本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，尤其涉及一種包含大面積天空區(qū)域的圖像去霧方法及系統(tǒng)。

背景技術(shù)：

對圖像特征進行準(zhǔn)確提取是計算機視覺正常工作的關(guān)鍵因素，然而在霧、霾、煙、水汽等場下，由于輻射光受到大氣粒子的散射作用，導(dǎo)致場景的能見度降低，圖像質(zhì)量嚴重退化，不僅模糊不清，而且還會出現(xiàn)嚴重的顏色失真，極大的限制了系統(tǒng)效用的發(fā)揮，甚至導(dǎo)致計算機視覺系統(tǒng)無法正常工作。因此，為了改善圖像質(zhì)量并且豐富圖像所包含的信息，使系統(tǒng)具備惡劣天氣下工作的魯棒性和可靠性，需要對霧天降質(zhì)圖像進行去霧處理。

近幾年來，基于假設(shè)或先驗知識的單幅包含大面積天空區(qū)域的圖像去霧算法成為研究的熱點，很多專家和學(xué)者在不斷的研究和探索，但是這些方法均存在一定的缺陷，通過上述方法處理后的圖像存在方塊效應(yīng)或色彩失真的現(xiàn)象。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提供一種包含大面積天空區(qū)域的圖像去霧方法，旨在解決現(xiàn)有技術(shù)中采用基于假設(shè)或先驗知識的單幅圖像去霧算法造成圖像存在方塊效應(yīng)或者色彩失真現(xiàn)象的問題。

本發(fā)明是這樣實現(xiàn)的，一種包含大面積天空區(qū)域的圖像去霧方法，所述方法包括下述步驟：

對拍攝到的有霧圖像I(x)進行四叉樹分割，將所述有霧圖像分割為若干個圖像區(qū)域，并在若干個所述圖像區(qū)域中獲得種子點；

以獲取到的種子點為基礎(chǔ)進行天空區(qū)域生長，獲取包含天空區(qū)域和非天空區(qū)域的圖像，同時，計算大氣光值A(chǔ)；

計算所述非天空區(qū)域的介質(zhì)透射率t₁(x)，同時將所述天空區(qū)域的介質(zhì)透射率統(tǒng)一設(shè)置為t_sky，其中，所述天空區(qū)域的介質(zhì)透射率為常數(shù)值；

對包含天空區(qū)域和非天空區(qū)域的圖像進行邊界模糊，計算得到高斯加權(quán)參數(shù)I′_seg(x)，其中，I′_seg(x)∈(0,1)；

對圖像中的天空區(qū)域和非天空區(qū)域進行透射率融合，其中，透射率融合的最終表達式為：t(x)＝I′_seg(x)×t_sky+(1-I′_seg(x))×t₁(x)；

根據(jù)有霧圖像的大氣散射模型，計算去霧后的圖像J(x)，其中，t₀＝0.1。

作為一種改進的方案，所述對拍攝到的有霧圖像I(x)進行四叉樹分割的步驟之后還包括下述步驟：

在對有霧圖像進行n級分割后，判斷若干個圖像區(qū)域中參考標(biāo)準(zhǔn)參數(shù)最大值與第二大值之差是否小于預(yù)先設(shè)定的常數(shù)S_T；

若若干個圖像區(qū)域中參考標(biāo)準(zhǔn)參數(shù)最大值與第二大值之差小于預(yù)先設(shè)定的常數(shù)S_T，則控制停止對所述有霧圖像的四叉樹分割；

否則繼續(xù)進行四叉樹分割。

作為一種改進的方案，所述在若干個所述圖像區(qū)域中獲得種子點的步驟具體包括下述步驟：

在若干個圖像中，定義種子點區(qū)域D的大小為[m*n]，且在種子點區(qū)域D內(nèi)的任意一點(x，y)的灰度值記為R(x,y)；

計算種子點區(qū)域D的平均灰度值R_ave，

計算所述種子點區(qū)域內(nèi)任意一點的灰度值R(x,y)與所述平均灰度值R_ave之間的差值，R_dif(x,y)＝|R(x,y)-R_ave|；

當(dāng)選取的點的灰度值與平均灰度值之間的差值的絕對值最小時，則選取該點為種子點。

作為一種改進的方案，所述對圖像中的天空區(qū)域和非天空區(qū)域進行透射率融合的步驟之后，所述根據(jù)有霧圖像的大氣散射模型，計算去霧后的圖像的步驟之前還包括下述步驟：

