一种基于梯度域导向滤波和多尺度Retinex理论的图像去雾增强算法制造技术

本发明专利技术涉及图像处理领域。一种基于梯度域导向滤波和多尺度Retinex理论的图像去雾增强算法，包括如下步骤：步骤S1：求出有雾图像J的暗原色图；步骤S2：由暗原色图求出图像的粗透射率；求出图像的细化透射率；步骤S4：将通过暗原色处理后的图像从RGB颜色空间转换到Lab颜色空间；步骤S5：在Lab颜色空间内对亮度分量L使用多尺度Retinex理论增强；步骤S6：将增强后的亮度分量L与两个颜色分量a,b融合，再次通过颜色空间转换从Lab转换到RGB；步骤S7：使用直方图均衡化，得到最终增强的去雾图像。本发明专利技术能够有效解决使用暗原色先验理论后，图像整体偏暗的问题，能够改善图像的视觉质量，提升图像的对比度。

【技术实现步骤摘要】
一种基于梯度域导向滤波和多尺度Retinex理论的图像去雾增强算法
本专利技术涉及图像处理
，特别涉及一种基于梯度域导向滤波和多尺度Retinex理论的图像去雾增强算法。
技术介绍
近年来，大气污染日益严重，在一些城市经常会出现长时间的雾霾、雨雪天气。这对于一些城市的交通监控系统的图像采集造成了不少的影响，针对于此实际情况，有必要采取相应的去雾算法来达到增强图像的目的。针对于图像去雾算法来说，常见的算法主要分为两类。一是基于图像增强的方法，如直方图均衡化，滤波去噪，小波分析，Retinex理论，灰度变换等。王园园等人使用改进的多尺度retinex算法对含雾霾的彩色图像进行增强处理，该算法是在传统的多尺度Retinex算法的基础上使用增益(偏移)方法来修正图像的像素，通过在HSI颜色空间中对亮度分量I做增强，得到增强后图像像素值的最大值和最小值，通过校正修改得到最终的增强后的图像。郭瑞等人通过改进单尺度Retinex算法对含雾图像做增强处理，该算法是将图像转换到HSI颜色空间，对亮度分量I做增强的同时对饱和度S进行自适应线性拉伸，同时在改进的单尺度Retinex算法中加入了可以自适应调节的S函数代替了传统到高斯函数核。王永胜等人通过在Lab颜色空间内使用改进的多尺度Retinex算法对火车车轮对踏面的图像增强，通过对亮度分量L的增强的同时自适应调整颜色分量a和b，同时将运算的高斯核改为FMF算法。李巅在传统的Retinex算法的基础上进行了改进，引入了离散余弦变换,这种改进使得到的去雾图像避免光晕现象,同时通过改变亮度模型的参数进而对亮度进行改变,提高图像的亮度。汪秦峰提出了将同态滤波与直方图均衡化算法相结合的改进算法,对同态滤波算法中低通滤波得到的图像进行直方图均衡化操作,再将其与高通滤波得到的图像进行线性组合,改进了图像细节丢失的问题,得到了较好的去雾效果。二是基于图像复原的方法，最典型的如暗原色先验理论。He等人首先提出了暗原色先验理论，通过大气散射模型，估算出大气光照值，通过软抠图方法来细化透射率，从而达到增强图像的目的，但是这种算法对于图像中包含大量天空部分的情况时，处理的效果不太好，同时算法处理的速度很慢，最终的结果图像整体偏暗。为了能够很好的对图像进行去雾处理，He等人分析利用导向滤波代替软抠图来细化透射率，该算法加快了运行速度，同时也提高了图像亮度和清晰度。随后，乔寅等人在此基础上提出了增加一种盒子滤波来提高导向滤波的运行速度。刘健等人针对景深突变处出现的“白边”与“黑化”现象,提出结合最小值滤波与中值滤波的粗估计透射率优化方法，并提出自适应限定透射率下限值的方法改善天空区域的颜色失真问题。陆欢提出基于McCartnet的理论建立大气散射模型,根据暗通道理论粗略估计透射率,之后引入容差参数并设置阈值,重新计算明亮区域的透射率,从而实现对明亮区域透射率的自校正，各种去雾方法在一定程度上都对图像去雾改善图像的视觉质量起到不同程度的作用。而融合基于梯度域导向滤波和多尺度Retinex理论的图像去雾方法，尚未有公开，因此，提供一种基于梯度域导向滤波和多尺度Retinex理论的图像去雾增强算法，进而改善图像的视觉质量，提升图像的对比度，是一个值得研究的问题。
