图像去雾方法技术

本发明专利技术提供一种图像去雾方法，首先通过双区域滤波法估计初始大气透射率，再以最小颜色通道图作为参考图像，结合传播滤波法得到优化后的大气透射率，最后采用自适应方法优化的大气光强度，基于大气散射模型实现无雾图像的恢复。与现有技术相比，本发明专利技术的优势在于，能得到更为精确的大气透射率，可以改善现有的图像去雾方法中景深突变边缘的去雾残留问题，同时边缘细节得到有效保持，局部纹理区域具有较好的空间平滑性。

Image fogging method

The present invention provides an image defogging method, first by double filtering method to estimate the initial regional atmospheric transmittance, the minimum color channel map as a reference image, the atmospheric transmittance optimized combining transmission filter method, finally using the adaptive optimization method of atmospheric intensity, atmospheric scattering model based on image restoration and fog. Compared with the prior art, the invention has the advantages that, to get a more accurate atmospheric transmittance, can go to the middle deep break edge fog method to improve the existing image to the fog residue, and edge details effectively maintain local texture regions with good spatial smoothing.

【技术实现步骤摘要】

本专利技术涉及计算机图像处理领域，具体涉及一种单幅图像去雾技术，尤其是一种结合最小颜色通道图与传播滤波的单幅图像去雾的方法。
技术介绍
近几年空气质量退化严重，雾霾等恶劣天气出现频繁，PM2.5值越来越引起人们的广泛关注。在有雾天气下拍摄的图像模糊不清，清晰度不够，细节不明显，色彩保真度下降，出现严重的颜色偏移和失真，达不到满意的视觉效果。由此限制和影响了室外目标识别和跟踪、智能导航、公路视觉监视、卫星遥感监测、军事航空侦查等系统效用的发挥，给生产与生活等各方面都造成了极大的影响。以公路监控为例，由于大雾弥漫，道路的能见度大大降低，司机通过视觉获得的路况信息往往不准确，进一步影响对环境的判读，很容易发生交通事故，此时高速封闭或公路限行，给人们的出行带来了极大的不便。故现在迫切需要对雾天图像进行有效的去雾处理。图像去雾算法目前已取得较大的进展，主要可分为两大类：第一类是基于图像增强的图像去雾方法，如直方图均衡化算法、基于小波变换的图像增强算法和基于Retinex理论的图像增强算法等，这类算法并不考虑图像退化模型及降质原因，仅从图像处理的角度提高图像对比度，因此容易造成图像的信息丢失，并不能从根本上去雾；第二类是基于物理模型的图像去雾方法，该类方法主要基于大气散射模型，研究雾天图像降质的物理过程，再反推恢复景物无雾图像，例如，Fattal等假设大气透射率和场景目标局部区域的反射率两者不相关，从而估算大气透射率及场景的辐照度，取得了一定的复原效果，但该方法不适用于浓雾天气下的图像去雾。He等提出了基于暗原色先验的图像去雾方法，该方法首先根据暗原色先验信息估算大气透射率，再采用软抠图算法对大气透射率进行细化，从而复原图像，但该算法时间复杂度大。因此Gibson等提出用中值滤波估计大气散射函数，从而实现图像恢复，但该方法容易导致边缘信息丢失，造成去雾后图像的黑斑效应。He等后续提出采用引导滤波代替软抠图实现透射率的优化，该图像复原的速度大大加快，但因采用原图作为引导图像，容易导致图像去雾残留较大。此外，Zhang等则提出采用双区域滤波代替中值滤波来估算大气透射率，该方法能在一定程度上能改善黑斑效应，但通过实验可观察到在图像景深突变密集的边缘区域，该算法的透射率估值容易出现偏差，边缘区域去雾不彻底，如图9(c)所示。综上，现有的图像去雾方法无法兼顾图像复原速度快和图像复原质量高的优点，具有一定的局限性。
技术实现思路
本专利技术的目的是克服上述现有技术的缺点，提供了一种复原速度快、质量高的图像去雾方法，使用该方法的图像去雾彻底、无黑斑、无残留、清晰度高。图像去雾方法，首先通过双区域滤波法估计初始大气透射率，再以最小颜色通道图作为参考图像，结合传播滤波法得到优化后的大气透射率，最后采用自适应方法优化的大气光强度，基于大气散射模型实现无雾图像的恢复。优选地，上述方法的步骤如下：步骤a)对有雾图像进行双区域滤波处理，结合雾、霾环境下的大气散射模型，得到大气初始透射率t′(x)；步骤b)通过最小颜色通道图运用传播滤波器将步骤a所得大气初始透射率t′(x)优化后得到大气透射率t″(x)；步骤c)采用大气光强度的自适应恢复算法，实现对大气光A的估计，结合步骤b所得t″(x)得到无雾图。更优选地，步骤a的具体操作是：根据暗原色先验理论得到暗原色先验图，对暗原色先验图像进行双区域滤波操作，得到暗原色双区域值I′dark(x)，根据雾、霾环境下的大气散射模型，结合I′dark(x)，得到大气初始透射率t′(x)。进一步，建立雾、霾环境下的大气散射模型公式为：I(x)＝J(x)t(x)+(1-t(x))A(1)式中，x是像素点索引，I(x)表示有雾图，J(x)表示无雾图，t(x)为大气透射率，A为大气光强度。通过对大量无雾图像统计发现，对于清晰的户外图像，在绝大多数非天空的局部区域内，某些像素总存在至少一个颜色通道亮度值很低并趋近于0，即暗原色先验图，计算公式如下：式中，上标C表示R、G、B某个通道，Ω(x)表示以像素x为中心的邻域，则JC(y)为对应Ω(x)中任一像素的R、G、B某个颜色通道值，则Jdark(x)是两次最小值滤波结果。假设Ω(x)邻域内t(x)保持不变，则对式(1)两边进行两次最小值运算：将式(2)代入式(3)，得大气透射率t(x)初始值：为了使图像恢复结果更加逼真，引入因子θ，θ＝0.95，因此，式(4)中的大气初始透射率为：随后采用双区域滤波优化透射率：以对无雾图J(x)进行透射率优化为例，对每个像素x的邻域内三原色通道最小值排序，取其中值，若中值大于像素点x三原色通道的最小值，暗原色双区域值则取三原色通道的最小值，否则取像素点邻域内三原色通道最小值的中值，具体定义如下：式中，JC(x)为J(x)中像素x的R、G、B某个颜色通道值，J′dark(x)为像素x的暗原色双区域值。类似地，对有雾图I(x)进行双区域滤波处理，得到暗原色双区域滤波图I′dark(x)；将所得I′dark(x)代入式(5)，得到重新定义的大气透射率t′(x)：更优选地，步骤b的具体操作是：由有雾图I(x)得到最小颜色通道图w(x)，运用传播滤波器对步骤a中所得大气透射率t′(x)进行优化，得到优化后的大气透射率t″(x)。进一步，由有雾图I(x)得到最小颜色通道图w(x)的公式为：式中，IC(x)为I(x)中像素x的R、G、B某个颜色通道值，则w(x)为像素x中三个颜色通道的最小值。计算传播滤波器输出Vp(x)：式中，V(y)代表像素值，为归一化系数，且式中，为高斯函数，σ为方差，s、s+1表示区域邻接路径φ上相邻的两个像素点，V(s)、V(s+1)、V(x)分别表示像素s、s+1、x对应的像素值，da(V(x),V(y))定义了邻接路径φ上相邻像素间的关联程度,dr(V(x),V(y))定义了邻接路径上φ每个像素与中心像素x的关联程度，φ则表示两个像素x与y之间相连的区域邻接路径上所有像素点集合，而且由相邻的像素迭代生长而成，其生长规则如下：(a)若两像素在水平或垂直方向，如ys-2与x，则邻接路径为两像素直接相连的线段；(b)若两像素不在水平或垂直方向，如y与x，则通过两个像素间的曼哈顿距离决定路径φ，具体定义如下：式中，(a1,b1)和(a2,b2)代表像素y与x的坐标。则优化后的大气透射率t″(x)为：更优选地，步骤c的具体操作是：采用大气光强度的自适应恢复算法，实现对大气光A的估计，根据步骤b所得t″(x)，结合所得A对有雾图I(x)进行大气散射模型反解，得到无雾图J(x)。进一步，由于无雾图J(x)可分解为图像的明暗系数和表面反射系数两个变量的乘积，即J(x)＝l(x)R(x)(15)式中，l(x)为图像明暗系数，R(x)为图像表面的反射系数，其矢量值与RGB颜色空间有关，且||R(x)||＝1；将有雾图像I(x)分块，基于式(1)和式(15)，第i个图块的去雾模型Ii(x)可以重新修改如下：Ii(x)＝l(x)Ri(x)ti(x)+(1-ti(x))A(16)式中，Ri(x)，ti(x)分别代表第i个图块中像素的表面反射系数和透射率，Ii(x)由矢量l(x)Ri(x)ti(x)和矢量(1-ti(x))A合成。根据图像具有本文档来自技高网...

