專利名稱：基于大氣物理散射模型的快速圖像去霧方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理領(lǐng)域，進一步涉及圖像復(fù)原方法，具體地說是一種基于物理模型的圖像去霧方法，根據(jù)大氣物理散射模型，采取相反的過程進行圖像快速去霧處理，完成圖像復(fù)原。本方法有效地去除了圖像中的霧霾，再現(xiàn)了場景的對比度和顏色，大大提高了圖像的清晰度，對圖像的污潰去除也有較好的效果。
背景技術(shù)：
隨著物體到成像設(shè)備的距離增大，大氣粒子的散射作用對成像的影響逐漸增加。這種影響主要由兩個散射過程造成1)物體表面的反射光在到達成像設(shè)備的過程中，由于大氣粒子的散射而發(fā)生衰減；2)自然光因大氣粒子散射而進入成像設(shè)備參與成像。它們的共同作用造成捕獲的圖像對比度、飽和度降低，以及色調(diào)偏移，不僅影響圖像的視覺效果，而且影響圖像分析和理解的性能?！?br> 圖像去霧是一種圖像復(fù)原技術(shù)，圖像復(fù)原處理是考查圖像退化原因，通過建立物理模型，并且采用相反的過程進行處理，恢復(fù)出原圖像。在惡劣天氣條件下(如霧天，雨天等)，由于大氣粒子的散射，圖像系統(tǒng)的成像質(zhì)量大幅度下降，給戶外圖像系統(tǒng)的應(yīng)用帶來嚴重的影響。尤其是視頻監(jiān)控、地形勘測和自動駕駛等領(lǐng)域，而自動性和實時性就成為了去霧算法研究關(guān)注的重點。然而，去霧是一個賦有挑戰(zhàn)性的課題。在計算機視覺領(lǐng)域中，常用大氣物理散射模型來描述霧、霾天氣條件下場景的成像過程。近期幾乎所有的去霧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計模型中的參數(shù)。因為大氣散射模型中霧所依賴的場景深度、環(huán)境光強度等信息是未知的，基于單幅圖像的去霧方法缺少足夠的約束條件。因此，研究者們提出了很多基于多幅圖像或者其他附加信息的去霧算法。依據(jù)所需要的成像系統(tǒng)或成像場景的附加信息，可將基于物理模型的方法分為兩大類。第一類方法利用同一場景的多幅輸入圖像，即不同天氣條件下獲取的多幅圖像，或者不同偏振程度的多幅圖像。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.)通過采集同一場景不同角度偏振光的多幅圖像，并利用天空亮度偏振特性來對圖像進復(fù)原。文獻(Guo Fan, Cai Zi-xing, XieBing, et al. Review and prospect of image dehazing techniques[J]. Journal ofComputer Application, 2010,90 (9) :2471-2412.)是通過獲取同一場景在不同天氣情況下的多幅圖像，獲得有效的對比度信息來去除霧的干擾。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)等人基于大氣散射理論，結(jié)合圖像輔助信息，從多個不同的角度提取場景深度信息，從而實現(xiàn)場景的有效復(fù)原。上述方法理論上能夠去除霧的干擾，實現(xiàn)圖像復(fù)原，但在一些情況，如實時監(jiān)控情況下，利用同一場景的多幅輸入圖像除霧方法便受到了限制。因此在實際應(yīng)用中，通常都無法滿足多幅圖像的特殊條件。近來，另一類方法，基于先驗知識或假設(shè)的單幅圖像去霧技術(shù)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.)觀察到相對于有霧圖像，無霧圖像具有更高的對比度，他通過最大化局部對比度來達到去霧的效果。但該方法僅關(guān)注提高能見度，并沒有從物理上恢復(fù)場景輻射率，復(fù)原的結(jié)果顏色過于飽和且有光暈偽影效應(yīng)。Fattal (Fattal R. Single image dehazing [J]. ACMTransactions on Graphics, 2008,27 (3) : 1-9.)