使用双向加权融合处理雾天图像的方法技术

使用双向加权融合处理雾天图像的方法，该方法包括以下步骤：S1、一方面，对待处理的雾天图像I，使用去雾算法进行处理，得到输出图像J1,另外一方面，对待处理的雾天图像I进行取反操作，然后使用去雾算法进行处理，处理完毕后再进行取反操作，得到输出图像J2；S2、将输出图像J1和输出图像J2进行加权平均，得到最终输出图像J。该发明专利技术的优点在于：对于原始雾天图像，结合图像反转，通过双向使用现有图像去雾技术并进行加权融合。本发明专利技术技术处理后的图像具有较好的图像清晰化效果，可以较好改善天空等亮区域的色彩，能够保有更多的细节信息和边缘特征。所发明专利技术的技术还具有实时处理的特性且方法简单，可用于一般电子类消费产品的去雾处理中。

A method of fog image processing using two-way weighted fusion

【技术实现步骤摘要】
使用双向加权融合处理雾天图像的方法
本专利技术涉及计算机应用与信息处理领域，尤其涉及使用双向加权融合处理雾天图像的方法。
技术介绍
很多重要的夜视或低照度场景，如军事基地、安全中心和交通要塞等，主要利用红外图像实现全面监控。由于实际获取图像时会受到外部环境如光照不足，光照不均，雾霾雨水等恶劣天气的影响，严重影响了图像的视觉质量，因此对图像进行除雾处理是必须的工作。在现有技术中，除雾方法基本都是直接采用自适应的直方图增强算法、Retinex理论、暗通道先验去雾算法，但是使用上述方法都是通过增强的方式来实现图像去雾，但是均会去除图像中的场景细节，导致图像失真。为降低图像失真的程度，现有技术公开了一种小波域Retinex图像去雾方法(CN201510694867)和一种基于改进的Retinex与Welsh近红外图像增强与彩色化算法(CN201711005353)，但是这两种方法都比较复杂，因此，怎么使用一种简单的方式来解决图像失真是急需解决的技术问题。
技术实现思路
为了克服上述现有技术存在的不足，为此，本专利技术提供使用双向加权融合处理雾天图像的方法。为实现上述目的，本专利技术采用以下技术方案：使用双向加权融合处理雾天图像的方法，包括以下步骤：S1、一方面，对待处理的雾天图像I，使用去雾算法进行处理，得到输出图像J1,另外一方面，对待处理的雾天图像I进行取反操作，然后使用去雾算法进行处理，处理完毕后再进行取反操作，得到输出图像J2；S2、将输出图像J1和输出图像J2进行加权平均，得到最终输出图像J。本专利技术的优点在于：(1)对于原始雾天图像，结合图像反转，通过双向使用现有图像去雾技术并进行加权融合。本专利技术技术处理后的图像具有较好的图像清晰化效果，可以较好改善天空等亮区域的色彩，能够保有更多的细节信息和边缘特征。所专利技术的技术还具有实时处理的特性且方法简单，可用于一般电子类消费产品的去雾处理中。(2)本专利技术提出了对雾天图像清晰化算法进行双向加权融合的思想，结合图像反转，通过正反双向使用去雾算法，通过两次处理的加权平均可以有效抑制噪声的放大；通过两次加权融合可以改善传统单次增强对于对比度提升的不足；通过两次加权融合可以较好恢复被雾掩盖的场景细节；同时，所述技术方案具有一定的实时性，可以适用一般电子类消费产品的需求。附图说明图1从上到下的三幅图分别为原始雾天图像、使用传统MSR算法的图像和基于MSR算法本专利技术获得的图像的效果对比图。图2从上到下的三幅图分别为原始雾天图像、使用传统暗通道算法的图像和基于暗通道算法本专利技术获得的图像的效果对比图。具体实施方式实施例1使用双向加权融合处理雾天图像的方法，包括以下步骤：S1、一方面，对待处理的雾天图像I，使用多尺度Retinex算法进行处理，得到输出图像J1,另外一方面，对待处理的雾天图像I进行取反操作，然后使用多尺度Retinex算法进行处理，处理完毕后再进行取反操作，得到输出图像J2；S2、将输出图像J1和输出图像J2进行加权平均，得到最终输出图像J。具体地说，去雾算法为多尺度Retinex算法中的MSR算法。本例中，具体的MSR算法的步骤为：SA1：以原始图像I或取反操作后图像作为待处理图像；得到待处理图像在位置(x,y)处3个颜色通道分别对应的灰度值Si(x,y),i取1,2,3；SA2：用环绕函数和待处理图像的卷积来估算待处理图像的亮度值并进行加权平均如式(1)所示，得到3个颜色通道分别对应的输出ri(x,y),i取1,2,3；其中，N为尺度个数；wn为第n个尺度的所占权值，满足此处取wn＝1/N；Fn(x,y)为权值wn对应的第n个环绕函数，服从式(2)：其中，cn为第n个尺度参数，kn为归一化因子，由于环绕函数服从∫∫F(x,y)dxdy＝1，所以其中，F′(x,y)为F(x,y)的一阶导数。其中N取值为3，c1＝15、c2＝80、c3＝240。MSR算法由于在本方案中N＝3，可对应大、中、小三个尺度进行加权，小尺度的Retinex算法能实现图像的动态范围压缩，大尺度Retinex算法可使图像的色调再现，中尺度Retinex算法兼顾图像的动态范围压缩和颜色保真之间的平衡性。MSR算法可弥补SSR算法(单尺度加权平均Retinex算法)的不足，使得图像的颜色保真度以及动态压缩能力均有较大提高；但单纯的MSR算法处理得到的图像具有颜色失真、噪声较多的缺点。通过上述步骤获得如图1中最右侧图的效果，与图1中左侧和中间的进行对比，效果更优，并且去雾性能的参数指标如表1所述：参数指标原始图像传统MSR双向MSR灰度标准差146.5862113.5934114.1452信息熵值6.04157.06547.0709平均梯度3.29386.80746.8181表1选取雾天图像测试双向加权融合在雾天图像清晰化处理中的实际效果，使用平均梯度反映图像对微小细节反差表达的能力，使用图像灰度标准差来反映去雾算法对噪声放大的抑制效果，使用图像信息熵值则反映去雾后图像细节的清晰度。针对图1的主观评价，即是通过人眼感觉判断去雾的性能，其中图1中传统MSR算法除了恢复被雾掩盖的场景细节，还需提升图像全局对比度，另外还需兼顾保持雾天图像的真实度，双向加权融合应用于雾天图像清晰化中在实现去雾的同时，可以有效防止过增强现象，同时可以抑制对噪声的放大。针对表1的客观评价，通过表中统计数据不难发现，经双向加权融合后，可以有效提升算法的去雾性能。这一处理可用于无人机识别、车载摄录等多个领域，具有一定的商用价值。实施例2使用双向加权融合处理雾天图像的方法，包括以下步骤：S1、一方面，对待处理的雾天图像I，使用暗通道先验去雾算法进行处理，得到输出图像J1,另外一方面，对待处理的雾天图像I进行取反操作，然后使用暗通道先验去雾算法进行处理，处理完毕后再进行取反操作，得到输出图像J2；S2、将输出图像J1和输出图像J2进行加权平均，得到最终输出图像J。本例中，所述去雾算法为基于导向滤波的暗通道先验图像去雾处理算法，还包括图像增强技术，并将暗通道获得的去雾图像与经图像增强技术处理后的图像进行融合。基于导向滤波的暗通道先验图像去雾处理算法的步骤为：SB1:采用原始雾天图像I或取反操作后的图像作为待处理图像；待处理图像的去雾模型描述为：其中，M(x)为待处理图像；J11(x)为处理后的无雾图像；x为对应图像中的任一像素点；A为全局参数大气光强度，取为暗通道中最亮的0.1％像素的均值；t(x)为对应像素点的场景反射光的透射率本文档来自技高网...

