一种自适应含雾数字图像去雾方法技术

技术编号:12789336 阅读:58 留言:0更新日期:2016-01-28 19:15
本发明专利技术涉及机器视觉、图像去雾技术领域,特别是针对应用户外监控、无人机侦察、地形勘测等实时应用拍摄含雾图像而实现的一种自适应含雾数字图像去雾方法。本发明专利技术包括:输入原始有雾的图像,且转换为灰度图像;判断是否要进行图像分割;遍历所有像素点;对所得到的天空区域与非天空区域去雾图像进行按像素融合;图像进行引导滤波去除噪恢复无雾图像。本发明专利技术有效解决了去雾后图像整体亮度偏暗,出现晕光与Halo效应,图像色彩出现偏差,噪声较高,图像边缘模糊等问题。

【技术实现步骤摘要】

本专利技术设及机器视觉、图像去雾
,特别是针对应用户外监控、无人机侦 察、地形勘测等实时应用拍摄含雾图像而实现的。
技术介绍
当户外环境存在靈、雾或其他大颗粒微粒时,拍摄图像质量下降,图像呈现灰白 色,能见度降低、噪声较高、对比度与色彩剧烈衰减、景物轮廓模糊,图像特征提取困难,最 终导致图像失真,极大影响视觉效果,由此给户外工作系统如监控、智能导航、无人机侦察 等实时应用带来巨大困难,影响人们的正常工作、生活,给科技发展与产业生产带来阻碍, 因此研究含雾数字图清晰化算法具有重大意义。 如文献所述暗原色先验选取图像中亮度最高的前0. 1 %像素点,然后计算此 点对应在原彩色图像中的Ξ通道的最大值作为大气光值,当景物亮度大于远处天空时导致 选取大气光值不准确,去雾后图像整体亮度偏暗,出现晕光与化1〇效应,图像色彩出现偏 差,噪声较高,图像边缘模糊等问题。本专利技术基于分割的暗原色先验去雾分别对天空区域去 雾与非天空去雾,有效解决了上述问题。
技术实现思路
本专利技术提供了一种解决去雾后图像整体亮度偏暗,出现晕光与化1〇效应,图像色 彩出现偏差,噪声较高,图像边缘模糊等问题的自适应含雾数字图像去雾方法。 阳〇化]本专利技术的目的是运样实现的: 第一步:输入原始有雾的图像I(X),且转换为灰度图像f(x); 第二步:判断是否要进行图像分割,若图像分割进行步骤(3),不需图像分割进行 全局大气光值AE与透射率估算,进行暗原色先验去雾,并执行进行步骤化),其中暗通道图 像中亮度最高的前0. 1 %像素点,然后计算此点对应在原彩色图像中的Ξ通道的最大值,此 最大值即是大气光值AE; 阳00引透射率; 其中?(χ)为透射率,Ω(X)为我们所选择的区域及分块区域,AE为W假设RGB通道 中的大气光值,r(y)为输入图像; 第Ξ步:遍历所有像素点,进行灰度图像阔值分割,得到二值图像g(x,y); 阔值分割; 其中g(x,y)为得到二值图像函数,f(x,y)为彩色图像转换为灰度图函数,当二值 图像的像素点值大于阔值T时,我们认为该像素点位置为天空区域,并且设置该像素点位 置为255,图像显示为白色;当二值图像的像素点值小于或等于阔值Τ时,我们认为该像素 点位置为非天空区域,并且设置该像素点位置为0,图像显示为黑色; 第四步:遍历所有像素点,对原图像中天空区域与非天空区域进行暗原色先验去 雾,用得到分别使用天空区域大气光值Agky、天空区域透射率tgky、天空区域去雾因子与非天 空区域大气光值AuMky、非天空区域透射率tuMky、非天空区域去雾因子恢复天空区域与非天 空区域无雾图像;[001引其中天空区域去雾因子为《sky,一般范围为0-0. 5,非天空区域去雾因子为《uMky一般范围为o.e-i.o,且ωunsky; 第五步:对所得到的天空区域与非天空区域去雾图像进行按像素融合; 融合公式阳021] 其中,Ic(i,j)与Id(i,j)分别为像素(i,j)位置的像素值,Ie(i,j)为Ic(i,j)与 ida,j)中较大值;[00巧第六步:图像进行引导滤波去除噪恢复无雾图像J(x); 引导滤波去噪 其中,|w|为窗口Wk内像素的数目,Wk是W像素k为中屯、的窗口,μk和的是引导 图像I在窗口Wk内的均值和方差,ε是参数。