Polarization image defogging based on dark channel prior principle

WANG Chuning; ZHAO Kaichun

doi:10.37188/OPE.20233123.3474

您当前的位置：

首页 >

文章列表页 >

Polarization image defogging based on dark channel prior principle

Information Sciences | 更新时间：2023-12-13

- Polarization image defogging based on dark channel prior principle
- Optics and Precision Engineering Vol. 31, Issue 23, Pages: 3474-3481(2023)
- 作者机构：
  
  清华大学精密仪器系，北京 100084
- 作者简介：
- 基金信息：
- DOI：10.37188/OPE.20233123.3474
  CLC： TP394.1;TH691.9
- Received：12 April 2023，
  
  Revised：09 May 2023，
  
  Published：10 December 2023
- 稿件说明：
移动端阅览
王楚宁,赵开春.基于暗通道先验原理的偏振图像去雾[J].光学精密工程,2023,31(23):3474-3481.

WANG Chuning,ZHAO Kaichun.Polarization image defogging based on dark channel prior principle[J].Optics and Precision Engineering,2023,31(23):3474-3481.
王楚宁,赵开春.基于暗通道先验原理的偏振图像去雾[J].光学精密工程,2023,31(23):3474-3481. DOI： 10.37188/OPE.20233123.3474.

WANG Chuning,ZHAO Kaichun.Polarization image defogging based on dark channel prior principle[J].Optics and Precision Engineering,2023,31(23):3474-3481. DOI： 10.37188/OPE.20233123.3474.

摘要

雾霾天气下大气粒子对光的散射作用会导致成像质量下降，影响目标探测以及关键信息提取。针对目前偏振去雾算法存在的不足，提出一种基于偏振暗通道的去雾方法。通过4个不同角度的偏振光强解算偏振信息，从而得到任意角度的偏振光强，然后，结合暗通道先验原理定义偏振图像暗通道，从中获取无穷远处大气光强度信息，计算得到大气传输率，最后构建大气散射模型，得到去雾图像。实验结果表明：该方法处理后的去雾图像的灰度方差、平均梯度和图像熵几项评价指标均比原图像显著提高，灰度方差提升了25%，平均梯度提升了30%，图像熵提升了5%。该方法能够有效改善雾霾天气下的图像质量，提高图像清晰度，且图像的细节更为丰富。

Abstract

In hazy weather， the image quality is decreased owing to the scattering effect of atmospheric particles on light， which can affect target detection and key information extraction. In response to the shortcomings of current polarization defogging algorithms， this study proposes a defogging method based on polarization dark channel. First， polarization information is calculated through the polarized light intensity of four different angles， to obtain the polarized light intensity of any angle. Thereafter， based on the dark channel prior principle， the dark channel of the polarized image is defined. The atmospheric light intensity at infinity is obtained， and the atmospheric transmission rate is calculated. Finally， the atmospheric scattering model is constructed to obtain a defogging image. The experimental results demonstrate that the evaluation indicators of grayscale variance， average gradient， and image entropy of the defogged image processed by this method are significantly improved compared to those of the original image. The grayscale variance， average gradient， and image entropy are increased by 25%， 30%， and 5%， respectively. This method can effectively improve the quality and clarity of images in hazy weather and enrich image details.

关键词

Keywords

references

吕建威，钱锋，韩昊男，等 . 结合天空分割和雾气浓度估计的图像去雾［J］. 光学精密工程， 2022 ， 30 （ 4 ）： 464 - 477 . doi: 10.37188/OPE.20223004.0464 http://dx.doi.org/10.37188/OPE.20223004.0464

LÜ J W ， QIAN F ， HAN H N ， et al . Single image dehazing with sky segmentation and haze density estimation ［J］. Opt. Precision Eng. ， 2022 ， 30 （ 4 ）： 464 - 477 . （in Chinese） . doi: 10.37188/OPE.20223004.0464 http://dx.doi.org/10.37188/OPE.20223004.0464

张晶晶，陈自红，张德祥，等 . 基于暗原色先验原理的偏振图像浓雾去除算法［J］. 计算机应用， 2015 ， 35 （ 12 ）： 3576 - 3580 . doi: 10.11772/j.issn.1001-9081.2015.12.3576 http://dx.doi.org/10.11772/j.issn.1001-9081.2015.12.3576

ZHANG J J ， CHEN Z H ， ZHANG D X ， et al . Polarized image dehazing algorithm based on dark channel prior ［J］. Journal of Computer Applications ， 2015 ， 35 （ 12 ）： 3576 - 3580 . （in Chinese） . doi: 10.11772/j.issn.1001-9081.2015.12.3576 http://dx.doi.org/10.11772/j.issn.1001-9081.2015.12.3576

MCCARTNEY E J ， Jr HALL F F . Optics of the atmosphere： scattering by molecules and particles ［J］. Physics Today ， 1977 ， 30 （ 5 ）： 76 - 77 . doi: 10.1063/1.3037551 http://dx.doi.org/10.1063/1.3037551

SCHECHNER Y Y ， NARASIMHAN S G ， NAYAR S K . Instant dehazing of images using polarization ［C］. Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. CVPR 2001. Kauai ， HI， USA. IEEE Comput. Soc ， 2001 . DOI： 10.1109/CVPR.2001.990493 http://dx.doi.org/10.1109/CVPR.2001.990493 .