通過假設(shè)透射率和表面投影在局部是不相關(guān)的，采用獨立分量分析的方法(Independent Component Analysis, I CA)和MRF模型(Markov Random Fields，MRF)來恢復(fù)圖像。由于該方法是基于顏色統(tǒng)計的方法，無法處理濃霧下圖像和灰度圖像。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.)提出了一種基于暗先驗的單一圖像去霧方法。該方法用暗像素來直接評估霧中目標的深度信息，然后利用圖像修補的方法可以得到近似的目標深度圖。然而當場景在很大區(qū)域與天空亮度在本質(zhì)上很相似時，且沒有陰影投影到物體上，He的算法就會失效。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.)利用濾波的方法對大氣幕進行估計，最后經(jīng)過色度調(diào)和獲得恢復(fù)圖像。對于顏色鮮艷的圖像，該方法恢復(fù)的圖像較好，對于復(fù)雜構(gòu)圖，整體效果偏暗，當參數(shù)設(shè)置不恰當時易引起光暈偽影效應(yīng)，且色度、色調(diào)容易出現(xiàn)失真
發(fā)明內(nèi)容
·
本發(fā)明的目的在于克服上述已有的去霧方法中恢復(fù)效果不理想以及運算時間過久等不足，基于大氣物理散射模型，提出一種快速獲取環(huán)境光、大氣幕和透射率的新方法，依據(jù)光學模型求解場景的反射系數(shù)，獲得最終的復(fù)原圖像。本發(fā)明的目的是這樣實現(xiàn)的本發(fā)明基于Narasimhan等給出的霧霾天氣條件下大氣物理散射模型,僅需要對單幅輸入圖像進行去霧處理以復(fù)原圖像。首先對采集到的彩色霧霾圖像的每個像素點的RGB分量取最小值，RGB是一種顏色模型，紅、綠、藍三種顏色按不同比例混合可以得到人類視力能感知到的基本所有顏色，得到的灰度圖定義為Id。，然后對灰度圖像Id。進行灰度腐蝕和膨脹，其結(jié)果定義為I, d。，通過對I, dc取像素的灰度最大值獲得環(huán)境光A。對Id。和Γ d。進行快速聯(lián)合雙邊帶濾波，獲得大氣幕V(x，y)，進而求取透射率t(x，y)。將已估計到的環(huán)境光A、大氣幕V(x，y)和透射率t(x，y)代入大氣物理散射模型，獲得初步復(fù)原結(jié)果，再進一步求解場景目標的RGB分量反射率，得到最終的復(fù)原圖像。所述的基于大氣物理散射模型的圖像去霧方法包括以下步驟I.圖像獲取通過數(shù)字成像設(shè)備，獲得并輸入原始數(shù)字霧霾單幅圖像；2. RGB最小分量灰度圖像Idc獲取
將獲取的彩色數(shù)字圖像轉(zhuǎn)換到RGB顏色空間，并求取每個像素點RGB分量的最小值，獲得RGB最小分量灰度圖Id。；3.對Id。進行灰度腐蝕和膨脹，得到灰度圖I' dc對獲取的RGB最小分量灰度圖像Id。進行灰度腐蝕、膨脹運算，首先進行灰度腐蝕運算，當結(jié)構(gòu)元素為正值時，輸出圖像比輸入圖像暗，輸入圖像中亮的細節(jié)的面積如果比結(jié)構(gòu)元素的面積小，則亮的效果將被削弱；為了減輕腐蝕運算后灰度圖像的邊緣模糊問題，繼續(xù)進行灰度膨脹運算，最終得到灰度圖Γ d。，去除了場景中較小的白色目標的影響；4.環(huán)境光估計將有霧圖像分為兩類，一種為無天空圖像，另一種為天空面積較大圖像，前者求取灰度圖Γ dc中像素的最大值A(chǔ) = rnaxF dc(x, y)作為環(huán)境光的估計值，后者需對環(huán)境光估計值進行修正，即A = maxi' dc(x, y)~ δ , δ = 30為修正量；
