，Mo Di，Deng Shanjing，Jiang Xianyang
School of Physics and Technology， Wuhan University
Abstract： Suspended atmospheric particles significantly impair light scattering, leading to a noticeable decline in image quality captured by high-quality sensors, especially under hazy conditions. This paper introduces the Histogram-based Adaptive Hybrid Channel Prior (HAHCP) method to address this issue. By integrating parameters from the bright channel prior, HAHCP mitigates limitations of the dark channel prior, such as its ineffectiveness in sky regions and bright areas, and the low contrast in restored images. Additionally, optimized transmission estimation minimizes halo artifacts at object edges. Experimental results on the O-Haze dataset demonstrate that the proposed method outperforms traditional algorithms in restoration performance and image quality.
Key words : image dehazing；bright channel prior；dark channel prior；histogram statistics；adaptive fusion

引言

大氣顆粒物，包括霧霾、灰塵、煙霧，常常降低戶外成像設(shè)備獲取圖像的質(zhì)量。然而，高質(zhì)量的圖像在交通、監(jiān)控、醫(yī)療和軍事等多個領(lǐng)域中是至關(guān)重要的信息源,圖像作為視覺信息傳遞的重要組成部分，其質(zhì)量的好壞直接影響到社會的運(yùn)行效率、科技的創(chuàng)新發(fā)展以及人類的日常生活。因此，去霧算法在這些應(yīng)用中具有重要意義。

主流的圖像去霧技術(shù)可以大致分為多圖像去霧和單圖像去霧。后者可以進(jìn)一步細(xì)分為：基于圖像增強(qiáng)的方法、基于圖像恢復(fù)的方法和基于深度學(xué)習(xí)的方法?；趫D像增強(qiáng)的方法，如小波變換[1]、CLAHE[2]、MSR[3]等，通過增強(qiáng)圖像高頻分量從而提升對比度來實現(xiàn)去霧。然而，由于這些方法沒有考慮霧霾圖像形成的物理機(jī)制，去霧效果相對較差。基于圖像恢復(fù)的方法，如DCP[4]、BCCR[5]、CAP[6]等，依賴于不同的先驗信息來計算模型中相關(guān)參數(shù)以實現(xiàn)去霧。這類方法雖然簡單，但依賴于先驗的正確選擇,當(dāng)先驗不適用于某些場景時，圖像恢復(fù)可能會產(chǎn)生失真?；谏疃葘W(xué)習(xí)的方法，如DehazeNe[7]、FFA-Net[8]、AOD-Net[9-10]等，通過從大量數(shù)據(jù)中學(xué)習(xí)計算相應(yīng)的參數(shù)。然而，由于這些方法依賴于合成的霧霾圖像，去霧效果往往不穩(wěn)定，而且計算復(fù)雜。

針對上述問題，本文提出了一種新的基于先驗的單圖像去霧方法，首先，對輸入圖像應(yīng)用直方圖統(tǒng)計來確定暗通道和亮通道參數(shù)的權(quán)重。隨后，計算兩個通道的大氣光值和透射率，并使用這些權(quán)重進(jìn)行參數(shù)的自適應(yīng)融合。最后，使用MSR算法對去霧后的結(jié)果進(jìn)行進(jìn)一步增強(qiáng)。


本文詳細(xì)內(nèi)容請下載：

http://www.ihrv.cn/resource/share/2000006916


作者信息：

李旭，莫迪，鄧山景，江先陽

（武漢大學(xué) 物理科學(xué)與技術(shù)學(xué)院，湖北 武漢 430072）


官方訂閱.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。