一种全天时雾霾图像清晰化恢复方法技术

本发明专利技术公开了一种全天时雾霾图像清晰化恢复方法，基于非天空区域分割实现对雾霾图像有效边缘轮廓的提取，通过L

A method for clearness and restoration of fog and haze all day

The invention discloses a method for restoring and clearing all day fog and haze images, and realizes the extraction of the effective edge contours of the haze image based on the non sky region segmentation, through the L

【技术实现步骤摘要】
一种全天时雾霾图像清晰化恢复方法
本专利技术属于恶劣天气下视觉观测
，尤其涉及一种全天时雾霾图像清晰化恢复方法。
技术介绍
随着空气质量的不断恶化，雾霾天气出现的频率大幅增长。户外高分辨率观测设备受天气条件影响较大，雾霾天气使观测能见度显著降低，造成相机或传感器采集到的图像出现质量严重退化，限制了观测活动的时间和空间范围。雾霾天气的出现也造成车辆、行人出行不便，易导致交通事故的发生。与此同时，随着交通运输、室外监控、侦查等领域的快速发展，对夜晚观测的需求与日俱增。由于夜晚能见度低而导致观测所摄图像不清晰，反映在图像数据上，图像中原本较高灰度值像素被削弱。此外，景物的颜色、对比度等相较于白昼时变化明显，其所蕴含的特征信息被弱化，造成场景目标的可辨识度大大降低。若同时伴随雾霾等恶劣天气，大气透明度进一步降低，对观测活动的影响将更加明显。因而夜晚雾霾条件下图像的清晰化恢复具有重要的现实意义。当前国内外在图像去雾方面已取得了长足进展，但当前研究很少涉足霾图像的恢复，因为“雾”与“霾”是有本质区别的，雾滴浓度分布不均匀，且雾滴平均直径大于可见光波长，其对光的散射与光波长本身关系不大，因接近均匀散射而呈乳白色或青白色。霾粒子的分布比较均匀，且其平均直径小于可见光波长，这时粒子对光的散射强度严重依赖于光的波长，所以对可见光中短波段部分散射严重。此外，现有图像去雾技术的方法仍存在一定的局限性，即其主要针对白昼图像，在夜晚弱光背景且伴随复杂人造光源干扰的情况下，现有方法不能对该退化图像进行有效恢复。本专利技术基于三种经典的理论方法——引导滤波理论、L0范数平滑滤波理论、带彩色恢复的多尺度Retinex理论，结合对雾图像、霾图像、夜晚雾霾图像各自成像特征的研究，提出了一种全天时雾霾图像清晰化恢复方法。引导滤波理论是由KaimingHe等人提出的，参见：KaimingHeetal.,GuidedImageFiltering,IEEETransactionsonPatternAnalysisandMachineIntelligence,2013,35:1-4，引导滤波是在双边滤波的基础上发展起来的，是一种新颖的边缘保持滤波器。而L0范数平滑滤波理论是由LiXu等人提出的，参见：LiXuetal.,ImageSmoothingviaL0GradientMinimization,ACMTransactionsonGraphics,2011,30(6):1-11。其通过抑制滤波输出图像中梯度不为0像素的数量，实现对图像纹理轮廓进行平滑滤波的目的。但单纯控制梯度不为0像素的数量，易造成图像重要的边缘轮廓信息的损失，因此还需附加滤波输出图像与原始输入图像具有最大结构相似性的条件。从而使L0范数平滑滤波在平滑图像细节结构的同时，仍能保留原始图像的主干边缘轮廓。Retinex理论是由E.Land提出的一种颜色恒常的计算理论，Retinex理论认为物体的颜色是由物体对入射光线的反射成分决定的,而不是由反射光的强度决定的。该理论随后进一步发展，从单尺度Retinex算法到多尺度加权平均的Retinex算法，随后Rahman等人将色彩恢复的概念引入，提出了带彩色恢复的多尺度Retinex算法，参见：RahmanZetal.,Retinexprocessingforautomaticimageenhancement,JournalofElectronicImaging,2004,13(1):100-110；RahmanZetal.,Investigatingtherelationshipbetweenimageenhancementandimagecompressioninthecontextofthemulti-scaleretinex,JVisCommun.ImageR,2011,22(3):237-250；JobsonDJ,RahmanZetal.,Amulti-scaleretinexforbridgingthegapbetweencolorimagesandthehumanobservationofscenes,IEEETransactionsonImageProcessing,1997,6(7):965-976。同时，本专利技术还用到了McCartney提出的大气物理退化模型，KaimingHe等人提出的暗通道运算，参见：KaimingHeetal.,SingleImageHazeRemovalUsingDarkChannelPrior,IEEETransactionsonPatternAnalysisandMachineIntelligence,2011,33(12):2341-2353，以及本申请人在之前文章中提出的天空分割算法，参见：BoJiangetal.,MethodforSkyRegionSegmentation,ElectronicsLetters,2015,51(25):2104-2106。在图像去雾领域，McCartney大气物理退化模型I(x)＝J(x)t(x)+A(1-t(x))被广泛使用：其中，I(x)为带雾图像，J(x)为原始无雾图像，A为大气光值，t(x)为大气透射率图，x为对应的像素点。一般地，对于单幅图像I(x)，其暗通道图Idark(x)被定义为：其中Ic(x)为图像I(x)的一个颜色通道，Ω(x)是以像素x为中心的滤波模板。本申请人之前提出的天空分割算法以暗通道运算得到的全局大气光值A为基准，在待分割图像中寻找像素值与A值较接近的像素位置(这里以像素均值为准)，将其作为以A值为基准的天空区域，实现天空的快速有效分割。同时，为防止近处场景像素点的均值也与A值接近而误将其标识为天空区域，故同时在图像暗通道图中也进行比较，即在暗通道图Idark(x)中将各个像素的暗通道值与A点的暗通道值也进行相似度比较。当两种比较都达到一定的相似度水平时才将其标识为天空区域，从而实现图像天空与非天空区域的有效分割。
技术实现思路
本专利技术提出了一种全天时雾霾图像清晰化恢复方法，基于非天空区域分割提取输入雾霾图像的边缘轮廓信息，通过L0范数平滑滤波滤除掉图像非主干边缘轮廓以更加准确地估计图像的复杂度，根据不同结构特征的图像自适应确定关键的去雾霾权重系数，根据此权重系数结合优良的引导滤波算法实现原始雾霾图像的增强型恢复处理。对于霾图像而言，依据其自身天空区域保留的自然光经霾粒子散射后的颜色偏移信息，对增强恢复后的霾图像进行额外的颜色校正。此外，对于夜晚所摄图像背景光照弱且伴随复杂人造光源干扰，通过带颜色恢复的多尺度Retinex理论去除掉该图像中的照度层，依据图像反射层而更有效地利用上述的去雾霾恢复方法。最终实现全天时雾霾图像的清晰化恢复处理。具体包括以下步骤：步骤一，对白昼、夜晚雾霾图像的自动识别：计算所输入雾霾图像的统计直方图，据此来判断输入图像的成像条件。当直方图分布整体位于该直方图的中高像素值区域时，则判断该图像为白昼雾霾图像。反之，若直方图的分布体整体位于低像素值区时，则判断为夜晚雾霾图像；步骤二，白昼雾或霾图像的识别及夜晚图像去照度：根据步骤一若判断输入图像为白昼雾霾图像，则通过图像暗通道运算搜寻该图像的空间最本文档来自技高网...

