Методы коррекции изображений, полученных в условиях пониженной видимости
DOI: 10.21293/1818-0442-2025-28-3-81-88
☷
- О ТУСУРе
- Абитуриентам
-
Студентам
- Первокурсникам
- Расписание занятий
- Система дистанционного обучения
- Научно-образовательный портал
- Библиотека
- Групповое проектное обучение
- Журнал посещаемости
- Журнал успеваемости
- Клубы по интересам
- Спорт в ТУСУРе
- Профком студентов
- Содействие трудоустройству
- Облачное хранилище ТУСУРа
- Поддержка студенческих семей
- Поддержка участников СВО и их детей
- Многофункциональный центр
- Аспирантам
-
Сотрудникам
- Телефонный справочник
- Расписание занятий
- Система дистанционного обучения
- Научно-образовательный портал
- Библиотека
- Журнал посещаемости
- Журнал успеваемости
- Генератор рабочих программ
- Генератор ОПОП
- Генератор ИПРП
- Показатели эффективности труда ППС
- Спорт в ТУСУРе
- Профком сотрудников
- Облачное хранилище ТУСУРа
- Выпускникам
- Партнёрам
Аннотация: Проблема восстановления изображений в условиях пониженной видимости остаётся актуальной, и для её решения разработано множество методов, однако универсального решения, одинаково эффективного для всех условий съёмки, не существует. Выполнен сравнительный анализ алгоритмов CLAHE, Retinex, физической модели тёмно-го канала (DCP) и нейросетевого подхода DehazeNet. Качество восстановленных изображений оценивалось по метрике BRISQUE, позволяющей объективно сравнивать результаты при отсутствии эталонных данных. Тестирование на реальных изображениях показало, что метод тёмного канала стабильно обеспечивает лучшие значения метрики среди рассматриваемых подходов, подтверждая свою универсальность и надёжность для практических приложений компьютерного зрения в условиях тумана и дымки.
Ключевые слова: туман, компьютерное зрение, коррекция изображений, глубокое обучение
Сведения о финансировании: Исследования выполнены в рамках государственного задания ИОА СО РАН.
Библиография статьи:
Елизаров А. И. Методы коррекции изображений, полученных в условиях пониженной видимости / А. И. Елизаров, А. В. Шалеев // Доклады Томского государственного университета систем управления и радиоэлектроники. – 2025. – Т. 28, № 3. – С. 81–88. DOI: 10.21293/1818-0442-2025-28-3-81-88
Авторы и правообладатели:
- Елизаров А. И. , Институт оптики атмосферы им. В.Е. Зуева СО РАН (Томск, Россия)
- Шалеев А. В. , Национальный исследовательский Томский государственный университет (Томск, Россия), Институт оптики атмосферы им. В.Е. Зуева СО РАН (Томск, Россия)
- 1. Liu Y. Single Image Dehazing via Large Sky Region Segmentation and Multiscale Opening Dark Channel Model / Y. Liu, H. Li, M. Wang // IEEE Access. – 2017. – Vol. 5. – P. 8890–8903.
- 2. A fast single-image dehazing method based on a physical model and gray projection / W. Wang, F. Chang, T. Ji, X. Wu // IEEE Access. – 2018. – Vol. 6. – P. 5641–5653.
- 3. A unified variational model for single image dehazing / Y. Liu, J. Shang, L. Pan, A. Wang, M. Wang // IEEE Access. – 2019. – Vol. 7. – P. 15722–15736.
- 4. Generation of Synthetic Non-Homogeneous Fog by Discretized Radiative Transfer Equation / M. Beregi-Kovacs, B. Harangi, A. Hajdu, G. Gat // Journal of Imaging. – 2025. – Vol. 11, No. 6. – P. 1–22.
- 5. Кирпиченко Ю.Р. Видеоинформационные системы
- наблюдения и контроля при сложных условиях видимости /
- Ю.Р. Кирпиченко, М.И. Курячий, И.Н. Пустынский // Доклады ТУСУР. – 2012. – № 2 (26), ч. 1. – С. 105–110.
- 6. Fog removal in images using improved dark channel prior and contrast limited adaptive histogram equalization / R. Kapoor, R. Gupta, L.H. Son, R. Kumar, S. Jha // Multimedia Tools and Applications. – 2019. – Vol. 78, No. 16. – P. 23281–23307.
- 7. Gao Z. Image dehazing based on multi-scale Retinex and guided filtering / Z. Gao, Y. Zhai // Proceedings of the 2022 International Conference on Image Processing, Computer Vision and Machine Learning (ICICML). – New York: IEEE, 2022. – P. 123–126.
- 8. Wang J.B. A new single image dehazing method with MSRCR algorithm / J.B. Wang, N. He, K. Lu // Proceedings of the 7th International Conference on Internet Multimedia Computing and Service. – New York: ACM, 2015. – P. 1–4.
- 9. Investigations into Picture Defogging Techniques Based on Dark Channel Prior and Retinex Theory / L. Yang, Z. Zeng, H. Ge, Y. Li, S. Ge, K. Hu // Applied Sciences. – 2025. – Vol. 15, No. 15. – P. 1–21.
