本發(fā)明涉及數(shù)字圖像處理
技術(shù)領(lǐng)域：
，具體涉及一種基于暗通道先驗的自適應(yīng)圖像去霧方法。
背景技術(shù)：
：近年來，霧霾越來越頻繁地出現(xiàn)于我國各大城市，有些地方甚至全年大部分時間都籠罩在霧霾下。2013，年北京僅有5天不是霧霾天；這一年的一月，有四次霧霾籠罩了三十個省市。霧霾較大時，能見度降低，嚴重地影響了所拍圖片的清晰度。在霧霾天氣下拍攝的圖像由于大氣光的影響會被嚴重的降質(zhì)，摻雜大量的霧氣成分，圖像整體偏灰白色，邊緣信息較少，可檢測性大大降低。尤其是濃霧天氣下拍攝的圖像，細節(jié)信息損失較多，不利于計算機對圖像進行處理，而且視覺效果較差。依賴于計算機視覺的系統(tǒng)在霧霾天氣下工作時會受到嚴重的干擾，甚至無法正常工作，如交通視頻監(jiān)控、軍事偵察等，對生產(chǎn)生活造成了諸多困擾。因此，研究霧霾天氣下圖像的清晰化方法具有重要的現(xiàn)實意義和實用價值，近幾年來圖像去霧技術(shù)一直是圖像處理領(lǐng)域的一個研究熱點。本發(fā)明的研究便是對霧天降質(zhì)圖像的復(fù)原和細節(jié)增強，實現(xiàn)依據(jù)霧氣程度的自適應(yīng)去霧、以盡可能地增強去霧的效果。目前，在圖像去霧領(lǐng)域國內(nèi)外研究者們做了許多工作，提出了很多有效的去霧方法。現(xiàn)有的去霧算法大致可以分為兩大類：基于圖像增強的方法和基于物理模型的方法。第一類是基于圖像增強的方法，這類方法是采用通用的圖像處理方法對被降質(zhì)的圖像進行增強，改善圖像的質(zhì)量。該類方法主要有全局和局部直方圖均衡化、Retinex等方法。文章【1】(GonzalezRC,WoodsRE.DigitalImageProcessing.Reading,MA:Addison-Wesley,1992.)提出了全局的直方圖均衡化的增強方法，該方法較簡單，但是處理效果不理想，可能會造成圖像部分信息的損失,以致圖像失真。文章【2】(KimTK,PaikJK,KangBS.Contrastenhancementsystemusingspatiallyadaptivehistogramequalizationwithtemporalfiltering.IEEETransactionsonConsumerElectronics,1998,44(1):82-87)中提出了局部的直方圖均衡化，有不錯的處理效果，但是會造成嚴重的塊效應(yīng)。文章【3】(LandEH.Theretinextheoryofcolorvision.ScientificAmerica,1977,237(6):108-128)提出了基于色彩恒常性的Retinex算法，該算法采用照明-反射模型來模擬霧天圖像退化的過程。通過消除照射分量，求解反射分量來復(fù)原無霧場景。Retinex算法對濃霧區(qū)域和場景深度的變化不敏感，復(fù)原后的圖像通常會保留較多的霧氣成分?；谖锢砟Ｐ偷娜レF方法是通過研究霧氣產(chǎn)生原理，了解圖像退化機理，構(gòu)建物理模型，從而反演出無霧的場景。目前主流的去霧算法有Tarel、何凱明、孟高峰等人提出的算法，其依賴的物理模型為大氣散射模型。文章【4】(HeK,SunJ,TangX.Singleimagehazeremovalusingdarkchannelprior.IEEETransactionsonPatternAnalysisandMachineIntelligence,2011,33(12):2341-2353)通過對大量無霧圖像統(tǒng)計特征觀察，發(fā)現(xiàn)了被命名為暗通道先驗的先驗規(guī)律。