一种小波域Retinex图像去雾方法技术

一种小波域Retinex图像去雾方法，目的是为了改善Retinex算法的去雾效果以及提高算法效率。该方法包括以下步骤：将图像变换到HSV颜色空间；对亮度分量V进行小波变换，获得雾分量所在低频子带以及噪声和边缘信息所在的高频子带；利用改进的单尺度Retinex算法对低频子带进行处理，利用小波阈值方法对高频子带进行处理；进行小波逆变换，获得重构的亮度分量；饱和度分量S根据亮度分量V的变化进行自适应调整；根据变化后的各个HSV颜色空间分量重构出去雾后的清晰图像。本发明专利技术设计的去雾算法能有效地改善雾天图像的退化现象，提高图像的清晰度，处理效率也得到明显提升。

【技术实现步骤摘要】

本专利技术涉及图像处理
，特别涉及。
技术介绍
目前对于雾天图像的处理方法主要分为两类：雾天图像复原和雾天图像增强。雾 天图像的增强方法不考虑图像降质原因，而是基于主观视觉感受，能有效地提高雾天图像 的对比度，突出图像的细节，改善图像的视觉效果，适用范围广，但对于突出部分的信息可 能会造成一定损失。基于图像增强的去雾方法以其方法简单、有效而得到更为广泛地应用。 基于图像增强的常见图像去雾方法有直方图均衡法、同态滤波等，但是这些方法都没有很 好地利用人类视觉特性，处理效果难以让人满意。Retinex算法模拟人类的视觉特性，将人 体感知物体的亮度理解为环境的照明和物体表面对照射光的反射光两部分的有机组合，以 其锐化、颜色恒常性、动态范围压缩大、色彩保真度高等特点，对于雾天图像增强的发展起 到积极作用。 现有的方法存在的不足：一方面，传统的Retinex算法采用高斯滤波器估计图像 的照射分量易造成处理后的图像边缘模糊，图像暗淡，细节信息丢失且颜色易失真；另一方 面，将彩色图像的R，G，B通道分别进行处理，运算量大，效率低。
技术实现思路
本专利技术的目的旨在解决上述技术缺陷，改善Retinex算法的效果以及提高算法效 率。 为了达到上述目的，本专利技术提出，包括以下几 个步骤： Sl :将含雾图像g由RGB空间变换到HSV空间，获得色度分量H、饱和度分量S和 亮度分量V ; S2 :对亮度分量V进行小波变换，获得包含雾分量的低频子带以及噪声和边缘信 息所在的高频子带； S3 :利用改进的单尺度Retinex算法对低频子带进行处理，利用小波阈值方法对 高频子带进行处理，具体如下： S3. 1 :利用改进的单尺度Retinex算法对低频子带进行处理，具体如下： S3. I. 1 :为了改善经典单尺度Retinex算法对图像处理后图像暗淡的情况，在提 取反射分量r(x，y)时，加入像素的原始亮度值，公式如下： rla (X，y) = α X r (X，y) + (I- α ) X log (I (X，y)) 式中：α为像素原始亮度值与反射分量的加权系数；rla(x，y)为加入像素原始亮 度值的反射分量。 S3. 1. 2 :按图像的平均亮度将其分为两类：整体亮度较低的图和整体亮度较高的 图，并分别进行处理。 1)对整体亮度较低的图的处理 对于整体亮度较低的图，首先对反射变量rla取指数变换得到变量？ la，拉开较亮 像素和较暗像素的差距，再对其进行截取拉伸变换。公式如下： r'u，= er'l? 2)对整体亮度较高的图的处理 对于整体亮度较高的图，rla保持不变。为了统一描述变化后的图像值，这里引入 r' 13作为处理后的值，公式如下： r1la=rla 3)直方图线性拉伸变换 由于提取出的反射分量会有较严重的拖尾现象，需要对其像素的整体分布进行调 整，因而，算法中使用线性拉伸变换提高对比度。具体步骤如下： ①求取P 13的最大值y _和最小值y ②进行线性拉伸变换，公式如下： 式中，β为可调参数。 S3. 2 :利用小波阈值方法对高频子带进行处理，具体如下： 1)计算小波系数中值m，并计算小波阈值λ，公式如下； 式中In为自然对数，m为小波系数中值，η为可调参数，实验验证，η的取值范围在 (1，2]时，处理效果达到最佳。