一种基于加权全变分的自适应图像去雾方法技术

本发明专利技术公开了一种基于加权全变分的自适应图像去雾方法，包括以下步骤：输入观测图像；估计环境亮度值；根据大气成像模型及正则化约束思路建立优化目标函数；初始化透射率图和复原结果图像；求解优化透射率图的子目标函数；求解优化复原结果图像的子目标函数；判断当前迭代次数是否已达设定值：若没有达到，则返回步骤S5；若达到，则输出复原结果图像。本发明专利技术提高雾天成像的图像对比度、清晰度，同时抑制图像复原过程中的增强噪声。

【技术实现步骤摘要】
一种基于加权全变分的自适应图像去雾方法
本专利技术涉及图像增强领域，特别涉及一种基于加权全变分的自适应图像去雾方法。
技术介绍
在雾天环境下，光在传播过程中受到介质如雾、霾、水汽等悬浮颗粒的前向、后向散射干扰，导致图像出现对比度低、颜色偏暗、纹理模糊等退化现象，图像模糊，物体表面原有颜色被遮盖，远景处物体的细节信息丢失。雾天图像质量严重下降，图像整体信息量大幅减少，影响后续的交通监控、目标跟踪等计算机视觉系统的应用。针对雾天图像去雾复原，现有技术通常从反映图像降质过程的大气成像模型I(x)＝t(x)·J(x)+(1-t(x))A(其中，x表示像素坐标索引，I(x)为观测图像，t(x)为反映悬浮颗粒散射作用的透射率图，J(x)为待求解的复原结果图像，A为环境亮度值)出发，通过提出不同先验知识如暗通道先验[1]、图像块的复现性先验[2]等对模型中未知的透射率图t(x)、环境亮度值A进行估计，再根据在该模型上的数学运算来获得复原结果图像。现有技术通过提出先验知识的方式来估计透射率图t(x)，在此基础上直接通过模型的等式运算来获得复原结果图像J(x)。然而，现有技术采用直接的等式运算没有考虑到对观测图像中的噪声进行不同的处理，因此现有技术在复原的同时会对存在于图像远景区域的噪声起到增强作用，导致观测图像上因雾霾叠加而视觉效果不明显的噪声在复原结果上显著可视，影响图像质量。参考文献：[1]HeK,JianS,TangX.Singleimagehazeremovalusingdarkchannelprior[C]//IEEEConferenceonComputerVision&PatternRecognition.2009.[2]MichaeliT,IraniM.BlindDeblurringUsingInternalPatchRecurrence[C]//EuropeanConferenceonComputerVision.SpringerInternationalPublishing,2014.
技术实现思路
本专利技术的主要目的在于克服现有技术的缺点与不足，提供一种基于加权全变分的自适应图像去雾方法，该方法基于大气成像模型和正则化约束思路建立优化目标函数，针对透射率图t(x)设计加权全变分正则化约束项，针对复原结果图像J(x)设计自适应正则化参数，并给出相应的求解方法，实现在提高图像对比度、细节信息复原的同时对噪声进行平滑和抑制，提高图像复原质量。本专利技术的目的通过以下的技术方案实现：一种基于加权全变分的自适应图像去雾方法，包括以下步骤：S1、输入观测图像；S2、估计环境亮度值；S3、根据大气成像模型及正则化约束思路建立优化目标函数；S4、初始化透射率图和复原结果图像；S5、求解优化透射率图的子目标函数；S6、求解优化复原结果图像的子目标函数；S7、判断当前迭代次数是否已达设定值：若没有达到，则返回步骤S5；若达到，则输出复原结果图像。