Метод покращення видимості на затуманених цифрових зображеннях та його реалізація у комп’ютерній системі обробки зображень

Abstract

UK: Актуальність. Присутність на цифрових зображеннях туману та димки може спричиняти проблеми у процесах розпізнавання, відстеження, класифікації об’єктів. Тому методи видалення туману та покращення розрізнюваності об’єктів на зображеннях, отриманих в умовах поганої видимості, є затребуваними в багатьох задачах комп’ютерного зору. У туманних погодних умовах контраст та колір зображення різко погіршуються. Видалення туману часто супроводжується появою артефактів на зображенні та спотворенням кольорів. Отже актуальним є пошук способів правильної оцінки присутності та видалення туману зі збереженням деталей та кольорів зображення та розробка відповідних методів обробки затуманених зображень. Мета. Метою роботи є пошук ефективних підходів до розв’язання задачі видалення туману та димки з цифрових зображень та реалізація їх в комп’ютерній системі обробки цифрових зображень [1]. Методи. Основні етапи обробки зображення виконуються на каналі інтенсивності, що сприяє збереженню кольорів. Запропоновано підхід для утримання значень пікселів, які обробляються, у допустимому діапазоні, що дозволяє краще зберегти деталі зображення. Для оцінки карти пропускання використовуються частотні фільтри. В модифікованому методі оцінка щільності туману виконується з використанням нейронної мережі. Результати. Запропоновано метод видалення туману та димки з одиночних зображень, який ефективно покращує видимість об’єктів, зберігає деталі та кольори на зображенні, а також його модифікація з іншим способом оцінки щільності туману. Представлені методи були реалізовані в комп’ютерній системі [1]. Висновки. Запропонований метод та його модифікація ефективно видаляють туман та димку з одиночних зображень, покращуючи розрізнюваність об’єктів на них. Реалізація цих методів у комп’ютерній системі обробки зображень [1] розширила функціонал системи та збільшила її можливості по підвищенню якості зображень, отриманих в умовах поганої видимості. Система може бути застосована для попередньої обробки зображень з метою запобігання помилкам в подальшій роботі алгоритмів комп’ютерного зору. EN: Context. Presence of fog and haze on digital images may cause problems in processes of recognition, tracking, classification of objects. Thus methods for removing fog and improving visibility of objects in images obtained under poor visibility conditions are in demand in many computer vision problems. In foggy weather, contrast and color of an image get worse. Fog removal is often accompanied by artifacts in the image and color distortion. Therefore, it is relevant to seek methods for correct assessing presence and removal of fog while preserving image details and colors and developing appropriate methods for blurred images processing. Objective. The purpose of this research is to find effective approaches to solving the problem of removing fog and haze from digital images and implementing them in a digital image processing computer system [1]. Method. Main stages of image processing are performed on the intensity channel, which helps to preserve colors. The proposed approach keeps the values of the processed pixels in an acceptable range, which allows better preservation of image details. Frequency filters are used to evaluate the transmission map. In a modified method, fog density is estimated using a neural network. Results. The method of removing fog and haze from single image is proposed. This method effectively improves the objects visibility, preserves details and colors in the image. A modification of the method with another fog density estimation method is also proposed. The presented methods were implemented in a computer system [1]. Conclusions. The proposed method and its modification effectively remove fog and haze from single image and improve the objects distinguishability in them. The implementation of these methods in a computer image processing system [1] has expanded the functionality of the system and increased its ability to improve the quality of images obtained under poor visibility conditions. The system can be used for preliminary image processing to prevent errors in further operation of computer vision algorithms.