Research Article

تصفية فعالة لمجالات التدرج متعدد النطاقات لإزالة الضباب من الصور والفيديو مع تماسك زمني محسن

DOI:

10.3791/68495

⸱

September 30th, 2025

 ,  ,  , 
1Chitkara University Institute of Engineering and Technology, Chitkara University

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يدمج البروتوكول هنا أخذ العينات الفرعية للحد الأدنى مع التصفية الموجهة المرجحة للمجال المتدرج لتعزيز قدرات إزالة الضباب في الوقت الفعلي لنموذج تشتت الضوء. ينتج متوسط قيم RGB من أعلى وحدات البكسل الأكثر سطوعا بنسبة 0.1٪ في الصورة المصدر في القناة المظلمة ضوءا جويا ، ويتم استخدام عامل الارتباط المستند إلى التدرج لتناسق معالجة الفيديو.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يعد إزالة الضباب أمرا بالغ الأهمية في رؤية الكمبيوتر لاستعادة وضوح الصورة المتأثرة بالتشتت الجوي. تعاني الطرق الحالية من ارتفاع التكاليف الحسابية ، وفقدان تفاصيل التدرج ، والقطع الأثرية الوامضة في تطبيقات الفيديو. لتعزيز الكفاءة والجودة المرئية ، يقترح هذا العمل تقنية إزالة الضباب القائمة على مرشح الصور الموجهة ذات المجال المتدرج متعدد النطاقات قابلة للتطبيق على كل من مقاطع الفيديو والصور. لتقدير معلمات الغلاف الجوي وتقليل التعقيد الحسابي ، تم استخدام الحد الأدنى من أخذ العينات الفرعية (MPS). بعد ذلك ، تعمل عملية أخذ العينات التكرارية باستخدام مرشح الصور الموجهة المرجحة للمجال المتدرج (GWGIF) على تحسين خريطة الإرسال ، مما يحافظ على قدر كبير من ميزات التدرج وبالتالي تعزيز الملمس والاحتفاظ بالحواف. لإزالة الضبابية بالفيديو ، يتم تقديم عامل الارتباط القائم على التدرج (GCF) ، مما يؤدي إلى انخفاض كبير في القطع الأثرية الوامضة مقارنة بالطرق الحالية. تظهر التقييمات التجريبية تفوق نهجنا ، حيث حققت درجة مقيم جودة الصورة القائم على الإدراك (PIQE) 26.98 ، ودرجة مقيم جودة الصورة الطبيعية (NIQE) 2.78 ، ومقيم الجودة المكانية للصورة الأعمى / غير المرجعي (BRISQE) 20.18 ، مما يعكس تحسين جودة الإدراك. علاوة على ذلك ، تضمن الطريقة المقترحة تماسكا زمنيا عاليا في إزالة الضبابية بالفيديو ، مع انحراف متوسط الخطأ المربع (MSE) بنسبة 0.003 ، مما يجعلها مثالية للتطبيقات في الوقت الفعلي مثل المركبات ذاتية القيادة والمراقبة والاستشعار عن بعد.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

الضباب هو ظاهرة جوية تجعل من الصعب رؤية الأجسام البعيدة عندما يتشتت الضوء بسبب الدخان أو قطرات الماء أو جزيئات الغبار. يعد تدهور الصورة بسبب الضباب ضارا بتطبيقات رؤية الكمبيوتر1،2 ، بما في ذلك تحليل الفيديو والمركبات ذاتية القيادة والمراقبة. لتحسين أداء رؤية الكمبيوتر ، كخطوة أولى في المعالجة ، تعد استراتيجية إزالة الضباب ضرورية لإزالة مكونات الضباب من الصور. يشير مصطلح "إزالة الضباب" إلى الخطوات المستخدمة لاستعادة الوضوح إلى صورة ضبابية أو غير قابلة للاستخدام. في السنوات الأخيرة ، تم تطوير العديد من التقنيات لإزالة الضبابية من الصور. تمثل مشكلة إزالة الضباب الصورة المستهدفة (الضبابية) Iضبابية (x) لقناة اللون في الموقع x كما هو موضح في (1) كما هو مأخوذ من He et al.3.

figure-introduction-1    1

يمثل Jclear (x) الصورة الشفافة ، بينما تمثلخريطة L atm و t الضوء الجوي العالمي وخريطة الإرسال المتوسط ، على التوالي. يشار إلى جزء الضوء الذي تلتقطه مستشعرات الكاميرا بمسافةالخريطة t d (x) كما يتم حسابها بواسطة المسافة بين المشهد والكاميرا في He et al.3كما هو موضح في (2).

figure-introduction-2    2

هنا ، يمثل β معامل الإرسال لتشتت الهواء.

استعادة Jواضح (x) من Iضبابي (x) أثناء عملية إزالة الضبابية ، يظهر في (3) ، والذي يتم تحقيقه بعد إعادة ترتيب (1). هنا ، t يمثل نفاذية ضوء الغلاف الجوي ، والمعروف أيضا باسم معامل الإرسال.

figure-introduction-3    3

يعد نموذج القناة المظلمة السابقة (DCP) 3 من بين أكثر نماذج الغلاف الجوي شهرة لهذا الغرض. من بين تقنيات إزالة الضباب المادية المعروفة القائمة على النموذج ، يعد DCP هو الأكثر استخداما ، والذي يفترض أن قناة لونية واحدة على الأقل تحتوي على وحدات بكسل ذات كثافة منخفضة للغاية في صورة خالية من الضباب. يتم استخدام هذا السابق لتقدير خريطة الإرسال باستخدام DCP واستعادة إشعاع المشهد من (1). ومع ذلك ، فإن هذه التقنية تستغرق وقتا طويلا وتشبع منطقة السماء في الصورة.

