(3.232.129.123) 您好!臺灣時間:2021/03/06 00:03
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:陳美庭
研究生(外文):Mei-Ting Chen
論文名稱:基於局部與全域懸浮散射光估計實現單張圖片去霧化
論文名稱(外文):Single Image Dehazing Based on Local and Global Airlight Estimation
指導教授:李明穗
指導教授(外文):Ming-Sui Lee
學位類別:碩士
校院名稱:國立臺灣大學
系所名稱:資訊工程學研究所
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2010
畢業學年度:98
語文別:英文
論文頁數:68
中文關鍵詞:單張圖片去霧化暗原色先驗統計懸浮散射光估計影像回復再次去霧
外文關鍵詞:Single Image DehazingDark Channel PriorAirlight EstimationRedehazingImage Restoration
相關次數:
  • 被引用被引用:0
  • 點閱點閱:345
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:1
在戶外拍攝的照片時常因為天氣的影響而造成照片品質的降低。在空氣中有大量懸浮微粒的情況下,行進中的光線受到這些懸浮微粒的影響而產生散射的現象。這種光線散射的現象是導致圖片對比度降低,並且看起來霧濛濛的主因。為了解決這個問題,在本篇論文中提出了利用估計局部與全域懸浮散射光(airlight)來實現單張圖片去霧化的方法。在提出的方法中使用了以物理為基礎建立的圖片降階模型,此降階模型為直接衰減(direct attenuation)及懸浮散射光的線性組合。
在提出的方法中,三個色彩通道中的最小值,稱為白圖(white map),被視為評估霧的濃度的參考。首先利用白圖估計局部的懸浮散射光,並且使用適性暗原色先驗統計(adaptive dark channel prior) 來取得全域的懸浮散射光, 而圖片沒受霧化影響的程度就可藉由前兩項直接推算。在上列步驟後,就可達到霧化圖片的復原。
而為了進一步改善在圖片中受濃霧影響較嚴重的較遠的場景,在提出的方法中利用影像二值化及影像分割建立了再次去霧(redehazing)的程序。實驗的結果顯示,提出的方法能有效的去除圖片中霧化所造成的影響並改善圖片的細節。並且透過與其他目前先進的單張圖片去霧化的方法比較,來探討提出的方法的執行成果。


口試委員會審定書 #
誌謝 i
中文摘要 ii
ABSTRACT iii
CONTENTS iv
LIST OF FIGURES vi
Chapter 1 Introduction 1
1.1 Introduction of Dehazing 1
1.2 Thesis Organization 6
Chapter 2 Related Work 7
2.1 Single Image Dehazing Methods 8
2.1.1 Dark Channel Prior 9
2.1.2 Atmospheric Veil Inference 10
2.2 Mean Shift Segmentation 11
Chapter 3 Single Image Dehazing using Local and Global Airlight Estimation 14
3.1 System Overview 14
3.2 Global Airlight Estimation using adaptive dark channel 17
3.3 Atmospheric Veil Inference for Local Airlight Estimation 22
3.4 Refinement of Local Airlight using Soft Matting 24
3.5 Recovery of the Scene Radiance 30
3.6 Redehazing using Binary Thresholding and Mean Shift Segmentation 31
Chapter 4 Experimental Results 38
4.1 Resultant images 38
4.2 Comparison with other haze removal methods 52
Chapter 5 Conclusion and Future Work 63
5.1 Conclusion 63
5.2 Future work 64
REFERENCE 67


