服務支持Service support
熱門產(chǎn)品Hot products
解決方案Solution
聯(lián)系方式Contact information
說到透霧算法，最典型的應用就是數(shù)字透霧技術。數(shù)字透霧技術可以在透霧時，保留圖像原有的色彩，而數(shù)字透霧的核心就是透霧算法。前面提到，透霧算法主技術有兩個階段，第一階段的“淺透霧”是一種基于非模型的圖像增強方法，通過提高比度，滿足主觀視覺的要求來達到清晰化的目的;第二階段的“算法透霧”是基于模型的圖像復原方法，它考查圖像退化的原因，將退化過程進行建模，采用逆向處理，以最終解決圖像的復原問題。
目前通過增強的方式(淺透霧)來進行透霧處理典型的方法包括：直方圖均衡化、濾波變換方法和基于模糊邏輯的方法。直方圖均衡化方法，其中全局化方法運算量小但對細節(jié)的增強不夠;局部均衡方法效果較好，但可能引入塊狀效應、計算量大、噪聲被放大及算法效果不易控制的問題。濾波變換的透霧算法，通過局部處理能獲得相對較好的處理結果，但它們的計算量巨大、資源消耗多、不適于實時性要求較高的設備。已知的基于模糊邏輯的方法透霧的效果不夠理想。
基于圖像增強的方法(算法透霧)能在一定程度上提高圖像對比度，并通過增強感興趣區(qū)域來提升可識別度。但該方法未能從圖像退化過程的原因入手進行補償，因此它只能改善視覺感受而不能獲得很好的透霧效果。所以，真正的數(shù)字透霧是基于圖像復原來實現(xiàn)的，也就是我們通常所說的“算法透霧”。
基于圖像復原的方法主要有以下幾類：濾波方法、最大熵方法與圖像退化函數(shù)估計法等。濾波方法如卡爾曼濾波方法，整體而言計算量較大。最大熵法能獲得較高的分辨率但是其非線性、計算量大、數(shù)值求解困難。圖像退化函數(shù)估計法大多依據(jù)一定的物理模型來設計，需要在不同的時間點采集多幅圖像作為參考圖像，以便確定物理模型中的多個參數(shù)，而最終求解得到無霧狀態(tài)下的結果圖像。
最新產(chǎn)品
New products
了解更多>
技術支持
Technical Support
了解更多>
常見問題
Common problem
了解更多>
