IDBP: Image Dehazing Using Blended Priors Including Non-Local, Local, and Global Priors
IDBP: Image Dehazing Using Blended Priors Including Non-Local, Local, and Global Priors
复制标题
IDBP：使用混合先验（包括非局部先验、局部先验和全局先验）进行图像去雾
DOI：
10.1109/tcsvt.2021.3101503
复制
发表时间：
2021-07
影响因子：
8.4
通讯作者：
Yi Yang
中科院分区：
文献类型：
--
作者：
Mingye Ju;Can Ding;Wenqi Ren;Yi Yang
本文提出了一种基于大气散射模型(ASM)的图像去雾技术IDBP，克服了现有的基于单一先验的图像去噪技术的固有局限性。它由大气光估计(ALE)模块和多先验约束(MPC)模块组成。ALE模块基于一种新的全局增亮策略，该策略以最小的信息损失来增强图像的亮度。该算法巧妙地融合了非局部先验、局部先验和全局先验的约束，缩小了去雾的解空间，避免了单一先验的局限性。不同于以往的工作，IDBP不需要任何训练过程，而是基于多先验和最小信息损失原则来实施ASM，从而使其易于实现，并保证了其鲁棒性。大量实验表明，所提出的IDBP算法的性能优于最先进的替代算法。
In this letter, a robust and promising atmospheric scattering model (ASM)-based image dehazing technique called IDBP is developed, which overcomes the intrinsic limitation of available techniques based on single priors. It consists of two modules, i.e., an atmospheric light estimation (ALE) module and a multiple prior constraint (MPC) module. The ALE module is based on a new global brightening strategy of enhancing the brightness of image with minimum information loss. The MPC smartly blends the constrains of non-local prior, local prior, and global prior to shrink the solution space of haze removal, which avoids the limitation of using any single priors. Unlike previous works, IDBP does not require any training process, but is based on multiple priors and minimal information loss principle to impose the ASM, thereby making it easy to implement and ensuring its robustness. Numerous experiments reveal that the proposed IDBP outperforms the state-of-the-art alternates.
登录
查看更多内容
DOI：
10.1109/tpami.2018.2882478
发表时间：
2020-03-01
影响因子：
23.6
作者：
Berman, Dana;Treibitz, Tali;Avidan, Shai
通讯作者：
Avidan, Shai
DOI：
10.1109/icip.2010.5651263
发表时间：
2010-12
期刊：
2010 IEEE International Conference on Image Processing
影响因子：
--
作者：
C. Ancuti;Cosmin Ancuti;P. Bekaert
通讯作者：
C. Ancuti;Cosmin Ancuti;P. Bekaert
DOI：
10.1007/978-3-642-15549-9_1
发表时间：
2010-09
影响因子：
23.6
作者：
Kaiming He;Jian Sun-;Xiaoou Tang
通讯作者：
Kaiming He;Jian Sun-;Xiaoou Tang
BDPK：使用先验知识进行贝叶斯去雾
DOI：
10.1109/tcsvt.2018.2869594
发表时间：
2019-08-01
影响因子：
8.4
作者：
Ju, Mingye;Ding, Can;Guo, Y. Jay
通讯作者：
Guo, Y. Jay
影响因子：
10.6
作者：
Park, Jaihyun;Han, David K.;Ko, Hanseok
通讯作者：
Ko, Hanseok