图像除雾方法和相应的图像除雾装置制造方法及图纸

本发明专利技术涉及图像除雾方法，包括：读取图像；利用标准的暗通道假设算法求取图像的大气光值估计值作为第一大气光值估计值；和循环地求取图像的大气光值最佳估计值，在每次循环中，利用改进的暗通道假设算法求取图像的大气光值估计值作为第二大气光值估计值，如果第一大气光值估计值和在第一次循环中求取的第二大气光值估计值的差值或在前一次循环中求取的第二大气光值估计值和在当前循环中求取的第二大气光值估计值的差值不大于预给定的阈值，则输出当前循环中求取的第二大气光值估计值作为大气光值最佳估计值，如果所述差值大于预给定的阈值，则实施下一次循环；d)基于大气光值最佳估计值计算除雾图像。本发明专利技术还涉及一种相应的图像除雾装置。

【技术实现步骤摘要】

本专利技术涉及一种图像除雾方法，其基于大气模型理论和暗通道假设去除单幅输入图像中的雾、霾或烟，以提高图像中景物的可识别度。本法明还涉及一种相应的图像除雾装置。
技术介绍
大气因素劣化图像的可视度增强是图像处理的重要领域。以上大气因素包括雾，霾(可以理解为较淡的雾)和烟尘(例如沙尘暴、不充分燃烧的汽车尾气和化学燃烧反应产生的烟雾)。它们有共同的特性由液态或固态的悬浮颗粒组成，在空气中至少在一定范围内均匀分布，并且对光线传播形成复杂的影响，例如阻挡、散射和反射。在下文中将以上大气因素统称为雾。在雾天情况下，目标物体的对比度、亮度和颜色都可能发生畸变，使场景的可识别度下降，从而观测者更不容易从图像中识别出希望看到的目标物体和确定目标物体的边界和颜色。对图像进行除雾可以改善图像的视觉效果，该技术的典型应用场合包括室外视频监控，车载辅助、自动驾驶的图像采集，高空拍摄遥感监测，等等。在这些应用场合中，摄取的图像信息并没有增加，但观测者希望能够借助图像处理更容易地识别目标物体。即使雾在空气中是均匀分布的(雾密度均匀)，图像中不同位置上的雾浓度也是变化的。这源于景物距离拍摄镜头的距离的变化。距离镜头越远的场景上雾的浓度也越大。目前，图像除雾技术主要分为两类直方图均衡方法和基于大气模型的方法。直方图均衡方法把整幅图像中的雾浓度视作均一的，通过增强对比度和饱和度提高视觉效果。缺点在于不能应对同一幅图像中不同位置上雾浓度的不同。该方法的改进算法通过缩小应用直方图均衡的区域面积来提高适应雾浓度变化的程度，但这样的改进算法的运算量巨大且具有块效应等副作用。基于大气模型的方法首先构建由雾产生的图像蜕化模型，所述图像蜕化模型用数学公式描述了雾作用于原本没有雾的图像产生雾化图像的过程。把未除雾的原始图像(即雾化图像)作为已知量，带入蜕化模型公式，解出除雾后的图像的最佳估计值，以下也称作除雾图像。所谓“大气模型”描述了当大气中具有悬浮颗粒时，摄像机拍摄到图像或人眼观察到物体的光学原理。大气模型可以用下式(I)来表示，其作用于图像的RGB三个颜色通道。I(X) = J(X)t(X)+A(l-t(X)) (I)其中，I⑴表示摄像机拍摄到的带雾图像或者人眼观察到的带雾图像(即雾化图像)，为输入图像。X = (X，y)表示图像像素坐标。J(X)为物体反射光，表示没有雾的图像，是去雾处理的结果图像(即除雾图像)。A表示大气光值，是对图像中雾最浓的一点的雾的估计值。该值决定了图像中雾浓度的范围，它的准确与否直接影响整幅图像中每个像素上除雾的效果。最浓的雾点在大多数情况下位于图像中的地平线以上，十分靠近地平线的位置，或者仰角不是很大的空中。如果图像不包含以上这些部分，不同的算法仍然需要利用图像中已有的信息来估计大气光值。通常次优地将图像中雾浓度最大的点视为天空点，同一幅图像的所有像素共用一个大气光值。t(X)定义了空气介质的传输函数，描述了物体反射光经过空中悬浮颗粒的散射以后残留下来而达摄像机的比例，表示有多少物体反射光经过大气衰减后能到达摄像机或者人眼，是一个大于O且小于I的标量数据，图像中每个像素具有一个t (X)。以下，参照附图说明图1具体说明上述式(I)。图1为大气模型公式的示意图。