ينبع الدافع لهذا البحث من الحاجة إلى تعزيز الرؤية في تطبيقات الرؤية الحاسوبية حيث يؤدي الضباب إلى تدهور جودة الصورة بشكل كبير. لا يعمل هذا النهج على تسريع عملية إزالة الضباب فحسب ، بل يضمن أيضا الحفاظ على تفاصيل الصورة ، مثل الحواف والقوام. علاوة على ذلك ، يوسع البحث خوارزمية إزالة الضباب الخاصة به لتشمل مقاطع الفيديو ، ويعالج مشكلة حرجة في معالجة الفيديو. في بعض الأحيان, في ظل ظروف الإضاءة المختلفة, تتغير رؤية الصور, مما يمثل تحديا آخر في العديد من التطبيقات, مثل القيادة الذاتية والمراقبة.

تم إجراء التحقق من صحة خوارزمية إزالة الضباب المقترحة من خلال تجارب مكثفة على مجموعات بيانات مختلفة من الصور والفيديو المتاحة للجمهور. تشتمل مجموعات البيانات على مشاهد ضبابية اصطناعية وواقعية ، مما يسمح بإجراء تقييم شامل في ظل ظروف متنوعة. يوضح التحقق التجريبي عبر تسلسلات الفيديو المتنوعة في العالم الحقيقي (Riverside و Crossroad و Haze road و Ship) 4 والصور الثابتة5 بكثافات ضبابية متفاوتة ، والتي تم تقييمها باستخدام المقاييس المعمول بها (FADE و NIQE و PIQE و BRISQUE) 6 ومقارنتها بتسع طرق حديثة ، التطبيق العملي للخوارزمية في مجالات الحوسبة السياراتية والمراقبة والبحرية والمتنقلة مع الحفاظ على الأداء في الوقت الفعلي. تم تقييم الأداء باستخدام المقارنات المرئية الذاتية ومقاييس الجودة الموضوعية ، مما يدل على القدرة التنافسية مع أحدث الأساليب من حيث الدقة والكفاءة الحسابية.

تم تصميم العمل المقترح للأداء في الوقت الفعلي وتم اختباره على الصور ومقاطع الفيديو بدقة تصل إلى 1920 × 1080 بكسل. لضمان المعالجة الفعالة ، تم إجراء جميع التجارب على محطة عمل مزودة بوحدة معالجة مركزية Intel i3-6006U (2.00 جيجاهرتز) و 12 جيجابايت من ذاكرة الوصول العشوائي. بينما تظهر الطريقة أداء قويا عبر سيناريوهات العالم الحقيقي المختلفة ، إلا أنها قد تظهر دقة منخفضة في ظل ظروف الضباب الكثيفة للغاية حيث يصبح تقدير الإرسال غير موثوق به. تسلط هذه التفاصيل الضوء على التطبيق العملي والقيود المفروضة على النهج المقترح في النشر في العالم الحقيقي.

للتغلب على التحديات المختلفة ، يقترح هذا البحث نهجا جديدا باستخدام GWGIF متعدد النطاقات لإزالة الضباب من الصور ومقاطع الفيديو. من خلال دمج طريقة MPS ، تقدم الدراسة تقنية فعالة حسابيا لتقدير خريطة الإرسال ، وهي عامل رئيسي في إزالة الضباب. تمت معالجة القطع الأثرية الوامضة من خلال دمج طريقة GCF جديدة تحافظ على التماسك الزمني بين الإطارات المتتالية ، مما يضمن كلا من الكفاءة الحسابية والنتائج عالية الجودة. تساهم هذه الدراسة في تطوير تقنيات أكثر قوة لتحسين الصور والفيديو. يوضح الشكل 1 خريطة الإرسال المحسوبة باستخدام طريقة MPS ، ويوضح الشكل 2 الطريقة المقترحة التي تجمع بين MPS و GCF. تكمن حداثة عملنا في تطوير خوارزمية إزالة الضباب من الصور والفيديو في الوقت الفعلي تعتمد على تعدد المقاييس باستخدام مرشح موجه مرجح قائم على التدرج ، والذي يعالج الاختناقات الحسابية لطرق إزالة الضباب التقليدية. على وجه التحديد ، مساهماتنا الجديدة الرئيسية هي: (1) تقنية MPS التي تحتفظ بالمناطق المظلمة الحرجة لتقدير الإرسال بدقة مع تقليل الحمل الحسابي. (2) GWGIF الذي يحافظ على الحواف الصلبة على وجه التحديد أثناء تحسين خريطة الإرسال ؛ (3) تقدير محسن لضوء الغلاف الجوي يركز فقط على أعلى 0.1٪ من وحدات البكسل الأكثر سطوعا ؛ (4) GCF لإزالة الضباب بالفيديو الذي يقيس تشابه الإطار من خلال معلومات التدرج؛ (5) نظام تحسين زمني يعيد استخدام العمليات الحسابية بين إطارات الفيديو المتشابهة لتحقيق المعالجة في الوقت الفعلي.

تحقق هذه الطريقة أداء في الوقت الفعلي مع تقديم جودة إزالة الضباب مماثلة أو أفضل من تلك الخاصة بالخوارزميات الحديثة ، كما يتضح من التجارب المكثفة المعروضة في المقالة [الشكل 3 ، الشكل 4 ، الشكل 5 ، الشكل 6 ، والشكل 7].

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

استخدم هذا العمل صور مشهد اصطناعية أو طبيعية بدون أهداف بشرية. لذلك ، لم تكن هناك حاجة إلى موافقة أخلاقية.

تم تطوير بروتوكول إزالة الضبابية من الصور هذا على إعداد حوسبة قياسي وهو مصمم لتعزيز وضوح الصور الضبابية ورؤيتها. بيئة العمل هي MATLAB7. يتبع النهج عملية منهجية تتضمن تقدير الضباب وتحسينه واستعادة الصورة. من خلال تحسين جودة الصورة تدريجيا مع الحفاظ على التفاصيل المهمة ، توفر الطريقة نتائج واضحة وجذابة بصريا. تم اختباره على مجموعات البيانات المستخدمةعلى نطاق واسع 8 وتم تقييمه باستخدام مقاييس جودة الصورة القياسية ، مما يدل على فعاليته وملاءمته للتطبيقات الأكاديمية أو البحثية. تم تقديم تفسيرات ومعادلات مهمة للبروتوكول والمواد والمعدات ، بالإضافة إلى خطوات الحل المقترح ، في الأقسام أدناه. كما تم تحديد بارامترات التقييم.

