一种基于暗原色先验的图像去雾优化算法制造技术

本发明专利技术一种基于暗原色先验的图像去雾优化算法，属于图像处理技术领域。该方法对暗通道先验公式进行一定的修改，添加下采样系数x，大幅度减少原始暗通道先验算法所需要的时间，可把一幅1080p图片暗通道信息量下取样减少到360p级别，从而减少透射率t(x)的计算时间，以及整幅图的计算时间，为了达到实时效果，本发明专利技术中选取适当的下采样系数x，使soc每秒可处理图像大于24幅(人眼分辨视频极限24fps)，且图像牺牲的信息在可控范围内。本发明专利技术新型不仅解决了高清画质下视频去雾处理慢的问题，也为低成本去雾系统提供了优化方案，使在低性能soc的情况下也可以实现高清视频去雾的操作。

An image de fog optimization algorithm based on dark original color prior

The invention is an image de fog optimization algorithm based on dark original color prior, which belongs to the field of image processing technology. The method of certain modifications to the dark channel prior formula, adding sampling coefficient X, greatly reduce the original dark channel prior the time required by the algorithm, can put a 1080p image of dark channel information under sampling is reduced to 360p level, thereby reducing the transmittance of T (x) of the computing time, and the entire map calculation time, in order to achieve the real time effect, the invention selects proper sampling coefficient X, the SOC can handle more than 24 pieces of images per second (eye resolution video image, and limit 24fps) at the expense of the information in the controllable range. The new type of the invention not only solves the problem of slow haze removal in HD video quality, but also provides an optimized scheme for low cost fog removal system, so that the HD video defog operation can be realized in the case of low performance SOC.

【技术实现步骤摘要】
一种基于暗原色先验的图像去雾优化算法
本专利技术涉及一种基于暗原色先验的图像去雾优化算法，具体地说，是涉及一种图像快速去雾方法，属于图像处理