【技术保护点】
图像去雾方法，其特征在于：首先通过双区域滤波法估计初始大气透射率，再以最小颜色通道图作为参考图像，结合传播滤波法得到优化后的大气透射率，最后采用自适应方法优化的大气光强度，基于大气散射模型实现无雾图像的恢复。

【技术特征摘要】
1.图像去雾方法，其特征在于：首先通过双区域滤波法估计初始大气透射率，再以最小颜色通道图作为参考图像，结合传播滤波法得到优化后的大气透射率，最后采用自适应方法优化的大气光强度，基于大气散射模型实现无雾图像的恢复。2.权利要求1所述的方法，其特征在于，包括如下步骤：步骤a)对有雾图像进行双区域滤波处理，结合雾、霾环境下的大气散射模型，得到大气初始透射率t′(x)；步骤b)通过最小颜色通道图运用传播滤波器将步骤a所得大气初始透射率t′(x)优化后得到大气透射率t″(x)；步骤c)采用大气光强度的自适应恢复算法，实现对大气光强度A的估计，结合步骤b所得t″(x)得到无雾图。3.权利要求1所述的方法，其特...

【专利技术属性】
技术研发人员：汤红忠，朱玲，王翔，王艳东，李骁，毛丽珍，
申请(专利权)人：湘潭大学，
类型：发明
国别省市：湖南;43