所述步骤S2，具体为：S2-1、对观测图像进行联合R、G、B三通道的最小值滤波操作：其中，Ω为以x为中心像素的邻域窗口，y为窗口Ω内x的相邻像素点，c∈{R,G,B}为R、G、B三通道；S2-2、对Imin(x)进行最大值排序，选取前10％对应的像素坐标作为纯环境亮度区域候选像素集S1(x)；S2-3、将观测图像转换到HSV空间，对V通道图进行最大值排序选取前10％对应的像素坐标作为纯环境亮度区域候选像素集S2(x)；S2-4、求得集合S1(x)和S2(x)的交集：S(x)＝S1(x)∩S2(x)；若S(x)为空集，则令S(x)＝S1(x)；S2-5、根据像素坐标集合S(x)获取观测图像上对应点的像素值，求得均值作为环境亮度值A：其中，n为集合S(x)中的元素个数。步骤S3中，所述目标函数为：minJ‖(I(x)-A)-t(x)(J(x)-A)‖2+R(t(x))+R(J(x))；其中，第一项为数据保真项，R(t(x))为针对透射率图x(x)的正则化约束项，R(J(x))为复原结果图像J(x)的正则化约束项；具体如下：(1)设计R(t(x))：透射率图t(x)反映每一个像素点所反映的光辐射度在到达成像平面的传播过程中被颗粒散射衰减的程度；而这一衰减程度与该像素点所对应的场景点到成像平面的距离，即景深相关；场景点越远，该点反射的光线传播距离越远，被颗粒干扰衰减越严重，对应的透射率也就越小；而在自然图像中，景深的变化具有分片光滑的特性，即景深在局部区域内能够视为常数；因此，透射率图t(x)也具有分片光滑特性；本方法进一步考虑每一像素点透射率值与其邻域像素点透射率值的空间位置关系和取值关系，设计加权全变分正则化项：其中，K为权值卷积核，为卷积操作，为梯度算子；权值卷积核K的具体表达式为：其中，σ为控制模板窗口大小的尺度参数，y为模板窗口内中心像素点x的领域像素点；(x-y)2表征了两个像素点间的空间距离，表征了两个像素点在梯度值上的差别；(2)设计R(J(x))：针对待复原结果图像J(x)在复原过程中存在噪声增强的问题，本方法引入相对全变分约束(RelativeTV,RTV)：其中，Ω为以x为中心像素的邻域窗口，y为窗口Ω内x的相邻像素点，θh和θv分别表示水平和垂直方向上的离散差分操作，ε为防止分母为0的极小正数；权值函数gx,y具体为：其中，δ为尺度参数；相对全变分能够实现将图像中的纹理与主轮廓分离，而本方法依据含噪区域弱边缘与噪声的尺度关系，巧妙地将含噪区域中的弱边缘类比为主轮廓、将噪声类比为纹理进行分离。进一步地，设计自适应正则化参数，根据像素点对应场景点的透射率值自适应调整正则化参数，对不同区域进行不同程度的约束力度，保护近景区域的图像细节：其中，c为常数系数；因此，复原结果图像J(x)的正则化约束项为：R(J(x))＝λ(x)·RTV(J(x))；(3)综合(1)、(2)，所述目标函数为：所述目标函数的求解方法，如下：(1)初始化t(x)和J(x)：J(x)＝0；(2)优化变量t(x)，其求解步骤为：A、固定变量J(x)，去除与变量t(x)优化无关的常数项，则子目标函数为：B、基于分裂Bregman方法，引入辅助变量d，目标函数变为：C、固定变量t优化变量d，目标函数为：其中，di的上标i表示当前迭代轮次，ti-1表示第i-1次迭代得到的透射率图t；采用shringkage操作快速求解：D、固定变量d优化变量t，目标函数为：采用快速傅里叶变换快速得到闭式解：其中，为傅里叶变换，为傅里叶逆变换，为复共轭算子；分别表示di在水平方向和垂直方向上的一阶差分结果，分别表示水平方向和垂直方向的一阶梯度算子；E、返回步骤C进行循环迭代，直至达到设置的迭代次数；(3)优化变量J(x)，其求解步骤为：A、固定变量t(x)，去除与变量J(x)优化无关的常数项，则子目标函数为：minJ(x)||(I(x)-A)-t(x)(J(x)-A)||2+λ(x)·RTV(J(x))；B、将RTV(J(x))重新写成：其中，uh，y，Wh，y，uv，y，Wv，y分别按下式计算：其中，Gσ为标准差为σ的高斯滤波器；C、将重写后的RTV(J(x))代入子目标函数中，并将其中的元素写成矩阵形式：其中本文档来自技高网...