技术介绍
在恶劣天气条件下捕获图像，由于大气中悬浮的大量颗粒(如雾、霾)会对光产生吸收、散射作用，从而导致捕获的图像质量下降，出现图像模糊、色彩失真、对比度下降等现象，不仅降低图像的可视性，更对后续图像处理算法(如物体识别、特征提取、图像分析等)的进行造成困难。目前，计算机视觉领域国内外学者提出的去雾算法按照信息的利用方式可分为基于多幅图像(或其他附加信息)和仅基于单幅图像两类。有雾图像中雾的分布和图像中景物的深度有关，由于可以从同一景物的多幅图像中提炼景物的深度信息，因此，很多学者提出了基于多幅图像(或其他附加信息)的去雾算法，如利用同一景物在不同偏振滤波器下的多幅图像进行去雾、利用同一景物在不同天气条件下的多幅图像去雾、利用附加的景物深度信息进行去雾。但由于这类算法要求的输入信息较多，使得它们的实用性受到约束，如在一些要求实时性的系统上，很难实时获得所需要的不同天气条件下的多幅图像；而在未知环境中，无法提供景物的附加深度信息。近两年只利用单幅图像信息的去雾算法也有较多进展。在其中一种去雾算法中，提出通过增大图像局部对比度来恢复无雾图像，但此种方法容易导致恢复后的图像颜色稍显失真，且在景深不连续处会产生光晕伪影(halo)。在另一种去雾算法中，基于景物表面色度(surfaceshading)与介质传播(mediumtransmission)具有局部统计不相关性的假设，对有雾图像进行去雾，此算法去雾效果明显，但该算法不能处理灰度图像。后来，何恺明学者在对大量无雾图像进行统计的基础上，提出了暗原色先验(darkchannelprior)，并利用这一统计规律粗估计介质传播函数，然后利用图像抠图算法对介质传播函数进行修正，进而对图像进行去雾，这种算法的去雾效果较显著。而近年来，随着计算机软硬件技术的不断发展，在有雾天气下对视频进行实时除雾已经成为可能，但由于上述算法计算时间较长，对处理器要求高，故在视频清晰度上做出妥协，市面图像去雾技术在视频监控、自动驾驶、城市交通等相关的领域清晰度大多都是360p或者480p，因为设备成本问题高清视频实时除雾一直无法解决。
技术实现思路
本专利技术要解决的技术问题是提供一种基于暗原色先验的图像去雾优化算法，不仅解决了高清画质下视频去雾处理慢的问题，也为低成本去雾系统提供了优化方案，使在低性能soc的情况下也可以实现高清视频去雾的操作。本专利技术采用的技术方案是：一种基于暗原色先验的图像去雾优化算法，包括如下步骤：步骤一：从视频提取有雾图像I(x)；步骤二：对有雾图像I(x)进行最小值滤波处理，得到处理后的图像G(x)；步骤三：求取图像G(x)的暗通道图Jdark；求出图像G(x)中每个通道的最小值，存入和图像G(x)大小相同的灰度图中，得到暗通道图Jdark；对于输入图像G(x)，其暗通道求取公式如下：式中jc表示图像G(x)三个颜色通道R、G、B中的一种，Ω(x)表示以坐标x为中心的一个窗口，y为x的通道函数，而暗通道先验定义jdark(x)→0；步骤四：估算出大气光值A，选取方法如下：1)从暗通道图中按照亮度的大小取前0.1％的像素；2)在步骤1)选取的这些位置中，在原始有雾图像I(x)中寻找对应的具有最高亮度的点的值，作为A值；步骤五：计算透射率t(x)大气散射模型如下：I(x)＝J(x)t(x)+A(1-t(x))(2)其中I(x)为待除雾图像，J(x)为待求的无雾的图像，t(x)为图像大气透射率，A为大气光值，大气散射模型(2)可变形为上式中，上标C表示R/G/B三个通道的意思，对式(3)两边求两次最小值运算得到下式：上式中，J(x)是待求的无雾的图像，根据步骤三中的暗原色先验理论有：因此，结合公式(4)、(5)可推导出：然而在现实生活中，即使是晴天白云，空气中也存在着一些颗粒，因此，看远处的物体还是能感觉到雾的影响，另外，雾的存在让人类感到景深的存在，因此，在去雾的时候保留一定程度的雾，因此需要在公式(6)中引入去雾因子ω，这里ω的求取规则为：计算暗通道图和其对应的去雾结果的标准差之比来求取局部去雾因子ω，ω在0-1之间；则式(6)修正为公式(7)：增加下取样系数n(n＝0.25～0.5)，对公式(7)进行修正，得到公式(8)：调整下采样系数n，使去雾处理速度和去雾后图像画质均达到最好的效果；步骤六：图像还原由公式(2)可知，将步骤四、五求得的A、t(x)代入公式(9)，可以得出待求的无雾的图像J(x)。本专利技术的有益效果为：本专利技术可应用在车载监控系统和交通监控系统中，针对市面上移动soc与桌面cpu性能差距大，在低成本平台实现高清视频除雾，可将1080p图像下采样至360p或者270p，经过算法优化以牺牲少量画质的代价，提升计算速度，达成低成本设施去雾实时化的要求。附图说明图1为本专利技术例一中处理前的图像；图2为本专利技术例一中处理后的图像；图3为本专利技术例二中处理前的图像；图4为本专利技术例二中处理后的图像；图5为本专利技术算法流程图。具体实施方式下面结合附图和具体实施例，对本专利技术作进一步清楚，完整地说明。实施例1：如图1-5所示，一种基于暗原色先验的图像去雾优化算法，包括如下步骤：步骤一：从视频提取有雾图像I(x)；步骤二：对有雾图像I(x)进行最小值滤波处理，得到处理后的图像G(x)；步骤三：求取图像G(x)的暗通道图Jdark；求出图像G(x)中每个通道的最小值，存入和图像G(x)大小相同的灰度图中，得到暗通道图Jdark；对于输入图像G(x)，其暗通道求取公式如下：式中jc表示图像G(x)三个颜色通道R、G、B中的一种，Ω(x)表示以坐标x为中心的一个窗口，y为x的通道函数，而暗通道先验定义jdark(x)→0；步骤四：估算出大气光值A，选取方法如下：1)从暗通道图中按照亮度的大小取前0.1％的像素；2)在步骤1)选取的这些位置中，在原始有雾图像I(x)中寻找对应的具有最高亮度的点的值，作为A值；步骤五：计算透射率t(x)大气散射模型如下：I(x)＝J(x)t(x)+A(1-t(x))(2)其中I(x)为待除雾图像，J(x)为待求的无雾的图像，t(x)为图像大气透射率，A为大气光值，大气散射模型(2)可变形为上式中，上标C表示R/G/B三个通道的意思，对式(3)两边求两次最小值运算得到下式：上式中，J(x)是待求的无雾的图像，根据步骤三中的暗原色先验理论有：因此，结合公式(4)、(5)可推导出：然而在现实生活中，即使是晴天白云，空气中也存在着一些颗粒，因此，看远处的物体还是能感觉到雾的影响，另外，雾的存在让人类感到景深的存在，因此，在去雾的时候保留一定程度的雾，因此需要在公式(6)中引入去雾因子ω，这里ω的求取规则为：计算暗通道图和其对应的去雾结果的标准差之比来求取局部去雾因子ω，ω在0-1之间(实验取值0.95图像效果最好)；则式(6)修正为公式(7)：其中ω是去雾因子，用以调节图像去雾程度，避免出现丢失景深和丢失图像细节的情况；增加下取样系数n(n＝0.25～0.5)，对公式(7)进行修正，得到公式(8)：调整下采本文档来自技高网...

【技术保护点】
一种基于暗原色先验的图像去雾优化算法，其特征在于：包括如下步骤：步骤一：从视频提取有雾图像I(x)；步骤二：对有雾图像I(x)进行最小值滤波处理，得到处理后的图像G(x)；步骤三：求取图像G(x)的暗通道图J

【技术特征摘要】
1.一种基于暗原色先验的图像去雾优化算法，其特征在于：包括如下步骤：步骤一：从视频提取有雾图像I(x)；步骤二：对有雾图像I(x)进行最小值滤波处理，得到处理后的图像G(x)；步骤三：求取图像G(x)的暗通道图Jdark；求出图像G(x)中每个通道的最小值，存入和图像G(x)大小相同的灰度图中，得到暗通道图Jdark；对于输入图像G(x)，其暗通道求取公式如下：式中jc表示图像G(x)三个颜色通道R、G、B中的一种，Ω(x)表示以坐标x为中心的一个窗口，y为x的通道函数，而暗通道先验定义jdark(x)→0；步骤四：估算出大气光值A，选取方法如下：1)从暗通道图中按照亮度的大小取前0.1％的像素；2)在步骤1)选取的这些位置中，在原始有雾图像I(x)中寻找对应的具有最高亮度的点的值，作为A值；步骤五：计算透射率t(x)大气散射模型如下：I(x)＝J(x)t(x)+A(1-t(x))(2)其中I(x)为待除雾图像，J(x)为待求的无雾的图像，t(x)为图像大气透射率，A为大气光值，大气散射模型(2)可变形为上式中，上标C表示R/G/B三个通道的意思，对式(3)两边求两次最小值运算得到下式：

【专利技术属性】
技术研发人员：张弓的，宫爱玲，范爽，高云龙，刘万里，贾炳文，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：云南,53