view in publisher's site

Image dehazing based on a transmission fusion strategy by automatic image matting

Highlights•Propose a classification method with image matting to softly segment normal and bright regions.•Present DCP and AVC to estimate transmission for normal and bright regions.•Adopt soft segmentation results to fuse transmission maps by DCP and AVC.AbstractMost dehazing methods fail to estimate satisfactory transmission simultaneously in both normal and bright regions. To estimate more accurate transmission for these two kinds of regions, we propose a transmission fusion strategy based on automatic image matting for image dehazing. We first extract the mean and variance of a local patch around each pixel, and propose a binary classification method with the mean and variance of each patch to coarsely segment an input image into a binary map of normal and bright regions. Then we smooth and quantize the binary map to automatically generate a trimap of ternary values. Thus we can avoid the difficulty in manually labeling trimaps. Both the image and the trimap are input into a Bayesian matting method for soft segmentation of normal and bright regions to produce an alpha map. The dark channel prior (DCP) is adopted to extract a transmission map for normal regions, while an improved atmospheric veil correction (AVC) method is proposed to generate another transmission map for bright regions. Finally, we propose to use the alpha map to fuzzily fuse the two transmission maps for final image dehazing. Experimental results show that our method significantly outperforms existing methods.

تصویر dehazing مبتنی بر یک استراتژی ترکیب انتقال با یک matting تصویر خودکار

کاره‌ای مهم یک روش طبقه‌بندی را با پادری برای بخش نرم و مناطق روشن پیشنهاد کنید. * و AVC را برای تخمین ارسال برای مناطق معمولی و روشن ارایه کنید. ۱ - استفاده از روش‌های قطعه‌بندی نرم برای ترکیب نقشه‌های انتقال با استفاده از روش‌های DCP و AVC.Abst ractMost dehazing برای تخمین همزمان انتقال رضایت‌بخشی در هر دو منطقه عادی و روشن شکست خورد. برای تخمین دقیق‌تر انتقال این دو نوع از مناطق، یک استراتژی ترکیب انتقال مبتنی بر matting تصویر اتوماتیک برای dehazing تصویر پیشنهاد می‌کنیم. ما ابتدا میانگین و واریانس یک قطعه محلی را در هر پیکسل استخراج می‌کنیم و یک روش طبقه‌بندی دوتایی با میانگین و واریانس هر قطعه را برای بخش‌بندی یک تصویر ورودی به یک نقشه دودویی از مناطق معمولی و روشن پیشنهاد می‌کنیم. سپس ما نقشه دودویی را صاف می‌کنیم و به طور خودکار مقادیر مبنای سه تایی را تولید می‌کنیم. بنابراین ما می‌توانیم از مشکل در برچسب زدن دستی trimaps اجتناب کنیم. هر دو تصویر و the در یک روش matting Bayesian برای تقسیم‌بندی نرم مناطق نرمال و روشن برای ایجاد یک نقشه آلفا وارد می‌کنند. کانال تاریک پیش از (DCP)برای استخراج یک نقشه انتقال برای مناطق معمولی استفاده می‌شود، در حالی که یک روش اصلاح پوشش جوی بهبود یافته (AVC)برای ایجاد یک نقشه انتقال دیگر برای مناطق روشن پیشنهاد شده‌است. در نهایت، ما پیشنهاد می‌کنیم که از نقشه آلفا برای ترکیب کردن دو نقشه انتقال برای dehazing تصویر نهایی استفاده کنیم. نتایج تجربی نشان می‌دهد که روش ما به طور قابل‌توجهی از روش‌های موجود بهتر عمل می‌کند.
ترجمه شده با


پر ارجاع‌ترین مقالات مرتبط:

  • مقاله Computer Vision and Pattern Recognition
  • ترجمه مقاله Computer Vision and Pattern Recognition
  • مقاله بینایی کامپیوتری و تشخیص الگو
  • ترجمه مقاله بینایی کامپیوتری و تشخیص الگو
  • مقاله Software
  • ترجمه مقاله Software
  • مقاله نرم‌افزار
  • ترجمه مقاله نرم‌افزار
  • مقاله Signal Processing
  • ترجمه مقاله Signal Processing
  • مقاله پردازش سیگنال
  • ترجمه مقاله پردازش سیگنال
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.