該方法在處理效果上有非常好的表現(xiàn)，開辟了圖像去霧的一個新領(lǐng)域。文章【5】(TarelJP,HautiereN.Fastvisibilityrestorationfromasinglecolororgraylevelimage.In:Proceedingsofthe12thIEEEInternationalConferenceonComputerVision,2009.Kyoto:IEEE,2009.2201-2208)中，提出了一種快速去霧的方法，使用雙中值濾波代替【4】中的最小值濾波和導(dǎo)向濾波，大大簡化了處理過程，提高效率。但是中值濾波并不是好的邊緣保持濾波算法，局部區(qū)域景深突變會產(chǎn)生光暈效應(yīng)。并且算法中的參數(shù)較多，無法實現(xiàn)自適應(yīng)調(diào)整，需要人工進行測試調(diào)整，在實際應(yīng)用中受到了限制。文章【6】(GaofengMENG,YingWANG,JiangyongDUAN,ShimingXIANG,ChunhongPAN.Efficientimagedehazingwithboundaryconstraintandcontextualregularization.TheIEEEInternationalConferenceonComputerVision(ICCV),2013,pp.617-624)引入了透射率邊界限制，使用Kirsch算子計算的權(quán)重函數(shù)反映局部的景深變化，并采用正則化方法計算透射率。該算法能有效避免光暈現(xiàn)象，但是對于天空區(qū)域會出現(xiàn)的偏色現(xiàn)象，尤其是薄霧和無霧圖像。文章【7】(孫紅光，房超，張慧杰等，一種自適應(yīng)的基于暗通道先驗的去霧方法。吉林大學(xué)學(xué)報(理學(xué)版)，1671-5489(2012)05-0987-06)采用容差機制對暗通道進行補償，繼而計算透射率分布，這種方法的準確度依賴于容差參數(shù)大小的選取，同時在計算透射率的時候又引入了補償參數(shù)，該參數(shù)也直接影響到去霧的效果。由于這兩個參數(shù)都是手動設(shè)置且對不同的霧氣圖像其參數(shù)不同，因而其自適應(yīng)去霧的效果較差，可操作性不強。技術(shù)實現(xiàn)要素：本發(fā)明目的在于：針對不同霧氣濃度的圖像，實現(xiàn)自動調(diào)整去霧因子，確定最佳的霧氣去除程度，達到自適應(yīng)去霧需求。本發(fā)明采用的技術(shù)方案為：一種基于暗通道先驗的自適應(yīng)圖像去霧方法，該方法包括如下步驟：步驟1)：獲取RGB格式的霧氣圖像：基于有霧圖像的物理模型對RGB格式的圖像進行去霧操作，有霧圖像的物理模型可以表示成：I(x)＝J(x)t(x)+A(1-t(x))其中，I(x)為待去霧的圖像，J(x)為要恢復(fù)的無霧的圖像，A是全球大氣光成分，t(x)為透射率；由有霧圖像物理模型的變形，并且結(jié)合暗通道先驗的理論，可以推導(dǎo)出透射率t(x)的表達式，如下所示：t(x)=1-miny∈Ω(x)(minc∈(r,g,b)Ic(y)Ac)]]>其中，min為做最小值運算，Ω(x)為以x為中心的窗口，r，g，b分別為圖像的三個顏色通道；通過在上式中引入一個在[0,1]之間的因子，則修正為：t(x)=1-ω*miny∈Ω(x)(minc∈(r,g.b)Ic(y)Ac)]]>其中，ω是去霧因子，用以調(diào)節(jié)霧氣