УДК 535.8 Применение оптики в целом
ГРНТИ 29.31 Оптика
ОКСО 03.03.02 Физика
ББК 223 Физика
ТБК 6135 Оптика
BISAK SCI053000 Physics / Optics & Light
Атмосферные условия, существенно снижают качество изображений, затрудняя работу систем компьютерного зрения, беспилотного транспорта и видеонаблюдения. Существующие методы удаления тумана включают классические алгоритмы повышения контраста, подходы, основанные на физически обоснованных моделях и нейросетевые методы. Однако классические подходы не учитывают природу искажений, физические модели теряют точность в сложных сценах, а нейросетевые алгоритмы могут искажать информацию из-за зависимости от обучающих данных. На этапе тестирования методов проблема усугубляется сложностью получения парных изображений с туманом и без него, что делает исследования в области восстановления изображений в неблагоприятных условиях особенно актуальными. В работе приведен обзор существующих методов снижения влияния тумана, использующих различные принципы, а также произведена оценка качества их работы.
атмосфера, туман, качество изображения
1. Narasimhan S.G., Nayar S.K. Vision and the atmosphere // International journal of computer vision. 2002. V. 48. P. 233-254.
2. Li R. et al. Real-time aerosol optical properties, morphology and mixing states under clear, haze and fog episodes in the summer of urban Beijing //Atmospheric Chemistry and Physics. 2017. V. 17. N. 8. P. 5079-5093.
3. Jaruwatanadilok S., Ishimaru A., Kuga Y. Optical imaging through clouds and fog // IEEE Transactions on Geoscience and remote Sensing. 2003. V. 41. N. 8. P. 1834-1843
4. Сойфер В.А. Компьютерная обработка изображений. Часть 2. Методы и алгоритмы // Соросовский образовательный журнал. 1996. Т. 3. №. 2-С. С. 110-121.
5. Xu Z., Liu X., Chen X. Fog removal from video sequences using contrast limited adaptive histogram equalization // 2009 International Conference on Computational Intelligence and Software Engineering. New York City: IEEE, 2009. P. 1-4.
6. Tomasi C., Manduchi R. Bilateral filtering for gray and color images //Sixth international conference on computer vision (IEEE Cat. No. 98CH36271). New York City: IEEE, 1998. P. 839-846.
7. Horvath H. On the applicability of the Koschmieder visibility formula // Atmospheric Environment (1967). – 1971. V. 5. N. 3. P. 177-184.
8. He K., Sun J., Tang X. Single image haze removal using dark channel prior // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2010. V. 33 N. 12. P. 2341–2353.
9. Fattal R. Dehazing using color-lines // ACM transactions on graphics (TOG). 2014. V. 34. N. 1. P. 1-14.
10. Wen H., Dai F., Wang D. A survey of image dehazing algorithm based on retinex theory //2020 5th International Conference on Intelligent Informatics and Biomedical Sciences (ICIIBMS). New York City: IEEE, 2020. P. 38-41.
11. Cai B. et al. Dehazenet: An end-to-end system for single image haze removal //IEEE transactions on image processing. 2016. V. 25. N. 11. P. 5187-5198.
12. Li B. et al. Aod-net: All-in-one dehazing network // Proceedings of the IEEE international conference on computer vision. 2017. P. 4770-4778.
