一种基于近红外的快速图像去雾方法技术

本发明专利技术属于数字图像处理领域，具体涉及一种基于近红外与可见光图像融合的快速有效的去雾方法。由于图像传感器接收到的光是散射后的景物光与大气光的混合光，空气中的雾、霾、烟雾、水蒸气以及小水滴对景物光的吸收散射作用，导致图像质量退化，失去对比度和色彩保真度，这类图像统称为有雾图像。在基于视觉图像信息的机场场面监视系统中，有雾图像严重影响到对目标的特征提取，从而无法进行目标检测、目标跟踪等工作。因此，对有雾图像进行去雾处理是非常有意义的。

【技术实现步骤摘要】
一种基于近红外的快速图像去雾方法
本专利技术属于数字图像处理领域，具体涉及一种基于近红外与可见光图像融合的快速有效的去雾方法。
技术介绍
由于图像传感器接收到的光是散射后的景物光与大气光的混合光，空气中的雾、霾、烟雾、水蒸气以及小水滴对景物光的吸收散射作用，导致图像质量退化，失去对比度和色彩保真度，这类图像统称为有雾图像。在基于视觉图像信息的机场场面监视系统中，有雾图像严重影响到对目标的特征提取，从而无法进行目标检测、目标跟踪等工作。因此，对有雾图像进行去雾处理是非常有意义的。当前，图像去雾的方法主要分为两类：基于图像增强的方法和基于大气散射模型的方法。图像增强的方法能有效地提高雾天图像的对比度和颜色饱和度，但图像往往出现质量下降。基于大气散射模型的去雾方法成为了近几年图像去雾研究的热点。Fattal使用独立分量分析原有雾图像，通过假定透射率和表面投影在局部区域是不相关的，估算景物的反射率，进而实现场景的复原。但该方法基于颜色统计，无法处理灰度图像，且对浓雾图像的处理效果不佳。He[5]提出了暗通道先验估计光线传输透射率，实现雾天图像复原，但是透射率采用软抠图使算法时间非常长。引导滤波器的提出解决了透射率修复慢的问题，但是无法解决颜色失真问题。文献对大气光照进行白平衡，利用快速双边滤波估计大气耗散函数，求解简化的大气散射模型实现图像去雾，然而该方法对白色物体的恢复效果不够理想。基于以上大气散射模型的去雾方法的缺点。Schaul等人提出基于近红外(NIR)图像融合的去雾方法，该方法通过同一场景的可见光与近红外图像融合进行去雾，由于近红外图像容易获取，透雾能力强，且去雾过程不需要借助模型求解，因此去雾算法简单有效。传统的图像融合算法，如拉普拉斯金字塔、梯度金字塔和比率低通金字塔等均有层间具有相关性的缺点，融合后的图像往往出现虚假轮廓。Schaul采用了加权最小二乘滤波(WLS)对图像进行分解，得到的融合图像虽然没有虚假轮廓，但随着迭代次数的增加，以及图像尺寸的变大，算法处理时间急剧上升，并且图像无雾区域容易出现过饱和现象。
技术实现思路
鉴于此，本文提出一种基于可见光和近红外图像融合的快速算法，同时为了保证去雾后图像质量，根据雾浓度对去雾图像进行颜色校正，最后使用引导图像滤波器对去雾图像做边缘保持平滑，最终得到一张不失真的无雾图像。本专利技术的技术方案具体实现如下：(一)获取近红外图像。散射光的强度由入射光的两个变量决定：光的波长λ以及散射粒子的尺寸大小。当气溶胶颗粒小于λ/10时，雾气的散射规律遵循以下式子：可以看出，光的散射强度Eδ与入射光强E0与光波长的四次方的比值成正比例。也就是说波长λ越长，散射光强度越弱。可见光波长在400-700nm之间的波段，NIR的波段范围是700-1100nm，因此具有更强的“穿透力”。因此，在有雾天气，NIR图像能够包含更多的景物细节信息。使用1台光谱从400-1100nm波段频响曲线都好的CCD摄像机，通过变换滤光片的方法，可以同时获取近红外图像与可见光图像，并且无需再做配准处理。(二)颜色空间转换。图像融合是将两张或两张以上的图像的进行融合，得到一张信息更丰富的复合图像的过程，其目的在于综合各图像的互补信息，改善单一传感器的不足。由于NIR图像只有单通道信息，可见光图像有三通道信息，本文将可见光图像转为HSI空间，并将其光强度I通道与NIR图像进行融合。(三)近红外和可见光图像融合。本文采用基于双树复小波变换(DT-CWT)的融合算法进行图像融合。融合算法步骤如下：(a)首先对可见光和近红外图像I分别按以下式子进行DT-CWT分解：得到一系列的高频子带图像，和一系列低频子带图像IL。其中l表示分解层数，θ为分解方向。(b)图像的低频部分表现的主要是图像的轮廓信息，采用加权融合：FL＝0.5×VL+0.5×NL。(c)图像的高频部分高频子带反映图像的细节信息，采用图像的空间频率作融合测度，图像的空间频率反映图像表达细节信息的能力，空间频率越大，表示包含的细节信息更丰富。求解图像空间频率表达式如下：RF和CF分别表式图像的行和列的频率，像素点(m,n)在[-d,d]范围内的局部空间频率求解如下式：F(i,j)是(i,j)处的像素值。空间频率越大，表示包含的细节信息更丰富。因此，高频分量的融合规则如下：FH为融合后图像,l表示分解层数，θ为分解方向。β融合权重系数，其值由下式确定：SFY和SFN分别是可见光和近红外图像的局部空间频率。根据上述计算可重建一幅清晰无雾的图像，但由于原本无雾区域，近红外与可见光图像的亮度通道值存在差异，这导致融合图像在无雾区域存在部分颜色失真，因此，需要进行颜色校正。(四)颜色校正。为达到理想的去雾效果，又能最大限度保留可见光图像清晰部分，而在有雾区域又能够充分利用近红外图像的细节信息，本专利技术根据雾的浓度对融合图像进行颜色校正。根据暗原色先验原理求得图像雾浓度估计图：Jdark是图像J的暗原色先验，反映了图像的雾浓度，c表示图像J的RGB通道。Ω(x)是以点x为中心的邻域。根据上述求得的雾浓度对融合的图像进行颜色校正。校正公式如下：FI＝F0×W+VI×(1-W)F0为近红外和可见光图像基于双树复小波变换的融合图像，W是Jdark的归一化表示，表示雾浓度系数，VI为可见光图像的亮度通道。FI为颜色较正后的图像。Jdark的引入将导致图像出现块状，本专利技术利用引导图像滤波器对FI做边缘保持平滑，消除图像块状，得到一张更符合人眼视觉特性的图像。滤波过程如下：F′＝guidfedfilter(V，FI，r，∈)F’为滤波后图像，V为可见光图像，即引导图像，r为区间半径，ε为调节参数，以上两个参数可根据输入图像尺寸自动进行调整。本专利技术基于双树复小波对近红外和可见光图像快速融合去雾，并根据雾浓度进行颜色校正，得到一张无失真的无雾图像，解决了单幅图像去雾中存在残雾，或者颜色失真的问题。附图说明图1为本专利技术实施例中图像去雾的流程图。图2为本专利技术实施例中的可见光图像。图3为本专利技术实施例中的近红外图像。图4为本专利技术实施例中可见光与近红外的融合图像。图5为本专利技术实施例中雾浓度估计图。图6为本专利技术实施例中最终校正的无失真无雾图。本文档来自技高网...