5.大氣幕V(x,y)和透射率t(x,y)估計對獲得的灰度圖Id。和Γ dc做快速聯(lián)合雙邊帶濾波，首先對Id。進行空間和幅度的降采樣，然后計算聯(lián)合直方圖，再進行三維空間卷積，獲得大氣幕V(x，y)，用常數(shù)ω將大氣幕亮度取值修正為ω . v(x, y)，0< ω ( 1，這樣可以有針對性地保留一部分覆蓋遙遠景物的霧，使復(fù)原圖像更真實。卷積運算后的圖像變化平緩且包含了更多的背景信息，而Idc包含更多的邊緣信息和細節(jié)信息，本發(fā)明利用對聯(lián)合三維直方圖的濾波運算，實現(xiàn)對目標圖像Γ d。和Id。的快速聯(lián)合雙邊帶濾波，由于引入了線性插值運算，求得的V(x，y)既可以保證細節(jié)信息的完整性，同時避免了普通聯(lián)合雙邊帶濾波可能帶來的光暈偽影效應(yīng)；
利用環(huán)境光A和大氣幕V (X，y)，根據(jù)關(guān)系式V (x，y) = A (l_t (x，y))，用如下估計式求解透射率t (X, y)t (x, y) = max ((1-0. 95XV(x, y)/A) ,0. 01)為了防止t(x，y)過小導(dǎo)致復(fù)原圖像中產(chǎn)生噪聲，所以將t(x，y)下限值設(shè)定為O. 01 ；6.圖像復(fù)原將已估計得的大氣幕V (x，y)和透射率t(x，y)代入大氣物理散射模型解出場景輻射率Ltl(X，7)，將1^(1，y)作為初步復(fù)原結(jié)果，最后求解場景目標RGB分量的反射率P (x,y) =LQ(x，y)/A，并將P (x,y)截斷為[O 1]，獲得最終復(fù)原圖像。本發(fā)明基于Narasimhan等給出的大氣物理散射模型，提出了針對環(huán)境光以及透射率估計的新方法。從單幅圖像出發(fā)，自動地恢復(fù)場景反射率P (x，y)，無需場景的其他附加信息。本發(fā)明與現(xiàn)有技術(shù)相比較具有如下特點I.通過灰度的膨脹和腐蝕運算，去除了場景中的白色目標，使得環(huán)境光A的估計更加準確。2.對環(huán)境光A的求解提供了解析的方法，解決了圖像中存在大面積天空對A的估計產(chǎn)生干擾的問題。3.通過快速聯(lián)合雙邊帶濾波算法,更加快速準確地計算大氣幕V(x, y),并通過V(x, y)獲得準確的透射率t(x，y)，避免了普通聯(lián)合雙邊帶濾波可能造成的光暈偽影。4.對初步復(fù)原圖像進一步求解場景目標RGB分量反射率，完成了對亮度的調(diào)和，去除了環(huán)境光對目標的影響，使復(fù)原的圖像更自然逼真，再現(xiàn)了場景的對比度和顏色。本發(fā)明涉及的環(huán)境信息獲取和霧霾圖像的復(fù)原方法，可以廣泛應(yīng)用于視頻監(jiān)控、地形勘測和自動駕駛等領(lǐng)域。


圖I是Narasimhan大氣物理散射模型示意圖；圖2是本發(fā)明方法的步驟流程圖； 圖3是霧霾原始圖像和對霧霾圖像取RGB分量最小值得到的灰度圖Id。，其中，圖3(a)是霧霾原始圖像，圖3(b)是對圖3(a)取RGB分量最小值得到的灰度圖Id。；圖4是對Id?；叶雀g和膨脹得到的灰度圖Γ d。，其中，圖4(a)是對Id。進行灰度腐蝕得到的灰度圖，圖4(b)是對圖4(a)再進行灰度膨脹的結(jié)果Γ dc ；圖5是大氣幕V(x，y)和透射率t(x，y)，其中，圖5(a)是Γ d。和Id。做快速聯(lián)合雙邊帶濾波得到的V(x，y)，圖5(b)是透射率t(x，y)；圖6是通過大氣物理散射模型復(fù)原后的結(jié)果，其中，圖6(a)是初步復(fù)原的場景輻射率Ltl(^y)，圖6(b)是P (X) = U(X，y)/A截斷為
后的最終復(fù)原結(jié)果；圖7是不同霧霾圖像的復(fù)原結(jié)果對比圖，其中，圖7(a)是霧霾圖像，圖7(b)是本發(fā)明方法復(fù)原結(jié)果；圖8是圖像nyl2、nyl7復(fù)原結(jié)果對比圖，其中，圖8(a)是霧霾圖像，圖8(b)是He方法結(jié)果，圖8 (c)是Teral方法結(jié)果，圖8(d)是本發(fā)明方法結(jié)果；圖9是圖像nyl2、nyl7的復(fù)原細節(jié)圖，其中，圖9 (a)是霧霾圖像，圖9 (b)是本發(fā)明方法結(jié)果；圖10是圖像Sweden的復(fù)原細節(jié)圖，其中，圖10(a)是霧霾圖像，圖10(b)是本發(fā)