對融合后的透射率進行導(dǎo)向濾波。

作為一種改進的方案，所述根據(jù)有霧圖像的大氣散射模型，計算去霧后的圖像的步驟之后還包括下述步驟：

對去霧處理后的圖像進行亮度調(diào)整。

本發(fā)明的另一目的在于提供一種包含大面積天空區(qū)域的圖像去霧系統(tǒng)，所述系統(tǒng)包括：

四叉樹分割模塊，用于對拍攝到的有霧圖像I(x)進行四叉樹分割，將所述有霧圖像分割為若干個圖像區(qū)域；

種子點獲取模塊，用于在若干個所述圖像區(qū)域中獲得種子點；

天空區(qū)域生長模塊，用于以獲取到的種子點為基礎(chǔ)進行天空區(qū)域生長，獲取包含天空區(qū)域和非天空區(qū)域的圖像；

大氣光值計算模塊，用于計算大氣光值A(chǔ)；

介質(zhì)透射率計算模塊，用于計算所述非天空區(qū)域的介質(zhì)透射率t₁(x)，同時將所述天空區(qū)域的介質(zhì)透射率統(tǒng)一設(shè)置為t_sky，其中，所述天空區(qū)域的介質(zhì)透射率為常數(shù)值；

邊界模糊處理模塊，用于對包含天空區(qū)域和非天空區(qū)域的圖像進行邊界模糊，計算得到高斯加權(quán)參數(shù)I′_seg(x)，其中，I′_seg(x)∈(0,1)；

透射率融合模塊，用于對圖像中的天空區(qū)域和非天空區(qū)域進行透射率融合，其中，透射率融合的最終表達式為：t(x)＝I′_seg(x)×t_sky+(1-I′_seg(x))×t₁(x)；

去霧處理模塊，用于根據(jù)有霧圖像的大氣散射模型，計算去霧后的圖像J(x)，其中，t₀＝0.1。

作為一種改進的方案，所述系統(tǒng)還包括：

判斷模塊，用于在對有霧圖像進行n級分割后，判斷若干個圖像區(qū)域中參考標(biāo)準(zhǔn)參數(shù)最大值與第二大值之差是否小于預(yù)先設(shè)定的常數(shù)S_T；

控制模塊，用于若若干個圖像區(qū)域中參考標(biāo)準(zhǔn)參數(shù)最大值與第二大值之差小于預(yù)先設(shè)定的常數(shù)S_T，則控制停止對所述有霧圖像的四叉樹分割，否則繼續(xù)進行四叉樹分割。

作為一種改進的方案，所述種子點獲取模塊具體包括：

種子點區(qū)域定義模塊，用于在若干個圖像中，定義種子點區(qū)域D的大小為[m*n]，且在種子點區(qū)域D內(nèi)的任意一點(x，y)的灰度值記為R(x,y)；

平均灰度值計算模塊，用于計算種子點區(qū)域D的平均灰度值R_ave，

差值計算模塊，用于計算所述種子點區(qū)域內(nèi)任意一點的灰度值R(x,y)與所述平均灰度值R_ave之間的差值，R_dif(x,y)＝|R(x,y)-R_ave|；

