一種基于亮度分量極小化的單幅圖像去霧方法
【專利摘要】本發(fā)明在天氣散射模型的基礎(chǔ)上提出了一種快速有效的圖像去霧算法，該方法首先根據(jù)霧天圖像的亮度分量與霧、霾濃度的關(guān)系，利用它自身的亮度分量來估算粗略目標(biāo)傳輸圖，然后采用一種線性空域?yàn)V波對(duì)其進(jìn)行平滑去噪，得到精確的目標(biāo)傳輸函數(shù)，再代入人氣散射模型中得到復(fù)原的無霧圖像，最后采用基于人眼視覺特性的擬合函數(shù)對(duì)復(fù)原圖像進(jìn)行亮度調(diào)節(jié)，此時(shí)僅對(duì)復(fù)原的無霧圖像的亮度分量進(jìn)行處理以保持圖像色彩的準(zhǔn)確性，并且將輸入的霧天圖像的亮度分量與復(fù)原的無霧圖像的亮度分量做一個(gè)色彩空間的線性映射，這樣可以保持復(fù)原的無霧圖像與輸入的霧天圖像的色彩致性，使復(fù)原圖像更加真實(shí)、自然。
【專利說明】一種基于亮度分量極小化的單幅圖像去霧方法

【技術(shù)領(lǐng)域】：
[0001] 本發(fā)明涉及圖像處理技術(shù)，具體來講，涉及種根據(jù)霧天圖像的亮度分布特點(diǎn)和人 眼視覺特性的單幅圖像去霧方法。 技術(shù)背景：
[0002] 霧天降質(zhì)圖像的清晰化處理是一個(gè)跨學(xué)科的前沿性課題，具有廣泛的應(yīng)用前景， 近年來已成為計(jì)算機(jī)視覺和圖像處理的研究熱點(diǎn)，吸引了國(guó)內(nèi)外的大批研究者。總的來說， 目前解決霧天圖像清晰化問題主要分為兩類方法：
[0003] -類是基于圖像處理技術(shù)的圖像增強(qiáng)的方法，該類方法不考慮圖像質(zhì)量下降的原 因，只將圖像中感興趣的特征有選擇的突出，同時(shí)衰減不需要的特征，從而使處理的圖像更 加適合人類視覺特性或計(jì)算機(jī)識(shí)別系統(tǒng)。該類方法雖然可以一定程度上改善局部對(duì)比度， 提高視覺效果，且算法的運(yùn)行時(shí)間較短，然而大多數(shù)文獻(xiàn)中基于增強(qiáng)的去霧方法往往沒有 考慮霧天圖像對(duì)比度降質(zhì)與場(chǎng)景點(diǎn)深度呈指數(shù)性關(guān)系的先驗(yàn)知識(shí)，因此，在實(shí)際霧天降質(zhì) 圖像的清晰化效果方面，也存在著些不足。比如經(jīng)典的百方圖均衡化算法增強(qiáng)后的霧天圖 像，會(huì)出現(xiàn)圖像細(xì)節(jié)信息丟失、天空區(qū)域出現(xiàn)偽輪廓等問題；而多尺度Retinex算法增強(qiáng)后 的霧天圖像，會(huì)造成圖像產(chǎn)生灰化效應(yīng)、場(chǎng)景突變區(qū)域引入光暈效應(yīng)的問題。
[0004] 另一類是基于天氣散射物理模型的方法。這類方法基于天氣散射規(guī)律，建立了圖 像退化模型，充分利用了退化的先驗(yàn)知識(shí)，具有內(nèi)在的優(yōu)越性。從物理成因的角度來看，天 氣散射是造成霧天圖像降質(zhì)的本質(zhì)原因，其引起的場(chǎng)景圖像對(duì)比度下降程度與場(chǎng)景點(diǎn)的深 度呈指數(shù)性增長(zhǎng)規(guī)律。在場(chǎng)景深度和精確的天氣條件已知時(shí)，可以較容易地恢復(fù)出理想圖 像的色彩與對(duì)比度。然而，在實(shí)際中，由于天氣散射現(xiàn)象的復(fù)雜性以及硬件設(shè)備的局限性， 往往無法從圖像中獲得準(zhǔn)確的天氣散射系數(shù)以及場(chǎng)景中各點(diǎn)的深度信息精確值，這給去霧 恢復(fù)帶來很大的不確定性，因此，圖像去霧恢復(fù)是個(gè)個(gè)適定的反問題。早期的基于物理模型 的去霧算法多是利用多幅圖像或其他額外附加信息來復(fù)原霧天圖像，但是這些算法的可操 作性復(fù)雜，不便于實(shí)際的應(yīng)用?；诎低ǖ老闰?yàn)單幅圖像去霧算法復(fù)原后的霧天圖像對(duì)含 有較多天空區(qū)域或存在與天空區(qū)域色彩相近的物體時(shí)，造成圖像色彩發(fā)生偏移，且運(yùn)算復(fù) 雜度商。


