TELKOM NIKA , Vol. 11, No. 8, August 2013, pp. 42 4 4 ~4 250   e-ISSN: 2087 -278X           4244      Re cei v ed Fe brua ry 5, 201 3; Revi se d  May 9, 201 3; Accepted Ma y  17, 2013   Removal of Atmospheric Particles in Poor Visibility  Outdoor Images      Yaseen  Al-Z ubaid y * , Ros a lina Abdul  Salam   F a cult y   of Scie nce an d T e chnolo g y   Unvers iti  Sains  Islam M a la ysi a  (USIM), Negeri Sem b i l an, Mal a ysia   *Corres p o ndi n g  author, e-ma i l :  y a s een _d a w od@ hotmai l .co m *, rosali na@ usim.ed u .m y      A b st r a ct   T he visi bil i ty of  a sce ne is  de grad ed  by w e a t her ph en o m e n a  such  as r a in  dri z z l e, fo g a n d  ha z e .   T he degr ad atio n of imag e sce ne is d ue  the s ubstanti a l pr es ence  of p a rticle s in the at mosp here that scatt er   a n d  ab so rb l i gh t. As th e l i g h t   sp re ad s from   ob j e ct to th e ob se rve r , th e col o r a n d  in te n s i t y is ch an ge d   b y  th e  atmos p h e ric  p a rticles. In  this  rese arch, w e   sugg est n e w  meth ods  to  pre c isely  detect  ai rlight  an d c o rre ctl y   estimate th e at mos p h e ric ve il  from i m ag e tha t  capture d  in  b ad w eath e r. T he resu lt of su g gested  metho d s   w ill be use d  in  scattering at mosph e ric  mod e l  to remove  atmosph e ric partic l es na me ly, rai n  dri z z l e, fog a n d   ha z e  fro m  a si ngl e i m ag e. Therefore a h i g h e r  visibil i ty imag e w ill be pro d u c ed.     Ke y w ords : atmos p h e ric part i cles; airl ig ht; scattering at mo spher ic mode l        Copy right  ©  2013 Un ive r sita s Ah mad  Dah l an . All rig h t s r ese rved .       1. Introduc tion  The ima g e s   captu r ed i n  o u tdoor  scen e s  are  u s ually degrade d  by the  turbid me dium  in   the atmosphe re. Bad we ather  su ch a s  fog and h a ze  redu ce the vi sibility and color fidelity, and   the pa rticle s  in atmo sphe re ca use ab sorption   and  scatterin g . Th e irradia n ce  received by t he  came ra from  the scene p o int is attenu ated alon g th e line of sig h t. Furtherm o re, the incomi ng  light is blend ed with the airlight [1] (ambient light  reflected into th e line of sight by atmosph e ri c  particl es). Th e deg ra ded i m age s lo se t he  contrast  a nd  colo r fideli t y of the scen e. In additio n , the   amount of de grad ation de p end s on the d i stan ce s of the scene p o int s  from the ca mera.   Removin g  rai n  dri zzl e, fog and ha ze  can  signifi cantly increa se the v i sibility of the scene   and co rrect  t he colo r shift cau s e d   by  th e  airli ght.  Mo reover,  rain  drizzl e, fog  and  ha ze  rem o va l is  critical for a  wide  range of image-rel a ted  applications, such as su rveillance sy stem s, intelligent  vehicle s , sate llite imaging, and outd oor   obje c t recogn ition system s.    Bad visi bility in poor weather  i s  the m o st important problem   for different  applicat ions of   comp uter visi on. Most aut omatic sy ste m s for  monit o ring, intellig ent vehicle s ,  outdoor o b j e ct  recognitio n , a s sume th at the inp u t ima ges have  cl e a r visi bility [2]. Unfortun ately, this do es no t   happ en all th e time, therefore imp r oving  visibility is an inevitable task.  In comp uter  vision, the at mosp he ric  scattering m o d e l is u s u a lly use d  to de scribe the  formation  of a foggy or h a zy image. Almost all e s tabli s he d metho d s  are ba se d o n  this mo del [ 3 ].  R e fe re nc e [4 ] r e s t o r e s   c o ntr a s t   o f  image  sc en e   b y  us in g tw o or   mo r e  imag e s  ta k e n  in un ifo r m  bad weathe r.  