1. المواد والمعدات

تم تطوير التجربة باستخدام MATLAB Online (24.2.0.2871072 (R2024b) التحديث 5) وتم تنفيذها على نظام مزود بوحدة معالجة مركزية Intel i3-6006U (2.00 جيجاهرتز). يتم الحصول على مجموعات بيانات الصور5،8 المستخدمة للتنفيذ من الأدبيات المشار إليها. وتشمل المنهجية استخدام مرشاح غاوسي 5 × 5 مع استيفاء ثنائي الخط، وتقدير خريطة الإرسال باستخدام خوارزمية MPS9، والتنقيح من خلال مرشاح GWGIF، وكل ذلك يتم تنفيذه على بنية تحتية حوسبية مناسبة. تفاصيل وروابط جميع المواد والمعدات المستخدمة في البحث مذكورة في جدول المواد.

2. الإعداد التجريبي

يتضمن الإعداد التجريبي تنفيذ نهج إزالة الضبابية المقترح للصور والفيديو في بيئة حوسبة علمية تدعم معالجة الصور القائمة على المصفوفة والتصور. تم استخدام مجموعات البيانات المعياريةالقياسية 5،8 ، التي تتكون من صور ومقاطع فيديو ضبابية10 ، كما هو مشار إليه في الأدبيات الراسخة ، لتقييم أداء الطريقة. تتبع الخوارزمية إطار معالجة متعدد النطاقات ، باستخدام أهرامات الصورة والارتباط القائم على التدرج لتوجيه حساب وتحسين خريطة الإرسال التكيفية. بالنسبة لتسلسلات الفيديو ، يتم استخراج الإطارات على فترات زمنية محددة ، ويتم استخدام GCF لتحديد ما إذا كان سيتم إعادة استخدام خريطة الإرسال أو إعادة حسابها. تم تقييم فعالية المخرجات التي تم إزالة الضبابية باستخدام مقاييس جودة الصورة المعترف بها على نطاق واسع ، بما في ذلك NIQE و PIQE و BRISKE و FADE و MSE ، مما يضمن التقييم الذاتي والموضوعي لجودة الاستعادة.

3. المعلمات المستخدمة للتقييم

للتقييم الموضوعي ، تم استخدام خمسة مقاييس للجودة: (1) Fade (مقياس الكثافة المدرك للضباب) 8 ؛ (2) NIQE (مقيم جودة الصورة الطبيعية)11; (3) PIQE (مقيم جودة الصورة القائم على الإدراك) 12 ؛ (4) BRISQUE (مقيم الجودة المكانية للصورة العمياء / غير المرجعية)13 ؛ (5) MSE (متوسط الخطأ التربيعي) بين الأرتال المتتالية14.

