基于暗通道先验的交通监控图像快速去雾方法技术

本发明专利技术公开一种基于暗通道先验的交通监控图像快速去雾方法，采用形态学闭运算和高斯平滑滤波替代导向滤波或双边滤波，从而在较低的计算复杂度下保证了交通监控图像的透射率在景深相同处的局部平滑性；同时，利用高亮度像素集的平均RGB值和大气光值上、下界约束来尽量避免交通监控过程存在诸多干扰时出现大气光值估计不合理的情况；另外，通过透射率的非线性变换进一步增强输出图像的对比度，从而达到快速、有效地实现交通监控图像去雾的目的。

Fast fog removal method for traffic surveillance images based on dark channel priors

The invention discloses a fast fog removal method based on the dark channel prior, using the morphological closed operation and the Gauss smoothing filter instead of guiding filtering or bilateral filtering, thus ensuring the local smoothness of the traffic monitoring image in the same depth under the lower computational complexity; at the same time, the use of high level is high. The average RGB value of the set of luminance pixels and the upper and lower bounds of the atmospheric light value are used to avoid the unreasonable estimation of the atmospheric light value when there are many disturbances in the traffic monitoring process. In addition, the contrast of the output image is further enhanced through the nonlinear transformation of the transmittance, thus achieving a rapid and effective traffic monitoring map. Like the purpose of fogging.