- 10. DehazeNet: an end-to-end system for single image haze removal / B. Cai, X. Xu, K. Jia, C. Qing, D. Tao // IEEE Transactions on Image Processing. – 2016. – Vol. 25, No. 11. – P. 5187–5198.
- 11. AOD-Net: all-in-one dehazing network / B. Li, X. Peng, Z. Wang, J. Xu, D. Feng // Proceedings of the IEEE International Conference on Computer Vision (ICCV). – New York: IEEE, 2017. – P. 4770–4778.
- 12. FFA-Net: feature fusion attention network for single image dehazing / X. Qin, Z. Wang, Y. Bai, X. Xie, H. Jia // Proceedings of the AAAI Conference on Artificial Intelligence. – New York: AAAI Press, 2020. – Vol. 34, No. 7. – P. 11908–11915.
- 13. GridDehazeNet: attention-based multi-scale network for image dehazing [Электронный ресурс]. – Режим доступа: https://arxiv.org/abs/1908.03245, свободный (дата обращения: 06.10.2025).
- 14. Zhang H. Densely connected pyramid dehazing network / H. Zhang, V.M. Patel // Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR). – New York: IEEE, 2018. – P. 3194–3203.
- 15. Engin D. Cycle-dehaze: enhanced CycleGAN for single image dehazing / D. Engin, A. Genç, H.K. Ekenel // Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition Workshops (CVPRW). – New York: IEEE, 2018. – P. 825–833.
- 16. Xu Z. Fog removal from video sequences using contrast limited adaptive histogram equalization / Z. Xu, X. Liu, X. Chen // Proceedings of the 2009 International Conference on Computational Intelligence and Software Engineering. – New York: IEEE, 2009. – P. 1–4.
- 17. Land E.H. The retinex // Ciba Foundation Symposium: Colour Vision. Physiology and Experimental Psychology. – Chichester: John Wiley & Sons, 1965. – P. 217–227.
- 18. Jobson D. A multiscale retinex for bridging the gap between color images and the human observation of scenes / D. Jobson, Z. Rahman, G. Woodell // IEEE Transactions on Image Processing. – 1997. – Vol. 6, No. 7. – P. 965–976.
- 19. He K. Single image haze removal using dark channel prior / K. He, J. Sun, X. Tang // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2010. – Vol. 33, No. 12. – P. 2341–2353.
- 20. Huang S.C. Visibility restoration of single hazy images captured in real-world weather conditions / S.C. Huang, B.H. Chen, W.J. Wang // IEEE Transactions on Circuits and Systems for Video Technology. – 2014. – Vol. 24, No. 10. – P. 1814–1824.
- 21. Horvath H. On the applicability of the Koschmieder visibility formula // Atmospheric Environment. – 1971. – Vol. 5, No. 3. – P. 177–184.
- 22. Benchmarking single-image dehazing and beyond / B. Li, W. Ren, D. Fu, D. Tao, D. Feng, W. Zeng, Z. Wang // IEEE Transactions on Image Processing. – 2018. – Vol. 28, No. 1. – P. 492–505.
- 23. Старовойтов В.В. Локальные геометрические методы цифровой обработки и анализа изображений. – Минск: Ин-т техн. кибернетики НАН Беларуси, 1997. – 284 с.
- 24. Image quality assessment: From error visibility to structural similarity / Z. Wang, A.C. Bovik, H.R. Sheikh, P.E. Simoncelli // IEEE Transactions on Image Processing. – 2004. – Vol. 13, No. 4. – P. 600–612.
- 25. No-reference image and video quality assessment: a classification and review of recent approaches [Электронный ресурс]. – Режим доступа: https://jivpeurasipjournals.springeropen.com/articles/10.1186/1687-5281-2014-40, свободный (дата обращения: 10.09.2025).
- 26. Pedersen M. Full-Reference Image Quality Metrics: Classification and Evaluation / M. Pedersen, J.Y. Hardeberg // Foundations and Trends in Computer Graphics and Vision. – 2012. – Vol. 7, No. 1. – P. 1–82.
- 27. Сравнение объективных методов оценки качества цифровых изображений / А.В. Кокошкин, В.А. Коротков, К.В. Коротков, Е.П. Новичихин // Журнал радиоэлектроники. – 2015. – № 6. – С. 1–16.
- 28. Галилейский В.П. Меры оценки качества изображения / В.П. Галилейский, А.И. Елизаров, Д.В. Кокарев, А.М. Морозов // Оптика атмосферы и океана. Физика атмосферы: матер. XXV Междунар. симпозиума. – Томск: ИОА СО РАН, 2019. – С. 163–168.
- 29. Mittal A. Making a «Completely Blind» Image Quality Analyzer / A. Mittal, R. Soundararajan, A.C. Bovik // IEEE Signal Processing Letters. – 2013. – Vol. 20, No. 3. – P. 209–212.
- 30. Mittal A. No-reference image quality assessment in the spatial domain / A. Mittal, A.K. Moorthy, A.C. Bovik // IEEE Transactions on Image Processing. – 2012. – Vol. 21, No. 12. – P. 4695–4708.
-2026-1_%D0%BA%D0%BE%D0%BF%D0%B8%D1%8F.jpg)
Адрес редакции
Подписка на обновления