Ho wever, thi s  method requi res  ch angi ng  weath e r  con d i tions to capt ure the im age s   that will be  used in  cont rast  restoration. A method proposed  by [5] uses  the polarization  approa ch to  enha nce the  visibility. It i s  ba se d on  the fact that  the scattere d of airlig ht by  su spe nde d atmosp he ric pa rticle s is pa rtially polar ized . In  this method, two imag es or mo re a r e   taken  thro ug h a p o lari ze r at differe nt orientat io ns. The captu r ed   image s are  analyzed,  taking   into accou n t the effects  of the pola r i z ation of  at mosp he ric  scatterin g . Thi s  process  wi ll be   inverted to  re cover the  ima ge from the  e ffect of  ha ze.   Polari zation -b ase d  a pproa ch requi re s two   or more imag es; it is not su fficient to be applie d in de nse fog o r  ha ze weathe r.   Another meth od p r op osed  by [6] re covers the  scen e o f  singl e ima g e  by u s ing  ad ditional   informatio n provide d  intera ctivity by use r . Th e  use r  provides a ddition al input su ch a s   approximatel y dire ction  of  scen e d epth,  or a  goo d  re gion of  colo r fidelity.  This method   re qui res  addition al informatio n fro m  user. Also  the resu lt wi ll be varied base d  on the area that will  be  cho s e n  by the use r . Reference [7] use s  3D-  geom e t rical mod e l to determin e  the depth of the   scene  an d  recove r  scen e alb edo. It  requi re s  an i n tera ctive re gistratio n   pro c e s s to  align  the   Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   e-ISSN:  2087 -278X       Rem o val of A t m o spheri c  Particle s in Po or Visibilit y O u tdoor Im age s (Ya s ee n Al-Zubaid y )  4245 image  with  g eometri c  mod e ls  of the  world such a s  terrain  or buil d in gs. By  regi ste r ing  the im ag e  to these mod e ls, depth be come s availa ble at eac h p i xel. Howeve r, the main disadva n tage o f   this app roa c h  is unavaila bility of 3D model for all imag e locatio n s.    Gene rally, all previou s  method s req u ired a dditio nal informati on to recover scen e   albed o. In practical ap plications, it i s  di fficult  to use these techniq ues,  so  su ch  approa che s  a r e   rest ricte d . Ne w enh an cem ent visibility method s are  able to re co ver scen e al bedo by ma king  variou s assu mptions a bou t airlight or co lors in the  scene.   In this  re sea r ch  we  sug g e st a  ne w  method to  e s timate the   dire ct attenu ation a n d   airlight. T he  proposed technique  w ill be used to  restore the visi b ility of the i m age that i s  to  remove th e a t mosph e ri c p a rticle s. Th ere are th re e steps involve d :  detecting th e set s  of whi t e   area  to e s tim a te the  skylight, usin g two - step  of e s ti mations to in feren c e th e a t mosph e ri c v e il,  and re cove rin g  the image b y  using the previous  e s tima tions in atmo sph e ri c scattering m odel.       2. Backg rou nd  In co mpute r   vision th e  atmosp he ric scattering  mod e l is  widely  use d  to  de scribe  the   formation of a  fog and ha ze  image as foll ows [3]:      I(x )  = Ap(x ) e  − β d(x )  + A ( 1  − e  − β d(x ) )                                             (1)    Whe r e I(x) is the obse r ve d image inte nsity, A  is th e global atm o sp heri c  light  (skylig ht),  and p ( x) i s   scene  albed o, d(x) i s  a  scene  depth  and  β  i s  th e scatterin g   coeffici ent of  the   atmosp he re. The first term  Ap(x ) e  −β d(x) on the righ t hand of the E quation (1 ) i s  calle d dire ct  attenuation, a nd the secon d  term A(1  − e  −β d ( x)) i s  called airli ght. To re cove r fog and h a ze f r om  attenuation a nd infidelity color, we n eed  to find the va lue of A,  β , a nd d(x) in (1).   Re cent  work  on si ngle im a ge to recover scene  albe d o  impo se s li mitations u p o n  either  the airlight or  dire ct attenua tion, or on bo th.  Tan method [2] is base d  on two ba si c ob servatio n s :  first, the images that ca ptured in  clea r-day have  m o re contra st (enh an ced vi sibility) than  the   image  captured in  b ad  we ather;  se co n d , the  air lig ht in im age   scene i s  varia n c e  and  p r ima r ily  depe nd  on di stan ce  betwe en the  obj ect  and  the vie w er. G ene rally, there  a r e t w o di sadva n ta ge   of this  method, Firs t, it doesn’t fully rec o ver the  scen e’s ori g in al colors  or  albed o, it is  just   enha nce the contrast of a n  input image ; seco nd, it  doesn’t kno w  the actu al value of airlight,  so   the output image tend to h a ve large r  saturation tha n  those in cle a r  day image s.   