【技术保护点】
1.使用双向加权融合处理雾天图像的方法，其特征在于，包括以下步骤：/nS1、一方面，对待处理的雾天图像I，使用去雾算法进行处理，得到输出图像J1，另外一方面，对待处理的雾天图像I进行取反操作，然后使用去雾算法进行处理，处理完毕后再进行取反操作，得到输出图像J2；/nS2、将输出图像J1和输出图像J2进行加权平均，得到最终输出图像J。/n

【技术特征摘要】
1.使用双向加权融合处理雾天图像的方法，其特征在于，包括以下步骤：
S1、一方面，对待处理的雾天图像I，使用去雾算法进行处理，得到输出图像J1，另外一方面，对待处理的雾天图像I进行取反操作，然后使用去雾算法进行处理，处理完毕后再进行取反操作，得到输出图像J2；
S2、将输出图像J1和输出图像J2进行加权平均，得到最终输出图像J。


2.根据权利要求1所述的使用双向加权融合处理雾天图像的方法，其特征在于，所述去雾算法为任意基于多尺度Retinex的处理算法。


3.根据权利要求1所述的使用双向加权融合处理雾天图像的方法，其特征在于，去雾算法为多尺度Retinex算法中的MSR算法(多尺度加权平均Retinex算法)。


4.根据权利要求3所述的使用双向加权融合处理雾天图像的方法，其特征在于，所述MSR算法的步骤为：
SA1：以原始图像I或取反操作后图像作为待处理图像；得到待处理图像在位置(x，y)处3个颜色通道分别对应的灰度值Si(x，y)，i取1，2，3；
SA2：用环绕函数和待处理图像的卷积来估算待处理图像的亮度值并进行加权平均如式(1)所示，得到3个颜色通道分别对应的输出ri(x，y)，i取1，2，3；



其中，N为尺度个数；wn为第n个尺度的所占权值，满足此处取wn＝1/N；Fn(x，y)为权值wn对应的第n个环绕函数，服从式(2)：



其中，cn为第n个尺度参数，kn为归一化因子，由于环绕函数服从∫∫F(x，y)dxdy＝1，所以其中，F′(x，y)为F(x，y)的一阶导数。


5.根据权利要求4所述的使用双向加权融合处理雾天图像的方法，其特征在于，其中N取值为3，c1＝15、c2＝80、c3＝240。


6.根据权利要求1所述的使用双向加权融合处理雾天图像的方法，其特征在于，所述去雾算法为基于导向滤波的暗通道先验图像去雾处理算法。


7.根据权利要求6所述的使用双向加权融合处理雾天图像的方法，其特征在于，基于导向滤波的暗通道先验图像去雾处理算法的步骤为：
SB1：采用原始雾天图像I或取反操作后的图像作为待处理图像；待处理图像的去雾模型描述为：



其中，M(x)为待处理图像；J11(x)为处理后的无雾图像；x为对应图像中的任一像素点；A为全局参数大气光强度；t(x)为对应像素点的场景反射光的透射率；
SB2、获得待处理图像M(x)的暗通道图像Mdark(x)，由式(4)计算：
...

【专利技术属性】
技术研发人员：侯再红，罗杰，秦来安，
申请(专利权)人：中国科学院合肥物质科学研究院，
类型：发明
国别省市：安徽;34