与现有技术相比,本专利技术的有益效果是有效解决了去雾后图像整体亮度偏暗,出 现晕光与化1〇效应,图像色彩出现偏差,噪声较高,图像边缘模糊等问题。【附图说明】 图1为本专利技术过程框图。 图2为本专利技术的处理后的去雾图像。【具体实施方式】 下面结合附图对本专利技术做进一步描述。 本专利技术所采用的技术方案是:对原始有雾图像进行判断是否含有天空区域判断是 否进行图像分割,对不需要图像分割的图像直接求取大气光值、透射率值与结合去雾因子 进行暗原色先验去雾,最后使用引导滤波去噪;对于含有天空区域图像使用化SU分割,分 割成天空区域与非天空区域,分别选取该区域的大气光值、透射率值结合不同的去雾因进 行暗原色去雾,对于去雾后的天空图像与非天空图像进行按像素融合一幅完整的去雾图像 并进行引导滤波去噪。 是一种基于图像分割的暗原色先验去雾,暗原 色先验理论表明在绝大多数图像的局部区域里,彩色图像中的RGB通道中,总会存在着至 少一个颜色通道的像素值很低,即该区域内的亮度最小的最小值是个极低值。当出现图像 景物中出现白色汽车、白色建筑物或白雪时,亮度值比天空区域亮度值大的情况下,选取大 气光值将不准确,故采用图像分割,将原彩色图像分割成天空区域与非天空区域,分别选取 该区域的大气光值、透射率值结合不同的去雾因进行去雾。 图像分割采用化SU分割方法,它是在最小二乘法基础上推到的经典图像分割方 法,对化SU分割方法的离散度矩阵改进后能够满足大部分含雾图像的分割,将原始图像分 为前景与后景两个部分,能够较好分割对具有明显单双峰特征、目标景物与背景方差差异 大的灰度图像。 得到天空区域与非天空区域暗原色先验去雾图像后,需要对生成的两幅图像进行 拼接。采用基于像素融合的逻辑滤波器法。天空去雾图像中天空区域像素值非0而景物像 素值为0,非天空去雾图像中天空区域像素值为0而景物像素值非0,对天空去雾图像与非 天空去雾图像进行逻辑运算,遍历所有像素点,同一位置的像素点进行取最大像素值。引导滤波去噪,引导滤波算法是一个基于局部线性模型的滤波操作,具有边缘保 持特性,另外其拥有一个快速的、计算复杂度与核大小无关的计算方法,保证了处理的实时 性。 本专利技术包括:第一步:输入原始有雾的图像I(X),且转换为灰度图像f(x)。 第二步判断是否要进行图像分割,若图像分割进行步骤3,不需图像分割进行全局 大气光值A。与透射率估算,进行暗原色先验去雾,并执行进行步骤6。其中暗通道图像中亮 度最高的前0. 1 %像素点,然后计算此点对应在原彩色图像中的Ξ通道的最大值,此最大值 即是大气光值A"。 阳037] 透射率;佛[003引其中?(χ.)为透射率,Ω(X)为我们所选择的区域及分块区域,AE为W假设RGB通道 中的大气光值,r(y)为输入图像。 第;步遍历所有像素点,进行灰度图像阔值分割,得到二值图像g(x,y)。 阔值分割(2) 其中g(x,y)为得到二值图像函数,f(x,y)为彩色图像转换为灰度图函数。当二 值图像的像素点值大于阔值τ时,我们认为该像素点位置为天空区域,并且设置该像素点 位置为255,图像显示为白色;当二值图像的像素点值小于或等于阔值Τ时,我们认为该像 素点位置为非天空区域,并且设置该像素点位置为0,图像显示为黑色。 第四步遍历所有像素点,对原图像中天空区域与非天空区域进行暗原色先验去 雾,用得到分别使用天空区域大气光值Agky、天空区域透射率tgky、天空区域去雾因子与非天 空区域大气光值AuMky、非天空区域透射率tuMky、非天空区域去雾因子恢复天空区域与非天 空区域无雾图像。 其中天空区域去雾因子为《sky,一般范围为0-0. 5,非天空区域去雾因子为WuMky 一般范围为 0.e-l.O,且ωunsky。 第五步对所得到的天空区域与非天空区域去雾图像进行按像素融合。 阳〇例融合公式巧 其中,Ic(i,j)与Id(i,j)分别本文档来自技高网...

