Um das Problem von Halos und Farbverfälschungen beim Entnebeln basierend auf der Dunkelkanal-Annahme zu lösen, wird ein bildbasiertes Entnebelungsalgorithmus vorgeschlagen, das auf der Segmentierung heller Regionen basiert. Zunächst wird das nebelige Bild mittels Helligkeitsschwelle und Gebietswachstum in helle und nicht helle Regionen segmentiert; dann werden die Formeln zur Berechnung der Transmission für helle und nicht helle Regionen mithilfe der Hellkanal-Annahme und Superpixel separat verbessert; anschließend werden diese beiden Transmissionen durch gewichtete Fusion zu einer groben Transmission zusammengeführt, die mittels geführter Filterung optimiert wird. Gleichzeitig wird das nebelige Bild durch eine Quad-Tree-Segmentierung verarbeitet, wobei der Durchschnittswert der Helligkeit der Pixel im endgültigen Segment als atmosphärischer Lichtwert verwendet wird, und das entnebelte Bild wird durch das atmosphärische Streumodell rekonstruiert. Die Experimentergebnisse zeigen, dass das verbesserte entnebelte Bild im Vergleich zum vorherigen eine Verbesserung des PSNR um 6,5 %, eine Erhöhung der Informationsentropie um 2,1 %, einen Anstieg des Anteils neu sichtbarer Kanten um 5,5 % und eine Steigerung des mittleren Gradienten um 5,3 % aufweist. Der verbesserte Algorithmus kann die Probleme der Entnebelung basierend auf der Dunkelkanal-Annahme lösen und liefert klare und kontrastreiche entnebelte Bilder.

Dunkelkanal-Annahme; Hellkanal-Annahme; Superpixel; atmosphärisches Streumodell