Fattal [8] relie s o n  the  assu mption that th e tran smi s sio n  and  surfa c e  sh ading  are l o cally   uncorrelate d. He e s timat e s the o p tical tran sm issi on in ha zy  singl e imag e .  Base on t h is   estimation, th e scattered li ght is  remove d to enh an ce  the visibility of the scen e  and recover t he  low contrast i n  the input i m age. Howe ver, perfo rma n ce of thi s  m e thod g r eatly  depen ds o n   th e   quality of the input d a ta. On the  oth e r  words,  thi s  meth od re quire s  signifi cant info rmat ion  (varia nce) in  colo rs of the i nput image to  work comple tely.  Tarel  an d Huati [9] present fast  algo rithm  to  re co ver sce ne  al bedo  for  sin g le in put   image. They  assume the  small obj ect i n  foggy or  h a zy we ather  has lo w saturation col o r. T h is  method  ba se d on  medi an  filter. It is al so  pro p o s e  n e w filter to p r eserve  ed ge  and  corn er t o   enha nce the  visibility restoration. Thi s  met hod a ssumes th at the atmosphe ri c veil mu st be  smoothi ng all  the time, and this assumpti on will  maxim i ze the atmo spheri c  veil of the image.   He et al [10] pre s ent s sim p le and effe ctive  method to remove the fog from si ngl e image.   They depe nd  on kind of statistics of outdoo r imag es that is free of haz e.  Re sult of these  statistics i s  t he mo st lo ca l patche s  in  haze- free  out door imag es co ntain  som e  pixel s  (call e d   “da r k pixel s ”) which h a ve very low intensity in  at le ast one color chann el. According to thi s   method, the intensity of these da rk pixels in t hat ch annel is mai n ly cont ribute d  by the airlight.  Therefore, th ese  da rk pixe ls  can  directly  provid e  acc u r a te  es tima tion  o f  th e h a z e ’s  tr an smiss i on .  Usi ng thi s  pri o r info rmation  with the h a ze imagin g  mo del, they re co ver input im a ge from  effect  of  haze and p r o duce a goo d  depth ma p. Ho wever, thi s  metho d  is i n valid wh en the scen e obj ect  inherently  si milar to  the  at mosp he ric lig ht over a   larg e lo cal  re gion  and  n o   sha d o w i s  cast  on   th e   obje c t.    The meth od  propo se d in  [3] a s sume s that the  recovered  ima g e  sce n e  albe do h a s  highe r color  contrast a nd  the depth ma p tends to  b e  all most sm o o th except al ong ed ge s wi th   large d epth ju mps. It performs white b a l ance and  sim p lifies the sca ttering atmo spheri c  mo del to   remove th e fog an d en ha nce th e visibil i ty for si ngle i m age. In thi s  method, the  atmosp he ric  veil  Evaluation Warning : The document was created with Spire.PDF for Python.
                               e-ISSN: 2 087-278X   TELKOM NIKA  Vol. 11, No . 8, August 2013:  4244 –  4250   4246 infers by u s in g two step s. First, define t he rou ghly e s timation of the atmosphe ric veil by usi n g   minimal  com pone nt of the col o r-corre c ted ima ge.  Secon d , refi ne the  coa r ser e s timate  of  atmosp he ric  veil by u s ing  wei ghted  le ast  squ a re s  (WLS) o p timi zation  fram e w ork [1 1]. T h is   method  refin e s the  co arse atmosphe ri c veil ba se d  on WLS sm o o thing. Thi s   refining  ca uses   some di sto r tion in estimati on of the atmosp heri c  veil.  