【技术实现步骤摘要】
基于暗通道先验的交通监控图像快速去雾方法
本专利技术涉及交通监控图像处理领域，尤其是一种运算速度快、去雾效果好的、基于暗通道先验的交通监控图像去雾方法。
技术介绍
交通监控系统是智能交通的一个子系统，在道路、车辆和驾驶员之间建立快速通讯联系，而交通监控系统能够发挥的作用很大程度依赖于天气情况。雾、霾等恶劣天气条件下，交通监控设备拍摄的视频或图像会出现对比度下降、清晰度下降、颜色失真等问题，导致视频或图像的使用价值降低，影响了交通监控的作用力。去除或者降低尘埃、雾霾颗粒杂质的影响、提高监控图像质量是改善交通视频监控系统性能的关键技术环节之一，并且已成为近年来数字图像处理、计算机视觉领域的研究热点，得到了众多学者的广泛关注和研究。图像去雾的目的就在于恢复有雾图像的对比度和清晰度，还原其真实色彩以及真实场景，达到在理想天气状况下的拍摄效果，从而帮助智能交通系统实现正常的交通管理。目前，典型的图像去雾算法主要包括两类：基于图像增强的去雾算法（如基于Retinex的去雾算法、基于小波变换的去雾方法等），基于图像复原的去雾算法（如基于暗通道先验的去雾、基于视觉信息损失先验的去雾等）。前者主要通过增强被降质图像的对比度、突出图像中景物的特征和有价值的信息，来改善图像的质量。但是，图像增强方法从本质上来讲只是提高了图像的对比度和清晰度，并没有真正意义上实现对图像的去雾，增强后的图像易出现颜色过于饱和的现象，究其原因是没有考虑大气光成分的影响。后者则以雾天图像降质的物理过程为基础建立雾天退化模型，在反演图像退化的过程中完成对参数的最优化估计，补偿退化过程中所造成的图像失真，从而改善雾天图像质量。因此，基于图像复原的去雾算法得到越来越多学者的关注与研究。Nayar等人利用雾天图像退化模型恢复出无雾图像；Oakley等人建立了一个各种光线对雾天图像降质的计算模型。这两种方法的模型参数偏多，实现过程也较为复杂。Narasimhan等人使用不同天气状况下的图像先验来提取景深信息，由于图像先验知识不够且不同天气状况与雾天情况又往往不同，去雾效果一般。Fattal等人通过假设场景目标表面投影和光的传播局部不相关性，进而由估算得到的场景反射率推导出场景透射率来实现图像去雾。由于该方法是基于数据统计的，要求具有足够的颜色信息，在处理浓雾天气下颜色暗淡的图像时，往往会因统计信息不足而导致复原图像出现失真。暗通道先验理论是HeKaiming等人通过统计户外无雾图像库得出的一种规律性结论，主要用于单一图像去雾，其基本思想是在不包括天空的绝大部分区域中总会存在一些“暗像素”，这些暗像素至少有一个颜色通道具有较低的强度值。在被雾干扰的图像里，这些暗像素的强度值会被大气中的白光成分所充斥而变得较高，故此能够直接用来评估雾光的透射情况，进而根据大气散射模型和光在雾天传输的物理特性，得到去雾后的图像。尽管基于暗通道先验的去雾算法是目前效果较好的一类算法，可是该算法在浓雾情况下的去雾效率相对有限。于是，很多研究人员致力于改进基于暗通道先验的去雾算法。比如，陈剑鹏等人在暗通道理论基础上引进白平衡理论来计算大气光照，并利用三边滤波对暗通道图像进行边缘细化；王一帆等人利用双边滤波计算大气光照、弱化明亮区域，从而获得无雾图像；HeKaiming等人利用导向滤波进一步优化了大气透射率图的计算；Meng等人采用基于块约束和上下文正则化的方法来估算大气透射率实现了图像去雾。虽然这些方法能对单幅图像做出比较理想的处理，尤其是对于景深变化较多的图像的处理效果比之前有了很大进步，但是韩正汀等人认为一般情况下透射率在局部区域内应该是恒定的，在含雾图像上进行导向滤波会使景深相同处的细节过于丰富（尤其是对于交通监控图像这种远距离广角图像，情况更是如此），不符合自然规律，进而提出采用大气光幕的导向图对大气透射率进行导向滤波，再结合大气物理散射模型完成去雾。不过，该算法的计算复杂度仍然较高，无法很好地满足交通监控图像处理的实时性要求。
技术实现思路
本专利技术是为了解决现有技术所存在的上述技术问题，提供一种运算速度快、去雾效果好的基于暗通道先验的交通监控图像快速去雾方法。本专利技术的技术解决方案是：一种基于暗通道先验的交通监控图像快速去雾方法，其特征在于按照如下步骤进行：步骤1.输入一幅含雾的交通监控图像；步骤2.利用公式给出的两次最小值操作处理的每一个像素，计算得到的暗通道图：所述表示的暗通道，表示输入图像的某一个RGB通道，表示以像素为中心、大小为像素的窗口内的像素集合，表示取最小值的函数；步骤3.求大气光值；步骤3.1将输入图像从RGB空间转换到HSV空间，结果图像为；步骤3.2将中的所有值进行非升序排列；步骤3.3在步骤3.1得到的非升序序列中取出位于前0.1%的值，并将这些值在暗通道中的位置记录到集合中；步骤3.4根据位置集合，到图像的亮度分量中取出在这些位置上具有最高亮度值的像素组成一个像素集，然后将像素集的平均RGB值作为大气光值；步骤4.粗估计透射率图像；步骤4.1计算场景透射率的粗估计值，其定义由公式给出：所述表示大气光值的某一个RGB通道（），表示预设的大气光值下界的某一个RGB通道，表示预设的大气光值上界的某一个RGB通道；步骤5.精细估计透射率图像；步骤5.1采用大小为像素的结构元素对得到的透射率图像进行形态学闭运算；步骤5.2采用大小为像素、方差为的高斯平滑卷积核对透射率的粗估计值进行线性加权的平滑滤波，得到细化后的透射率图像；步骤6.利用大气光值和透射率图像对输入图像的每一个像素执行去雾操作，得到输出的交通监控图像，去雾过程由公式的定义给出：所述表示输出图像中每个像素的某一个RGB颜色通道（），表示为了避免输出的像素值过大而预设的常数值，表示预设的非线性变换系数。与现有的技术相比，本专利技术从三方面保证图像去雾的主客观质量：首先，利用高亮度像素集的平均RGB值以及预设的大气光值上界、下界约束来尽量避免监控图像中存在诸多干扰因素时，出现大气光值估计结果不合理的情况。考虑到在同一天气条件下，同一地区的大气光值往往趋于定值，这种参数设定非常简单，不会给用户造成使用时的不便；其次，在估计透射率图像时，采用形态学闭运算和高斯平滑滤波替代传统方法中的导向滤波或双边滤波，既可保证交通监控图像的透射率在景深相同处的局部平滑性，符合物理规律，又能避免导向滤波或双边滤波的高计算量。最后，在去雾时引入透射率的非线性变换，有利于扩展高亮度像素的动态范围，增强输出图像的对比度。因此，本专利技术具有运算速度快、去雾效果好的优点。附图说明图1~图3是本专利技术实施例与HeKaiming的基于暗通道的去雾结果对比图。具体实施方式一种供基于暗通道先验的交通监控图像快速去雾方法，其特征在于按照如下步骤进行：步骤1.输入一幅含雾的交通监控图像；步骤2.利用公式给出的两次最小值操作处理的每一个像素，计算得到的暗通道图：所述表示的暗通道，表示输入图像的某一个RGB通道，表示以像素为中心、大小为像素的窗口内的像素集合，表示取最小值的函数，本实施例中令；步骤3.求大气光值；步骤3.1将输入图像从RGB空间转换到HSV空间，结果图像为；步骤3.2将中的所有值进行非升序排列；步骤3.3在步骤3.1得到的非升序序列中取本文档来自技高网...

【技术保护点】
1.一种基于暗通道先验的交通监控图像快速去雾方法，其特征在于按如下步骤进行：步骤1. 输入一幅含雾的交通监控图像

【技术特征摘要】
1.一种基于暗通道先验的交通监控图像快速去雾方法，其特征在于按如下步骤进行：步骤1.输入一幅含雾的交通监控图像；步骤2.利用公式给出的两次最小值操作处理的每一个像素，计算得到的暗通道图：所述表示的暗通道，表示输入图像的某一个RGB通道，表示以像素为中心、大小为像素的窗口内的像素集合，表示取最小值的函数；步骤3.求大气光值；步骤3.1将输入图像从RGB空间转换到HSV空间，结果图像为；步骤3.2将中的所有值进行非升序排列；步骤3.3在步骤3.1得到的非升序序列中取出位于前0.1%的值，并将这些值在暗通道中的位置记录到集合中；步骤3.4根据位置集合，到图像的亮度分量中取出在这些位置上具有最高亮度值的像素组成一个像素集，然后将像素集的平均RGB值作为大气光值...

【专利技术属性】
技术研发人员：宋传鸣，唐媛，王相海，黄腾，谭舒月，
申请(专利权)人：辽宁师范大学，
类型：发明
国别省市：辽宁,21