4. منهجية إزالة الضبابية من صورة واحدة والفيديو

  1. تحويل وإنشاء هرم صورة
    يبدأ إزالة الضبابية من صورة واحدة بتحويل الصورة الملونة المدخلة إلى تدرج الرمادي (figure-protocol-1). ثم يتم إنشاء هرم الصورة {figure-protocol-2، figure-protocol-3...,figure-protocol-4، figure-protocol-5} عن طريق تقليل العينات العودية Ivazy بمعامل 2 حتى يتم تحقيق المستوى الأكثر خشونة IL ، بحيث لا يزيد الحد الأقصى للبعد عن 320 بكسل. هذا يعني أن L يتم تحديده من خلال شرط أن max (W ، H) < = 320 ، حيث يمثل W و H العرض والارتفاع عند المستوى الأكثر خشونة L. تشير القيمة L إلى عدد عمليات تقليل العينات المطلوبة للوصول إلى المستوى الأكثر خشونة المطلوب في الهيكل الهرمي ، كما في الشكل 2.
  2. تقدير خريطة الإرسال
    تظهر خريطة الإرسال النسبة المئوية للضوء غير المشتت وتصل إلى مستشعر الكاميرا. تمثل خريطة الإرسال بدقة معلومات عمق الصورة ، لأنها دالة عمق متتالية. خريطة الإرسال ، رخريطة، باستخدام الإضاءة المحيطة لإعادة بناء صورة خالية من الضباب Jclear (x). الهدف الأساسي من الدراسة هو تطوير طريقة تقدير نقل فعالة حسابيا لتسريع عملية إزالة الضباب، حيث وجد أن حساب خريطة الإرسال هو الخطوة الأكثر استهلاكا للوقت. لكي نكون أكثر تحديدا ، بعد تقدير الإرسال بدقة أقل وبافتراض أن خريطة الإرسال تتكون من أجزاء ثابتة ، تم أخذ عينات من النتائج ، كما هو موضح في الشكل 2.
    1. تقدير خريطة الإرسال الأولية باستخدام نهج متعدد النطاقات على MPS
      يتم الحصول على خريطة figure-protocol-6 الإرسال الأولية من ImageImage figure-protocol-7، والتي تم حسابها بالفعل عن طريق تقليل أخذ عينات من الصورة الضبابية المدخلة على المستوى الأكثر خشونة ، L. باستخدام نهج MPS9 ، figure-protocol-8يتم تقسيم الصورة الآن إلى 5 × 5 كتل مربعة بأحجام 5 ، كما هو موضح في [الشكل 1]. علاوة على ذلك ، figure-protocol-9 يتم حسابها عن طريق تحديد الحد الأدنى للقيمة من كل كتلة 5 × 5 للحصول على صورة مأخوذة من العينات السفلية ، مع الأبعاد (M / m) × (N / m) الموضحة في ( 4 ) من Kansal et al.9. هنا ، يرمز min إلى الدالة الرياضية لحساب الحد الأدنى لقيمة الكثافة في الكتلة BI i.
      figure-protocol-104
      ثم يتم الحصول على صورة figure-protocol-11 القناة المظلمة للمستوى الأكثر خشونة 4 عن طريق تطبيق مرشح 3 × 3 كحد أدنى كما figure-protocol-12 هو موضح في (5) مأخوذ من Kansal et al. العمل9.
      figure-protocol-13 5
      حيث ω هي نافذة بحجم 3 × 3. تم تقدير خريطة figure-protocol-14 الإرسال الأولية أخيرا باستخدام:
      figure-protocol-156
      حيث w هو عامل ثابت (عادة 0).
      تضمن خريطة الإرسال المستندة إلى MPS تحسين التباين واستعادة التفاصيل في المناطق المتأثرة بشدة بالضباب من خلال الحفاظ على الحد الأدنى من القيم المحلية داخل التصحيحات المعنية. ومع ذلك ، فإن النهج القائم على التحولالخطي 22 ينتج عنه خريطة نقل أكثر اتساقا (وأقل دقة) في إزالة الضباب ، حيث لا يمكنها التمييز بين المناطق ذات المستويات المتفاوتة من شدة الضباب.
    2. صقل ناقل الحركة
      نظرا لأن خريطة الإرسال الأولية (figure-protocol-16) يتم تقديرها فقط عند المستوى الأكثر خشونة (L) من هرم الصورة ، فيجب إعادة عينة منها لتتناسب مع دقة صورة الإدخال الأصلية. يتم تطبيق أخذ العينات البسيط ثنائي الخط BUp (·) للحصول على خريطة إرسال كاملة الدقة. علاوة على ذلك ، للحفاظ على تفاصيل الحافة في خريطة الإرسال ، figure-protocol-17 يجب صقلها. إن استخدام مرشح موجه ومرشح موجه بالتدرج ، كما هو مطبق في Van et al.14 و Kansal et al.9 ، من شأنه أن يتسبب في عدم وضوح القطع الأثرية في خريطة الإرسال ، مما يؤدي إلى فقدان تفاصيل النسيج ومعلومات الحافة ، مما يؤدي في النهاية إلى تدهور أداء إزالة الضباب. لمعالجة هذه المشكلة ، تم استخدام طريقة تصفية الصور الإرشادية المرجحة لمجال التدرج (GWGIF) 15 للحفاظ على تفاصيل الصورة بشكل فعال. أخيرا ، يتم الحصول على الإرسال figure-protocol-18 المكرر على النحو التالي من Wang et al.16.
      figure-protocol-19 7
      يقوم GWGIF بتحسين خريطة الإرسال الأولية من خلال الحفاظ على هياكل الحافة وتجنب القطع الأثرية غير الواضحة التي يتم تقديمها عادة بواسطة المرشحات الموجهة القياسية. تم اتباع الخطوة التالية لتنفيذ الدالة GWGIF17.
      الادخال:
      figure-protocol-20خريطة الإرسال الأولية (منخفضة الاستبانة أو الخشنة):
      figure-protocol-21صورة ضبابية أصلية (تستخدم كإرشادات):
      الناتج:
      figure-protocol-22
      الخطوة 1: أخذ عينات من خريطة الإرسال الأولية
      تم تغيير حجمه figure-protocol-23 ليتناسب مع حجم Ihazy
      الخطوة 2: تم تحويلها منالضبابي إلى تدرج الرمادي
      أناضبابي = rgb2gray (أناضبابي)
      الخطوة 3: تطبيق المرشح الموجه المرجح لمجال التدرج كما في (7)
      تم الحصول على خريطة نقل مكررةfigure-protocol-24
      تحسب العملية حجم التدرج من صورة التوجيه باستخدام مشغل Sobel ، وتولد أوزانا قائمة على التدرج ، وتدمجها في معادلة التصفية الموجهة لتعزيز التنعيم المدرك للحواف. الإخراج عبارة عن خريطة نقل محسنة تعمل على تحسين جودة إزالة الضباب والحفاظ على التفاصيل بشكل كبير ، كما هو موضح في الشكل 4.
  3. تقدير ضوء الغلاف الجوي
    يعد ضوء الغلاف الجوي العالمي ، من حيث إزالة الضباب من الصور المستندة إلى النموذج ، أمرا ضروريا. كما ذكر Zhang et al.18 ، يتم إنتاج صور أكثر إشراقا من خلال قيم أقل من ضوء الغلاف الجوي ، بينما تنتج القيم الأعلى للضوء الجوي أحلك الصور غير الضبابية. يقدر العمل المقترح ضوء الغلاف الجوي من صورة القناة المظلمة (figure-protocol-25) التي تم الحصول عليها من الصورة الضبابية المدخلة. بعد ذلك ، يتم اختيار قيم RGB المقابلة لأعلى 0.1٪ من وحدات البكسل الأكثر سطوعا في صورة القناة المظلمة للحصول على القيمة النهائية لضوء الغلاف الجوي ، كما هو موضح في (8) كما هو مذكور في ، He et al.3. هنا ، يمثل γ أعلى 0.1 ألمع بكسل. تتوافق وحدات البكسل هذه عادة مع أكثر المناطق الضبابية في الصورة. من وحدات البكسل المحددة هذه، يتم استخراج قيم RGB المقابلة لها في الصورة الأصلية وحساب متوسطها لتحديد ضوء الغلاف الجوي العالمي Latm.
    figure-protocol-26 8
    يتم حساب ضغط الجوء L للضوء الجوي عن طريق تحديد أعلى 0.1٪ من ألمع وحدات البكسل من صورة القناة الداكنة. يتم تنفيذ ذلك على النحو التالي:
    الادخال:
    صورة ضبابية أنا صورة RGBضبابية)
    الناتج:
    ضوء الغلاف الجوي Latm (متجه RGB مكون من 3 عناصر)
    الخطوات:
    الخطوة 1: حساب القناة المظلمة للصورة:
    صورة القناة المظلمة هي figure-protocol-27.
    الخطوة 2: تم العثور على معظم وحدات البكسل غير الشفافة
    تسطيح القناة المظلمة في مصفوفة 1D
    فرز قيم البكسل بترتيب تنازلي.
    حدد أعلى 0.1٪ من وحدات البكسل الأكثر سطوعا (أي أعلى القيم في القناة الداكنة → تركيز الضباب العالي).
    الخطوة 3: وحدات البكسل المرشحة المختارة في صورة الإدخال