The existing  literature sho w s t hat there  are still pro b lems in det ection of airli ght, and  there is n o  preci s e inferen c e to the atm o sp her i c  veil that can hel p  to recove r the scene al be do  corre c tly an d  to re move f og imp a ct f r om the  sin g l e  imag e. In  orde r to  add ress th e a b o v e   mentione d p r oblem s, we d e velop  a ne w tech niqu e to  estimate  ai rlight an d di re ct attenuation   to   recover the  scen e from the  effect of rain drizzle, fog a nd ha ze.       3. Rese arch  Metho dolog y     In ord e r to  ad dre s s the p r o b lem of the  removal of  rai n  dri z zle, fog  and h a ze fro m  sin g le   image  and  a c hieve th e re sea r ch o b je ctives, a  syst e m atic meth od ology ph ases are  define d   as  s h ow n  in  F i gu r e  1          Figure 1. Re search Meth od ology       3.1. Problem Identifica tio n   In this pha se,  the probl em of the remov a l of  rain dri z zle, fog and h a ze i s  investi gated in   orde r to imp r ove the visibil i ty of rain dri z zly,  foggy an d ha zy image s by ad dre s si ng the p r obl e m   of low co ntra st and color i n fidelity.    3.2. Image Acquisition   In this phase,  we will use experim ental set-u p  ca mera to obtain the rain dri z zly, foggy  and ha zy ima ges from different lo cation s and with va ri ous level s  of visibility in order to ap ply the  proposed met hods  to rem o ve  the  effect of  poor weathe r. The  captured i m ages  will provide input  to the suggested system  and the system will process the im ages  to improve the visibility.       3.3. Analy s is  of Curr ent T echnique s   In this pha se,  the current  method s and  techni que s re lated with im age en han ce ment are  to be investig ated by focu sing on scatte ring atmo sphe ric a pproa che s . By  examining the cu rren t  literature, this pha se aim s   to identify the limitat ion of  the existing  method s in o r de r to ad dre s s  these limitatio ns in the prop ose d  method.     Anal y s is of Curre nt  Techni q ues Proposed   A pp roach   Problem  Identification Tes t i n g   Implementation   Ima g e   Evaluation  Image Acquisitio n Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   e-ISSN:  2087 -278X       Rem o val of A t m o spheri c  Particle s in Po or Visibilit y O u tdoor Im age s (Ya s ee n Al-Zubaid y )  4247 3.4. Propose d  Appro ach   As a  re sult   of investig ating the  existi ng m e thod s  and te ch niqu es  examine d  in the   previou s  pha se, thi s   pha se aim s  to  p r opo se  metho d s to  a ddress the  rest ricti ons in  existi ng  method s and  particula rly to meet the aim and obje c tives of the re se arch.    3.5. Implementa tion   This pha se will  impleme n t the  propo se d   met hod s m e ntioned i n  p r e v ious p h a s e  by usin g   obje c t ori ent ed p r og ramm ing lan gua ge  su ch  as Java. To me et the aim  and   obje c tives of  the  research, different  algorithms  will  be i m plement ed  to rem o ve the rain  dri zzl e, fog and  haze  effects an d e nhan ce the vi sibility of image.       3.6. Testing   In this phase  we will test the perfo rma n c e of  the sug geste d syste m . The testing of the   system  will  b e  ba se d on   quality of out put imag e.  B a se d o n  such testin g, the  system  will   be   further imp r o v ed if the output image s wi ll not  be prod ucin g the sati sfacto ry re sul t s.    3.7. Ev aluation  In this  pha se , the results  of the  sug g e s ted  method s are  to  be  evaluated  comp ared  to   the existing method s in order to examin e the qua lity of output image. To  achi eve the evaluation,   two different  methods will  be used as follows:    3.7.1. Qualitativ e Method     the huma n  p e rception  met hod  will be u s ed to  com p are a m on g th e input ima g e , output  image, a nd th e imag e capt ured  in  clea r  weath e r fo r t he same  sce ne. In this  me thod we will  u s e   different ima g e s  with different levels  of visib ility to exam the qu ality of images  b a se d on  hum an  perception. To achi eve thi s  method, few num bers  of  users  will be invited to examine the quality  of the outp u t image  and  write their note s  on  the q u e s tionn aire s th at distri buted  to them for t h is  purp o se.    3.7.2. Statisti cal method     In this method, we will  use a histogram t o  evaluate the images bef or e and after  visibility  enha ncement . The  sug g e s ted meth od  wi ll be al so  co mpared  with t he e s tabli s he d metho d s (i. e .,  Gray World a nd Hi stogram  Equalizatio n) as  well as  the lates t  res e arc h  methods .        