Компенсация искажений изображения, вызванных гидрометеорами, на основе статистических свойств яркости изображения

Аннотация

Качество изображений объектов на открытой местности зависит от состояния атмосферы (наличия атмосферных образований, в основном гидрометеоров). В данной работе рассматривается увеличение контраста путем преобразования динамического диапазона яркостей изображения на основе оценки коэффициента поглощения атмосферы. Предлагается изменение нормировки яркости согласно представленному алгоритму. С целью ускорения обработки изображений используется билинейная интерполяция.

• гидрометеоры
• hydrometeors
• цифровые изображения
• динамический диапазон
• усиление контраста
• улучшение различимости объектов

Abstract (in English)

The quality of images of objects in the open area depends on the state of the atmosphere (the presence of atmospheric formations, mainly hydrometeors). The purpose of this work is to increase the degree of discernibility of objects in the image, distorted by the presence of hydrometeors. The goal is achieved by a method based on the Dark Channel Prior method. An important difference of the method used is the refusal of the independence of the brightness of the atmosphere from the position of the pixel. In addition, the estimation of the atmospheric absorption coefficient is made on the basis of the statistical brightness properties in the sprite with the center in the considered pixel. In this paper, we consider the increase in contrast by converting the dynamic range of image brightness based on an estimate of the atmospheric absorption coefficient. To avoid the rapid growth of artifacts caused by the discreteness of pixel brightness, a restriction on increasing the brightness range is introduced. It is proposed to change the brightness normalization according to the presented algorithm, which leads to a sharp increase in the degree of distinguishability of objects in the image distorted by the action of hydrometeors. In order to speed up image processing, bilinear interpolation is used.

Для цитирования

Литература

1. Михайлюк Ю.П., Начаров Д.В. Метод улучшения различимости объектов на цифровых изображениях, полученных в условиях недостаточной видимости. // Журнал радиоэлектроники [электронный журнал]. 2015. N 6. URL: http://jre.cplire.ru/jre/jun15/4/text.html.
2. Manpreet K. S., Satbir S. A Review on Various Haze Removal Techniques for Image Processing. // International Journal of Current Engineering and Technology, Vol.5, No.3 (June 2015). pp.1500-1505.
3. V.Vembuselvi, T.Murugan. An Efficient Technique for Illumination Adjustment Using CLAHE Algorithm. // International Journal of Innovative Research in Computer and Communication Engineering, Vol. 4, Issue 3, March 2016. pp. 4001-4006.
4. Kanika Kapoor, Shaveta Arora. Colour image enhancement based on histogram equalization. // Electrical & Computer Engineering: An International Journal (ECIJ) Vo. 4, No.3, September 2015. pp. 73-82.
5. Halmaoui H., Cord A., Hautière N. Contrast restoration of road images taken in foggy weather // 2011 IEEE International Conference on Computer Vision Workshops. 2011. pp. 2057-2063.
6. Tripathi A.K., Mukhopadhyay S. Removal of fog from images: A review. // IETE Technical Review. 2012. Vol.29, No. 2. pp.148-156.
7. Kaiming He, Jian Sun, Xiaoou Tang, Single Image Haze Removal Using Dark Channel Prior. // IEEE Transaction on pattern analysis and machine intelligence, Vol.33, No.12, December 2011, pp. 2341-2353.
8. Kaiming He, Jian Sun, Xiaoou Tang, Final Project: Dark Channel Prior Haze Removal, URL: http://students.cec.wustl.edu/~jwaldron/559/project_final, 05.08.2012.
9. Кокошкин А. В., Коротков В. А., Коротков К. В., Новичихин Е. П. Метод улучшения различимости объектов при наличии гидрометеоров. // Журнал Радиоэлектроники [электронный журнал], 2015. N 10. URL: http://jre.cplire.ru/jre/jun15/10/text.html.