This paper proposed a fast and efficient video de-hazing system with reduced computational complexity for real-time computer vision applications. Video de-hazing is an important task and extensively researched in image/video processing and computer vision. The proposed method initially developed and verified for single images and later extended for real-time video’s. The first key aspect of the proposed method is estimating the accurate transmission map using the hue, saturation, and light color model together with red, green, and blue color space. The second relevant aspect is preserving the edges and avoiding halos and artifacts by employing the median of pixels. These aspects reduce the number of computations. It does not require the most computationally complex step of refine transmission map. The advantage of this method is evaluated with five existing classical methods in terms of the average time constant (ATC), peak signal-to-noise ratio, percentage of haze improvement, average contrast of the output image, mean square error and structural similarity index. The comparative experiment shows that the proposed method is two times faster than the existing methods. The qualitative and quantitative analysis demonstrated that the proposed method can attain better de-hazing results and can be efficiently used for real-time video de-hazing applications. Based on comparative analysis, we mapped the proposed method on Raspberry Pi3 and Jetson Nano (GPU) with 24 fps (frames per second) without noticeable delay from input to output and demonstrated for the real-time video.

本文针对实时计算机视觉应用提出了一种快速高效的视频去雾系统，该系统具有降低的计算复杂度。视频去雾是一项重要任务，在图像/视频处理和计算机视觉中得到了广泛的研究。所提出的方法最初是针对单个图像开发和验证的，后来扩展为实时视频的。所提出方法的第一个关键方面是使用色相，饱和度和浅色模型以及红色，绿色和蓝色空间来估计准确的透射图。第二相关方面是通过使用像素的中位数来保留边缘并避免光晕和伪像。这些方面减少了计算量。它不需要优化传输图的最复杂的计算步骤。在平均时间常数（ATC），峰值信噪比，雾度改善百分比，输出图像的平均对比度，均方误差和结构相似性指数方面，使用五种现有的经典方法评估了该方法的优势。对比实验表明，所提出的方法是现有方法的两倍。定性和定量分析表明，该方法可以获得更好的除雾效果，可以有效地用于实时视频除雾应用。在比较分析的基础上，我们在Raspberry Pi3和Jetson Nano（GPU）上以24 fps（每秒帧数）映射了拟议的方法，而从输入到输出没有明显的延迟，并针对实时视频进行了演示。峰值信噪比，雾度改善百分比，输出图像的平均对比度，均方误差和结构相似性指数。对比实验表明，所提出的方法是现有方法的两倍。定性和定量分析表明，该方法可以获得更好的除雾效果，可以有效地用于实时视频除雾应用。在比较分析的基础上，我们在Raspberry Pi3和Jetson Nano（GPU）上以24 fps（每秒帧数）映射了拟议的方法，而从输入到输出没有明显的延迟，并针对实时视频进行了演示。峰值信噪比，雾度改善百分比，输出图像的平均对比度，均方误差和结构相似性指数。对比实验表明，所提出的方法是现有方法的两倍。定性和定量分析表明，该方法可以获得更好的除雾效果，可以有效地用于实时视频除雾应用。在比较分析的基础上，我们在Raspberry Pi3和Jetson Nano（GPU）上以24 fps（每秒帧数）映射了拟议的方法，而从输入到输出没有明显的延迟，并针对实时视频进行了演示。对比实验表明，所提出的方法是现有方法的两倍。定性和定量分析表明，该方法可以获得更好的除雾效果，可以有效地用于实时视频除雾应用。在比较分析的基础上，我们在Raspberry Pi3和Jetson Nano（GPU）上以24 fps（每秒帧数）映射了拟议的方法，而从输入到输出没有明显的延迟，并针对实时视频进行了演示。对比实验表明，所提出的方法是现有方法的两倍。定性和定量分析表明，该方法可以获得更好的除雾效果，可以有效地用于实时视频除雾应用。在比较分析的基础上，我们在Raspberry Pi3和Jetson Nano（GPU）上以24 fps（每秒帧数）映射了拟议的方法，而从输入到输出没有明显的延迟，并针对实时视频进行了演示。