4. Visibilit y   Enhancement   To re move ra in dri zzl e, fog  and h a ze fro m  input ima g e , we u s e  atmosp he ric  scattering  model. Ou r prop osed me thod con s i s ts of three ste p s: estimatio n  of the value of skylight  A,  inferen c e  at mosp he ric ve il from o b served imag e  I(x), and u s e  the outp u t of  previou s   step s to  recover  scen e albed o p(x)  of the input image.  The s e  step s are d e fined a s  sh own in Figure 2       Figure 2. Visibility Enhancement Steps   Estimating Sky light    Estimating Atmospheric Veil   Captured  Images   Recover the scene albedo  (removing of atm o spheric  particles)  Evaluation Warning : The document was created with Spire.PDF for Python.
                               e-ISSN: 2 087-278X   TELKOM NIKA  Vol. 11, No . 8, August 2013:  4244 –  4250   4248 4.1. Estimating Sk y light  Most of p r evious  study e s t i mates the  skylight  A from high inten s ity pixel in the i m age.  But this ap proach is i n a c curate, b e cau s e the  hi gh i n tensity pixel  may not be  the skylight, but   rathe r  the  co lor of  an  obj ect in  the  scene. To   solve this proble m , we   sugge st a th re e-step   algorith m  to find the skylig ht A. First, d e tect a ll the pixel sets of high inten s ity area in wh ol e   image. Seco nd, cal c ulate  the variance of the con t rast in ea ch  set. Third, cho o se the high   intensity pixel  to be skylight  value A from  the set that have low value s  of cont ra st.    4.2. Estimating Atmo sph e ric Veil  The pa rticle s in the atmosphere (m ediu m  tr ansmissi on) atten uate  the scene  ra dian ce.  The attenuati on expone ntially incre a se s with depth  of sce ne d(x). In other wo rds, the medi um  transmissio n t(x) can b e  e x presse d by expone nt  attenuation. We can  simplify the de scriptio n as  the following:    t(x) =  e  − β d(x )                                                                 (2)    Another effect of atmo sph e re  pa rticle s  is th e  ad ditio n  of a n  atm o sph e re  veil V ( x). Th e  atmosp he re veil V(x) can b e  expre s sed  by the followi ng:     V(x) =  1 - t(x)                                                                (3)    Acco rdi ng to  He  et al [1], to e s timate at mosp he ric ve il, we  cho o se  the minim u m value   for e a ch pixe l from  all  col o r  ch annel s.  This process will  be  ro ug hly estim a ting for atmo sp heri c   veil, expresse d as follo wing :    V(x) =  min I(x )                                                           (4)    ∈ , ,     In any outd oor im age s,  the levels  of contrast  among th e  pixels give  us a  good  kno w le dge of  deep scen e. In other wo rd s, the contrast  level is a vital factor to ke ep the realty of  the outdoo r scene. Upon  this fa ctor, we propo se  a new alg o rit h m to enhan ce the previou s   roug hly estim a tion. This al gorithm  classifies ro u ghly atmosp he ric  veil to number of classe s that  equal s the  nu mber  of co ntrast level in  origin imag e. T h is o peration  pre c isely esti mates th e re al  homog eno us atmosp he ric veil.    4.3. Recov e r the Scene  Albedo   Duri ng th e p r evious  step   we o b taine d  t he atmo sp he ric veil  V(x); f r om thi s  valu e we  can   cal c ulate me dium tran smi ssi on t(x) up o n  (3):     t(x) =  1 - V(x)                                                                  (5)    No w we  can  simplify the scatterin g  mod e l in (1) to be  as follo wing:     I(x) =  Ap(x) t(x) +  A V(x)                                             (6)    The value s   we obtai ned  from two p r e v ious e s timat i ons all o w u s  to recove r the scen e  albed o by usi ng