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. Тестиро-вание 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