明方法結(jié)果。
具體實施例方式以下參照附圖對本發(fā)明的具體實施作進一步詳細的描述。參照附圖2、圖3、圖4和圖5，其中，圖3(a)是霧霾原始圖像，圖3 (b)是對圖3(a)取RGB分量最小值得到的灰度圖Id。，圖4(a)是對Id。進行灰度腐蝕得到的灰度圖，圖4(b)是對圖4 (a)再進行灰度膨脹的結(jié)果Γ d。，圖5 (a)是I' dc和Id。做快速聯(lián)合雙邊帶濾波得到的V(x，y)，圖5(b)是透射率t(x，y)，本發(fā)明的信息獲取步驟如下第一步大氣物理散射模型分析參照附圖1，大氣物理散射模型定義如下在計算機視覺和計算機圖形中，Narasimhan等給出的霧、霾天氣條件下大氣物理散射模型被廣泛地應(yīng)用于去霧方法的研究，該模型描述如下L(x, y) = L0 (x, y)e_kd(x, y)+A(l-e_kd(x,y)) (I)式中L(x，y)是觀察到的輸入圖像，L0(x, y)為場景的反射光線強度，也稱場景輻射率，是最終復(fù)原的圖像。k為大氣散射系數(shù)，d(x, y)是場景深度，e_kd(x’y)為透射率，一般表示為t(x，y)，A是環(huán)境光線亮度，其與局部位置(x，y)無關(guān)，一般假設(shè)為全局常量。其中L (X，y)、L0 (X，y)、A均為RGB顏色空間向量。
從上式可以看到，大氣物理散射模型由Lq(x，y)e_kd(x’y)和A (l-e_kd(x’y))兩部分組成。U(x，y)e_kd(x’y)表示在大氣粒子的散射作用下，未被散射而直接到達傳感器的光強，稱為直接衰減項，隨傳播距離的增大而呈指數(shù)衰減。A(l-e_kd(x’勹是環(huán)境光模型，也稱大氣幕亮度，反映了全局大氣光的散射導(dǎo)致場景顏色的偏移，大氣幕亮度隨著傳播距離的增大而逐漸增加。式(I)適用于不存在光源目標的場景，本發(fā)明針對存在大片天空等光源目標的圖像對大氣物理散射模型進行了改進，如式(2)所示L(x,y) = (L0 (x，y)+F0 (x，y)) e_kd(x’y)+A (1_嚴’y)) (2)式⑵與式⑴的唯一區(qū)別是在直接衰減項中增加了 FtlU, y)這一項，該項表示場景中如大片天空、開啟的車燈這樣的目標主動發(fā)光的特性。對于非光源目標，有FtlU, y)=0，即式(I)是式(2)的特例。第二步復(fù)原模型分析·又如附圖I,圖像復(fù)原表述如下L0(x,y)即是所要復(fù)原的圖像，也就是所需求得的值，對式⑴移項，等式兩邊同除以透射率e_kd(x’y)，則復(fù)原圖像表示為
_] W 卜如)(3)式(3)中，用V(x，y)表示大氣幕亮度，即V(x，y) = A(l-e_kd(x’y))?；谠撐锢砟Ｐ偷膱D像去霧的難點在于，如果輸入的只是一張有霧圖片的話，去霧是一個缺少約束條件的問題，由于其深度信息d(x，y)未知，故Ltl(X，y)無法由式(3)求出。本發(fā)明只需估計出A和V(x，y)，再求得t(x，y)，并代入式(3)即可求得Ltl(x，y)，獲得復(fù)原的圖像。第三步環(huán)境光A和大氣幕V (X，y)的估計本發(fā)明提出一種基于灰度形態(tài)學的環(huán)境光A的估計方法,實施方法如下(I)成像模型的基本原理令Lq(x，y) = P (X，y) XA, P (x, y)為目標的反射率，對于圖像中的低反射率目標，當 P (X，y) — O 時，L0 (x, y) ^ O (4)將式⑷代入式(I)可得，L(x，y) = A(l-e-kd(x’y)) (5)由式(5)可知，對低反射率目標，目標景深越大，光路中大氣粒子就越多，這樣大氣粒子對環(huán)境光的散射作用就越強，圖像亮度就越大，當d(x，y) —c 時，由式(5)可得L(x，y)—A (6)由式(4)、(5)和(6)可知，P(x, y) — O 以及 d(x,y) —00是求解 L。(x, y)的約束條件?；谀繕藢饩€的吸收/反射特性，自然界中目標成像的顏色是由目標物體吸收白光中特定頻率的光而反射其余的光而形成。