the followi ng equ ation that is derive d  from (6):     p Ix A  Vx/A tx                           (7)       5. Implementation   To imple m ent  the su gge ste d  metho d s  an d rem o ve the  effects  of su spe nde d pa rticle s in   bad weathe r we will p e rfo r m the followin g  step s:        Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   e-ISSN:  2087 -278X       Rem o val of A t m o spheri c  Particle s in Po or Visibilit y O u tdoor Im age s (Ya s ee n Al-Zubaid y )  4249 5.1. Acquire  Image in Ba d Wea t her   We will u s e  mounted exp e rime ntal ca mera  with  hig h  resolution  colors to captu r e imag es  in bad weath e r co ndition s.  This imag e will be  the inp u t images fo r our sugg este d system.     5.2. Acquire  Image in Clear Wea t he r   After perform ing step A, the mounte d  came ra  will b e  in the sam e  locatio n  an d same  positio n till the bad  weath e r  co ndition s  chang e and tu rn  into  clea r  weath e r  con d itions an d thi s  i t   may takes fe w h ours. T h e n  an other im age  will  be ta ken  an d thi s  i s  the  target i m age. T h is i m age  will be used i n  the testing  step.     5.3. Pair Ima g es for  All Weath e r Phen omenon   In this  step,  A and B  ste p s  will b e  u s ed to  captu r e the p a ir  of the imag es  for ea ch  weath e r  phe nomen on  su ch a s  fog, h a ze, mist, an d  drizzle  rai n .  One im age  is ca pture d  in  bad   weath e r  (lo w  colo r  cont ra st) a nd a noth e r ima ge i s  capture d   in cl ear we ather con d ition s   (hi g h   colo r co nt ra st ).     5.4. Diffe ren t  Backg round   In many pre v ious metho d s which e n han ce  the visibility of the image that has b een  captu r ed i n  b ad we athe r condition s, the  result  may n o t be co rrect  whe n  the sce ne obje c ts  are   simila r to the airlight an d no sha dow i s  ca st  on them. To make sure that the pro posed metho d s  will solve this problem, pai r  of  images i n  different locations  and different  backgrounds will be   captu r ed to compa r e the o u tput image s with cle a r day  images in th e testing ste p .     5.5. Different le v e ls of  visibilit y  Some enhancement meth ods  do not  work i n  low lev e l visi bility such as dense  fog. To   make  sure that the proposed  meth ods  will work in variety levels  of  visibility, th e pair  of images  will be taken in different l e vels  of visibility such  as  mist (li ght fog), medium  and dense fog to  comp are the output image  with cle a r day  images in th e testing ste p .     5.6. Apply i ng the sug g e s ted me thod s  After the dat aba se of ima ges  ha s be e n  creat ed  wit h  different ty pe of imag es that has  been  captu r ed in  differe nt co ndition s, backg ro und s a n d  level  of visibilitie s, the  estimati ng  skylig ht and  atmosp he ric  veil method s will be  appl ied to remov e  the effect s of su spe n d ed  particl es from  input image s and will prod uce hi ghe r qu ality images.   To  evaluate our sug g e s te d  method s, we w ill apply  two main te sts. First, the  output  images of suggest ed sy stem will be vi sually compared  with  the images that we re captured in  clea r weathe r co ndition s (targ e t ima ges).  Secon d , the qualit y of output image s will  be  statistically compa r ed wit h  input imag es; it w ill also be com pared with re sul t s of the latest  r e sear ch methods .       6. Expecte d  Resul t   The outp u t image s shoul d be prim arily  similar to the  image s that are  captu r ed  in a clea r  day. In other words, after  applying the  prop osed me thod, the input images tha t  are affected  by  bad weathe r  con d ition s  wil l  be simila r to the qua lity of clea r we ather ima g e s , In addition, th e  effects of su spend ed atmo sph e ri c pa rticles will be  re moved from the output ima ge. Furthe rm ore,  highe r quality  output image s with hig h  co ntra st a nd fidelity colors wi ll be prod uce d .      