一种基于图像质量评价最优的去雾方法技术

本发明专利技术公开了一种基于图像质量评价最优的去雾方法，包括：1)通过对透射率进行粗略取值来获取一系列初步候选去雾图像；2)计算一系列初步候选去雾图像的质量评价函数值，并选取最大值所对应的候选去雾图像作为初步估计结果；3)根据透射率的小范围取值获得一系列精确候选去雾图像；4)计算各精确候选去雾图像的质量评价函数值，并选取最大值所对应的候选去雾图像，作为最优去雾结果图像。本发明专利技术建立一种全新的图像质量评价函数；并以此为依据，从各候选去雾图像中选取最优结果为去雾结果图像，可被应用于雾天无人机图像的实时去雾处理，尤其针对于雾天无人机正拍图像会产生较好的去雾效果。

An Optimal Defogging Method Based on Image Quality Evaluation

The present invention discloses an optimal defogging method based on image quality evaluation, which includes: 1) obtaining a series of preliminary candidate defogging images by roughly selecting the transmittance value; 2) calculating the quality evaluation function values of a series of preliminary candidate defogging images, and selecting the candidate defogging images corresponding to the maximum value as the preliminary estimation result; 3) obtaining according to the small range of transmittance value. A series of exact candidate defogging images; 4) Calculate the quality evaluation function values of each exact candidate defogging image, and select the candidate defogging image corresponding to the maximum value as the optimal defogging result image. The invention establishes a new image quality evaluation function, and on this basis, selects the best result as the defogging result image from each candidate defogging image, which can be applied to the real-time defogging processing of the foggy UAV image, especially for the forward image of the foggy UAV.

