基于多尺度wls濾波的霧天圖像恢復(fù)方法
【專利摘要】本發(fā)明屬于圖像處理領(lǐng)域，涉及基于多尺度WLS濾波的霧天圖像恢復(fù)方法。所述方法包括：根據(jù)暗通道先驗原理估計大氣光照強度A；結(jié)合得到的大氣光照強度A的值，對圖像I進行白平衡，并簡化大氣散射模型；根據(jù)霧天環(huán)境的物理屬性，對大氣耗散函數(shù)V進行粗估計，得到；采用多尺度WLS濾波對大氣耗散函數(shù)進行細(xì)估計，得到Vi；結(jié)合獲得的多尺度大氣耗散函數(shù)Vi，根據(jù)簡化大氣散射模型恢復(fù)霧天圖像為理想天氣下的圖像Ri；結(jié)合獲得的多尺度恢復(fù)圖像Ri，采用色調(diào)映射算法調(diào)整圖像動態(tài)范圍，進行可視度的提升，得到最終結(jié)果R。本發(fā)明能夠有效提高霧天圖像的對比度與清晰度，具有計算復(fù)雜度較低、執(zhí)行效率較強等優(yōu)點。
【專利說明】基于多尺度WLS濾波的霧天圖像恢復(fù)方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理領(lǐng)域，具體涉及一種基于多尺度WLS(Weightedleast squares,加權(quán)最小二乘法）濾波的霧天圖像處理方法。

【背景技術(shù)】
[0002] 在霧、霾等天氣條件下，由于場景的能見度降低，圖像中目標(biāo)對比度和顏色等特征 被衰減，這極大地限制和影響了戶外工作系統(tǒng)，如視頻監(jiān)控、地形勘測、自動駕駛等。因此， 對霧天圖像恢復(fù)的實現(xiàn)是一個極具現(xiàn)實意義的問題。
[0003] 目前，對霧天圖像進行清晰化處理的方法大體上有兩類：基于模型的和非模型的 算法。這里的模型指的是大氣散射模型，它是一種描述光在大氣中傳輸?shù)奈锢砟Ｐ汀Ｆ渲校?基于非模型的算法并不要求了解圖像退化的原因，只能在一定程度上改善視覺效果。此類 方法屬于圖像增強技術(shù)范疇，主要包括：直方圖方法，基于小波的方法，以及基于Retinex 的算法等；基于模型的算法通過了解圖像退化的內(nèi)在原因而進行逆運算來改善圖像的可視 度，采用該類方法處理圖像屬于圖像恢復(fù)技術(shù)范疇，由于它們利用了圖像退化的物理機理， 因此這類算法更加可靠，去霧效果更加明顯。
[0004] 近年來，基于模型的研究取得了較大的進展，特別是針對單幅圖像去霧技術(shù)取得 了重大突破° 文獻(xiàn)I(TarelJP,HautiN.Fastvisibilityrestorationfromasingle colororgraylevelimage[J].ProceedingsofIEEEConferenceonInternational ConferenceonComputerVision,Kyoto,Japan, 2009:20-28)假設(shè)大氣耗散函在可行域 中逼近最大值，且局部變化平緩，提出了一種快速圖像去霧算法。該方法采用中值濾波方 法估計大氣耗散函數(shù)，其缺點是細(xì)節(jié)保持能力較差。文獻(xiàn)2(HeK，SunJ，TangX.Single imagehazeremovalusingdarkchannelprior[C].ProceedingsofIEEEConference onComputerVisionandPatternRecognition(CVPR).NewYork,USA:IEEEComputer Society，2009:1956-1963)通過對戶外無霧圖像的統(tǒng)計實驗提出了暗原色先驗理論，利用 該理論獲得了很好的去霧效果，并能得到相應(yīng)的深度圖像。該方法具備物理有效性，但算法 復(fù)雜度高、處理速度慢。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于提出一種基于多尺度WLS濾波的霧天圖像恢復(fù)方法，采用大氣 散射模型對霧天場景進行建模，準(zhǔn)確求解大氣耗散函數(shù)，有效地去除圖像中霧氣的影響，改 善霧天圖像可視度。
[0006] 下面給出本發(fā)明所述方法的原理。
[0007] 在大霧天氣情況下，大氣中漂浮的懸浮顆粒的直徑比較大，它不僅對入射光有直 接的影響，也會反射周圍的環(huán)境光。大氣散射模型能夠用于描述這種光在霧天傳輸?shù)奈锢?特性，該模型表示如下：
[0008] I(x，y) =R(x，y)e-0d(x'y)+A(l-e-ed(x'y))
[0009] 其中，I為原圖像亮度，R為理想天氣下的清晰圖像亮度，A為全局性的大氣光照， 3是大氣散射系數(shù)，霧天環(huán)境下它可認(rèn)為是一個與波長無關(guān)的常量，d為景深。本發(fā)明為了 避免直接求解d和3兩個參數(shù)，采用求解大氣耗散函數(shù)的方式，其表示為：
[0010] V(x，y) =l-e-0d(x'y)
[0011] 其中，V為大氣耗散函數(shù)，包含景深信息，能夠粗略表示霧氣的影響。結(jié)合上式與 大氣散射模型可知，去霧操作過程轉(zhuǎn)變?yōu)橥ㄟ^I計算A和V兩個參數(shù)，進而求解清晰圖像R。 R也可以分解為：
[0012] R(x,y) =Ap(x,y)
[0013] 其中，P為場景反照率。
[0014] 根據(jù)上述原理，本發(fā)明所述方法包括以下步驟：
[0015] 步驟1 :根據(jù)暗通道先驗原理估計大氣光照強度A。
[0016] 步驟2 :結(jié)合得到的大氣光照強度A的值，對圖像I進行白平衡，并簡化大氣散射 模型。
[0017] 步驟3 :根據(jù)霧天環(huán)境的物理屬性，對大氣耗散函數(shù)進行粗估計，得到(？。
[0018] 步驟4:采用多尺度WLS濾波對大氣耗散函數(shù)f進行細(xì)估計，得到Vi,i為大于零的 整數(shù)。
[0019] 步驟5:結(jié)合獲得的多尺度大氣耗散函數(shù)Vi,根據(jù)簡化大氣散射模型恢復(fù)霧天圖像 為理想天氣下的圖像氏。
[0020] 步驟6 :結(jié)合獲得的多尺度恢復(fù)圖像Ri,采用色調(diào)映射算法調(diào)整輸出圖像動態(tài)范 圍，進行可視度的提升，得到最終結(jié)果R。
[0021] 與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點：
[0022] (1)本發(fā)明能夠有效提高霧天圖像的對比度與清晰度，具有計算復(fù)雜度較低、執(zhí)行 效率較強等優(yōu)點。實驗證明，文獻(xiàn)1所述方法去霧處理后有校正過度的現(xiàn)象，且存在霧氣去 除不完全現(xiàn)象。文獻(xiàn)2所述方法的去霧效果較為自然，但是細(xì)節(jié)凸顯能力較差，執(zhí)行耗時較 長。相比較二者，本發(fā)明所述方法去霧效果顯著，較好地保持了圖像顏色，增強了細(xì)節(jié)信息， 大幅度提高了圖像對比度。
[0023] (2)本發(fā)明在許多領(lǐng)域中具有重要的應(yīng)用價值。比如，對于灰度圖像和彩色圖像均 能處理，本發(fā)明能夠滿足視頻監(jiān)控、目標(biāo)跟蹤、信息識別等對于圖像可視度的要求。另外，本 發(fā)明在高速公路交通監(jiān)控、軍事偵察、遙感探測等領(lǐng)域具有很高的實用價值。