    من بين أعلى 0.1٪ بكسل محددة (من القناة المظلمة) ، حدد وحدات البكسل المقابلة في الصورة الضبابية الأصلية Iضبابية.
    لكل بكسل محدد ، تم حساب الشدة (على سبيل المثال ، مجموع أو معيار قيم RGB الخاصة به).
    الخطوة 4: اضبط ضوء الغلاف الجوي Latm
    تم اعتبار قيمة RGB لألمع بكسل محدد أعلاه على أنها ضوء الغلاف الجوي المقدر.
    يقدر الإجراء أعلاه بشكل منهجي ضوء الغلاف الجوي ،L atm.
    يقدر الإجراء أعلاه بشكل منهجي جهاز الصراف الآلي للضوء الجوي L من خلال الاستفادة من القناة المظلمة قبل تحديد المناطق الأكثر تضررا من الضباب في الصورة. من خلال استبعاد المناطق الساطعة والواضحة والتركيز على المناطق الأكثر قتامة بنسبة 0.1٪ (مما يدل على الضباب الكثيف) ، تضمن الطريقة تقديرا قويا ودقيقا لضوء الغلاف الجوي العالمي ، وهو معلمة حاسمة لإزالة الضباب بشكل فعال في خوارزميات إزالة الضباب أحادية الصورة.
    1. استعادة الصور الضبابية
      أخيرا ، بعد العثور على ضوء الغلاف الجوي Latm وخريطة figure-protocol-28الإرسال المكررة ، يتم الحصول على الصورة الخالية من الضباب Jclear (x) باستخدام Van et al.14 ، الصيغة في (9) ، والتي يتم تقديمها بواسطة
      figure-protocol-299
      حيث γ هو الحد الأدنى لناقل الحركة (تم ضبطه على 0.05)
      كما هو موضح في الشكل 1 ، تحافظ طريقة تحسين خريطة الإرسال المقترحة بشكل فعال على الخصائص المعقدة للصورة وتمكن من استعادة الصورة الخالية من الضباب.
  4. استعادة الفيديو الضبابية
    يعتمد نهج إزالة الضباب بالفيديو المقدم في هذا العمل على خوارزمية إزالة الضباب أحادية الصورة من خلال دمج اعتبارات التماسك الزمني لمنع وميض القطع الأثرية. يدرك المؤلفون أن تطبيق إزالة الضبابية من صورة واحدة بشكل مستقل على كل إطار من الفيديو من شأنه أن يكسر التماسك الزمني بين الإطارات ، مما يؤدي إلى تناقضات بصرية. لمعالجة هذه المشكلة ، تم تطوير خوارزمية جديدة لإزالة الضباب بالفيديو تحدد التماسك الزمني بين الإطارات الأولية المتتالية. وتستخدم هذه المعلومات لتقدير خرائط الإرسال وقيم ضوء الغلاف الجوي للتكيف للأطر القادمة.
    1. القطع الأثرية الوامضة
      يمكن التقاط نفس منطقة الصورة بإحداثيات بكسل مختلفة في إطارات متتالية من الفيديو بسبب حركة الكائن و / أو الكاميرا. تظهر القطع الأثرية الوامضة نتيجة لهذه الحركات ، والتي تغير قيم الإرسال في نفس المكان. يمكن استخدام تقنيات تقدير الحركة ، مثل تقدير التدفق البصري19 ، لتتبع موقع جسم متحرك ومعالجة هذه المشكلات. ومع ذلك ، غالبا ما تحتاج طرق تقدير الحركة إلى درجة عالية من التعقيد الحسابي. لذلك ، تم استخدام نموذج احتمالية بسيط يسمى GCF بدلا من حساب الحركات بين الإطارات بشكل صريح. تعمل الصورة التفاضلية بين الإطارين المتتاليين كأساس لهذا النموذج.
    2. عامل الارتباط القائم على التدرج
      يقيس عامل الارتباط المستند إلى التدرج (GCF) التشابه بين إطاري فيديو متتاليين بناء على تدرجات وحدات البكسل الخاصة بهما. الصور / الإطارات I1 و I2 متشابهة إلى حد كبير ، كما هو موضح بقيم الارتباط العالية (I1 ،I 2) ≈ 1 ، مما يعني أن البكسل (x ، y) يمثل الكائن المكرر أو محتوى المشهد في كلا الإطارين. تشير قيم الارتباط المنخفضة (I1 ،I 2) ≈ 0 إلى أن الصور والإطارات ليست متشابهة ، على الأرجح بسبب الحركة أو الانسداد. نظرا لأن الصورة الضبابية لها تباين ووضوح أقل ، فلا يمكن استخدام قيم البكسل للصورة لملاحظة الارتباط بين إطارين.
      غالبا ما تظهر الصور الضبابية بيضاء في الغالب بسبب تشتت الضوء وامتصاصه ، مما يؤدي إلى زيادة عامة في شدة البكسل وتقليل التباين. نتيجة لذلك ، تصبح معظم وحدات البكسل عبر إطارين ضبابيين متتاليين متشابهة ، مما يجعل الارتباط المباشر المستند إلى البكسل غير فعال لأن الضباب يخفي تفاصيل المشهد الفعلية. وفي هذا السياق، يصبح الصندوق الأخضر للمناخ أكثر أهمية. على عكس الارتباط الحكيم بالبكسل ، والذي يتأثر بشدة بالضباب ، يركز GCF على التدرجات والتغيرات في الشدة وانتقالات الألوان بين وحدات البكسل المجاورة. تتأثر هذه التدرجات بشكل أقل بالسطوع الكلي للصورة وتلتقط المعلومات الهيكلية بشكل أفضل ، مثل الحواف والخطوط العريضة. وهذا يجعل الإطار المشترك الأكبر مقياسا أكثر موثوقية للتشابه بين الإطارات في الظروف الضبابية مقارنة بعامل الارتباط القائم على البكسل (CF) بين إطارين، كما هو موضح في الجدول 1.
      العلاقة figure-protocol-30 بين إطارات الفيديو المتتالية IK و IK-1هي كما يلي.
      figure-protocol-3110
      حيث يكون عدد وحدات البكسل في الإطار N و σ = 10. figure-protocol-32 وهي figure-protocol-33 الصور المتدرجة المقابلة لإطارات الفيديو IK و IK-1. خطوة بسيطة لحساب GCF هي:
      الإدخال: الإطار IK و IK-1.
      وحسب التدرج بين كل رتل والإطار السابق له، ثم طبق (10) لحساب CGF، الذي استخدم لاحقا لتحديد خريطة الإرسال وضوء الغلاف الجوي المطلوب لحساب الرتل الحالي، أو يمكن استخدامه لحساب الرتل الأولي والخطوات المتكررة لكل رتل قادم تالي. يحسب GCF الارتباط بين إطارين متتاليين. إذا كان الارتباط مرتفعا ، فهذا يشير إلى أن إطارين متتاليين متماثلان تقريبا ؛ خلاف ذلك ، فإنه يشير إلى ارتباط منخفض.
    3. قرار قائم على إطار التعاون العالمي لتقدير ضوء الغلاف الجوي وخرائط الإرسال
      يلعب الإطار الأخضر للمناخ دورا حاسما في تحديد كيفية التعامل مع ضوء الغلاف الجوي وتقدير خرائط الإرسال في عمليات إزالة الضباب. يقيس GCF التشابه بين إطارات الفيديو المتتالية بناء على تدرجاتها ، مما يساعد على تقييم مدى تغير المشهد بين الإطارات ، مع الأخذ في الاعتبار عوامل مثل الحركة أو الانسداد.
      عندما تكون قيمة الإطار المشترك الأكبر مرتفعا ، وتحديدا أكبر من 0.85 ، فهذا يشير إلى أن الإطار الحالي مشابه إلى حد كبير للإطار السابق. في مثل هذه الحالات ، يفترض أن خريطة الإرسال من الإطار السابق لا تزال صالحة ، حيث لم يتغير المشهد بشكل كبير. يساعد استخدام خريطة الإرسال من الإطار السابق في الحفاظ على الاتساق عبر الإطارات وتجنب عمليات إعادة الحساب غير الضرورية ، وبالتالي تحسين الكفاءة الحسابية.
      ومع ذلك ، إذا انخفضت قيمة الجولة الخضراء إلى أقل من 0.5 ، فهذا يشير إلى وجود فرق كبير بين الإطارات ، على الأرجح بسبب الحركة أو التغييرات الديناميكية الأخرى في المشهد. في مثل هذه الحالات ، قد يؤدي الاعتماد على خريطة إرسال الإطار السابق إلى نتائج غير دقيقة. لذلك ، يجب إعادة حساب جهازالصراف الآلي للضوء الجوي للتكيف مع ظروف المشهد الجديدة. بالإضافة إلى ذلك ، يتم حساب خريطة إرسال جديدة لتمثيل محتوى الإطار الحالي بشكل أفضل. تضمن إعادة المعايرة هذه أن عملية إزالة الضباب تأخذ في الحسبان الخصائص المحدثة للمشهد ، مما يعيد الوضوح والتباين بدقة.
      تمكن عملية صنع القرار هذه ، مسترشدة بإطار التعاون العالمي ، خوارزمية إزالة الضباب من التكيف ديناميكيا مع التغيرات في تشابه الإطار ، مما يؤدي إلى استعادة صورة أكثر دقة وموثوقية. من خلال تكييف خريطة الإرسال وضوء الغلاف الجوي بناء على الارتباط المرصود، يتعامل البروتوكول بشكل فعال مع المشاهد الديناميكية وظروف الضباب المتقلبة، مما يحسن جودة الصور المزولة.

