An efficient image dehazing for accurate object detection

Abstract

Hava olayı olarak bilinen "sis", dış manzarayı görme yeteneğini önemli ölçüde azaltır. Atmosferdeki ışığı emen ve ışığı saçan partiküller bunun başlıca nedenidir. Bu tez çalışması, hassas nesne tanımama için görüntü birleştirme tabanlı bir sis giderme yöntemi sunmaktadır. Birleştirme sürecini uygulamak için, her görüntünün her RGB katmanı için ağırlık haritaları, gama düzeltmesi yapılmış görüntüler kullanılarak hesaplanmaktadır. Daha doğru sonuçlar elde etmek için, füzyon işleminde girdiler için Laplace piramidi ve ağırlık haritaları için Gauss piramidi kombinasyonu kullanılmaktadır. Sisli girdi ve nihai çıktı görüntüleri, nesneleri doğru bir şekilde tespit etmek için YOLOv7 algoritmasında test edilmektedir. Geliştirilen yöntemi diğer yaklaşımlarla karşılaştırmak için kapsamlı testler yapılmıştır. Çeşitli sisli görüntüler üzerine sunulan sonuçlar, önerilen algoritmanın etkinliğini hem görsel hem de nicel olarak değerlendirerek yöntemin literatürdeki birçok öncü yönteme göre üstünlüğü sergilenmektedir.The weather phenomenon known as "haze" significantly reduces the ability to see external scenery. The light-absorbing and light-scattering particulates mainly bring this on in the atmosphere. This thesis suggests a single image fusion-based dehazing method for precise object identification. To apply the fusion process, weight maps are computed for each RGB layer of each image using a collection of gamma-corrected images. To generate more accurate results, the combination of the Laplacian pyramid for inputs and the Gaussian pyramid for weight maps is used in the fusion process. Hazy input and final output images are tested in the YOLOv7 algorithm to detect objects accurately. Comprehensive tests are conducted to compare the proposed method with the other approaches. The experimental results on a range of hazy pictures demonstrate the prior's strength both visually and quantitatively, showcasing the superiority of the developed algorithm over several cutting-edge methods in the literature.