【技术实现步骤摘要】
基于形态学重建和饱和度补偿的单幅图像去雾方法
本专利技术中设计一种基于形态学重建和饱和度补偿的单幅图像去雾方法。本方法通过形态学重建和饱和度补偿分别优化大气散射模型的两个参数,即全局大气光值和透射率值,在高精度求出这两个参数后,再从该模型中逆向求解复原无雾图像,可应用于图像去雾领域,能够有效减少复原图像过饱和、光晕现象和块效应,提高图像的对比度、显示更多的细节信息。
技术介绍
伴随着近年来经济的不断发展,空气污染情况也随之加重,空气质量下降,雾霾天气的出现也越来越频繁。这些雾霾天气不仅会危害我们的身心健康,也会降低我们获取的光学图像提供的信息质量,对交通、安防等很多领域的应用产生严重影响。因而使得图像去雾特别是单幅图像去雾成为当前图像处理领域具有挑战性的热点问题。目前针对有雾图像进行处理的方法主要分为两类:一种是基于非物理模型的图像增强方法,该方法不考虑有雾图像产生降质的原因,它主要通过针对性的图像处理方法提高雾天图像的对比度和细节信息,但该方法容易导致图像失真。另一种方法是基于物理模型的图像复原方法,该方法通过分析雾天图像退化的原因,建立相应的有雾图像退化模型,补偿退化过程的失真,使复原图像逼真自然,信息损失较少,但该方法需要对模型中的参数进行有效估计。近些年,基于单幅图像去雾有多种先验知识和假设方法被提出。例如,He等人提出的暗通道先验算法(darkchannelprior,DCP)(K.He,J.Sun,andX.Tang,“Singleimagehazeremovalusingdarkchannelp ...
【技术保护点】
1.一种基于形态学重建和饱和度补偿的单幅图像去雾方法,其特征在于,包括以下步骤:/n步骤1:形态学重建估计全局大气光值;利用暗通道先验得到输入有雾图像的最小色彩通道图;然后对得到的最小色彩通道图进行自适应局部邻域窗口形态学重建处理,即重建闭运算和重建开运算,检测出容易被误认为大气光候选区域的环境中高亮区域;并从暗通道中移除该高亮区域,以避免该高亮区域导致的大气光值估计误差;最后选出暗通道图中具有前0.1%最大亮度值的像素,在原输入有雾图像中取这些像素对应像素的亮度的平均值作为全局大气光的估计值;/n步骤2:饱和度补偿透射率估计值;将图像从现有的RGB色彩空间描述变换到HSV色彩空间描述后,对透射率公式推导分析,得到现有方法存在估计的透射率值小于实际的透射率值,导致最终的复原图像整体偏暗、细节不明显;为此本步骤提出了饱和度补偿透射率估计值;/n分析可知,当有雾图像的饱和度分量图增加时,相应的透射率也会增加;而暗通道先验中假设透射率值在小的局部邻域是定值,事实上透射率值随景深而变化,尤其在景深不连续处,透射率值变化较大,块效应明显,通过直接增加透射率并不能解决块效应问题;通过提高有雾图像的 ...
【技术特征摘要】
1.一种基于形态学重建和饱和度补偿的单幅图像去雾方法,其特征在于,包括以下步骤:
步骤1:形态学重建估计全局大气光值;利用暗通道先验得到输入有雾图像的最小色彩通道图;然后对得到的最小色彩通道图进行自适应局部邻域窗口形态学重建处理,即重建闭运算和重建开运算,检测出容易被误认为大气光候选区域的环境中高亮区域;并从暗通道中移除该高亮区域,以避免该高亮区域导致的大气光值估计误差;最后选出暗通道图中具有前0.1%最大亮度值的像素,在原输入有雾图像中取这些像素对应像素的亮度的平均值作为全局大气光的估计值;
步骤2:饱和度补偿透射率估计值;将图像从现有的RGB色彩空间描述变换到HSV色彩空间描述后,对透射率公式推导分析,得到现有方法存在估计的透射率值小于实际的透射率值,导致最终的复原图像整体偏暗、细节不明显;为此本步骤提出了饱和度补偿透射率估计值;
分析可知,当有雾图像的饱和度分量图增加时,相应的透射率也会增加;而暗通道先验中假设透射率值在小的局部邻域是定值,事实上透射率值随景深而变化,尤其在景深不连续处,透射率值变化较大,块效应明显,通过直接增加透射率并不能解决块效应问题;通过提高有雾图像的饱和度适当补偿透射率,提高图像整体亮度;
在用饱和度补偿透射率后,再用快速导向滤波进一步优化透射率,从而去除噪声,同时还能够保持景深不连续处物体的边缘信息;
步骤3:大气散射模型逆向求解初始复原图像;经上述两步高精度求解出全局大气光值和透射率这两个参数值后,利用大气散射模型逆向求解出初始复原的无雾图像,
步骤4:强度线性映射拉伸精细化复原图像;对初始复原图像进行强度线性映射拉伸,进一步显示前景和背景之间的对比度、增加亮度动态范围。
2.根据权利要求1所述的单幅图像去雾方法,其特征在于,步骤1所述的形态学重建估计全局大气光值,具体计算步骤如下:
首先,根据暗通道先验,得到有雾图像的暗通道图;
dark(x)=miny∈Ω(x)minc∈{r,g,b}Ic(y)(1)
其中,dark(x)为暗通道图;c∈{r,g,b}表示输入有雾图像Ic(x)的r,g和b三个色彩通道;x为像素坐标;Ic(x)表示在x处成像的场景点的观测亮度;Ω(x)表示以x为中心边长为n的正方形局部邻域窗口,其中n为15;y∈Ω(x)中y表示该局部邻域窗口内的所有像素坐标;Ic(y)表示在y处成像的场景点的观测亮度;min为求最小值函数;
其次,对最小色彩通道In(x)=minc∈{r,g,b}Ic(y),进行重建闭运算,以去除小的暗物体:
其中,Iclose(x)表示经重建闭运算后的图像;为重建闭运算;重建闭运算所使用的腐蚀形态学重建中的膨胀结构元素是边长为p的正方形,其中p为15;
对Iclose(x),采用自适应腐蚀结构元素进行重建开运算,目的是去除小的亮物体:
其中,Iopen(x)表示经重建开运算后的图像;为重建开运算;重建开运算所使用的膨胀形态学重建中的自适应的腐蚀结构元素是边长为max(q,ceil(max(w,h)*0.1))的正方形;max为求最大值函数;ceil为浮点数的向上取整函数;q为腐蚀结构元素的边长参数,一般取值为30~50,其中q为40;w和h分别表示输入的有雾图像的宽和高;
然后,环境中的高亮区域可表示为:
Rhigh(x)=Iclose(x)-Iopen(x)(4)
由于式(4)只能检测出环境光和白色物体中亮度值较大的高亮区...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。