5. ملخص خطوة بخطوة لنهج إزالة الضبابية أحادية الصورة والفيديو

يتم توفير ملخص خطوة بخطوة لنهج إزالة الضبابية من الصورة الواحدة والفيديو ، مسترشدا بالشكل 2 ، والذي يوفر الإطار الأولي للخوارزمية. (1) تحميل الصورة figure-protocol-34 الضبابية المدخلة في النظام للمعالجة ؛ (2) تم تحويل الصورة إلى تدرج الرمادي وتقليل عينة منها بشكل متكرر بمعامل 2 ك {figure-protocol-35 ، figure-protocol-36 ...، figure-protocol-37 figure-protocol-38 }. تحديد الصورة figure-protocol-39 الأكثر خشونة بحيث الحد الأقصى (W, H) <= 320, حيث W و H يمثلان العرض والارتفاع في المستوى الأكثر خشونة L; (3) قسم الصورة figure-protocol-40 الخشنة إلى كتل متر × م. هنا ، يتم تحديد m ك (5) ؛ (4) حساب الحد الأدنى للكثافة في كل كتلة للحصول على الصورة figure-protocol-41 التي تم تخفيض العينة لها مع البعد figure-protocol-42. (5) ثم يتم الحصول على صورة figure-protocol-43القناة المظلمة ذات المستوى الأكثر خشونة ، عن طريق تطبيق مرشح 3 × 3 كحد أدنى على figure-protocol-44؛ (6) قدر خريطة الإرسال الأولية باستخدام الصيغة ، figure-protocol-45حيث يتم اختيار w على أنه 0.95 في هذا العمل ؛ (7) تنقيح خريطة الإرسال باستخدام GWGIF (.) للحصول على figure-protocol-46؛ (8) تقدير ضوء الغلاف الجوي Latm عن طريق حساب متوسط قيمة RGB المقابلة لمواقع البكسل الأكثر سطوعا بنسبة 0.1٪ في القناة المظلمة (figure-protocol-47) للصورة الضبابية ؛ (9) استعاد الصورة غير الضبابية Jواضحة (x) باستخدام نموذج تشتت الضوء

figure-protocol-48; (10) بالنسبة للفيديو ، يتم استخراج الإطارات على فترات منتظمة ؛ (11) حساب عامل الارتباط القائم على التدرج (GCF) بين إطارين متتاليين لقياس تشابه الإطار ؛ (12) إذا < 0,5 ، حساب خريطة إرسال جديدة للرتل الحالي ؛ إذا كان GCF≥0.85، يعاد استخدام خريطة الإرسال من الإطار السابق؛ (13) تحسين كل إطار واستعادة الإطارات منزوعة الضبابية باستخدام نفس الخطوات المستخدمة في الصور ؛ (14) تم تقييم جودة المخرجات باستخدام مقاييس مثل NIQE11 و PIQE12 و BRISQE13 و FADE8 و MSE14.

