基于统计特性和亮度估计的夜晚图像去雾方法技术

本发明专利技术公开了一种基于统计特性和亮度估计的夜晚图像去雾方法，包括：将夜晚有雾图像反转得反转图像；计算反转图像局部带色偏的大气光，并通过指导性滤波进行优化；计算三通道的初始透射率和三通道的粗估透射率，利用反转图像的亮通道对三通道的粗估透射率进行校正，并通过指导性滤波得到优化透射率：利用局部带色偏的大气光和优化透射率求解复原图像后再次进行反转得到夜晚带色偏的去雾图像；并采用局部的grey word进行颜色校正，最终得到夜晚去雾图像。利用本发明专利技术得到的夜晚图像去雾图像不仅能够有效恢复图像的亮度、对比度，还能有效校正夜晚图像的色偏，显著改善视觉效果，同时保留更多的图像细节信息，并大大降低运算复杂度。

A method of night image de fog based on statistical properties and brightness estimation

The invention discloses a method to fog night image statistical characteristics and brightness estimation based on including: night fog image reversal have reversed image; calculation of inverted image local atmospheric light with color filter, and through the guidance of optimization; initial calculation of three channel and three channel transmission rate of the rough estimation of transmittance the use of bright, channel inversion image transmission on the three channel estimate is corrected, and optimize the transmission through guidance filter: image restoration after reversal to night with color shift to fog image using light and atmospheric transmittance with solving the local optimization and the local color; the grey word color correction final night to fog image. The brightness and contrast of the night image obtained by the invention not only can effectively restore the image to the fog image, but also the effective correction of night image color, improve visual effect, while preserving the image details, and greatly reduce the computational complexity.