種子點選取模塊，用于當(dāng)選取的點的灰度值與平均灰度值之間的差值的絕對值最小時，則該選取的點為種子點。

作為一種改進的方案，所述系統(tǒng)還包括：

導(dǎo)向濾波模塊，用于對融合后的透射率進行導(dǎo)向濾波。

作為一種改進的方案，所述系統(tǒng)還包括：

亮度調(diào)整模塊，用于對去霧處理后的圖像進行亮度調(diào)整。

在本發(fā)明實施例中，對拍攝到的有霧圖像I(x)進行四叉樹分割，將有霧圖像分割為若干個圖像區(qū)域，并在若干個圖像區(qū)域中獲得種子點；以獲取到的種子點為基礎(chǔ)進行天空區(qū)域生長，獲取包含天空區(qū)域和非天空區(qū)域的圖像，計算大氣光值A(chǔ)；計算非天空區(qū)域的介質(zhì)透射率t₁(x)，同時將天空區(qū)域的介質(zhì)透射率統(tǒng)一設(shè)置為t_sky；對包含天空區(qū)域和非天空區(qū)域的圖像進行邊界模糊，計算得到高斯加權(quán)參數(shù)；對圖像中的天空區(qū)域和非天空區(qū)域進行透射率融合；根據(jù)有霧圖像的大氣散射模型，計算去霧后的圖像J(x)，從而得到清晰無霧圖像，尤其是適用于包含大面積天空區(qū)域的霧霾圖像的處理。

附圖說明

圖1是本發(fā)明提供的包含大面積天空區(qū)域的圖像去霧方法的實現(xiàn)流程圖；

圖2是本發(fā)明提供的在若干個圖像區(qū)域中獲得種子點的實現(xiàn)流程圖；

圖3是本發(fā)明提供的包含大面積天空區(qū)域的圖像去霧系統(tǒng)的結(jié)構(gòu)框圖；

圖4是本發(fā)明提供的種子點獲取模塊的結(jié)構(gòu)框圖。

具體實施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進行進一步詳細說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

圖1示出了本發(fā)明提供的包含大面積天空區(qū)域的圖像去霧方法的實現(xiàn)流程圖，其具體包括下述步驟：

在步驟S101中，對拍攝到的有霧圖像I(x)進行四叉樹分割，將所述有霧圖像分割為若干個圖像區(qū)域，并在若干個所述圖像區(qū)域中獲得種子點。

在該步驟中，為了在有霧圖像中找出天空區(qū)域，采用四叉樹分割的算法對有霧圖像進行處理，即：

首先將有霧圖像分割為四個大小相同的圖像區(qū)域，然后再對每個小的圖像區(qū)域進行分割，迭代繼續(xù)，下述有詳細說明，在此不再贅述。

當(dāng)四叉樹分割迭代過程結(jié)束時，在若干個小的圖像區(qū)域中，找到種子點，其具體的查找方式下述給出，在此不再贅述。

在步驟S102中，以獲取到的種子點為基礎(chǔ)進行天空區(qū)域生長，獲取包含天空區(qū)域和非天空區(qū)域的圖像，同時，計算大氣光值A(chǔ)。

在該步驟中，當(dāng)獲取到種子點P后，區(qū)域生長便從P點開始出發(fā)，向該點的8個方向的領(lǐng)域圖像區(qū)域進行搜索；

當(dāng)搜索到相鄰圖像區(qū)域內(nèi)的像素點的灰度值與該種子點P的灰度差小于預(yù)設(shè)的閾值T時，則認為該搜索到的像素點與種子點P為同一目標(biāo)點，并進行像素點標(biāo)記，假設(shè)為L，然后繼續(xù)上述方式進行搜索，直到找不到符合同樣條件的像素點為止，這樣若干個標(biāo)記為L的像素點的組合記為天空區(qū)域。

即，天空區(qū)域生長完成后，原有的有霧圖像根據(jù)像素點劃分為兩類，天空區(qū)域和非天空區(qū)域。

其中，當(dāng)天空區(qū)域生長完成后，可以進行大氣光值的計算，其具體的計算過程為：

(1)將上述天空區(qū)域的所有像素點提取出來；(2)對所有像素點的像素值進行降序排列；(3)選取天空區(qū)域中像素點的像素值在排序在前1％的像素點的平均灰度值為大氣光值A(chǔ)；

上述僅為一種具體的實現(xiàn)方式，在此不再贅述。

在步驟S103中，計算非天空區(qū)域的介質(zhì)透射率t₁(x)，同時將天空區(qū)域的介質(zhì)透射率統(tǒng)一設(shè)置為t_sky，其中，天空區(qū)域的介質(zhì)透射率為常數(shù)值。