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梯度域导向滤波和多尺度Retinex理论的图像去雾增强算法，旨在解决使用暗原色先验理论后，图像整体偏暗的问题，能够改善图像的视觉质量，提升图像的对比度。为了实现上述目的，本专利技术通过以下技术方案实现：一种基于梯度域导向滤波和多尺度Retinex理论的图像去雾增强算法，包括如下步骤：步骤S1：求出有雾图像J的暗原色图Jdark；其中，Jc(x,y)为图像J的某通道图像，Ω(x,y)是以(x,y)为中心像素点的方形区域；步骤S2：由暗原色图求出图像的粗透射率t(x,y)，其公式为：其中，w为保雾参数，A是大气光照值，步骤S3：通过以下公式得到细化透射率t1(x,y)：t1(x,y)＝ap'J+bp'；bp'＝μX,ζ1(p')-ap'μG,ζ1(p')；其中，☉表示两个像素矩阵G，X的像素积，μG⊙X,ζ1(p')，μG,ζ1(p')，μX,ζ1(p')分别表示G☉X，像素矩阵G，X在半径为ζ1滤波窗口Ωζ1(p')的平均值；步骤S4：将通过暗原色处理后的图像从RGB颜色空间转换到Lab颜色空间；步骤S5：在Lab颜色空间内对亮度分量L使用多尺度Retinex理论增强；步骤S6：将增强后的亮度分量L与两个颜色分量a,b融合，再次通过颜色空间转换从Lab转换到RGB；步骤S7：使用直方图均衡化，得到最终增强的去雾图像。进一步的，所述步骤2中，图像的粗透射率的计算方法包括如下步骤：步骤S2.1：用大气散射模型来描述雾天图像的成像过程，即：I(x,y)＝J(x,y)t(x,y)+A(1-t(x,y))其中，J(x,y)是无雾状态下的图像，I(x,y)是设备采集到的图像，A是大气光照值，t(x,y)是透射率；步骤S2.2：引入暗原色先验，即在无雾清晰图像中绝大部分非天空局部区域，至少有一个颜色通道的亮度值很低并趋近于0，即对于图像J，有其中，JC(x,y)表示图像J三个通道R、G、B中的一个颜色通道，Ω(x,y)表示以(x,y)为中心的方形区域，Jdark称为图像J的暗原色；步骤S2.3：w的取值范围在(0,1]之间；步骤S2.4：在估算大气光照值A时，通过降序排列暗通道图中的像素值亮度，选出其中前0.1％的像素，这些像素对应图中雾最厚的区域，然后将这一组像素映射到原图像中，找到原图中对应部分亮度最亮像素的灰度值作为大气光照值A；n表示为通过降序排列暗通道图中亮度为前0.1％的像素点个数；进一步的，所述步骤S4包括以下具体步骤：步骤S4.1：RGB颜色空间与Lab颜色空间互相转换的公式，由于RGB不能直接转换到Lab，首先得将RGB转换到XYZ，再从XYZ转换到Lab，L*＝116f(Y/Yn)-16a*＝500[f(X/Xn)-f(Y/Yn)]b*＝200[f(Y/Yn)-f(Z/Zn)]其中，Xn,Yn,Zn三者值为1；R,G,B和X,Y,Z分别表示分别RGB颜色空间和XYZ颜色空间内各个颜色通道的灰度值；X,Y,Z,以及变量t的取值范围都在[0,1]之间；函数f(t)类似于Gamma函数，作用是将计算出X,Y,Z的灰度值范围扩大，从XYZ颜色空间转换到Lab颜色空间，分别得到L*、a*、b*的灰度值范围是，L*的范围[0,100],a*的范围[-128,127],b*的范围是[-128,127]；步骤S4.2：由步骤S2.1得到雾天图像成像过程，则求得暗原色先验理论后复原图像为把求得的细化透射率t1(x,本文档来自技高网...