基于RGB顏色模型，成像的色彩是由目標物體對光的RGB三分量不同反射特性生成，對于顏色鮮艷的彩色目標或顏色較暗的目標，必定至少存在一個反射率較小的分量。本發(fā)明將L(x，y)的最小顏色分量作為圖像中的低反射率分量，結(jié)合V(x，y)的定義和式(4)、(5)，可知，Id。就是對V(x，y)的初步估計，如式(7)所示!^y) = c^B)L(<X^(7)(2) A值的估計由式(4)、(5)和(6)可得，當P (x,y) —O時，可以根據(jù)式⑴求得A。由于圖像中有白色目標，其反射率P (X，Y) — 1，并不滿足式(4)、(5)和(6)給出的條件，因此本發(fā)明給出了一種利用灰度開運算去除白色目標影響的方法，灰度開運算是先進行灰度腐蝕運算再進行灰度膨脹運算的灰度圖像形態(tài)學組合運算。對灰度圖Idc;(X，y)進行灰度腐蝕和膨脹運算，如附圖4所示，其中，圖4(a)是對Idc進行灰度腐蝕后得到的灰度圖，圖4(b)是對圖4(a)進行灰度膨脹的灰度圖Γ d。。對于灰度的腐蝕操作，當結(jié)構(gòu)元素為正值時，輸出圖像會比輸入圖像暗。輸入圖像中亮的細節(jié)的面積如果比結(jié)構(gòu)元素的面積小，則亮的效果將被削弱。為了減輕腐蝕后灰度圖像的邊緣模糊問題，繼續(xù)進行灰度膨脹運算。通過灰度開運算，除去較小的明亮細節(jié)，保持整體的 灰度級和較大的明亮區(qū)域不變。定義對Id。(x，y)進行灰度開運算后的圖像為Γ de(x，y)，此時已經(jīng)去除了 P (x，y)較大的目標的影響。此時，圖像的亮度越大，霧看起來更濃，由式(5)知，即景深d(x, y)越大。對于無天空圖像，選取Γ dc(x,y)中像素的灰度最大值作為A的估計值，SPA = HiaxI' dc(x, y) (8)然而天空區(qū)域并不滿足P (X，y) — O成像條件且由于天空區(qū)域具有光源特性，即式(2)中FtlU, y)古0，不滿足大氣物理散射模型，因此不能通過式(8)對A直接估計。對于存在大面積天空區(qū)域的圖像，需要對式(8)進一步修正A = HiaxI' dc(x, y)- δ (9)在本發(fā)明中，根據(jù)實驗結(jié)果，取δ =30效果最佳。(3)V(x,y)的估計根據(jù)式(7)，完成了 V(x，y)的初步估計Idc;(X，y)，通過灰度開運算，除去較小的明亮細節(jié)，完成了對V(x, y)的進一步估計Γ dc;(x,y)。由附圖4中的圖4(b)可知,灰度開運算雖然去除了白色目標的影響，但也造成了目標的邊緣的模糊，造成目標的層次混淆。我們希望獲得的V(X，y)能真實反映云霧的分布狀態(tài)，既有較為平滑的灰度變化，又能保持目標的邊緣細節(jié)。雙邊濾波器是一個邊緣保持濾波器,最初由Tomasi和Manduchi于1998年提出。雙邊濾波器的權(quán)重由空域和值域平滑函數(shù)的乘積給出。對于圖像中某一點P = U，y)，其濾波結(jié)果為ν{χ,γ)^Υ 4/(11 P-^\\)8(W 4 ~K ID
aP qen其中，f是高斯中心在p點的空域濾波器，g是中心為P點像素值的值域濾波器。Ω是f的空域范圍，Kp是歸一化因子，即f · g濾波權(quán)重的總和。由于雙邊濾波器f · g隨著空間距離和值域距離的增加而減小，所以保留了圖像的邊緣。在環(huán)境光已知的情況下，大氣幕亮度V(x，y)僅是場景深度的函數(shù)，而保持場景深度突變的邊緣細節(jié)可以看作是一個濾波問題，這里對Γ dc(x, y)進行濾波平滑。已知Id。(X, y)和Γ dc (x, y)，可以利用聯(lián)合雙邊帶濾波求解V (X, y)。由于雙邊帶濾波使用了高斯卷積核函數(shù)，且Γ dc(x, y)的邊緣的模糊問題，聯(lián)合雙邊帶濾波的輸出結(jié)果也會產(chǎn)生邊緣的模糊，進而造成復(fù)原圖像的邊緣的光暈偽影效應(yīng)。為了達到V(x，y)的局部平滑及邊緣清晰的效果，本發(fā)明采用一種近似聯(lián)合雙邊帶濾波方法，稱為快速聯(lián)合雙邊帶濾波方法，實現(xiàn)過程如下I.將Idc;(x，y)和Γ dc(x, y)作為輸入圖像，并對Idc;(x，y)的空間分辨率以及幅度分辨率分別進行α，β倍降采樣，得到網(wǎng)格化的三維空間(^，^，。，所述化化^分別為采樣后的空間坐標及灰度值；2.構(gòu)造三維數(shù)組Idata(xd，yd，Id)和Iw(xd，yd，Id)，遍歷Idc;(x，y)圖像的每個像素，此時ItJx, y)的各像素灰度值已降采樣，將Γ dc(x, y)的對應(yīng)像素點的灰度值累加得至