【技术保护点】
一种自适应含雾数字图像去雾方法,其特征在于,包括如下步骤:第一步:输入原始有雾的图像I(x),且转换为灰度图像f(x);第二步:判断是否要进行图像分割,若图像分割进行步骤(3),不需图像分割进行全局大气光值Ac与透射率估算,进行暗原色先验去雾,并执行进行步骤(6),其中暗通道图像中亮度最高的前0.1%像素点,然后计算此点对应在原彩色图像中的三通道的最大值,此最大值即是大气光值Ac;透射率:t~(x)=1-minc(miny∈Ω(x)(Ic(y)Ac)),]]>其中为透射率,Ω(x)为我们所选择的区域及分块区域,Ac为以假设RGB通道中的大气光值,Ic(y)为输入图像;第三步:遍历所有像素点,进行灰度图像阈值分割,得到二值图像g(x,y);阈值分割:g(x,y)={255f(x,y)>T0f(x,y)≤T,]]>其中g(x,y)为得到二值图像函数,f(x,y)为彩色图像转换为灰度图函数,当二值图像的像素点值大于阈值T时,我们认为该像素点位置为天空区域,并且设置该像素点位置为255,图像显示为白色;当二值图像的像素点值小于或等于阈值T时,我们认为该像素点位置为非天空区域,并且设置该像素点位置为0,图像显示为黑色;第四步:遍历所有像素点,对原图像中天空区域与非天空区域进行暗原色先验去雾,用得到分别使用天空区域大气光值Asky、天空区域透射率tsky、天空区域去雾因子与非天空区域大气光值Aunsky、非天空区域透射率tunsky、非天空区域去雾因子恢复天空区域与非天空区域无雾图像;天空区域透射率:t~sky(x)=1-ωskyminc(miny∈Ω(x)(Ic(y)Askyc))]]>非天空区域透射率:t~unsky(x)=1-ωunskyminc(miny∈Ω(x)(Ic(y)Aunskyc))]]>天空区域去雾图:Jsky(x)=I(x)-Askyct~sky(x)+Askyc]]>非天空区域去雾图:Junsky(x)=I(x)-Aunskyct~unsky(x)+Aunskyc]]>其中天空区域去雾因子为ωsky,一般范围为0‑0.5,非天空区域去雾因子为ωunsky一般范围为0.6‑1.0,且ωsky≤ωunsky;第五步:对所得到的天空区域与非天空区域去雾图像进行按像素融合;融合公式:Ie(i,j)=Ic(i,j)|Ic(i,j)|≥|Id(i,j)|Id(i,j)|Ic(i,j)|<|Id(i,j)|]]>其中,Ic(i,j)与Id(i,j)分别为像素(i,j)位置的像素值,Ie(i,j)为Ic(i,j)与Id(i,j)中较大值;第六步:图像进行引导滤波去除噪恢复无雾图像J(x);引导滤波去噪:Wij(I)=1|w|2Σk:(i,j)∈wk(1+(Ii-μk)(Ij-μk)σk2+ϵ)]]>其中,|w|为窗口wk内像素的数目,wk是以像素k为中心的窗口,μk和是引导图像I在窗口wk内的均值和方差,ε是参数。...

【技术特征摘要】

【专利技术属性】
技术研发人员:蔡成涛张秋雨翁翔宇宗宏日汪鹏飞刘安
申请(专利权)人:哈尔滨工程大学
类型:发明
国别省市:黑龙江;23

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1