【發(fā)明內(nèi)容】
：
[0005] 本發(fā)明的目的在于解決從單幅霧天圖像中去除圖像中的天氣效果的問題，提供一 種符合人眼視覺特性的快速霧天圖像復(fù)原方法，通過所述方法可獲得清晰無霧圖像。
[0006] 為了實(shí)現(xiàn)上述目的，本發(fā)明提供種基于亮度分量極小化的單幅圖像去霧方法，其 中主要包括三個(gè)部分：提取霧天圖像亮度分量、獲取無霧圖像、無霧圖像的亮度增強(qiáng)。第一 部分包括兩個(gè)步驟：
[0007] 步驟1，將輸入的彩色霧天圖像按照顏色通道分解為紅色通道分量、綠色通道分量 和藍(lán)色通道分量，然后通過亮度轉(zhuǎn)化進(jìn)行亮度值計(jì)算，得到亮度圖像；
[0008] 步驟2,對(duì)步驟1的亮度圖像采用掩模最小化濾波處理，得到霧濃度分布圖；
[0009] 第二部分包括四個(gè)步驟：
[0010] 步驟3,利用步驟2獲得的霧濃度分布圖估計(jì)霧天圖像的粗略傳輸圖；
[0011] 步驟4,采用自適應(yīng)線性空域?yàn)V波對(duì)步驟3的粗略傳輸圖進(jìn)行平滑處理，得到保邊 平滑去噪后的精確目標(biāo)傳輸圖；
[0012] 步驟5,從步騾2中獲得的霧濃度分布圖中統(tǒng)計(jì)出前0. 1%像素灰度值最大的像素 點(diǎn)，并將這些像素點(diǎn)對(duì)應(yīng)在步驟1獲得的亮度分量中的最大像素灰度值定義為全局光線強(qiáng) 度A;
[0013] 步驟6,將步驟4和步驟5代入霧天天氣散射模型，得到復(fù)原的無霧圖像；
[0014] 第三部分包括六個(gè)步驟：
[0015] 步驟7,利用亮度轉(zhuǎn)換公示得到步驟6獲得圖像的亮度分量；
[0016] 步驟8,采用圖像增強(qiáng)擬合函數(shù)增強(qiáng)步驟1的亮度圖像；
[0017] 步驟9,采用圖像增強(qiáng)擬合函數(shù)增強(qiáng)步驟7的亮度圖像；
[0018] 步驟10,采用步驟8和步驟9獲得的亮度圖像來共同約束步驟7獲得的亮度圖像， 保證復(fù)原的輸出結(jié)果與輸入的有霧圖像的亮度致性；
[0019] 步驟11，將步驟10輸出結(jié)果的約束截?cái)嘣赱0,1]，以保證輸出結(jié)果的有效性；
[0020] 步驟12,將步驟11獲得的圖像進(jìn)行色彩空間的線性映射，輸出增強(qiáng)后的無霧圖 像。
[0021] 本發(fā)明根據(jù)霧天圖像的亮度分布特點(diǎn)和人限視覺特性，提出了一種基于亮度分量 極小化的單幅圖像去霧方法，該方法根據(jù)霧天圖像的亮度分量與霧、霾濃度的關(guān)系，利用亮 度分量來估算目標(biāo)傳輸圖，提高了算法的可操作性；采用一種線性空域?yàn)V波對(duì)其進(jìn)行平滑 去噪，得到復(fù)原圖像，采用基于人眼視覺特性的擬合函數(shù)對(duì)復(fù)原圖像進(jìn)行亮度調(diào)節(jié)，提高了 圖像的視覺效果，使恢復(fù)的圖像更加真實(shí)自然；本發(fā)明算法簡(jiǎn)單，可操作性強(qiáng)，具有廣泛的 適用性。

【專利附圖】

【附圖說明】
[0022] 圖1為本發(fā)明的整體流程圖；
[0023] 圖2為本發(fā)明的圖像亮度增強(qiáng)的流程圖；
[0024] 圖3為本發(fā)明的圖像增強(qiáng)擬合函數(shù)的曲線圖，其中，橫坐標(biāo)為輸入圖像的像素值， 縱坐標(biāo)為輸出圖像的像素值；
[0025] 圖4為原始采集的霧天彩色圖像；
[0026] 圖5為利用本發(fā)明處理圖4后的清晰圖像。