Idata (Xd，Yd，Id)，即！data (Xd，Yd，！d) — !data (Xd，Yd，！d)+工 dx (X，iO，冋時(Xd，Yd，！d) — (Xd，
yd，Id)+1，這樣就得到Idata (xd，yd，Id)和Iw (xd，yd，Id)兩個三維直方圖； 3.對 Idata (xd, yd, Id)和 Iw (xd, yd, Id)進行三維高斯濾波,得到 Ig (xd, yd, Id)；4.對Ie (xd, yd, Id)進行三維線性插值運算,得到I (xd, yd, Id)。通過以上運算，選擇能夠保持邊界信息的非線性空間濾波器，避免全面平滑帶來錯誤的光暈偽影效應(yīng)，而且保留更多的細節(jié)信息，濾波后結(jié)果即為V(x，y)。第四步t(x,y)的估計和圖像初步復(fù)原參照附圖5，圖6，其中圖5(a)是快速聯(lián)合雙邊帶濾波得到的V (x，y)，圖5 (b)是透射率t(x, y),圖6(a)是初步復(fù)原的場景福射率LtlU, y)。t(x, y)的估計和圖像初步復(fù)原實施方法如下現(xiàn)實中，S卩使是很晴朗的天氣，空氣中總會不可避免地包含一些雜質(zhì)分子。所以當看遠處的物體時霧依然是存在的。如果徹底地移除霧的存在，圖像會看起來不真實，深度感會丟失。所以本發(fā)明通過引進一個常數(shù)ω (O < ω < I)，有針對性地保留一部分覆蓋遙遠景物的霧，即大氣幕亮度取值為ω * V (x, y) ο這一修正對于遠處的物體能相應(yīng)地保留更多的霧，體現(xiàn)了場景景深的變化。ω的值根據(jù)具體情況而定。在本發(fā)明中，通過對大量有霧圖像進行實驗后選取經(jīng)驗值0. 95。同時，為了防止t(x，y)過小而產(chǎn)生噪聲，將t(x，y)的下限值設(shè)定為O. 01。t(x, y) = e_kd(x,y) = max ((1-0. 95XV(x, y)/A) ,0. 01) (10)由式(3)，(10)對Ltl(x，y)的RGB三個分量進行初步復(fù)原，L0(x, y) = (L (x, y)-V (x, y))/t (x, y) (11)第五步売度調(diào)和，圖像最終復(fù)原參照附圖6，其中圖6(b)是P (X) = U(x，y)/A截斷為[O I]后的最終復(fù)原結(jié)果，圖像復(fù)原實施方法如下為了去除環(huán)境光線對目標的影響，求得目標的真實特性，最后通過對Ltl (X，y) /A獲得目標的反射率P (x，y)，并截斷為
。本發(fā)明的效果可以通過以下實驗進一步說明I，主觀評價本發(fā)明提出的方法應(yīng)用于大量戶外場景的霧霾圖像都取得了較好的去霧效果。附圖7給出部分戶外場景的試驗結(jié)果，其中圖7(a)是霧霾圖像，圖7(b)是本發(fā)明方法復(fù)原結(jié)果。可以看出，本方法有效地去除了圖像中的霧霾，再現(xiàn)了場景的對比度和顏色，從而提高了圖像的視見度。為了驗證所提方法的性能，將本發(fā)明方法同He以及Tarel算法進行比較，本文給出不同戶外場景下霧霾圖像的復(fù)原結(jié)果。從附圖8中的圖8(b)可以看出，He的方法復(fù)原的圖像顏色稍偏，總體色調(diào)較冷；從附圖8中的圖8(c)可以看出，Tarel算法顏色顯得過飽和，且在景深突變的邊界處易產(chǎn)生光暈偽影效應(yīng)；通過附圖8中的圖8(d)對比可知，本發(fā)明的方法較好地再現(xiàn)了場景的藍天白云，圖像清晰明亮，細節(jié)信息豐富，且有效地避免了光暈偽影效應(yīng)。