Méthode d'amélioration des images dégradées par la poussière basée sur l'espace colorimétrique Lab

NIU Hongxia ,  

ZHANG Hongzhu ,  

摘要

Face au problème de la dégradation significative de la qualité des images numériques causée par les conditions météorologiques poussiéreuses, une méthode d'amélioration des images dégradées par la poussière basée sur l'espace colorimétrique Lab est proposée. L'amélioration des images poussiéreuses est décomposée en deux étapes : la correction de la déviation chromatique et l'amélioration des détails. La correction de la déviation chromatique comprend la suppression des dominantes de couleur et l'étirement de la luminosité. Tout d'abord, les caractéristiques du déplacement de l'histogramme des images poussiéreuses dans les espaces colorimétriques Lab et YUV ont été analysées, puis un algorithme de correction de la déviation chromatique dans l'espace Lab a été proposé pour corriger ce déplacement, suivi d'un étirement de la luminosité sur l'image préalablement corrigée pour améliorer le contraste. Dans la partie amélioration des détails, une méthode de débrumisation basée sur l'estimation de la saturation du taux de transmission est introduite pour renforcer davantage les détails de l'image. Les résultats expérimentaux montrent que par rapport aux algorithmes comparés, la méthode proposée peut éliminer la déviation chromatique causée par différents niveaux de poussière et présente la meilleure performance temporelle face aux images de taille petite à moyenne. En termes d'indicateurs quantitatifs, les normes d'évaluation de la qualité d'image sans référence basée sur la perception et l'évaluation de qualité d'image sans référence basée sur l'entropie ont respectivement augmenté de 3,2 % et 10,7 %. La méthode proposée peut efficacement éliminer la déviation chromatique et restaurer des images claires.

关键词

amélioration d'image;images poussiéreuses;espace colorimétrique Lab;correction de la déviation chromatique;débrumisation d'image

阅读全文

以上内容由讯飞翻译自动生成,翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果,本网站不承担任何商业和法律责任。

The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website