去除程度，避免去霧不足或過度去霧而引起的圖像失真現(xiàn)象；步驟2)：將上一步中的RGB圖像三通道中值最小的通道保存下來，得到最小值通道圖；步驟3)：對最小值通道圖進行最小值濾波，得到暗通道圖；具體求取過程為：1)首先求出每個像素RGB分量中的最小值，存入一副和原始圖像大小相同的灰度圖中，即最小值通道；2)對最小值通道進行最小值濾波，濾波的半徑由窗口大小決定；暗通道的求取公式如下：Jdark(x)=miny∈Ω(x)(minc∈(r,g,b)Jc(y))]]>式中Jc表示彩色圖像的每個通道，Ω(x)表示以像素X為中心的一個窗口，暗原色先驗的理論指出：Jdark(x)→0；步驟4)：根據(jù)暗通道圖求出大氣光值，這里選取的規(guī)則是：選取暗通道中值最大的0.1％對應(yīng)的RGB霧氣圖像中的最亮點作為該圖像的大氣光值；步驟5)：對最小值通道進行去霧操作，這里的具體方法為：利用暗通道計算最小值通道的透射率，去霧因子選取0.95，根據(jù)大氣散射模型重構(gòu)出最小值通道去霧后的結(jié)果；步驟6)：計算霧氣圖像的整體去霧因子ω0，這里的求取規(guī)則為：計算最小值通道和其對應(yīng)的去霧結(jié)果的標準差之比，根據(jù)比值的大小選取整體去霧因子；步驟7)：計算霧氣圖像的局部去霧因子ω(x)，對最小值通道求取局部標準差，根據(jù)標準差和整體去霧因子、大氣光值和最小值通道來求取局部去霧因子ω(x)；步驟8)：計算透射率；步驟9)：使用導(dǎo)向濾波對上一步得到的透射率進行優(yōu)化；步驟10)：重構(gòu)無霧圖像：根據(jù)大氣散射模型來重構(gòu)無霧的圖像。其中，步驟4)中計算大氣光值時，根據(jù)有霧圖像的物理模型可知，要想恢復(fù)出無霧圖像，前提是知道大氣光值A(chǔ)，求取A值的方法是：1)統(tǒng)計暗通道中亮度值最高的0.1％個點；2)在原有霧圖像中找到與這些點對應(yīng)的像素點；3)在這些像素點中找到具有最大亮度值的像素點，該點即為大氣光值A(chǔ)；其中，步驟6)中計算整體去霧因子時，采用整體與局部相結(jié)合的方法求取去霧因子，整體去霧因子ω0反映了圖像整體的霧氣程度，同時由于同一幅圖像內(nèi)不同區(qū)域的場景深度不同而導(dǎo)致霧氣分布不均勻，所以要進一步求取細化的局部去霧因子ω(x)，霧氣濃的區(qū)域去霧因子越大，反之越??；整體去霧因子的具體求取步驟如下：1)利用下式求取中間透射率tmin(x)，它用來對最小值通道進行去霧操作；tmin(x)=1-0.95*miny∈Ω(x)(minc∈(r,g,b)Ic(y)Ac)]]>其中，min為做最小值運算，Ω(x)為以x為中心的窗口，r，g，b分別為圖像的三個顏色通道。2)利用中間透射率tmin(x)和大氣光值最小值A(chǔ)min對最小值通道進行去霧操作，Amin為三個通道的大氣光值的最小值，得到最小值通道的去霧結(jié)果Jmin(x)，計算公式為：Jmin(x)=Imin(x)-Aminmin(0.1,tmin(x))-Amin]]>3)計算最小值通道tmin(x)和其去霧結(jié)果Jmin(x)的標準差比值σ，σ=σ(Imin(x))σ(Jmin(x))]]>其中，σ(Imin(x))和σ(Jmin(x))分別是最小值通道和其去霧結(jié)果的全局標準差。