图1左侧的图像为人眼或摄像机观察到的图像I (X)(即雾化图像)。图像I (X)由2部分组成，第一部分为物体反射光经过空中悬浮颗粒散射后存留下来的部分为J(X) t (X)，第二部分为空中悬浮颗粒散射太阳光所造成的大气环境光为 A(l-t (X))。式(I)中的定义了空气介质的传输函数的t(X)为被摄体(物体)与摄像机(人眼)之间的距离的函数，具体表示为下式(2)。t(X) = e_0d(x) (2)其中，d(X)为图像中一物体点X与摄像机之间的距离，所以也将t(X)称作“距离参数”。β为大气散射系数，为常数。从式⑴和式⑵可以看出物体反射光到达摄像机的强度J(X)t(X)与物体与摄像机之间的距离d(x)成反比，距离越远，则光线衰减越厉害，而大气环境光到达摄像机的强度A(l-t(x))与距离d(X)成正比，距离越远，则光线越强，所以在无穷远处呈现出白色。 基于大气模型的除雾算法可以简单地归纳为在得到单幅雾化图像I(X)的情况下，求出t(X)和大气光值A，然后通过式(I)得到除雾以后的结果图像J(X)(即除雾图像)。基于大气模型的方法，Kaiming He等人在发表于IEEE CVPR上的论文《SingleImage Haze Removal Using Dark Channel Prior》中提出了暗通道(Dark Channel)假设。该假设认为在没有雾的图像中，一定存在一个足够大的区域，该区域中的某个像素点的三个颜色通道中的至少一个的值接近于零。该假设有直观的物理含义，即图像中一定存在饱和度较高的带有颜色的区域或者非灰色的区域。一旦被雾化，基于大气模型的加性假设，图像中所有像素的所有三个颜色通道都会或多或少的叠加上由雾贡献的分量，暗通道也就不再为零。该假设在数千张随机选出的图像中得到很好的验证。基于所述暗通道假设，可以估计出大气模型公式的所有参数，从而解出除雾图像。但是，暗通道假设对于雾作用于无雾图像的方式是有限制的，即应用暗通道假设的除雾方法都认为雾在三个颜色通道上叠加的值是相等的，也就是说雾是灰色的(白色和黑色是灰色的两个极端值)。这就导致基于暗通道假设的除雾方法对于非灰色的雾，比如黄褐色的沙尘暴等的除雾效果因估计蜕化模型中的参数错误而降低。
技术实现思路
本专利技术的目的在于提供一种图像的除雾方法和一种相应的除雾装置，其基于大气模型，通过改进的暗通道假设算法正确地计算大气模型参数，从而不仅适用于由灰色雾雾化的图像的除雾处理，而且尤其适用于由非灰色雾雾化的图像的除雾处理。根据本专利技术的图像除雾方法或图像除雾装置显著地提高了由不同性质、尤其是不同颜色的雾雾化的图像的去雾效果。为了实现这个目的，本专利技术提供了一种图像除雾方法，所述图像除雾方法包括以下步骤a)读取图像；b)利用标准的暗通道假设算法求取所述图像的大气光值估计值作为第一大气光值估计值；c)循环地求取所述图像的大气光值最佳估计值，其中，在每次循环中，利用改进的暗通道假设算法求取所述图像的大气光值估计值作为第二大气光值估计值，在所述改进的暗通道假设算法中，使所述图像中的每个像素的各颜色通道值除以归一化参数，由此得到经归一化的图像，借助所述标准的暗通道假设算法求取所述经归一化的图像的每个像素的暗通道，所述图像的每个像素的改进的暗通道值是所述图像的与所述经归一化的图像中相应像素的暗通道相对应的通道的值，所述图像的所有像素的改进的暗通道值构成改进的暗通道图像，基于所述改进的暗通道图像求取所述第二大气光值估计值， d)基于所述大气光值最佳估计值计算除雾图像。在本专利技术的一个优选实施方式中，在所述步骤c)中，在第一次循环中，将所述第一大气光值估计值作为所述归一化参数，在第一次循环后的每次循环中，将在前一次循环中求取的第二大气光值估计值作为所述归一化参数。 在本专利技术的一个优选实施方式中，在所述步骤c)中，在第一次循环中，判断所述第一大气光值估计值和在第一次循环中求取的第二大气光值估计值的差值是否大于一个预给定的阈值，本文档来自技高网...

【技术保护点】
一种图像除雾方法，所述图像除雾方法包括以下步骤：a)读取图像；b)利用标准的暗通道假设算法求取所述图像的大气光值估计值作为第一大气光值估计值；c)循环地求取所述图像的大气光值最佳估计值，其中，在每次循环中，利用改进的暗通道假设算法求取所述图像的大气光值估计值作为第二大气光值估计值，在所述改进的暗通道假设算法中，使所述图像中的每个像素的各颜色通道值除以归一化参数，由此得到经归一化的图像，借助所述标准的暗通道假设算法求取所述经归一化的图像的每个像素的暗通道，所述图像的每个像素的改进的暗通道值是所述图像的与所述经归一化的图像中相应像素的暗通道相对应的通道的值，所述图像的所有像素的改进的暗通道值构成改进的暗通道图像，基于所述改进的暗通道图像求取所述第二大气光值估计值，d)基于所述大气光值最佳估计值计算除雾图像。

【技术特征摘要】
1.一种图像除雾方法，所述图像除雾方法包括以下步骤 a)读取图像； b)利用标准的暗通道假设算法求取所述图像的大气光值估计值作为第一大气光值估计值； c)循环地求取所述图像的大气光值最佳估计值， 其中，在每次循环中，利用改进的暗通道假设算法求取所述图像的大气光值估计值作为第二大气光值估计值，在所述改进的暗通道假设算法中，使所述图像中的每个像素的各颜色通道值除以归一化参数，由此得到经归一化的图像，借助所述标准的暗通道假设算法求取所述经归一化的图像的每个像素的暗通道，所述图像的每个像素的改进的暗通道值是所述图像的与所述经归一化的图像中相应像素的暗通道相对应的通道的值，所述图像的所有像素的改进的暗通道值构成改进的暗通道图像，基于所述改进的暗通道图像求取所述第二大气光值估计值， d)基于所述大气光值最佳估计值计算除雾图像。2.如权利要求1记载的图像除雾方法，其特征在于， 在所述步骤c)中，在第一次循环中，将所述第一大气光值估计值作为所述归一化参数，在第一次循环后的每次循环中，将在前一次循环中求取的第二大气光值估计值作为所述归一化参数。3.如权利要求1或2记载的图像除雾方法，其特征在于， 在所述步骤c)中，在第一次循环中，判断所述第一大气光值估计值和在第一次循环中求取的第二大气光值估计值的差值是否大于一个预给定的阈值，在第一次循环后的每次循环中，判断在前一次循环中求取的第二大气光值估计值和在当前循环中求取的第二大气光值估计值的差值是否大于所述预给定的阈值， 其中，如果所述差值不大于所述预给定的阈值，则输出当前循环中求取的第二大气光值估计值作为所述大气光值最佳估计值，如果所述差值大于所述预给定的阈值，则实施下一次循环。4.如权利要求1至3中任一项记载的图像除雾方法，其特征在于， 所述循环的终止条件还包括已经执行的循环次数达到一个预设值。5.如权利要求4记载的图像除雾方法，其特征在于， 所述预设值是5。6.如权利要求1至5中任一项记载的图像除雾方法，其特征在于， 所述第一大气光值估计值和在第一次循环中求取的第二大气光值估计值的差值以及在前一次循环中求取的第二大气光值估计值与在当前循环中求取的第二大气光值估计值的差值定义为两个大气光值的...

【专利技术属性】
技术研发人员：吕越峰，三好雅则，伊藤诚也，李媛，
申请(专利权)人：株式会社日立制作所，
类型：发明
国别省市：