SCHECHNER Y Y ， NARASIMHAN S G ， NAYAR S K . Polarization-based vision through haze ［J］. Applied Optics ， 2003 ， 42 （ 3 ）： 511 . doi: 10.1364/ao.42.000511 http://dx.doi.org/10.1364/ao.42.000511

HE K M ， SUN J ， TANG X O . Single image haze removal using dark channel prior ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2011 ， 33 （ 12 ）： 2341 - 2353 . doi: 10.1109/tpami.2010.168 http://dx.doi.org/10.1109/tpami.2010.168

周浦城，薛模根，张洪坤，等 . 利用偏振滤波的自动图像去雾［J］. 中国图象图形学报， 2011 ， 16 （ 7 ）： 1178 - 1183 . doi: 10.11834/jig.20110717 http://dx.doi.org/10.11834/jig.20110717

ZHOU P CH ， XUE M G ， ZHANG H K ， et al . Automatic image dehaze using polarization filtering ［J］. Journal of Image and Graphics ， 2011 ， 16 （ 7 ）： 1178 - 1183 . （in Chinese） . doi: 10.11834/jig.20110717 http://dx.doi.org/10.11834/jig.20110717

ZHANG L ， YIN Z J ， ZHAO K C ， et al . Lane detection in dense fog using a polarimetric dehazing method ［J］. Applied Optics ， 2020 ， 59 （ 19 ）： 5702 - 5707 . doi: 10.1364/ao.391840 http://dx.doi.org/10.1364/ao.391840

姜雨彤，杨忠琳，朱梦琪，等 . 适应性双通道先验的图像去雾方法［J］. 光学精密工程， 2022 ， 30 （ 10 ）： 1246 - 1262 . doi: 10.37188/ope.20223010.1246 http://dx.doi.org/10.37188/ope.20223010.1246

JIANG Y T ， YANG ZH L ， ZHU M Q ， et al . Image dehazing method based on adaptive bi-channel priors ［J］. Opt. Precision Eng. ， 2022 ， 30 （ 10 ）： 1246 - 1262 . （in Chinese） . doi: 10.37188/ope.20223010.1246 http://dx.doi.org/10.37188/ope.20223010.1246

傅妍芳，尹诗白，邓箴，等 . 多级特征逐步细化及边缘增强的图像去雾［J］. 光学精密工程， 2022 ， 30 （ 9 ）： 1091 - 1100 . doi: 10.37188/OPE.20223009.1091 http://dx.doi.org/10.37188/OPE.20223009.1091

FU Y F ， YIN SH B ， DENG ZH ， et al . Multi-level features progressive refinement and edge enhancement network for image dehazing ［J］. Opt. Precision Eng. ， 2022 ， 30 （ 9 ）： 1091 - 1100 . （in Chinese） . doi: 10.37188/OPE.20223009.1091 http://dx.doi.org/10.37188/OPE.20223009.1091

游江，刘鹏祖，容晓龙，等 . 基于暗通道先验原理的偏振图像去雾增强算法研究［J］. 激光与红外， 2020 ， 50 （ 4 ）： 493 - 500 . doi: 10.3969/j.issn.1001-5078.2020.04.019 http://dx.doi.org/10.3969/j.issn.1001-5078.2020.04.019

YOU J ， LIU P Z ， RONG X L ， et al . Dehazing and enhancement research of polarized image based on dark channel priori principle ［J］. Laser & Infrared ， 2020 ， 50 （ 4 ）： 493 - 500 . （in Chinese） . doi: 10.3969/j.issn.1001-5078.2020.04.019 http://dx.doi.org/10.3969/j.issn.1001-5078.2020.04.019

汪杰君，杨杰，张文涛，等 . 雾天偏振成像影响分析及复原方法研究［J］. 激光技术， 2016 ， 40 （ 4 ）： 521 - 525 . doi: 10.7510/jgjs.issn.1001-3806.2016.04.014 http://dx.doi.org/10.7510/jgjs.issn.1001-3806.2016.04.014

WANG J J ， YANG J ， ZHANG W T ， et al . Analysis and restoration research of fog polarization imaging ［J］. Laser Technology ， 2016 ， 40 （ 4 ）： 521 - 525 . （in Chinese） . doi: 10.7510/jgjs.issn.1001-3806.2016.04.014 http://dx.doi.org/10.7510/jgjs.issn.1001-3806.2016.04.014

CANTOR A . Optics of the atmosphere： scattering by molecules and particles ［J］. IEEE Journal of Quantum Electronics ， 1978 ， 14 （ 9 ）： 698 - 699 . doi: 10.1109/jqe.1978.1069864 http://dx.doi.org/10.1109/jqe.1978.1069864

HE K M ， SUN J ， TANG X O . Guided image filtering ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2013 ， 35 （ 6 ）： 1397 - 1409 . doi: 10.1109/tpami.2012.213 http://dx.doi.org/10.1109/tpami.2012.213

Views

887

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Application of hybrid residual learning and guided filtering algorithm in image defogging

Salient subtle region accurate detection via cellular automata multi-scale optimization

Related Author

Qing-jiang CHEN

Xue ZHANG

Tao XU

Song-min JIA

Guo-liang ZHANG

Related Institution

College of Science, Xi′an University of Architecture and Technology, Xi′an

Faculty of Information Technology, Beijing University of Technology

School of Mechanical and Electrical Engineering, Henan Institute of Science and Technology

AI问答

Address：No.3888 Dong Nanhu Road, Changchun, Jilin, China Postal code：130033
Tel：0431-86176855 Email：gxjmgc@ciomp.ac.cn
Technical support is provided by Beijing Founder electronics co., LTD 吉ICP备11002662号-17 京公网安备11010802024621
It is recommended to read the content of this site in Chrome&IE9+. Please switch to extreme mode in browser 360.
Cookies We use cookies to help provide and enhance our service and tailor content. By continuing, you agree to the use of cookies.

⁰