【技术保护点】
一种基于近红外和可见光图像的融合去雾方法，其特征在于，具体过程为：(一)分别对近红外和可见光图像进行分解，即求两幅图像的双树复小波变换，分解层数N＝3，得到一系列的高频子带图像

【技术特征摘要】
1.一种基于近红外和可见光图像的融合去雾方法，其特征在于，具体过程为：(一)分别对近红外和可见光图像进行分解，即求两幅图像的双树复小波变换，分解层数N＝3，得到一系列的高频子带图像和一系列低频子带图像IL，其中l表示分解层数，θ为分解方向(二)分别对低频子带分量和高频子带分量进行融合，低频子带的融合规则是：FL＝0.5×VL+0.5×NLFL为低频子带融合图像，VL和NL分别是可见光与近红外的低频分量，(三)高频子带融合规则根据图像的空间频率，其融合规则如下：其中FH为融合后图像,l表示分解层数，θ为分解方向，β融合权重系数，其值由下式确定：SFY和SFN分别是可见光和近红外图像的局部空间频率，根据上述计算可重建一幅清晰无雾的图像。2.估计图像的雾浓度，根据暗...

【专利技术属性】
技术研发人员：韩松臣，黄畅昕，李朋，
申请(专利权)人：四川大学，
类型：发明
国别省市：四川,51