从式中可看出，阈值的选取与图像大小无关。 2)利用小波软阈值函数对亮度图像V的高频区域进行处理，软阈值函数w'如下 所示： S4 :利用上述改进单尺度Retinex算法去雾处理后的低频子带LL的小波系数和小 波阈值方法处理后的所有高频子带的小波系数进行小波逆变换，获得重构后的亮度分量图 像V，； S5 :饱和度分量S根据亮度分量V的变化进行自适应调整，具体如下式所示： V (X，y)为原图像像素点的亮度值，V (X，y)为像素点增强后的亮度值，S (X，y) 为原图像像素点的饱和度值，(X，y)为像素点修正后的饱和度值，t为比例常数，nXn为 邻域窗口 W大小，是像素点（X，y)在邻域窗口 W中的亮度均值(x,y)是像素点 (X，y)在邻域窗口 W中的饱和度均值，δ v(x，y)是像素点（X，y)在邻域窗口 W中的亮度方 差，δ s(x，y)是像素点（X，y)在邻域窗口 W中的饱和度方差，ξ (X，y)是像素点（X，y)在 邻域窗口 W中V分量和S分量的相关系数。 本专利技术利用V分量和S分量的相关系数ξ来使S分量随V分量的变化而变化。相 关系数是变量之间相关程度的指标，ξ的绝对值越大，相关程度越高。 S6 :根据变化后的各个HSV颜色空间分量重构出去雾后的清晰图像u。 步骤S2中所述的对亮度分量V进行小波分解后得到多个子带包括一个低频子带 LL和多个高频子带，其中雾分量主要分布在低频子带，噪声及图像边缘等细节信息主要分 布在高频子带。 步骤S3. I. 1中所述的反射分量r (X，y)是Retinex算法把图像看成是环境光的照 射分量与目标物体的反射分量的乘积，如下式所不 I (X，y) = L (X，y) X R (X，y) 式中：I(x，y)为被观察到的图像信号；L(x，y)为环境光的照射分量；R(x，y)为携 带图像细节信息的目标物体的反射分量。 两边取对数，在对数域用原始雾天图像减去照射分量得到图像的反射分量r(x， y)： r (X，y) = log = Log -Log 有益效果 本专利技术通过将Retinex算法拓展到小波域，利用雾天图像中雾、景物边缘信息及 噪声在小波域中能量的不同分布特点，采用Retinex算法抑制雾分量，用小波阈值方法在 抑制噪声的同时保护边缘信息，设计出的去雾算法能有效地改善雾天图像的退化现象，提 高图像的清晰度，处理效率也得到明显提升。【附图说明】 图1为本专利技术流程图； 图2为本专利技术一个实施例的小波分解的子带结构示意图。【具体实施方式】 下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终 相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附 图描述的实施例是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。 如图1所示，本专利技术的实施例的小波域Retinex图像去雾算法，包括以下几个步 骤： 步骤S1，将图像变换到HSV颜色空间。 在本专利技术的一个实施例中，首先，读入含有噪声的图像信号，即含雾图像g。然后， 将图像g从RGB颜色空间转换到HSV颜色空间，获取图像g的色度分量H、饱和度分量S和 亮度分量V。 步骤S2,对亮度分量V进行小波变换，获得包含雾分量的低频子带以及噪声和边 缘信息所在的高频子带。 Retinex算法是通过对图像的反射分量进行估计，来进行图像增强处理。本专利技术将 图像变换到HSV空间后，对图像的反射分量进行估计就变成了对图像亮度分量V的估计，由 于含雾图像中雾的频谱主要分布在低频区域，而景物细节信息和噪声分布在高频区域，可 利用小波变换将雾与图像边缘和噪声分开处理。 由于不同的小波基具有不同的时域和频域特性，利用不同的小波基对同一幅图像 进行分解时会得到不同的结果，因此，对图像进行小波分解时，小波基的选择非常重要。 对雾天退化的图像进行去雾处理时，主要应考虑紧支性、对本文档来自技高网...

