حذف مه از تصویر با الگوریتم مدل پراکندگی جوی در متلب

پروژه حذف مه از تصویر با الگوریتم مدل پراکندگی جوی در MATLAB

در این پست پروژه حذف مه از تصویر با الگوریتم مدل پراکندگی جوی را آماده کردیم که کارایی آن بر اساس روش میرایی رنگی می باشد. مواردی همچون نور جوی صحنه ، انتقال نور از صحنه ، میزان درخشندگی صحنه ، ضرایب پراکندگی جوی در صحنه ، آستانه گیری و عمق صحنه ، از پارامتر های اصلی الگوریتم مدل پراکندگی می باشند. در ادامه به توضیحات بیشتری در مورد این موضوع پرداخته و فیلم و تصاویری از خروجی این پروژه پردازش تصویر قرار داده شده است. فیلم خروجی را به صورت آنلاین نیز می توانید مشاهده نمائید.

احتمالا شما نیز برخی از تصاویر را دیده اید که در آنها بعضی از پیکسل ها شدت بسیار کمی در حداقل یک کانال رنگی را دارا هستند، منظور از مه در پروژه حاضر نیز همین موضوع است. به کمک الگوریتم مدل پراکندگی جوی و مدل تصویر برداری مستقیم و همچنین بر اساس روش میرایی رنگی می توانیم ضخامت مه را برآورد کرده و به بازیابی تصویر مه آلود با کیفیت بالا دست یابیم. بررسی های که بر روی تصاویر مه آلود که از فضا های باز تهیه شده و بازیابی آنها با کیفیت بالا، نشان از قدرت روش ارائه شده است.

بر اساس ضرایب خطی سازی و با کمک چگالی گوسین، عملیات تخمین عمق اطلاعات تصویر صورت می گیرد و در انتها با در نطر گرفتن میرایی رنگی، عملیات بازیابی درخنشدگی صحنه انجام می گردد که باعث حذف مه از تصویر می شود.

توضیحات بیشتر، فیلم و تصاویری از خروجی پروژه حذف مه از تصویر با الگوریتم مدل پراکندگی جوی در ادامه مطلب.

هدف از این پروژه حذف مه از تصویر :

هدف اصلی ما در پروژه حذف مه از تصویر با الگوریتم مدل پراکندگی جوی ، بهبود کیفیت تصاویر است که نتایج به دست آمده، نشان دهنده رسیدن ما به این موضوع مهم می باشد. موضوع ما کاهش تاثیر عوامل مخرب مانند گرد و غبار، قطرات آب و مه از تصاویر است که در پس آن بتوانیم به بهبود کیفیت تصاویر برسیم که این امر با ارائه مدلی از مه به عنوان یک عامل کاهش کنتراست تصویر، انجام شده است.

یک خروجی نمونه از پروژه حذف مه از تصویر با الگوریتم مدل پراکندگی جوی را در زیر مشاهده نمائید

تصویر خروجی 1:

تصویر خروجی 2:

تصویر خروجی 3:

تصویر خروجی 4: