本发明专利技术公开一种基于大气物理散射模型的快速图像去雾方法，涉及图像复原方法，基于Narasimhan等给出的雾、霾天气条件下大气物理散射模型，仅需要单幅输入图像，通过快速图像去雾处理复原图像。首先对采集到的彩色雾霾图像的每个像素点的RGB分量取最小值，所生成的灰度图定义为Idc，然后对灰度图像Idc进行灰度腐蚀和膨胀，结果定义为I′dc，I′dc也是灰度图，通过对I′dc中的像素灰度值取最大值获得环境光A。对Idc和I′dc进行快速联合双边带滤波，获得大气幕V(x，y)，进而求取透射分布率t(x，y)。将已估计到的环境光A、大气幕V(x，y)和透射率t(x，y)代入大气物理散射模型，获得初步复原结果，再进一步求解场景目标的RGB分量反射率，得到最终的复原图像。
【技术实现步骤摘要】
本专利技术涉及图像处理领域，进一步涉及图像复原方法，具体地说是一种基于物理模型的图像去雾方法，根据大气物理散射模型，采取相反的过程进行图像快速去雾处理，完成图像复原。本方法有效地去除了图像中的雾霾，再现了场景的对比度和颜色，大大提高了图像的清晰度，对图像的污溃去除也有较好的效果。
技术介绍
随着物体到成像设备的距离增大，大气粒子的散射作用对成像的影响逐渐增加。这种影响主要由两个散射过程造成1)物体表面的反射光在到达成像设备的过程中，由于大气粒子的散射而发生衰减；2)自然光因大气粒子散射而进入成像设备参与成像。它们的共同作用造成捕获的图像对比度、饱和度降低，以及色调偏移，不仅影响图像的视觉效果，而且影响图像分析和理解的性能。·图像去雾是一种图像复原技术，图像复原处理是考查图像退化原因，通过建立物理模型，并且采用相反的过程进行处理，恢复出原图像。在恶劣天气条件下(如雾天，雨天等)，由于大气粒子的散射，图像系统的成像质量大幅度下降，给户外图像系统的应用带来严重的影响。尤其是视频监控、地形勘测和自动驾驶等领域，而自动性和实时性就成为了去雾算法研究关注的重点。然而，去雾是一个赋有挑战性的课题。在计算机视觉领域中，常用大气物理散射模型来描述雾、霾天气条件下场景的成像过程。近期几乎所有的去雾算法均建立在此模型之上，只是利用方式上有所不同，不同的方法采用不同的方式估计模型中的参数。因为大气散射模型中雾所依赖的场景深度、环境光强度等信息是未知的，基于单幅图像的去雾方法缺少足够的约束条件。因此，研究者们提出了很多基于多幅图像或者其他附加信息的去雾算法。依据所需要的成像系统或成像场景的附加信息，可将基于物理模型的方法分为两大类。第一类方法利用同一场景的多幅输入图像，即不同天气条件下获取的多幅图像，或者不同偏振程度的多幅图像。Nayar (Nayar S K, Narasimhan S G. Vision in badweather[C]. In Proceedings of the 7th IEEE International Conference on ComputerVision. Kerkyra, Greece IEEE, 1999. 820-827.)通过采集同一场景不同角度偏振光的多幅图像，并利用天空亮度偏振特性来对图像进复原。文献(Guo Fan, Cai Zi-xing, XieBing, et al. Review and prospect of image dehazing techniques[J]. Journal ofComputer Application, 2010,90 (9) :2471-2412.)是通过获取同一场景在不同天气情况下的多幅图像，获得有效的对比度信息来去除雾的干扰。Narasimhan (Narasimhan S G. NayarS K. Interactive(de)weathering of an image using physical models. In !Proceedingsof the ICCV Workshop on Color and Photometric Methods in Computer Vision. Nice,France IEEE,2003. 1387-1394)等人基于大气散射理论，结合图像辅助信息，从多个不同的角度提取场景深度信息，从而实现场景的有效复原。上述方法理论上能够去除雾的干扰，实现图像复原，但在一些情况，如实时监控情况下，利用同一场景的多幅输入图像除雾方法便受到了限制。因此在实际应用中，通常都无法满足多幅图像的特殊条件。近来，另一类方法，基于先验知识或假设的单幅图像去雾技术取得重大突破。Tan(Tan K,Oakley P J. Physics-based approach to color image enhancement in poorvisibility conditions[J]. Optical Society of America,2001,18 (10) :2460-2467.)观察到相对于有雾图像，无雾图像具有更高的对比度，他通过最大化局部对比度来达到去雾的效果。但该方法仅关注提高能见度，并没有从物理上恢复场景辐射率，复原的结果颜色过于饱和且有光晕伪影效应。Fattal (Fattal R. Single image dehazing [J]. ACMTransactions on Graphics, 2008,27 (3) : 1-9.)通过假设透射率和表面投影在局部是不相关的，采用独立分量分析的方法(Independent Component Analysis, I CA)和MRF模型(Markov Random Fields，MRF)来恢复图像。由于该方法是基于颜色统计的方法，无法处理浓雾下图像和灰度图像。He (He KaiMing, Sun Jian, Tang Xiaoou. Single image hazeremoval using dark channel prior[C]. In Proceedings of the IEEE Conference onComputer Vision and Pattern Recognition Miami. USA IEEE,2009. 1956-1963.)提出了一种基于暗先验的单一图像去雾方法。该方法用暗像素来直接评估雾中目标的深度信息，然后利用图像修补的方法可以得到近似的目标深度图。然而当场景在很大区域与天空亮度在本质上很相似时，且没有阴影投影到物体上，He的算法就会失效。Tarel (TarelJ P, Hautiere N. Fast visibility restoration from a single color or gray levelimage[C]. In Proceedings of the 12th IEEE International Conference on ComputerVision Kyoto. Japan IEEE, 2009. 2201-2208.)利用滤波的方法对大气幕进行估计，最后经过色度调和获得恢复图像。对于颜色鲜艳的图像，该方法恢复的图像较好，对于复杂构图，整体效果偏暗，当参数设置不恰当时易引起光晕伪影效应，且色度、色调容易出现失真
技术实现思路
·本专利技术的目的在于克服上述已有的去雾方法中恢复效果不理想以及运算时间过久等不足，基于大气物理散射模型，提出一种快速获取环境光、大气幕和透射率的新方法，依据光学模型求解场景的反射系数，获得最终的复原图像。本专利技术的目的是这样实现的本专利技术基于Narasimhan等给出的雾霾天气条件下大气物理散射模型,仅需要对单幅输入图像进行去雾处理以复原图像。首先对采集到的彩色雾霾图像的每个像素点的RGB分量取最小值，RGB是一种颜色模型，红、绿、蓝三种颜色按不同比例混合可以得到人类视力能感知到的基本所有颜色，得到的灰度图定义为Id。，然后对灰度图像Id。进行灰度腐蚀和膨胀，其结果定义为I, d。，通过对I, dc取像素的灰度最大值获得环境光A。对Id。和Γ d。进行快速本文档来自技高网...