在附圖9中給出了本發(fā)明方法的復(fù)原細節(jié)，其中圖9(a)是霧霾圖像，圖9(b)是本發(fā)明方法的復(fù)原細節(jié)。2，客觀評價2. I時間復(fù)雜度算法的時間復(fù)雜度反映了程序執(zhí)行時間隨輸入規(guī)模增長而增長的量級，在很大程度上能很好反映出算法的優(yōu)劣與否?！e所用的圖像摳圖算法是一個大規(guī)模稀疏線性方程組的求解問題，具有很高的時間復(fù)雜度和空間復(fù)雜度。對于一副大小為SxXSy的圖像，Tarel算法的時間復(fù)雜度為0(SxSySv2lnSv)，其中Sv為中值濾波的模版尺寸。在Teral算法中，中值濾波的模版尺寸一般取值較大，如圖8中的圖例，Sv的取值為圖像較長邊的1/25。而本發(fā)明所用聯(lián)合雙邊濾波器的時間復(fù)雜度為O(SxSy)，其他部分的時間復(fù)雜度都低于O(SxSy)，因此本發(fā)明的時間復(fù)雜度為O (SxSy)，是圖像像素數(shù)的線性函數(shù)，具有很高的執(zhí)行效率。2. 2客觀評估標準由于大多數(shù)的圖像質(zhì)量評價方法均需要知道同一場景在晴天下的圖像作為評價的參考圖像，而在實際應(yīng)用中，這一條件往往過于苛刻，難以滿足，因此一般選用更為實用的盲評方法。目前，在圖像去霧領(lǐng)域的盲評方法主要是由Hautiere等人提出的可見邊梯度法。該方法采用原圖像與恢復(fù)圖像的可見邊集合數(shù)目比(e)和平均梯度比(F)來客觀評價
圖像的去霧效果。即
0 e =-
nQ
-Srr =-±
S0其中叫和^分別表示原圖像!^“。)和恢復(fù)圖像LQ(x，y)中可見邊的數(shù)目；瓦表示原圖像的平均梯度，Io表示恢復(fù)圖像的平均梯度。每一種算法的目標都是最大化地提高計算速度，且在不丟失視覺信息的同時增加圖像的對比度。因此，執(zhí)行時間越短的算法去霧效率越高；而e和F越大，表明去霧效果越好。下面給出附圖9中所示圖像在不同算法的處理下各指標值的大小。實驗條件為Intel (R) Core (TM) i5 CPU650i3. 20GHz 3. 19GHz，2. 99GB 內(nèi)存。實驗圖片 nyl2 大小為576*768、nyl7為1024*768。對比結(jié)果如表I所列。從表I可以看出，本發(fā)明的處理速度是He算法的五倍之多，可見運算速度得到了大幅提升。附圖10所示為本發(fā)明的另一組Sweden圖片實驗結(jié)果,其中圖10(a)是Sweden霧霾圖像，圖10(b)是本發(fā)明方法的復(fù)原結(jié)果，可以看出本發(fā)明的復(fù)原結(jié)果在景深突變的邊界處沒有光暈偽影效應(yīng)，結(jié)果清晰，畫面清新，顏色自然。表I不同算法處理結(jié)果對比
權(quán)利要求
1.基于大氣物理散射模型的圖像去霧方法，包括如下步驟 (1)圖像獲取 通過數(shù)字成像設(shè)備，獲得并輸入原始數(shù)字霧霾單幅圖像； (2)RGB最小分量灰度圖像Id。獲取 將獲取的彩色數(shù)字圖像轉(zhuǎn)換到RGB顏色空間，并求取每個像素點的最小RGB分量，獲得RGB最小分量灰度圖像Id。； (3)對Id。進行灰度開運算，得到Γdc 對獲取的RGB最小分量圖像Id。進行灰度開運算，首先進行灰度腐蝕運算，當結(jié)構(gòu)元素為正值，輸出圖像比輸入圖像暗，輸入圖像中亮的細節(jié)的面積如果比結(jié)構(gòu)元素的面積小，則亮的效果將被削弱；為了減輕腐蝕運算后灰度圖像的邊緣模糊問題，繼續(xù)進行灰度膨脹運算，最終得到灰度圖Γ d。，去除了場景中較小的白色目標的影響； (4)環(huán)境光A的估計 將霧霾圖像分為兩類，一種為無天空圖像，另一種為天空面積較大圖像，前者求取灰度圖Γ dc中像素的灰度最大值A(chǔ) = max Γ dc (x, y)作為環(huán)境光的估計值，后者需對環(huán)境光估計值進行修正，即A = max Γ dc(x, y) - δ , δ為修正量； (5)大氣幕V(x, y)和透射率t (X, y)估計 對步驟(2)、(3)得到的灰度圖Id。