【技术实现步骤摘要】
一种基于图像质量评价最优的去雾方法
本专利技术属于数字图像处理
，涉及一种基于图像质量评价最优的去雾方法。
技术介绍
图像去雾方法一直都是近几年的研究热点，基于大气散射模型的图像去雾方法得到了大力的发展，但是无人机航拍图像去雾仍然是尚未解决的难题。近年来，无人机航拍作为新生的观测手段，正在日益走向成熟，这也就对无人机图像的去雾方法及去雾效率提出了更高的要求。无人机图像相对于普通图像具有自身的特点：当无人机图像传感器从高空向地面垂直向下摄影时，获取的图像上所有场景点的深度几乎一致并等于飞行高度，由于飞行高度大多在几百米或上千米，地物的高度差可以忽略不计，因此，雾天场景成像的透射率差别不大，各景物受雾气影响程度大体相同。无人机图像常作为军事侦察，毁伤评估、国土监测和灾害救援的重要信息来源。所以对无人机图像的去雾结果提出了要求：包含信息量大、对比度高、细节恢复程度高、纹理清晰和边缘特征明显。因此，针对于无人机图像的应用背景对去雾质量、实时性要求较高，尽可能实现清晰去雾的同时，提升去雾处理速度，为无人机图像去雾后的信息处理作准备工作，争取有利时间。
技术实现思路
(一)专利技术目的本专利技术的目的是：针对高空垂直拍摄的无人机图像，不需考虑整幅图像雾气浓度随景深的变化，只需简化图像去雾过程，研究出针对无人机正拍图像去雾适用性强，执行效率高的去雾方法。(二)技术方案为了解决上述技术问题，本专利技术提供一种基于图像质量评价最优的去雾方法，其包括以下步骤：步骤1)获取雾天图像I；I＝Jt+A(1-t)(1)其中：t＝e-βd(2)I表示观察到场景的雾天图像；t是介质透射率，是由大气散射系数β与场景点深度d共同作用的结果，表示没有被散射的并最终到达设备的光线部分，值在[0，1]之间；J表示要恢复的清晰无雾场景真实图像；A表示大气光函数；雾天图像I与大气光函数A已知，将透射率作为大气散射模型的唯一自变量参数，通过对透射率t的不同取值，可逆推导式(1)求解出不同的去雾图像：步骤2)通过对唯一的未知数t进行粗略取值t＝[0.1,0.1,0.9]，t从0.1到0.9变化步长为0.1取值，根据式(3)，可求得相应9幅初步候选去雾图像Jj，j＝1，2，3，…，9；步骤3)求解出雾天图像I与9幅初步候选去雾图像的信息熵，信息熵值分别为IE(I)和IE(Jj)；步骤4)求解出雾天图像I与9幅初步候选去雾图像的标准差值，标准差值分别为SD(I)和SD(Jj)；步骤5)求解出雾天图像I与9幅初步候选去雾图像的傅里叶振幅谱及振幅中值；傅里叶振幅中值分别为FAmedian(I)和FAmedian(Jj)；步骤6)将信息熵、标准差和图像傅里叶振幅相结合，建立去雾质量评价函数Cost(I,J)，表达如下：其中，IE(I)、SD(I)、FAmedian(I)为雾天图像所求得的信息熵、标准差、傅里叶振幅中值，IE(J)、SD(J)、FAmedian(J)为根据雾天图像I所获得的去雾图像J所求得的信息熵、标准差、傅里叶振幅中值；去雾图像的IE(J)、SD(J)、FAmedian(J)的值比雾天图像IE(I)、SD(I)、FAmedian(I)提高的越大，质量评价函数Cost(I,J)的值越大，说明去雾图像的质量越高，去雾效果越好；通过质量评价函数Cost(I,J)，计算出9幅初步候选去雾图像的去雾质量评价函数值Cost(I,Jj)；步骤7)获得去雾质量评价函数最优值的图像被确定为去雾结果Joptimum，求得9幅初步候选去雾图像的去雾质量评价函数值Cost(I,Jj)中最大值所对应的候选去雾图像Jj作为初步去雾结果Joptimum-initial，其所对应的t值作为初步透射率结果toptimum-initial；步骤8)提取初步确定透射率toptimal-initial，再对t进行小范围取值t＝[toptimal-initial-0.1,0.01,toptimal-initial+0.1]，t从toptimal-initial-0.1到toptimal-initial+0.1变化步长为0.01取值，根据式(1)求得21幅精确候选去雾图像Jjj，jj＝1，2，3，…，21；步骤9)计算21幅精确候选去雾图像的去雾质量评价值Cost(I,Jjj)，并选取其中最大值所对应的候选去雾图像Jjj作为最优去雾结果图像Joptimum-refine，将其所对应的t值作为最终的透射率结果toptimum-refine。其中，所述步骤3)中，图像信息熵的表达式如下：在上式中，n表示图像Img所含的灰度级总数，1≤n≤256，E表示期望方程，Pi表示第i级灰度在图像Img中出现的概率大小，此概率由灰度直方图统计获得。其中，所述步骤4)中，图像标准差值的表达式：其中M×N为图像的大小，x，y分别为图像像素点的行坐标和列坐标，Img(x,y)为原始输入图像在像素坐标为(x,y)点的灰度值，μ为图像像素灰度的平均值。其中，所述步骤5)中，对于图像作为二维信号f(x,y)，它的傅里叶变换定义为：也可表示为：其中，振幅和相位分布为：作如下对数变换：FA(u,v)＝clog[1+|F(u,v)|]此式中，c为比例常数，FA为变换后的傅里叶振幅，能够在显示器上正常显示；采用所有像素点傅里叶振幅的中值FAmedian来反映整幅图像的傅里叶振幅大小。其中，所述步骤7)中，去雾结果Joptimum的表达式为:其中，所述步骤7)中，初步去雾结果Joptimum-initial所对应的t值作为初步透射率结果toptimum-initial，表达式如下：其中，所述步骤9)中，最优去雾结果图像Joptimum-refine所对应的t值作为最终的透射率结果toptimum-refine，表达式如下：(三)有益效果上述技术方案所提供的基于图像质量评价最优的去雾方法，具有以下有益效果：1)将信息熵、标准差和图像傅里叶振幅三种图像质量评价参数相结合，建立了图像质量的综合评价函数。2)将透射率作为大气散射模型的唯一自变量参数，通过先对其粗略取值，再缩小范围精确取值，实现所对应去雾图像的求解，再采用图像质量评价函数对各去雾图像结果进行评价，选取最优值对应的图像作为去雾结果图像。3)通过基于图像质量评价最优的图像去雾方法所获得的去雾图像视觉效果清晰、结果误差小、实时性好，尤其针对于雾天无人机正拍图像会产生较好的去雾效果。附图说明图1为基于图像质量评价最优的去雾方法执行流程图；图2为一幅雾天无人机图像；图3为不同透射率取值所求解的一系列初步候选去雾图像；图4为初步候选去雾图像质量评价参数值及最大值；图5为不同透射率取值所求解的一系列精确候选去雾图像；图6为精确候选去雾图像质量评价参数值及最大值。具体实施方式为使本专利技术的目的、内容和优点更加清楚，下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。本专利技术基于图像质量评价最优的去雾方法是基于大气散射模型对雾天图像进行去雾处理。大气散射模型的表达式即雾天场景成像的物理模型为：I＝Jt+A(1-t)(1)其中：t＝e-βd(2)I表示观察到场景的雾天图像；t是介质透射率，是由大气散射系数β与场景点深度d共同作用的结果，表示没有被散射的并最终到达设备的光线部分，值在本文档来自技高网...