【技术保护点】
基于大气物理散射模型的图像去雾方法，包括如下步骤：(1)图像获取通过数字成像设备，获得并输入原始数字雾霾单幅图像；(2)RGB最小分量灰度图像Idc获取将获取的彩色数字图像转换到RGB颜色空间，并求取每个像素点的最小RGB分量，获得RGB最小分量灰度图像Idc；(3)对Idc进行灰度开运算，得到I′dc对获取的RGB最小分量图像Idc进行灰度开运算，首先进行灰度腐蚀运算，当结构元素为正值，输出图像比输入图像暗，输入图像中亮的细节的面积如果比结构元素的面积小，则亮的效果将被削弱；为了减轻腐蚀运算后灰度图像的边缘模糊问题，继续进行灰度膨胀运算，最终得到灰度图I′dc，去除了场景中较小的白色目标的影响；(4)环境光A的估计将雾霾图像分为两类，一种为无天空图像，另一种为天空面积较大图像，前者求取灰度图I′dc中像素的灰度最大值A＝max？I′dc(x，y)作为环境光的估计值，后者需对环境光估计值进行修正，即A＝max？I′dc(x，y)？δ，δ为修正量；(5)大气幕V(x，y)和透射率t(x，y)估计对步骤(2)、(3)得到的灰度图Idc和I′dc做快速联合双边带滤波，首先对Idc进行空间和幅度的降采样，然后计算联合直方图，再进行三维空间卷积，获得大气幕V(x，y)，用常数ω将大气幕亮度取值修正为ω·V(x，y)，0＜ω≤1，这样可以有针对性地保留一部分覆盖遥远景物的雾，使复原图像更真实；利用环境光A和大气幕V(x，y)，根据关系式V(x，y)＝A(1？t(x，y))，用如下估计式求解透射率t(x，y)：t(x，y)＝max((1？0.95×V(x，y)/A)，0.01)为了防止t(x，y)过小导致复原图像中产生噪声，所以将t(x，y)下限值设定为0.01；(6)图像复原将已估计的大气幕V(x，y)和透射率t(x，y)代入图像复原模型L0(x，y)＝(L(x，y)？V(x，y))/t(x，y)对L0(x，y)的RGB三个分量进行初步复原，再求解场景目标的RGB分量反射率ρ(x，y)＝L0(x，y)/A，并将ρ(x，y)截断为[0？1]，以完成对亮度的调和，去除环境光对目标的影响，使复原的图像更真实。...
【技术特征摘要】
1.基于大气物理散射模型的图像去雾方法，包括如下步骤 (1)图像获取 通过数字成像设备，获得并输入原始数字雾霾单幅图像； (2)RGB最小分量灰度图像Id。获取 将获取的彩色数字图像转换到RGB颜色空间，并求取每个像素点的最小RGB分量，获得RGB最小分量灰度图像Id。； (3)对Id。进行灰度开运算，得到Γdc 对获取的RGB最小分量图像Id。进行灰度开运算，首先进行灰度腐蚀运算，当结构元素为正值，输出图像比输入图像暗，输入图像中亮的细节的面积如果比结构元素的面积小，则亮的效果将被削弱；为了减轻腐蚀运算后灰度图像的边缘模糊问题，继续进行灰度膨胀运算，最终得到灰度图Γ d。，去除了场景中较小的白色目标的影响； (4)环境光A的估计 将雾霾图像分为两类，一种为无天空图像，另一种为天空面积较大图像，前者求取灰度图Γ dc中像素的灰度最大值A = max Γ dc (x, y)作为环境光的估计值，后者需对环境光估计值进行修正，即A = max Γ dc(x, y) - δ , δ为修正量； (5)大气幕V(x, y)和透射率t (X, y)估计 对步骤(2)、(3)得到的灰度图Id。和Γ dc做快速联合双边带滤波，首先对Id。进行空间和幅度的降采样，然后计算联合直方图，再进行三维空间卷积，获得大气幕V(x，y)，用常数ω将大气幕亮度取值修正为ω ·ν(χ，5θ，0 < ω < I，这样可以有针对性地保留一部分覆盖遥远景物的雾，使复原图像更真实； 利用环境光A和大气幕V (X，y)，根据关系式V (X，y) = A (l_t (x, y))，用如下估计式求解透射率t(x, y) t (x, y) = max ((1-0. 95 X V (x, y) /A) ,0. 01) 为了防止t(x，y)过小导致复原图像中产生噪声，所以将t(x，y)下限值设定为0.01; (6)图像复原 ...
【专利技术属性】
技术研发人员：孙伟，郭宝龙，韩龙，陈龙，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：
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。