和Γ dc做快速聯(lián)合雙邊帶濾波，首先對Id。進行空間和幅度的降采樣，然后計算聯(lián)合直方圖，再進行三維空間卷積，獲得大氣幕V(x，y)，用常數(shù)ω將大氣幕亮度取值修正為ω ·ν(χ，5θ，0 < ω < I，這樣可以有針對性地保留一部分覆蓋遙遠景物的霧，使復(fù)原圖像更真實； 利用環(huán)境光A和大氣幕V (X，y)，根據(jù)關(guān)系式V (X，y) = A (l_t (x, y))，用如下估計式求解透射率t(x, y) t (x, y) = max ((1-0. 95 X V (x, y) /A) ,0. 01) 為了防止t(x，y)過小導(dǎo)致復(fù)原圖像中產(chǎn)生噪聲，所以將t(x，y)下限值設(shè)定為0.01; (6)圖像復(fù)原 將已估計的大氣幕V(x, y)和透射率t(x, y)代入圖像復(fù)原模型Ltl(X, y) = (L(x,y) -V (x, y))/t(x, y)對LtlU, y)的RGB三個分量進行初步復(fù)原,再求解場景目標的RGB分量反射率P (x，y) = U(X，y)/A，并將P (x,y)截斷為[O I]，以完成對亮度的調(diào)和，去除環(huán)境光對目標的影響，使復(fù)原的圖像更真實。
2.根據(jù)權(quán)利要求I所述的基于大氣物理散射模型的圖像去霧算法，其特征在于所述步驟(4)中對于存在大片天空區(qū)域的環(huán)境光估計值進行修正，當修正量取δ =30時，效果最佳。
3.根據(jù)權(quán)利要求I所述的基于大氣物理散射模型的圖像去霧算法，其特征在于所述步驟(5)中對灰度圖像Γ d。和Id。作快速聯(lián)合雙邊帶濾波獲得V (X，y)，方法按如下步驟進行 (3a)將Idc;(X，y)和Γ dc(x, y)作為輸入圖像，并對Idc;(x，y)的空間分辨率以及幅度分辨率分別進行α，β倍降采樣，得到網(wǎng)格化的三維空間(xd，yd，Id)，所述(xd，yd，Id)分別為采樣后的空間坐標及灰度值； (3b)構(gòu)造三維數(shù)組Idata(xd,yd, Id)和Iw(xd，yd，Id)，遍歷Idc;(x，y)圖像的每個像素，此時Idc(X, y)的各像素灰度值已降采樣，將I, dc(x, y)的對應(yīng)像素點的灰度值累加至Idata(Xd，Yd Id)，即 Idata (Xd，Yd，^d) — !data (Xd，Yd，Id)+I dc(X，Ydj Id) — Iw (Xd，Yd，Id)+1，得到兩個三維直方圖 Idata (xd，yd，id)和 Iw (xd，yd，Id)； (3c)對 Idata (xd, yd, Id)和 Iw (xd, yd, Id)進行三維高斯濾波，得到 Ie (xd，yd，Id)； (3d)對Ie(xd, yd, Id)進行三維線性插值運算，得到V(x, y)。
全文摘要
本發(fā)明公開一種基于大氣物理散射模型的快速圖像去霧方法，涉及圖像復(fù)原方法，基于Narasimhan等給出的霧、霾天氣條件下大氣物理散射模型，僅需要單幅輸入圖像，通過快速圖像去霧處理復(fù)原圖像。首先對采集到的彩色霧霾圖像的每個像素點的RGB分量取最小值，所生成的灰度圖定義為Idc，然后對灰度圖像Idc進行灰度腐蝕和膨脹，結(jié)果定義為I′dc，I′dc也是灰度圖，通過對I′dc中的像素灰度值取最大值獲得環(huán)境光A。對Idc和I′dc進行快速聯(lián)合雙邊帶濾波，獲得大氣幕V(x，y)，進而求取透射分布率t(x，y)。將已估計到的環(huán)境光A、大氣幕V(x，y)和透射率t(x，y)代入大氣物理散射模型，獲得初步復(fù)原結(jié)果，再進一步求解場景目標的RGB分量反射率，得到最終的復(fù)原圖像。
文檔編號G06T5/00GK102930514SQ20121036612
公開日2013年2月13日 申請日期2012年9月27日 優(yōu)先權(quán)日2012年9月27日
發(fā)明者孫偉, 郭寶龍, 韓龍, 陳龍 申請人:西安電子科技大學