【具體實(shí)施方式】
[0027] 為了更好的理解本發(fā)明，下面結(jié)合【具體實(shí)施方式】對(duì)本發(fā)明的基于亮度分量極小化 的單圖像去霧方法進(jìn)行更為詳細(xì)的描述。在以下的描述當(dāng)中，當(dāng)前已有的現(xiàn)有技術(shù)的詳細(xì) 描述也許會(huì)淡化本發(fā)明的主題內(nèi)容，這些描述在這里將被忽略。
[0028] 圖1是本發(fā)明單幅圖像去霧方法的一種【具體實(shí)施方式】的流程圖，在本實(shí)施方案 中，按照以下步驟進(jìn)行：
[0029] 步驟1，獲取霧天圖像101，如圖4 ;
[0030] 步驟2,對(duì)霧天圖像進(jìn)行亮度轉(zhuǎn)化得到亮度圖像102 ;
[0031] 所采用的亮度轉(zhuǎn)化公式為：
[0032] Iv (χ? y) = 0. 27 · Ie(x, y)+0. 67 · Ig(x, y)+0. 06 · Ib (x, y)
[0033] 其中，Ik (x，y)、Ie (x，y)和Ib (x，y)分別是輸入彩色有霧圖像的R分量、G分量和 B分量的像素灰度值。
[0034] 步驟3,對(duì)亮度圖像102采用掩模最小化濾波處理，得到霧的濃度分布圖103
[0035] 所采用的最小化處理公式為：
[0036] = min( 1V 〇，少)） (x,})en(x^y)
[0037] 其中，Ω (X，y)是以（X，y)為中心的掩模窗口大小；Ivniin(X，y)表示對(duì)霧天圖像的 亮度分量I v (X，y)以掩模窗口大小為Ω (X，y)來執(zhí)行最小化濾波。
[0038] 步驟4,利用霧的濃度分布圖103估算出粗略的目標(biāo)傳輸圖f(x，_y)，其表達(dá)式為：
[0039] ?{χ,γ) = \-ω·ΙΥ?ηη{χ,γ)
[0040] 其中，ω為一個(gè)使恢復(fù)后圖像更加自然的參數(shù)，其取值范圍為[0, 1]，其中ω越 大，圖中的霧去除越徹底，反之，ω越小，保留的霧信息越多。
[0041] 步驟5,對(duì)步驟4獲得的粗略目標(biāo)傳輸圖進(jìn)行保邊平滑處理得到精確目標(biāo)傳 輸 t(x，y) 104。
[0042] 采用的公式為：
[0043]

【權(quán)利要求】
1. 一種基于亮度分量極小化的單幅圖像去霧方法，其特征在于，融合了亮度分布特點(diǎn) 和人眼視覺特性，包括提取霧天圖像亮度分量、獲取無霧圖像、無霧圖像的亮度增強(qiáng)三個(gè)部 分。第一部分包括兩個(gè)步驟： 步驟1，將輸入的彩色霧天圖像按照顏色通道分解為紅色通道分量、綠色通道分量和藍(lán) 色通道分量，然后通過亮度轉(zhuǎn)化進(jìn)行亮度值計(jì)算，得到亮度圖像； 步驟2,對(duì)步驟1的亮度圖像采用掩模最小化濾波處理，得到霧濃度分布圖； 第二部分包括四個(gè)步騾： 步驟3,利用步驟2獲得的霧濃度分布圖估計(jì)霧天圖像的粗略傳輸圖； 步驟4,采用自適應(yīng)線性空域?yàn)V波對(duì)步驟3的粗略傳輸圖進(jìn)行平滑處理，得到保邊平滑 去噪后的精確目標(biāo)傳輸圖； 步驟5,從步驟2中獲得的霧濃度分布圖中統(tǒng)計(jì)出前0. 1%像素灰度值最大的像素點(diǎn)， 并將這些像素點(diǎn)對(duì)應(yīng)在步驟1獲得的亮度分量中的最大像素灰度值定義為全局光線強(qiáng)度 A ； 步驟6,將步驟4和步驟5代入霧天天氣散射模型，得到復(fù)原的無霧圖像； 第三部分包括六個(gè)步驟： 步驟7,利用亮度轉(zhuǎn)換公示得到步驟6獲得圖像的亮度分量； 步驟8,采用圖像增強(qiáng)擬合函數(shù)增強(qiáng)步驟1的亮度圖像； 步驟9,采用圖像增強(qiáng)擬合函數(shù)增強(qiáng)步驟7的亮度圖像； 步驟10,采用步驟8和步驟9獲得的亮度圖像來共同約束步驟7獲得的亮度圖像，保證 復(fù)原的輸出結(jié)果與輸入的有霧圖像的亮度一致性； 步驟11，將步驟10輸出結(jié)果的約束截?cái)嘣赱0,1]，以保證輸出結(jié)果的有效性； 步驟12,將步驟11獲得的圖像進(jìn)行色彩空間的線性映射，輸出增強(qiáng)后的無霧圖像。
2. 根據(jù)權(quán)利要求1所述的基于亮度分量極小化的單幅圖像去霧方法，其特征在于，利 用步驟2的亮度分量極小化得到的霧濃度分布圖來粗略估計(jì)傳輸圖。
3. 根據(jù)權(quán)利要求1所述的基于亮度分量極小化的單幅圖像去霧方法，其特征在于，步 驟5利用基于人眼視覺特性的圖像增強(qiáng)擬合函數(shù)來調(diào)節(jié)復(fù)原圖像的亮度分量。
【文檔編號(hào)】G06T5/00GK104240193SQ201310437241
【公開日】2014年12月24日 申請(qǐng)日期:2013年9月15日 優(yōu)先權(quán)日:2013年9月15日
【發(fā)明者】張紅英, 吳亞東, 張賽楠 申請(qǐng)人:西南科技大學(xué)