7. Conclusio n   Enhan cing  a n y outdo or i m age s that  a r e  captu r e d  i n  ba d weathe r is ba se d o n  two m a in  factors, ai rlig ht and  direct  attenuatio n. The  co rrect  prio r  assum p tions to e s ti mate the s e t w o   factors  are  th e cl ue  for re covering   scen e alb edo  fro m  effect s  of  su spe nde d p a rticle s by u s ing  the scattering  atmosph e ri c  model.   In this  res e arc h , two prior  ass u mptions   were  sugg est ed in orde r to remove the  effect of  atmosp he ric  particl es from  outdoor ima ges. First,  skylight value can be dete c te d from the pixels  set that  have  high  inten s it y and  low va rian ce  co lor contra st. Seco nd, the  preci s e  estim a tion  of  Evaluation Warning : The document was created with Spire.PDF for Python.
                               e-ISSN: 2 087-278X   TELKOM NIKA  Vol. 11, No . 8, August 2013:  4244 –  4250   4250 the real  hom ogen ou s atm o sp heri c  veil  depe nd s on  t he cl assification of ro ugh  atmosp he ric  veil  into a numbe r of levels that equal the nu mber of color  contrast in th e input image .    To impleme n t these t w o  prio r a s sum p tions, the  skylight dete c t i on metho d  h a s b een  prop osed to   cal c ulate  airli ght. We  al so  su gge st the  hom ogen ou s atm o sphe ri c veil  metho d  to   cal c ulate di re ct attenuation .     The re sults o f  sugge sted  method s will be use d  in the scatte ring  atmosp he ric  model to  recover  scen e albed o and  remove atm o sp heri c  pa rti c le s, namely  rain d r izzly, foggy and h a zy  effects an d o b tain the true  colo rs im age.        Referen ces   [1]    K He, J Sun,   X T ang. Singl e  Image Haze R e mova l Usin g Dark Cha n n e l  Prior.  IEEE Tra n sactions on  Pattern Analys i s  and Mach in e Intelli genc e.  20 11; 33: 1-1 3 .  [2]    R T an. Visibi li t y  i n  b ad  w e ather from  a  singl e im ag e.  IEEE Com puter Societ y Conference on  Co mp uter Visi on an d Pattern  Recog n itio n . 2 008; 1-8.   [3]    J Yu, Q Liao.  F a st Sing le Ima ge F og R e mov a l Usi ng Ed ge- Preservi ng S m oothi ng . Proce edi ngs of t h e   IEEE Internati ona l C onfer en ce o n  Aco u stic s,  Speec h, a n d  Si gna l Pr oce ssing, ICASSP . 201 1; 1 245- 124 8.  [4]    SG Naras i mha n , SK N a yar.  Contrast  r e stor ation  of  w e at h e r d egra d e d   i m ages.  IEEE  T r ansactio n s o n   Pattern Analys i s  and Mach in e Intelli genc e.  20 03; 25: 71 3-72 4.  [5]    YY Schechn er , SG Narasimhan, SK Na ya r.  Instant Deha z i n g  of Imag es Usin g Pola ri z a t i o n .  Proc .   IEEE Conf. Computer Visi on  and Patter n  Re cogn ition. 2 001 ; 1: 325-33 2.  [6]    SG Narasimhan, SK Nay a r.  I n teractive ( de) w eatherin g of  an i m age  usi n g phys i cal  mo dels . in Proc.  200 3 ICCV W o rkshop o n  Col o r and Phot ome t ric Met hods in  Comp uter Visi on (CPMCV). 2 003; 1-8.   [7]    J Kopf, B Neu bert, B Chen,  M Cohe n, D C ohe n-Or, O Deussen, M U y tt end ael e, D Lis c hinski. D e e p   Photo: Mo de l- Based  Ph otog raph  Enh anc e m ent a n d  Vie w i ng.   ACM T r ans. Grap hics .  20 08;  27(5):   116:1- 11 6:10.   [8]    R F a ttal. Singl e imag e de hazi ng.  ACM T r ans actions o n  Graphics . 20 08; 27 : 1-9.  [9]    J T a rel, N Hau t i.  Fast visibilit y restoratio n from  a sin g l e  co lor or gr ay lev e l i m a ge.  Proc . 2009 IEE E   Internatio na l C onfere n ce o n  Comp uter Visi on (ICCV). 200 9; 2201- 22 08.   [10]    K He, J Sun, X T ang. Singl e  Image Ha ze  Remov a l Usi n g Dark Ch ann el Prior.  IEEE Transactions on  Pattern Analys i s  and Mach in e Intelli genc e.  20 11;   33(1 2 ): 234 1-23 53.   [11]    Z  F a rbman, R   F a ttal, D Lisc hi nski, R Sz elisk i .  Edg e -Preser v ing  Dec o mpo s itions for  Multi - Scale T o n e   and D e tail Ma n i pul atio n.  ACM T r ansactio n s o n  Graphics.  20 08; 27(3): 1-1 0 .   Evaluation Warning : The document was created with Spire.PDF for Python.