在步驟中，天空區(qū)域的介質(zhì)透射率t_sky為常數(shù)值，取值為0.35。

其中，對于非天空區(qū)域的介質(zhì)透射率t₁(x)的計算過程在下述內(nèi)容有表達，在此不再贅述。

在步驟S104中，對包含天空區(qū)域和非天空區(qū)域的圖像進行邊界模糊，計算得到高斯加權(quán)參數(shù)I′_seg(x)，其中，I′_seg(x)∈(0,1)。

對于圖像分割獲取天空區(qū)域和非天空區(qū)域后，圖像中的任意一點完全屬于天空區(qū)域或完全不屬于天空區(qū)域，但是對其進行高斯模糊處理后，可以使天空區(qū)域和非天空區(qū)域的邊界處的灰度過渡平緩，因此使用加權(quán)算法對邊界進行高斯模糊處理，高斯模糊處理是將圖像中每一個像素點的值轉(zhuǎn)化為由該像素點鄰域內(nèi)所有像素點的值的加權(quán)平均，其具有各向同性和均勻特性，假設(shè)二維模板的大小為m*n，則模板上的像素點(x，y)所對應(yīng)的高斯計算公式為：

$G(x,y)=\frac{1}{2{\mathrm{\π\σ}}^2}\×e^{\frac{{(x-0.5m)}^2+{(y-0.5n)}^2}{2{\mathrm{\σ}}^2}};$

其中，σ是正態(tài)分布的標(biāo)準(zhǔn)差，σ值越大，圖像越模糊；

分布不為0的像素點組成的卷積矩陣與原始圖像做變換，便可得到濾波后的分布圖，如下述計算式：

I′_seg(x)＝I_seg*G，其中，*為卷積運算；

每個像素點的值都是周圍相鄰像素點的值加權(quán)平均。

在步驟S105中，對圖像中的天空區(qū)域和非天空區(qū)域進行透射率融合，其中，透射率融合的最終表達式為：t(x)＝I′_seg(x)×t_sky+(1-I′_seg(x))×t₁(x)。

其中，其中，天空區(qū)域被統(tǒng)一設(shè)置為固定值后，在天空區(qū)域和非天空區(qū)域的交界處存在較大的突變，因此，利用圖像融合技術(shù)對天空區(qū)域的介質(zhì)透射率t_sky和非天空區(qū)域的介質(zhì)透射率t₁(x)進行加權(quán)融合，即：

t(x)＝ω₁×t_sky+ω₂×t₁(x)，其中，ω₁和ω₂為加權(quán)系數(shù)，且ω₁+ω₂＝1；

根據(jù)上述高斯模糊處理，上述公式變換為：

t(x)＝I′_seg(x)×t_sky+(1-I′_seg(x))×t₁(x)。

在步驟S106中，根據(jù)有霧圖像的大氣散射模型，計算去霧后的圖像J(x)，其中，t₀＝0.1。

其中，大氣散射模型為：I(x)＝J(x)t(x)+A(1-t(x))，因此，當(dāng)已知大氣光值A(chǔ)和介質(zhì)透射率t(x)后，可以計算j(x)；

其中，上述引入的常數(shù)t₀為保證去霧效果引入的約束條件，即取值t(x)和t₀的的最小值作為分母來計算去霧圖像。

在本發(fā)明實施例中，如上述步驟S101所述，在四叉樹分割的基礎(chǔ)上，在有霧圖像中，天空區(qū)域一般分布于圖像的中部或上部，可以將位于圖像下半部分乘以系數(shù)η，其中，系數(shù)η小于1，劃分之后，有霧圖像的表達式為：

M為有霧圖像高度；

假設(shè)將有霧圖像劃分為四個部分i∈[1,2,3,4]分別代表分割后的左上角、右上角、左下角和右下角的圖像區(qū)域，n表示分割級數(shù)，初次分割時n＝1；