4)根據(jù)上一步的比值大小計算整體去霧因子ω0，ω0=0.9,σ<0.50.8,0.5<σ<1.50.7,1<σ<20.5,1.5<σ<20.4,σ>2]]>其中，步驟7)中計算局部去霧因子時，利用整體去霧因子來求解細化的局部去霧因子，步驟如下：1)計算最小值通道的局部標準差σΩ(x)，Ω為半徑5的區(qū)域，其大小與最小值通道圖大小相同；2)利用下式求取局部去霧因子ω(x)，ω(x)=ω0+ω0*(1-ω0)*(1-σΩ(x)max(σΩ(x)))*Imin(x)Amin]]>其中，σΩ(x)為最小值通道的局部標準差，max(σΩ(x))為求取σΩ(x)的最大值，Imin(x)為最小值通道，Amin為r，g，b三個通道的大氣光值的最小值。其中，步驟8)計算透射率時，根據(jù)所述的去霧因子ω(x)可以計算透射率t(x)，t(x)=1-ω(x)*miny∈Ω(x)(minc∈(r,g,b)Ic(y)Ac)]]>其中ω(x)就是在x處的去霧因子，可以通過其調(diào)整去霧程度。其中，步驟9)導(dǎo)向濾波處理可以得到精細化的透射率。其中，步驟10)重構(gòu)無霧圖像時，利用所述的大氣光值A(chǔ)和透射率t(x)可以根據(jù)物理模型重構(gòu)無霧圖像J(x)，采用如下公式：Jc(x)=Ic(x)-Acmax(0.1,t(x))-Ac,c∈(r,g,b)]]>其中，為了避免噪聲的影響，對透射率限制了一個下限0.1，防止J(x)出現(xiàn)負值的情況。本發(fā)明的原理在于：本發(fā)明技術(shù)方案本發(fā)明的技術(shù)方案分為兩個階段：第一階段是利用霧氣圖像的最小值通道計算整體去霧因子ω0；第二階段是利用整體去霧因子ω0和圖像的局部信息計算局部去霧因子ω(x)。1)計算整體去霧因子求取RGB格式的霧氣圖像的最小值通道，對最小值通道進行基于暗通道先驗的去霧處理，計算出最小值通道的去霧結(jié)果。根據(jù)最小值通道和其去霧結(jié)果的全局標準差之比確定圖像的整體霧氣情況，計算整體去霧因子ω0。2)計算局部去霧因子計算最小值通道的局部標準差，結(jié)合大氣光值和上一步計算出來的整體去霧因子ω0，計算局部去霧因子ω(x)。本發(fā)明技術(shù)方案的優(yōu)點和積極效果在于：(1)能夠根據(jù)霧氣情況自動調(diào)整去霧參數(shù)基于暗通道先驗的去霧算法采用固定的去霧因子參數(shù)，對于不同霧氣情況的圖像，需要手動調(diào)整該參數(shù)。在面對霧氣多變的大批量圖像去霧需求時(如監(jiān)控視頻去霧)，往往只能設(shè)置一個折中的去霧參數(shù)，這樣有些圖像會過度去霧，而有些圖像則去霧不足。本發(fā)明的采用整體與局部相結(jié)合的方法求解去霧因子，能夠根據(jù)圖像的霧氣情況自動調(diào)整去霧因子參數(shù)，確定最佳的霧氣去除程度，能滿足各種場景下的自適應(yīng)去霧需求,復(fù)原的圖像視覺效果更好。(2)改善方法耗時增加較少本發(fā)明提出的改善方法是針對去霧因子進行，方法非常簡單有效，使得去霧算法整體時間增加較少，經(jīng)過統(tǒng)計處理時間約增長15％，在一個可以接受的范圍內(nèi)。附圖說明圖1為自適應(yīng)去霧的執(zhí)行流程圖；圖2為對比結(jié)果示意圖，其中，圖2(a)為原圖示意圖，圖2(b)為暗通道先驗算法結(jié)果示意圖，圖2(c)為本發(fā)明結(jié)果示意圖。具體實施方式下面結(jié)合附圖以及具體實施方式進一步說明本發(fā)明。本發(fā)明一種基于暗通道先驗的自適應(yīng)圖像去霧方法的執(zhí)行流程如圖1所示：步驟1)：獲取RGB格式的霧氣圖像。步驟2)：將上一步中的RGB圖像三通道中值最小的通道保存下來，得到最小值通道圖。步驟3)：對最小值通道圖進行最小值濾波，得到暗通道圖。