【技术保护点】
一种小波域Retinex图像去雾方法，其特征在于：该方法包括以下几个步骤，S1：将含雾图像g由RGB空间变换到HSV空间，获得色度分量H、饱和度分量S和亮度分量V；S2：对亮度分量V进行小波变换，获得包含雾分量的低频子带以及噪声和边缘信息所在的高频子带；S3：利用改进的单尺度Retinex算法对低频子带进行处理，利用小波阈值方法对高频子带进行处理，具体如下：S3.1：利用改进的单尺度Retinex算法对低频子带进行处理，具体如下：S3.1.1：为了改善经典单尺度Retinex算法对图像处理后图像暗淡的情况，在提取反射分量r(x,y)时，加入像素的原始亮度值，公式如下：rla(x,y)＝α×r(x,y)+(1‑α)×log(I(x,y))式中：α为像素原始亮度值与反射分量的加权系数；rla(x,y)为加入像素原始亮度值的反射分量；S3.1.2：按图像的平均亮度将其分为两类：整体亮度较低的图和整体亮度较高的图，并分别进行处理；1)对整体亮度较低的图的处理对于整体亮度较低的图，首先对反射变量rla取指数变换得到变量r′la，拉开较亮像素和较暗像素的差距，再对其进行截取拉伸变换；公式如下：r&prime;la=erla]]>2)对整体亮度较高的图的处理对于整体亮度较高的图，rla保持不变；为了统一描述变化后的图像值，这里引入r′la作为处理后的值，公式如下：r′la＝rla3)直方图线性拉伸变换由于提取出的反射分量会有较严重的拖尾现象，需要对其像素的整体分布进行调整，因而，算法中使用线性拉伸变换提高对比度；具体步骤如下：①求取r′la的最大值r′max和最小值r′min；②进行线性拉伸变换，公式如下：r′(x,y)=β×rla′(x,y)-rmin′rmax′-rmin′]]>式中，β为可调参数；S3.2：利用小波阈值方法对高频子带进行处理，具体如下：1)计算小波系数中值m，并计算小波阈值λ，公式如下；λ=27÷40×2×ln(n)×m]]>式中ln为自然对数，m为小波系数中值，n为可调参数，实验验证，n的取值范围在(1,2]时,处理效果达到最佳；从式中可看出,阈值的选取与图像大小无关；2)利用小波软阈值函数对亮度图像V的高频区域进行处理，软阈值函数w′如下所示：w′=[sign(w)](|w|-λ),|w|≥λ0,|w|<λ]]>S4：利用上述改进单尺度Retinex算法去雾处理后的低频子带LL的小波系数和小波阈值方法处理后的所有高频子带的小波系数进行小波逆变换，获得重构后的亮度分量图像V′；S5：饱和度分量S根据亮度分量V的变化进行自适应调整，具体如下式所示：S′(x,y)＝S(x,y)+t(V′(x,y)‑V(x,y))×ξ(x,y)式中：ξ(x,y)=Σ(i,j)∈W|V(i,j)-V‾w(i,j)|×|S(i,j)-S‾w(x,y)|δV(x,y)×δs(x,y),]]>V‾W(x,y)=1m×nΣ(i,j)∈WV(i,j),]]>S‾W(x,y)=1m×nΣ(i,j)∈WS(i,j),]]>δv(x,y)=Σ(i,j)∈W[V(i,j)-V‾W(i,j)]2,δs(x,y)=Σ(i,j)∈W[S(i,j)-S‾W(x,y)]2]]>V(x,y)为原图像像素点的亮度值，V′(x,y)为像素点增强后的亮度值，S(x,y)为原图像像素点的饱和度值，S′(x,y)为像素点修正后的饱和度值，t为比例常数，n×n为邻域窗口W大小，是像素点(x,y)在邻域窗口W中的亮度均值，是像素点(x,y)在邻域窗口W中的饱和度均值，δv(x,y)是像素点(x,y)在邻域窗口W中的亮度方差，δs(x,y)是像素点(x,y)在邻域窗口W中的饱和度方差,ξ(x,y)是像素点(x,y)在邻域窗口W中V分量和S分量的相关系数；本方法利用V分量和S分量的相关系数ξ来使S分量随V分量的变化而变化；相关系数是变量之间相关程度的指标，ξ的绝对值越大，相关程度越高；S6：根据变化后的各个HSV颜色空间分量重构出去雾后的清晰图像u；步骤S2中所述的对亮...

【技术特征摘要】

【专利技术属性】
技术研发人员：刘芳，付凤之，周慧娟，路丽霞，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11