1.Cantor, A., "Optics of the atmosphere--Scattering by molecules and particles," IEEE Journal of Quantum Electronics, 14(9): p. 698-699, 1978
2.Comaniciu, D. and Meer, P., "Mean shift: a robust approach toward feature space analysis," IEEE Conference on Pattern Analysis and Machine Intelligence, 24(5): p. 603-619, 2002
3.Fattal, R., "Single image dehazing," ACM SIGGRAPH 2008 papers, Los Angeles, California, 2008.
4.Kaiming, H., Jian, S., and Xiaoou, T., "Single image haze removal using dark channel prior," IEEE Conference on Computer Vision and Pattern Recognition, 2009
5.Kopf, J., Neubert, B., Chen, B., Cohen, M., Cohen-Or, D., Deussen, O., Uyttendaele, M., and Lischinski, D., "Deep photo: model-based photograph enhancement and viewing," ACM SIGGRAPH Asia 2008 papers, Singapore, 2008.
6.Koschmieder, H., "Theorie der horizontalen sichtweite," Beitr. Phys. freien Atm., 12: p. 33-53,171-181, 1924
7.Levin, A., Lischinski, D., and Weiss, Y., "A Closed Form Solution to Natural Image Matting," IEEE Conference on Computer Vision and Pattern Recognition, 2006
8.Narasimhan, S.G. and Nayar, S.K., "Chromatic framework for vision in bad weather," IEEE Conference on Computer Vision and Pattern Recognition, 2000
9.Narasimhan, S.G. and Nayar, S.K., "Contrast restoration of weather degraded images," IEEE Transactions on Pattern Analysis and Machine Intelligence, 25(6): p. 713-724, 2003
10.Nayar, S.K. and Narasimhan, S.G., "Vision in bad weather," IEEE International Conference on Computer Vision, 1999
11.Porter, T. and Duff, T., "Compositing digital images," International Conference on Computer Graphics and Interactive Techniques, 1984.
12.Schechner, Y.Y., Narasimhan, S.G., and Nayar, S.K., "Instant dehazing of images using polarization," IEEE Conference on Computer Vision and Pattern Recognition. p. I-325-I-332 vol.1, 2001.
13.Shwartz, S., Namer, E., and Schechner, Y.Y., "Blind Haze Separation," IEEE Conference on Computer Vision and Pattern Recognition, 2006
14.Tan, R.T., "Visibility in bad weather from a single image," IEEE Conference on Computer Vision and Pattern Recognition, 2008
15.Tarel, J.-P. and Hauti`ere, N., "Fast visibility restoration from a single color or gray level image," IEEE International Conference on Computer Vision, 2009
16.Yuhui, Z., Bin, F., and Huiqing, Z., "Image De-Weathering for Road Based on Physical Model," International Conference on Information Engineering and Computer Science, 2009



QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
1. 杜玉振、魏郁珣,2009。「多空交易部位之最適風險值模型研究—以股票、商品及外匯市場為例」,創新與管理。7卷,1期,1-28。
2. 王甡,1995。「報酬衝擊條件波動所造成之不對稱效果:台灣股票市場之實證分析」,證券市場發展季刊。7卷,1期,125-160。
3. 陳建文、陳美文(2006)。圖書館服務品質對使用者滿意度與再使用意願之研究-以某大學為例。教育資料與圖書館學,44(4)61- 82。
4. 李存修、陳若鈺,2000。「台灣股匯市風險值(VaR)模型之估計、比較與測試」,金融財務季刊。5期,51-75。
5. 林公孚 (2001)。做好顧客滿意度的方法。品質月刊,37,86-88。
6. 李命志、李彥賢、張智超,2005。「原油價格風險值的估計—拔靴法的應用」,金融風險管理季刊。1卷,2期,57-74。
7. 呂鴻德、謝憶文(2000),顧客滿意、品牌權益與顧客終身價值關係之研究,中原學報,28.2,31-41。
8. 李命志、洪瑞成、劉洪鈞,2007。「厚尾GARCH模型之波動性預測能力比較」,輔仁管理評論。14卷,2期,47-72。
9. 吳武忠(1999)。餐旅服務品質之管利與控制,高雄餐旅學報,2,21,高雄餐旅學院。
10. 林志娟、張慶暉、羅惠瓊、吳旻珊,2008。「資產風險值估計方法之探討與比較」,永豐金融季刊。42期,131-164。
11. 林建甫、張焯然,1996。「ARCH族模型估計與檢定的問題」,經濟論文叢刊。24卷,3期,339-355。
12. 林楚雄、劉維琪、吳欽杉,1999。「台灣股票店頭市場股價報酬波動行為的研究」,企業管理學報。44卷,165-192。
13. 徐清俊、林柏宇,2004。「金融控股公司股價報酬風險與績效評估—以GARCH模型修正歷史模擬法之應用」,管理與資訊學報。9期,13-30。
14. 張揖平、洪明欽、陳哲弘,2003。「資產報酬率分配對風險值計算之影響」,輔仁管理評論。10卷,3期,181-206。
15. 劉美纓,2006。「銀行投資組合風險值模型之測試與應用—個案分析」,金融風險管理季刊。2卷,1期,1-27。
 
系統版面圖檔 系統版面圖檔