步驟4)：根據(jù)暗通道圖求出大氣光值，這里選取的規(guī)則是：選取暗通道中值最大的0.1％對應(yīng)的RGB霧氣圖像中的最亮點作為該圖像的大氣光值。步驟5)：對最小值通道進行去霧操作，這里的具體方法為：利用暗通道計算最小值通道的透射率，去霧因子選取0.95，根據(jù)大氣散射模型重構(gòu)出最小值通道去霧后的結(jié)果。步驟6)：計算霧氣圖像的整體去霧因子ω0，這里的求取規(guī)則為：計算最小值通道和其對應(yīng)的去霧結(jié)果的標準差之比，根據(jù)比值的大小選取整體去霧因子。步驟7)：計算霧氣圖像的局部去霧因子ω(x)，對最小值通道求取局部標準差，根據(jù)標準差和整體去霧因子、大氣光值和最小值通道來求取局部去霧因子ω(x)。步驟8)：計算透射率。步驟9)：使用導(dǎo)向濾波對上一步得到的透射率進行優(yōu)化。步驟10)：重構(gòu)無霧圖像。根據(jù)大氣散射模型來重構(gòu)無霧的圖像。1、霧天圖像物理模型本發(fā)明基于有霧圖像的物理模型對RGB格式的圖像進行去霧操作，有霧圖像的物理模型可以表示成：I(x)＝J(x)t(x)+A(1-t(x))其中，I(x)就是我們現(xiàn)在已經(jīng)有的圖像(待去霧的圖像)，J(x)是我們要恢復(fù)的無霧的圖像，A是全球大氣光成分，t(x)為透射率。暗通道先驗理論指出：在絕大多數(shù)無霧圖像的非天空區(qū)域內(nèi)，總存在一些像素點的亮度值很低或rgb三通道有一個值很低，趨近于零。由有霧圖像物理模型的變形，并且結(jié)合暗通道先驗的理論，可以推導(dǎo)出透射率t(x)的表達式，如下所示：t(x)=1-miny∈Ω(x)(minc∈(r,g,b)Ic(y)Ac)]]>其中，min為做最小值運算，Ω(x)為以x為中心的窗口，r,g,b分別為圖像的三個顏色通道。在現(xiàn)實生活中，即使是晴天白云，空氣中也存在著一些顆粒，因此，看遠處的物體還是能感覺到霧的影響，另外，霧的存在讓人類感到景深的存在，因此，有必要在去霧的時候保留一定程度的霧，這可以通過在上式中引入一個在[0,1]之間的因子，則修正為：t(x)=1-ω*miny∈Ω(x)(minc∈(r,g.b)Ic(y)Ac)]]>其中，ω是去霧因子，用以調(diào)節(jié)霧氣去除程度，避免去霧不足或過度去霧而引起的圖像失真現(xiàn)象。2、計算暗通道在絕大多數(shù)非天空的局部區(qū)域里，某一些像素總會有至少一個顏色通道具有很低的值。換言之，該區(qū)域光強度的最小值是個很小的數(shù)。其具體求取過程為：1)首先求出每個像素RGB分量中的最小值，存入一副和原始圖像大小相同的灰度圖中，即最小值通道。2)對最小值通道進行最小值濾波，濾波的半徑由窗口大小決定,經(jīng)過后期實驗效果總結(jié)，窗口大小對去霧效果有較大的影響。在這里，我們選取濾波半徑為5較為合適。暗通道的求取公式如下：Jdark(x)=miny∈Ω(x)(minc∈(r,g,b)Jc(y))]]>式中Jc表示彩色圖像的每個通道，Ω(x)表示以像素X為中心的一個窗口。暗原色先驗的理論指出：Jdark(x)→0。3、計算大氣光值根據(jù)有霧圖像的物理模型可知，要想恢復(fù)出無霧圖像，前提是知道大氣光值A(chǔ)。本發(fā)明中求取A值的方法是：1)統(tǒng)計暗通道中亮度值最高的0.1％個點。2)在原有霧圖像中找到與這些點對應(yīng)的像素點。3)在這些像素點中找到具有最大亮度值的像素點，該點即為大氣光值A(chǔ)。4、計算整體去霧因子本發(fā)明采用整體與局部相結(jié)合的方法求取去霧因子。