【技术保护点】
一种全天时雾霾图像清晰化恢复方法，其特征在于，所述全天时雾霾图像清晰化恢复方法将白昼雾霾天气下所摄图像的非天空区域提取出来，通过L

【技术特征摘要】
1.一种全天时雾霾图像清晰化恢复方法，其特征在于，所述全天时雾霾图像清晰化恢复方法将白昼雾霾天气下所摄图像的非天空区域提取出来，通过L0范数平滑滤波实现非天空区域主干边缘轮廓的提取，从而根据雾霾图像本身结构特征自适应地确定增强型去雾霾方法中关键的增益权重系数；对于霾较重的图像进一步根据其自身颜色偏移信息，对霾较重的图像进行有效的颜色畸变校正；而对于夜晚图像而言，运用带颜色恢复的多尺度Retinex理论实现夜晚雾霾图像光照层与反射层的分离，进而根据反映其结构属性的反射层来更准确地确定去雾霾权重系数，实现在夜晚复杂光照背景下雾霾图像的清晰化恢复；具体包括以下步骤：步骤一，对白昼、夜晚雾霾图像的自动识别：计算所输入雾霾图像的统计直方图，据此来判断输入图像的成像条件；当直方图分布整体位于该直方图的中高像素值区域时，则判断该图像为白昼雾霾图像。反之，若直方图的分布体整体位于低像素值区时，则判断为夜晚雾霾图像；步骤二，白昼雾或霾图像的识别及夜晚图像去照度：根据步骤一若判断输入图像为白昼雾霾图像，则通过图像暗通道运算搜寻该图像的空间最远像素点，即大气物理退化模型中所述的全局大气光值点A，自动分析其R、G、B三个颜色通道值的比例关系；若R、G、B三通道值分布均衡则判断该图像为雾图像，而R、G、B值比例失衡且明显偏向长波长则判断为霾图像；若为夜晚雾霾图像，通过带颜色恢复的多尺度Retinex理论，将夜晚杂散光干扰下的雾霾图像的照度成分去除，保留反映图像本质属性的反射成分从而实现夜晚雾霾图像的去照度处理；步骤三，白昼雾霾图像的天空与非天空区域分割：由于一副图像中最主要的边缘轮廓信息都包含在图像的非天空区域中，为更加准确有效地确定雾霾图像的真实复杂程度，若输入图像为白昼雾霾图像，则根据图像天空区域分割算法，实现白昼图像的天空区域与非天空区域的有效分离，从而为雾霾图像的后续恢复步骤做好前期预处理；步骤四，图像主干边缘的提取及去雾霾权重系数的确定：对于分割出的白昼图像非天空区域或者夜晚去照度图像，运用L0范数平滑滤波方法对其进行平滑滤波，以滤除掉大量非主干细节结构，保留图像场景的主干轮廓边缘；通过计算该主干结构的像素数量占整体部分的比例，快速准确地确定待恢复图像关键的去雾霾权重系数τ；步骤五，基于引导滤波的增强型去雾霾恢复：通过引导滤波这种优良的边缘保持滤波器对原始雾霾图像进行滤波处理，初步将其雾霾成分去除；再将原始雾霾图像与滤波后图像作差，将该差值线性增大τ倍后叠加在滤波后图像之上，从而实现去...

【专利技术属性】
技术研发人员：姜博，汪霖，何金红，刘成，周延，陈晓璇，
申请(专利权)人：西北大学，
类型：发明
国别省市：陕西,61