然后定義各個區(qū)域的參考標(biāo)準(zhǔn)參數(shù)其中，參考標(biāo)準(zhǔn)參數(shù)的表達式為：其中，mean表示平均灰度，gradient表示圖像區(qū)域的平均梯度；

因此，上述步驟中，對有霧圖像進行四叉樹分割時，需要判斷若干個圖像區(qū)域中參考標(biāo)準(zhǔn)參數(shù)最大值與第二大值之差是否小于預(yù)先設(shè)定的常數(shù)S_T，即：

其中，min為最小值運算，表示k以外的其他區(qū)域；

若若干個圖像區(qū)域中參考標(biāo)準(zhǔn)參數(shù)最大值與第二大值之差小于預(yù)先設(shè)定的常數(shù)S_T，則控制停止對所述有霧圖像的四叉樹分割；

否則繼續(xù)進行四叉樹分割。

當(dāng)四叉樹分割結(jié)束后，可以進行種子點(區(qū)域)的計算。

在本發(fā)明實施例中，如圖2所示，在若干個所述圖像區(qū)域中獲得種子點的步驟具體包括：

在步驟S201中，在若干個圖像中，定義種子點區(qū)域D的大小為[m*n]，且在種子點區(qū)域D內(nèi)的任意一點(x，y)的灰度值記為R(x,y)。

在步驟S202中，計算種子點區(qū)域D的平均灰度值R_ave，

在步驟S203中，計算種子點區(qū)域內(nèi)任意一點的灰度值R(x,y)與平均灰度值R_ave之間的差值，R_dif(x,y)＝|R(x,y)-R_ave|。

在步驟S204中，當(dāng)選取的點的灰度值與平均灰度值之間的差值的絕對值最小時，則選取該點為種子點，即：

在本發(fā)明實施例中，如上述步驟S103所述，非天空區(qū)域的介質(zhì)透射率的計算方式為：

在非天空區(qū)域的局部區(qū)域里，存在至少一個顏色通道在某些像素上具有很低的強度值，并且趨近于0，其計算公式為：其中，J^c是J的一個顏色通道，Ω(x)是一個以x為中心的小圖像塊，J^dark(x)為暗通道圖像；

由于上述已經(jīng)計算出非天空區(qū)域的大氣光值A(chǔ)，在局部區(qū)域Ω(x)內(nèi)介質(zhì)透射率t₁(x)恒定不變，則：其中，ω為常數(shù)；

在本發(fā)明實施例中，在上述步驟S105中，當(dāng)將介質(zhì)透射率融合后，需要導(dǎo)向濾波的方式對融合后的介質(zhì)透射率進行優(yōu)化，以去除方塊效應(yīng)，具體為：

假設(shè)引導(dǎo)圖像I與濾波器輸出q之間存在局部線性關(guān)系，即：q_i＝a_kI_i+b_k，其中，

在該式中，ω_k是一個半徑為r的木板，a_k和b_k是窗口內(nèi)恒定的系數(shù)，因此保證了輸出圖像q的邊緣與引導(dǎo)圖像I的邊緣保持一致性，從而達到既可以保留半圓信息又能平滑圖像的目的，在此不再贅述。

在本發(fā)明實施例中，在步驟S106之后，執(zhí)行對去霧處理后的圖像進行亮度調(diào)整的步驟，其具體為：

由于霧天呈現(xiàn)受環(huán)境和光照的不同影響，部分圖像本身亮度偏低，基于上述處理后的去霧圖像整體亮度和色調(diào)更暗，所以對圖像進行亮度調(diào)整，其中該亮度調(diào)整方式可以采用簡單擬合的方式，在此不再贅述。

圖3示出了本發(fā)明實施例提供的包含大面積天空區(qū)域的圖像去霧系統(tǒng)的結(jié)構(gòu)框圖，為了便于說明，圖中僅給出了與本發(fā)明相關(guān)的部分。