整體去霧因子ω0反映了圖像整體的霧氣程度，例如無霧、薄霧、中霧以及濃霧等；同時由于同一幅圖像內(nèi)不同區(qū)域的場景深度不同而導(dǎo)致霧氣分布不均勻，所以要進一步求取細化的局部去霧因子ω(x)，霧氣濃的區(qū)域去霧因子越大，反之越小。整體去霧因子的具體求取步驟如下：1)利用下式求取中間透射率tmin(x)，它用來對最小值通道進行去霧操作。tmin(x)=1-0.95*miny∈Ω(x)(minc∈(r,g,b)Ic(y)Ac)]]>其中，min為做最小值運算，Ω(x)為以x為中心的窗口，r,g,b分別為圖像的三個顏色通道。2)利用中間透射率tmin(x)和大氣光值最小值A(chǔ)min(三個通道的大氣光值的最小值)對最小值通道進行去霧操作，得到最小值通道的去霧結(jié)果Jmin(x)，計算公式為：Jmin(x)=Imin(x)-Aminmin(0.1,tmin(x))-Amin]]>3)計算最小值通道tmin(x)和其去霧結(jié)果Jmin(x)的標準差比值σ。σ=σ(Imin(x))σ(Jmin(x))]]>其中，σ(Imin(x))和σ(Jmin(x))分別是最小值通道和其去霧結(jié)果的全局標準差。4)根據(jù)上一步的比值大小計算整體去霧因子ω0。ω0=0.9,σ<0.50.8,0.5<σ<1.50.7,1<σ<20.5,1.5<σ<20.4,σ>2]]>5、計算局部去霧因子整體去霧因子只是粗略地反映了圖像的整體霧氣情況，精確度并不高，而通常一幅圖像中霧氣分布是不均勻的，對于不同濃度的霧氣需要去霧的程度不同，所以不同區(qū)域往往需要不同的去霧因子，本發(fā)明利用整體去霧因子來求解細化的局部去霧因子，步驟如下：1)計算最小值通道的局部標準差σΩ(x)(Ω為半徑5的區(qū)域)，其大小與最小值通道圖大小相同。2)利用下式求取局部去霧因子ω(x)，ω(x)=ω0+ω0*(1-ω0)*(1-σΩ(x)max(σΩ(x)))*Imin(x)Amin]]>其中，σΩ(x)為最小值通道的局部標準差，max(σΩ(x))為求取σΩ(x)的最大值，Imin(x)為最小值通道，Amin為r,g,b三個通道的大氣光值的最小值。6、計算透射率根據(jù)上面求取的去霧因子ω(x)可以計算透射率t(x)。t(x)=1-ω(x)*miny∈Ω(x)(minc∈(r,g,b)Ic(y)Ac)]]>其中ω(x)就是在x處的去霧因子，可以通過其調(diào)整去霧程度。7、導(dǎo)向濾波上面求出來的透射率只是粗略的透射率，如果直接選其進行無霧圖像的恢復(fù)，則在細節(jié)上沒有很好處理，并且由于窗口操作而產(chǎn)生較嚴重的塊效應(yīng)。對上述預(yù)估的透射率進行導(dǎo)向濾波處理，可以得到精細化的透射率。8、復(fù)原無霧圖像利用前面得到的大氣光值A(chǔ)和透射率t(x)可以根據(jù)物理模型重構(gòu)無霧圖像J(x)，采用如下公式：Jc(x)=Ic(x)-Acmax(0.1,t(x))-Ac,c∈(r,g,b)]]>其中，為了避免噪聲的影響，本發(fā)明對透射率限制了一個下限0.1，防止J(x)出現(xiàn)負值的情況。處理結(jié)果如圖2所示：圖(a)是原圖，圖(b)是原暗通道先驗算法去霧之后的圖像，圖(c)本發(fā)明去霧之后的結(jié)果。從上面對比明顯可以看出，本發(fā)明在圖像霧氣分布不均的情況下，能較好地調(diào)節(jié)各區(qū)域霧氣去除的程度，細節(jié)增強更好，在視覺效果上也更逼真。本發(fā)明中涉及到的本領(lǐng)域公知技術(shù)未詳細闡述。當(dāng)前第1頁1 2 3