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

توفر النتائج النوعية والكمية رؤى تكميلية عند تقييم طريقة أو تجربة. تركز النتائج النوعية على التقييمات الذاتية ، وغالبا ما تستخدم المقارنات المرئية أو التقييمات الإدراكية أو آراء الخبراء لتحليل فعالية النهج. إنها تساعد في توضيح التحسينات في سيناريوهات العالم الحقيقي ولكن يمكن أن تتأثر بالإدراك البشري. في المقابل ، تعتمد النتائج الكمية على مقاييس عددية موضوعية ، مثل الدقة ، مثل NIQE11 و PIQE12 و BRISQE13 و FADE8 و MSE

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يعالج الترشيح الفعال المقترح متعدد النطاقات لمجال التدرج لإزالة الضباب من الصور والفيديو مع نهج التماسك الزمني المعزز عنق الزجاجة الحسابي في خوارزميات إزالة الضباب القائمة على النموذج الفيزيائي من خلال تقدير ضوء الغلاف الجوي وخرائط الإرسال بكفاءة باستخدام هيكل هرم الصورة. يتمثل الابتكار الرئيسي في إجراء تقدير خريطة إرسال MPS على المستوى الهرمي الأكثر خشونة ، بعد تصفية GWGIF أثناء أخذ العينات للحفاظ على تفاصيل الصورة المهمة. بالنسبة لمقاطع الفيديو ، تتضمن الطريقة اعتبارات GCF لتقليل القطع...

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

ويعلن أصحاب البلاغ عدم وجود تضارب في المصالح

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

نتقدم بخالص الشكر إلى المحرر والمراجعين المجهولين على تعليقاتهم الثاقبة وتوصياتهم المفيدة ، والتي عززت بشكل كبير من مستوى هذا العمل وسهولة قراءته. كان إجراء التقييم الدقيق والملاحظات الإدراكية حاسمة في تحسين المساهمة الإجمالية للبحث في المجال والمساعدة في تحسينه.

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
مجموعة البيانات  مختبر الرؤية ومعالجة الصور ، جامعة واترلو5http : //ivc.uwaterloo.ca/database/Dehaze/تقييم خوارزميات إزالة الضباب من الصور والفيديو
مرشح موجه مرجح قائم على التدرج (تطبيق Matlab)وانغ   اخرون.16< / sup> https://arxiv.org/pdf/2211.16796تحسين خريطة ناقل الحركة بكفاءة
MATLAB (مع صندوق أدوات معالجة الصور)الإصدار: MATLAB Online (تحديث 24.2.0.2871072 (R2024b)https://www.mathworks.com/products/matlab.htmlتنفيذ الخوارزميات المقترحة وخطوط الأساس
المعالجوحدة المعالجة المركزية Intel i3-6006U (2.00 جيجاهرتز)https://www.intel.com/content/www/us/en/products/sku/91157/intel-core-i36006u-processor-3m-cache-2-00-ghz/specifications.htmlتشغيل الخوارزميات
رموز المصدر لأساليب خط الأساسكيم وآخر  al.3, Van et   al.14, Yang et al.20,
  Ren et al.21,  Chen et   al.23, Li B et al.26		3< / sup>https://github.com/metinsuloglu/Haze-Removalتقييم طرق إزالة الضباب القائمة على التعلم
14< / sup>https://github.com/viengiaan/MGF إزالة الضباب
20< / sup>https://github.com/legendongary/Proximal-Dehaze-Net-CPU
21< / sup>https://github.com/rwenqi/GFN-dehazing
23< / sup>https://cchen156.github.io/code/robustdehaze.zip
26< / sup>https://github.com/Boyiliee/EVD-Net
4 http : //live.ece.utexas.edu/research/f og/f adedef ade.html