四叉樹分割模塊20用于對拍攝到的有霧圖像I(x)進行四叉樹分割，將所述有霧圖像分割為若干個圖像區(qū)域；

種子點獲取模塊11用于在若干個所述圖像區(qū)域中獲得種子點；

天空區(qū)域生長模塊12用于以獲取到的種子點為基礎(chǔ)進行天空區(qū)域生長，獲取包含天空區(qū)域和非天空區(qū)域的圖像；

大氣光值計算模塊13用于計算大氣光值A(chǔ)；

介質(zhì)透射率計算模塊14用于計算所述非天空區(qū)域的介質(zhì)透射率t₁(x)，同時將所述天空區(qū)域的介質(zhì)透射率統(tǒng)一設(shè)置為t_sky，其中，所述天空區(qū)域的介質(zhì)透射率為常數(shù)值；

邊界模糊處理模塊15用于對包含天空區(qū)域和非天空區(qū)域的圖像進行邊界模糊，計算得到高斯加權(quán)參數(shù)I′_seg(x)，其中，I′_seg(x)∈(0,1)；

透射率融合模塊16用于對圖像中的天空區(qū)域和非天空區(qū)域進行透射率融合，其中，透射率融合的最終表達式為：t(x)＝I′_seg(x)×t_sky+(1-I′_seg(x))×t₁(x)；

去霧處理模塊17用于根據(jù)有霧圖像的大氣散射模型，計算去霧后的圖像J(x)，其中，t₀＝0.1。

判斷模塊18用于在對有霧圖像進行n級分割后，判斷若干個圖像區(qū)域中參考標(biāo)準(zhǔn)參數(shù)最大值與第二大值之差是否小于預(yù)先設(shè)定的常數(shù)S_T；

控制模塊19用于若若干個圖像區(qū)域中參考標(biāo)準(zhǔn)參數(shù)最大值與第二大值之差小于預(yù)先設(shè)定的常數(shù)S_T，則控制停止對所述有霧圖像的四叉樹分割，否則繼續(xù)進行四叉樹分割。

在該實施例中，如圖4所示，種子點獲取模塊11具體包括：

種子點區(qū)域定義模塊111，用于在若干個圖像中，定義種子點區(qū)域D的大小為[m*n]，且在種子點區(qū)域D內(nèi)的任意一點(x，y)的灰度值記為R(x,y)；

平均灰度值計算模塊112，用于計算種子點區(qū)域D的平均灰度值R_ave，

差值計算模塊113，用于計算所述種子點區(qū)域內(nèi)任意一點的灰度值R(x,y)與所述平均灰度值R_ave之間的差值，R_dif(x,y)＝|R(x,y)-R_ave|；

種子點選取模塊114，用于當(dāng)選取的點的灰度值與平均灰度值之間的差值的絕對值最小時，則該選取的點為種子點。

在本發(fā)明實施例中，導(dǎo)向濾波模塊21用于對融合后的透射率進行導(dǎo)向濾波；

亮度調(diào)整模塊22用于對去霧處理后的圖像進行亮度調(diào)整。

其中，上述各個模塊的具體實現(xiàn)如上述方法實施例所記載，在此不再贅述，但不用以限制本發(fā)明。

在本發(fā)明實施例中，對拍攝到的有霧圖像I(x)進行四叉樹分割，將有霧圖像分割為若干個圖像區(qū)域，并在若干個圖像區(qū)域中獲得種子點；以獲取到的種子點為基礎(chǔ)進行天空區(qū)域生長，獲取包含天空區(qū)域和非天空區(qū)域的圖像，計算大氣光值A(chǔ)；計算非天空區(qū)域的介質(zhì)透射率t₁(x)，同時將天空區(qū)域的介質(zhì)透射率統(tǒng)一設(shè)置為t_sky；對包含天空區(qū)域和非天空區(qū)域的圖像進行邊界模糊，計算得到高斯加權(quán)參數(shù)；對圖像中的天空區(qū)域和非天空區(qū)域進行透射率融合；根據(jù)有霧圖像的大氣散射模型，計算去霧后的圖像J(x)，從而得到清晰無霧圖像，尤其是適用于包含大面積天空區(qū)域的霧霾圖像的處理。

以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。