【技术保护点】
1.一种基于图像质量评价最优的去雾方法，其特征在于，包括以下步骤：步骤1)获取雾天图像I；I＝Jt+A(1‑t)                                  (1)其中：t＝e‑βd                                   (2)I表示观察到场景的雾天图像；t是介质透射率，是由大气散射系数β与场景点深度d共同作用的结果，表示没有被散射的并最终到达设备的光线部分，值在[0，1]之间；J表示要恢复的清晰无雾场景真实图像；A表示大气光函数；雾天图像I与大气光函数A已知，将透射率作为大气散射模型的唯一自变量参数，通过对透射率t的不同取值，可逆推导式(1)求解出不同的去雾图像：

【技术特征摘要】
1.一种基于图像质量评价最优的去雾方法，其特征在于，包括以下步骤：步骤1)获取雾天图像I；I＝Jt+A(1-t)(1)其中：t＝e-βd(2)I表示观察到场景的雾天图像；t是介质透射率，是由大气散射系数β与场景点深度d共同作用的结果，表示没有被散射的并最终到达设备的光线部分，值在[0，1]之间；J表示要恢复的清晰无雾场景真实图像；A表示大气光函数；雾天图像I与大气光函数A已知，将透射率作为大气散射模型的唯一自变量参数，通过对透射率t的不同取值，可逆推导式(1)求解出不同的去雾图像：步骤2)通过对唯一的未知数t进行粗略取值t＝[0.1,0.1,0.9]，t从0.1到0.9变化步长为0.1取值，根据式(3)，可求得相应9幅初步候选去雾图像Jj，j＝1，2，3，…，9；步骤3)求解出雾天图像I与9幅初步候选去雾图像的信息熵，信息熵值分别为IE(I)和IE(Jj)；步骤4)求解出雾天图像I与9幅初步候选去雾图像的标准差值，标准差值分别为SD(I)和SD(Jj)；步骤5)求解出雾天图像I与9幅初步候选去雾图像的傅里叶振幅谱及振幅中值；傅里叶振幅中值分别为FAmedian(I)和FAmedian(Jj)；步骤6)将信息熵、标准差和图像傅里叶振幅相结合，建立去雾质量评价函数Cost(I,J)，表达如下：其中，IE(I)、SD(I)、FAmedian(I)为雾天图像所求得的信息熵、标准差、傅里叶振幅中值，IE(J)、SD(J)、FAmedian(J)为根据雾天图像I所获得的去雾图像J所求得的信息熵、标准差、傅里叶振幅中值；去雾图像的IE(J)、SD(J)、FAmedian(J)的值比雾天图像IE(I)、SD(I)、FAmedian(I)提高的越大，质量评价函数Cost(I,J)的值越大，说明去雾图像的质量越高，去雾效果越好；通过质量评价函数Cost(I,J)，计算出9幅初步候选去雾图像的去雾质量评价函数值Cost(I,Jj)；步骤7)获得去雾质量评价函数最优值的图像被确定为去雾结果Joptimum，求得9幅初步候选去雾图像的去雾质量评价函数值Cost(I,Jj)中最大值所对应的候选去雾图像Jj作为初步去雾结果Joptimum-initial，其所对应的t值作为初步透射率结果toptimum-initial；步骤8)提取初步确定透射率toptimal-init...

【专利技术属性】
技术研发人员：姜雨彤，赵熙俊，郭黎霞，张一，郭猛，满艺，刘淑云，王莹，张孝峥，赵博，朱琳，吕清，朱梦琪，孙德帅，马帅，郝鑫岩，杨忠琳，陈晓宇，
申请(专利权)人：中国北方车辆研究所，
类型：发明
国别省市：北京,11