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Sharrab, Y. O., Alsmadi, I., Sarhan, N. J. Towards the availability of video communication in artificial intelligence-based computer vision systems utilizing a multi-objective function. Cluster Comput. 25 (1), 231-247 (2022).
  2. Afif, M., Said, Y., Atri, M. Computer vision algorithms acceleration using graphic processors NVIDIA CUDA. Cluster Comput. 23, 3335-3347 (2020).
  3. He, K., Sun, J., Tang, X. Single image haze removal using dark channel prior. IEEE TransPattern Anal Mach Intell. 33 (12), 2341-2353 (2011).
  4. Live Image Quality Database (Release 2). , Live Image Quality Database. http://live.ece.utexas.edu/research/fog/fadefade.html (2025).
  5. IVC Dehazing Dataset. , Image & Vision Computing (IVC) Laboratory. https://ivc.uwaterloo.ca/database/dehaze.html (2025).
  6. Ma, K., Duanmu, Z., Wu, Q., Wang, Z., Yong, H., Li, H., Zhang, L. Waterloo exploration database: New challenges for image qulity assessment models. IEEE TransImage Process. 26 (2), 1004-1016 (2017).
  7. MATLAB Online. , MathWorks. at https://matlab.mathworks.com (2025).
  8. Choi, L. K., You, J., Bovik, A. C. Referenceless prediction of perceptual fog density and perceptual image defogging. IEEE Trans. Image Process. 24 (11), 3888-3901 (2015).
  9. Kansal, I., Kasana, S. S. Minimum preserving subsampling-based fast image de-fogging. J Mod Opt. 65 (18), 2103-2123 (2018).
  10. Choi, L. K., You, J., Bovik, A. C. FADE: Fog Aware Density Evaluator. IEEE TransImage Process. 24 (11), 6436-6448 (2015).
  11. Blind image quality evaluation using perception based features. Venkatanath, N., Praneeth, D., Maruthi Chandrasekhar, B. H., Channappayya, S. S., Medasani, S. S. 2015 21st Natl Conf Commun, , 1-6 (2015).
  12. Chen, X., Fan, Z., Li, P., Dai, L., Kong, C., Zheng, Z., Li, Y. Unpaired deep image dehazing using contrastive disentanglement learning. in computer vision -- ECCV 2022. Avidan, S., Brostow, G., Cissé, M., Farinella, G. M., Hassner, T. , Springer Nature Switzerland. Cham. 632-648 (2022).
  13. Mittal, A., Moorthy, A. K., Bovik, A. C. No-reference image quality assessment in the spatial domain. IEEE Trans. Image Process. 21 (12), 4695-4708 (2012).
  14. Van Nguyen, T., Vien, A. G., Lee, C. Real-time image and video dehazing based on multiscale guided filtering. Multimed Tools Appl. 81 (25), 36567-36584 (2022).
  15. Image dehazing based on multiscale retinex and guided filtering. Gao, Z., Zhai, Y. 2022 Int Conf Image Process Comput Vis Mach Learn, , 123-126 (2022).
  16. Wang, B., Wang, Y., Sui, X., Liu, Y., Chen, Q. Gradient domain weighted guided image filtering. Signal Image Video Process. 17 (8), 4097-4105 (2023).
  17. Chang, M., Feng, H., Xu, Z., Li, Q. Low-light image restoration with short- and long-exposure raw pairs. IEEE Trans Multimed. 24, 702-714 (2022).
  18. Physically-based rendering for indoor scene understanding. Zhang, Y., Song, S., Yumer, E., Savva, M. Proc IEEE Conf Comput Vis Pattern Recognit, , 5287-5295 (2017).
  19. Tan, Y., Zhu, Y., Huang, Z., Tan, H., Li, K. MAPD: An FPGA-based real-time video haze removal accelerator using mixed atmosphere prior. IEEE Trans Comput Des Integr Circuits Syst. 42 (12), 4777-4790 (2023).
  20. Yang, D., Sun, J. Proximal dehaze-net: A prior learning-based deep network for single image dehazing. Lect Notes Comput Sci. 11211 LNCS, 729-746 (2018).
  21. Gated fusion network for single image dehazing. Ren, W. Proc IEEE Comput Soc Conf Comput Vis Pattern Recognit, , 3253-3261 (2018).
  22. Wang, W., Yuan, X., Wu, X., Liu, Y. Fast image dehazing method based on linear transformation. IEEE Trans Multimed. 19 (6), 1142-1155 (2017).
  23. Chen, C., Do, M. N., Wang, J. Robust image and video dehazing with visual artifact suppression via gradient residual minimization. Computer Vision -- ECCV. Leibe, B., Matas, J., Sebe, N., Welling, M. , Springer International Publishing. Cham. 576-591 (2016).
  24. Kim, J. H., et al. Optimized contrast enhancement for real-time image and video dehazing. J. Vis. Commun. Image Represent. 24 (3), 410-425 (2013).
  25. GridDehazeNet: Attention-based multiscale network for image dehazing. Liu, X., Ma, Y., Shi, Z., Chen, J. Proc IEEE Int Conf Comput Vis, , 7313-7322 (2019).
  26. Wen, S., Zheng, Y., Lu, F. Polarization state attention dehazing network with a simulated polar-haze dataset. IEEE Trans Multimed. 27, 263-274 (2024).
  27. End-to-end united video dehazing and detection. Li, B., Peng, X., Wang, Z., Xu, J., Feng, D. 32nd AAAI Conf Artif Intell, AAAI 2018, 7016-7023 (2018).
  28. Li, Z., Shu, H., Zheng, C. Multiscale single image dehazing using Laplacian and Gaussian pyramids. IEEE Trans Image Process. 30, 9270-9279 (2021).
  29. Cai, B., Xu, X., Jia, K., Qing, C., Tao, D. DehazeNet: An end-to-end system for single image haze removal. IEEE Trans. Image Process. 25 (11), 5187-5198 (2016).
  30. Wu, Z., Liu, W., Wang, J., Li, J., Huang, D. FrePrompter: Frequency self-prompt for all-in-one image restoration. Pattern Recognit. 161, 111223(2025).
  31. Liu, F., Li, H., Hu, W., He, Y. Review of neural network model acceleration techniques based on FPGA platforms. Neurocomputing. , 128511(2024).
  32. Yang, J. Driving-video dehazing with non-aligned regularization for safety assistance. Cvpr. , 26109-26119 (2024).
  33. Yang, Y., Guo, C. L., Guo, X. Depth-aware unpaired video dehazing. IEEE Trans Image Process. 33, 2388-2403 (2024).
  34. Agrawal, R., Gupta, N., Batra, M., Arora, K. A Comprehensive review of image restoration and noise reduction techniques. Int J Recent Innov Trends Comput Commun. 11, 463-474 (2023).
  35. Ayoub, A., et al. Review of dehazing techniques: Challenges and future trends. Multimed Tools Appl. 84 (3), 1103-1131 (2025).
  36. Wei, H., et al. Robust unpaired image dehazing via adversarial deformation constraint. IEEE Trans Circuits Syst Video Technol. 34, 8614-8628 (2024).
  37. APL: Adaptive parameter learning for image dehazing. Martinho, L. A., Cavalcanti, J. M. B., Pio, J. L. S., Oliveira, F. G. 2024 International Conference on Machine Learning and Applications (ICMLA), , 636-643 (2024).
  38. Guo, X., et al. Single-image dehazing method based on Rayleigh Scattering and adaptive color compensation. PLoS One. 20, 1-18 (2025).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Image DehazingVideo DehazingGradient Domain FilteringMultiscale FilteringTemporal CoherenceGuided Image FilterTransmission Map RefinementAtmospheric ScatteringTexture PreservationReal Time Dehazing

Related Articles