【技术保护点】
1.一种基于加权全变分的自适应图像去雾方法，其特征在于，包括以下步骤：S1、输入观测图像；S2、估计环境亮度值；S3、根据大气成像模型及正则化约束思路建立优化目标函数；S4、初始化透射率图和复原结果图像；S5、求解优化透射率图的子目标函数；S6、求解优化复原结果图像的子目标函数；S7、判断当前迭代次数是否已达设定值：若没有达到，则返回步骤S5；若达到，则输出复原结果图像。

【技术特征摘要】
1.一种基于加权全变分的自适应图像去雾方法，其特征在于，包括以下步骤：S1、输入观测图像；S2、估计环境亮度值；S3、根据大气成像模型及正则化约束思路建立优化目标函数；S4、初始化透射率图和复原结果图像；S5、求解优化透射率图的子目标函数；S6、求解优化复原结果图像的子目标函数；S7、判断当前迭代次数是否已达设定值：若没有达到，则返回步骤S5；若达到，则输出复原结果图像。2.根据权利要求1所述基于加权全变分的自适应图像去雾方法，其特征在于，所述步骤S2，具体为：S2-1、对观测图像进行联合R、G、B三通道的最小值滤波操作：其中，Ω为以x为中心像素的邻域窗口，y为窗口Ω内x的相邻像素点，c∈{R，G，B)为R、G、B三通道；S2-2、对Imin(x)进行最大值排序，选取前10％对应的像素坐标作为纯环境亮度区域候选像素集S1(x)；S2-3、将观测图像转换到HSV空间，对V通道图进行最大值排序选取前10％对应的像素坐标作为纯环境亮度区域候选像素集S2(x)；S2-4、求得集合S1(x)和S2(x)的交集：S(x)＝S1(x)∩S2(x)；若S(x)为空集，则令S(x)＝S1(x)；S2-5、根据像素坐标集合S(x)获取观测图像上对应点的像素值，求得均值作为环境亮度值A：其中，n为集合S(x)中的元素个数。3.根据权利要求1所述基于加权全变分的自适应图像去雾方法，其特征在于，步骤S3中，所述目标函数为：minJ||(I(x)-A)-t(x)(J(x)-A)||2+R(t(x))+R(J(x))；其中，第一项为数据保真项，R(t(x))为针对透射率图t(x)的正则化约束项，R(J(x))为复原结果图像J(x)的正则化约束项；具体如下：(1)设计R(t(x))：透射率图t(x)反映每一个像素点所反映的光辐射度在到达成像平面的传播过程中被颗粒散射衰减的程度；而这一衰减程度与该像素点所对应的场景点到成像平面的距离，即景深相关；场景点越远，该点反射的光线传播距离越远，被颗粒干扰衰减越严重，对应的透射率也就越小；而在自然图像中，景深的变化具有分片光滑的特性，即景深在局部区域内能够视为常数；因此，透射率图t(x)也具有分片光滑特性；设计加权全变分正则化项：其中，K为权值卷积核，为卷积操作，为梯度算子；权值卷积核K的具体表达式为：其中，σ为控制模板窗口大小的尺度参数，y为模板窗口内中心像素点x的领域像素点；(x-y)2表征了两个像素点间的空间距离，表征了两个像素点在梯度值上的差别；(2)设计R(J(x))：针对待复原结果图像J(x...

【专利技术属性】
技术研发人员：高红霞，罗澜，蔡烨，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44