【技术保护点】
1.一种基于梯度域导向滤波和多尺度Retinex理论的图像去雾增强算法，其特征在于，包括如下步骤：/n步骤S1：求出有雾图像J的暗原色图J

【技术特征摘要】
1.一种基于梯度域导向滤波和多尺度Retinex理论的图像去雾增强算法，其特征在于，包括如下步骤：
步骤S1：求出有雾图像J的暗原色图Jdark；



其中，Jc(x,y)为图像J的某通道图像，Ω(x,y)是以(x,y)为中心像素点的方形区域；
步骤S2：由暗原色图求出图像的粗透射率t(x,y)，其公式为：



其中，w为保雾参数，A是大气光照值，
步骤S3：通过以下公式得到细化透射率t1(x,y)：
t1(x,y)＝ap'J+bp'；



bp'＝μX,ζ1(p')-ap'μG,ζ1(p')；
其中，☉表示两个像素矩阵G，X的像素积，μG⊙X,ζ1(p')，μG,ζ1(p')，μX,ζ1(p')分别表示G☉X，像素矩阵G，X在半径为ζ1滤波窗口Ωζ1(p')的平均值；
步骤S4：将通过暗原色处理后的图像从RGB颜色空间转换到Lab颜色空间；
步骤S5：在Lab颜色空间内对亮度分量L使用多尺度Retinex理论增强；
步骤S6：将增强后的亮度分量L与两个颜色分量a,b融合，再次通过颜色空间转换从Lab转换到RGB；
步骤S7：使用直方图均衡化，得到最终增强的去雾图像。


2.根据权利要求1所述的基于梯度域导向滤波和多尺度Retinex理论的图像去雾增强算法，其特征在于：所述步骤2中，图像的粗透射率的计算方法包括如下步骤：
步骤S2.1：用大气散射模型来描述雾天图像的成像过程，即：
I(x,y)＝J(x,y)t(x,y)+A(1-t(x,y))
其中，J(x,y)是无雾状态下的图像，I(x,y)是设备采集到的图像，A是大气光照值，t(x,y)是透射率；
步骤S2.2：引入暗原色先验，即在无雾清晰图像中绝大部分非天空局部区域，至少有一个颜色通道的亮度值很低并趋近于0，即对于图像J，有



其中，JC(x,y)表示图像J三个通道R、G、B中的一个颜色通道，Ω(x,y)表示以(x,y)为中心的方形区域，Jdark称为图像J的暗原色；
步骤S2.3：w的取值范围在(0,1]之间；
步骤S2.4：在估算大气光照值A时，通过降序排列暗通道图中的像素值亮度，选出其中前0.1％的像素，这些像素对应图中雾最厚的区域，然后将这一组像素映射到原图像中，找到原图中对应部分亮度最亮像素的灰度值作为大气光照值A；n表示为通过降序排列暗通道图中亮度为前0.1％的像素点个数；

。


3.根据权利要求1所述的基于梯度域导向滤波和多尺度Retinex理论的图像去雾增强算法，其特征在于，所述步骤S4包括以下具体步骤：
步骤S4....

【专利技术属性】
技术研发人员：王智文，吕东，王萍，王宇航，
申请(专利权)人：广西科技大学，
类型：发明
国别省市：广西;45