【技术实现步骤摘要】
基于统计特性和亮度估计的夜晚图像去雾方法
本专利技术涉及一种计算机图像处理方法，尤其涉及一种夜晚图像去雾方法。
技术介绍
夜晚有雾环境下拍摄图像时，会导致图像整体灰度值和对比度降低并且丧失大量的细节信息，难以识别感兴趣的区域，给视频监控、室外目标识别与追踪、遥感成像等带来很大困难。因此，夜晚图像去雾问题在计算机视觉应用领域和数字图像处理领域亟待解决。现有的夜晚图像去雾方法较少，主要有Pei[1]提出的基于暗原色先验和颜色转换的夜晚图像去雾算法，Zhang[2]提出的基于新模型的去雾算法以及Li[3]的基于相对平滑约束的层次分解去雾算法等。这些算法的去雾主框架仍然是基于暗原色先验，但是由于夜晚有雾图像特殊的成像环境，暗原色先验在夜晚环境下并不适用，因此这些算法复原出的图像整体偏暗，并且存在着不同程度的颜色失真，在图像光源处晕轮效应明显，去雾不完全，而且计算复杂。[参考文献][1]PeiSC,LeeTY.Nighttimehazeremovalusingcolortransferpre-processinganddarkchannelprior[A].ProceedingsoftheIEEEInternationalConferenceonImageProcessing[C].Orlando:IEEEComputerSocietyPress,2012,957-960。[2]ZhangJ,CaoY,WangZ.Nighttimehazeremovalbasedonanewimagingmodel[A].ProceedingsoftheIEEEInternationalConferenceonImageProcessing[C].Paris:IEEEComputerSocietyPress,2014.4557-4561。[3]LiY,TanRT,BrownSMichael.Nighttimehazeremov-alwithglowandmultiplelightcolors[C].ProceedingsofIEEEInternationalConferenceonComputerVi-sion.Santiago:IEEEComputerSocietyPress,2015:226-234。[4]HeK,SunJ,TangX.Singleimagehazeremovalusingdarkchannelprior[J].PatternAnalysisandMachineIntelligence,IEEETransactionson,2011,33(12):2341-2353。[5]G.Buchsbaum.Aspatialprocessormodelforobjectcolourperception.JournaloftheFranklinInstitute,1980,310(80):1–26。[6]MengGaofeng,WANGYing,DUANJiangyong,etal.Efficientimagedehazingwithboundaryconstraintandcontextualregularization[C].IEEEInternationalCon-ferenceonComputerVision(ICCV),Sydney,Australia,2013:617-624。[7]X.Dong,J.T.Wen,W.X.Li,Anefficientandintegratedalgorithmforvideoenhancementinchallenginglightingconditions,inProceedingsofInstituteofElectricalandElectronicEngineersInternationalConferenceonComputerVisionandPatternRecognition,pp.1241-1249,2011。
技术实现思路
针对上述问题，本专利技术提出一种基于统计特性和亮度估计的夜晚图像去雾方法。首先根据夜晚有雾图像特殊的成像环境建立带有色偏因子的夜晚有雾图像新模型；然后通过统计夜晚有雾图像和低照度图像的反转图像的亮通道直方图分布，将夜晚有雾图像去雾问题转化为低照度图像增强问题，并利用改进的He[4]方法估计局部带色偏的大气光，同时通过夜晚有雾图像的反转图像的亮通道对透射率进行校正以保留去雾图像更多的边缘细节信息，最后通过局部的grey-world[5]对去雾图像进行颜色校正。本专利技术夜晚图像去雾方法不仅能够有效恢复图像的亮度、对比度，还能有效校正夜晚图像的色偏，显著改善视觉效果，同时保留更多的图像细节信息，并大大降低运算复杂度。为了解决上述技术问题，本专利技术提出的一种基于统计特性和亮度估计的夜晚图像去雾方法，步骤如下：步骤1、输入的夜晚有雾图像为图像I(x)，将图像I(x)反转得反转图像式(1)中，c∈{r,g,b}；步骤2、计算反转图像局部带色偏的大气光rL(x)AL(x)，并通过指导性滤波进行优化：式(2)中，Ω(x)为像素x的局部邻域，Ω(y)为邻域y的局部邻域，GF表示指导性滤波；步骤3、计算反转图像的三通道的初始透射率taL(x)和三通道的粗估透射率tbL(x)：步骤4、利用反转图像的亮通道对三通道的粗估透射率tbL(x)进行校正，并通过指导性滤波进行优化：tL(x)＝GF(eA_lighttbL(x))(6)式(5)和式(6)中：A_light为反转图像的亮通道，tL(x)为对三通道的粗估透射率tbL(x)校正后的优化透射率；步骤5、利用上述步骤2求解的局部带色偏的大气光rL(x)AL(x)和步骤4得到的优化透射率tL(x)求解复原图像rL(x)JL(x)：式(7)中：ε为固定常数，ε＝0.1；步骤6、对复原图像rL(x)JL(x)再次进行反转得到夜晚带色偏的去雾图像Jp(x)：Jp(x)＝255-r(x)J(x)(8)步骤7、采用局部的greyword对夜晚带色偏的去雾图像Jp(x)进行颜色校正，得到最终的夜晚去雾图像J(x)，式(9)中：ω表示整个可见光范围，λ为光波长，e(λ)表示某波段的光的分布，s(x,λ)为空间中某一点对某一波长的反射率，p(λ)表示相机对某种光的感光特性，m为[0,1]之间的一个常数。与现有技术相比，本专利技术的有益效果是：本专利技术基于统计特性对夜晚图像进行去雾，可以将夜晚有雾图像看作低照度图像进行处理，利用改进了的He的求取大气光的方法求取局部带色偏的大气光，并利用反转图像的亮通道对粗估透射率进行校正以进一步保留图像的细节和亮度信息，最后通过局部greyworld对复原图像进行颜色校正以提高算法对多光源夜晚有雾场景的鲁棒性。附图说明图1(a)是夜晚有雾图像的反转图像的亮通道直方图；图1(b)是低照度图像的反转图像的亮通道直方图；图2(a)为一幅夜晚有雾图像Trains；图2(b)为文献[2]基于新模型的去雾算法对图像Trains处理后的结果；图2(c)为文献[3]基于相对平滑约束的层次分解去雾算法对图像Trains处理后的结果；图2(d)为本专利技术夜晚图像去雾方法对图像Trains进行处理的结果；图3(a)为一幅夜晚有雾图本文档来自技高网...

【技术保护点】
一种基于统计特性和亮度估计的夜晚图像去雾方法，其特征在于，步骤如下：步骤1、输入的夜晚有雾图像为图像I(x)，将图像I(x)反转得反转图像

【技术特征摘要】
1.一种基于统计特性和亮度估计的夜晚图像去雾方法，其特征在于，步骤如下：步骤1、输入的夜晚有雾图像为图像I(x)，将图像I(x)反转得反转图像式(1)中，c∈{r,g,b}；步骤2、计算反转图像局部带色偏的大气光rL(x)AL(x)，并通过指导性滤波进行优化：式(2)中，Ω(x)为像素x的局部邻域，Ω(y)为邻域y的局部邻域，GF表示指导性滤波；步骤3、计算反转图像的三通道的初始透射率taL(x)和三通道的粗估透射率tbL(x)：步骤4、利用反转图像的亮通道对三通道的粗估透射率tbL(x)进行校正，并通过指导性滤波进行优化：tL(x)＝GF(eA_lighttbL(x))(6)式(5)和式(6)中：A_light为反转图像的亮通道，tL(x)为对三通道的粗估透射率tbL(x)校正后的优化透...

【专利技术属性】
技术研发人员：杨爱萍，杨苏辉，王南，赵美琪，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12