【專利附圖】

【附圖說明】
[0024] 圖1為本發(fā)明所述方法的流程圖；
[0025] 圖2為本發(fā)明實施例獲得的結(jié)果：(a)原圖像，（b)單尺度細(xì)化結(jié)果V1, (c)單尺度 去霧結(jié)果R1, (d)實驗最終結(jié)果R;
[0026] 圖3?5為本發(fā)明與現(xiàn)有技術(shù)效果對比1?3,（a)原圖像，（b)應(yīng)用文獻(xiàn)1得到 的結(jié)果，（c)應(yīng)用文獻(xiàn)2得到的結(jié)果，（d)應(yīng)用本發(fā)明得到的結(jié)果。

【具體實施方式】
[0027] 下面結(jié)合附圖和實施方式對本發(fā)明做進一步說明。
[0028] 本發(fā)明所述方法的流程圖如圖1所示，具體包括以下步驟：
[0029] 步驟1 :輸入原始圖像，以圖2(a)為例，該圖為大小為315X315的霧天圖像，采用 基于暗通道先驗的方法求解全局常量大氣光照A。
[0030] 暗通道先驗認(rèn)為在非天空圖像塊中，至少有一個顏色通道在某些像素上有很低的 亮度。對于一幅霧天圖像I，可以定義暗通道為：
[0031]

【權(quán)利要求】
1. 基于多尺度WLS濾波的霧天圖像恢復(fù)方法，其特征在于包括以下步驟： 步驟1 :根據(jù)暗通道先驗原理估計大氣光照強度A; 步驟2 :結(jié)合得到的大氣光照強度A的值，對圖像I進行白平衡，并簡化大氣散射模型； 步驟3 :根據(jù)霧天環(huán)境的物理屬性，對大氣耗散函數(shù)V進行粗估計，得到P; 步驟4 :采用多尺度加權(quán)最小二乘法WLS濾波對大氣耗散函數(shù)進行細(xì)估計，得到Vi,i為 大于零的整數(shù)； 步驟5:結(jié)合獲得的多尺度大氣耗散函數(shù)Vi,根據(jù)簡化大氣散射模型恢復(fù)霧天圖像為理 想天氣下的圖像Ri ; 步驟6:結(jié)合獲得的多尺度恢復(fù)圖像Ri,采用色調(diào)映射算法調(diào)整圖像動態(tài)范圍，進行可 視度的提升，得到最終結(jié)果R。
2. 根據(jù)權(quán)利要求1所述的基于多尺度WLS濾波的霧天圖像恢復(fù)方法，其特征在于，步驟 1所述大氣光照強度A的估算方法如下： 暗通道先驗認(rèn)為在非天空圖像塊中，至少有一個顏色通道在某些像素上有很低的亮 度；對于一幅霧天圖像I，定義暗通道為： I'1'"'1'(q)=min fmin(/r (/;))] 其中，IdaA為I的暗通道，c為顏色通道索引值，Γ是I的一個顏色通道，Ω是以像素q為中心的一個局部塊；根據(jù)暗通道先驗理論可知，如果I是一幅無霧的戶外圖像，則除了天 空區(qū)域，IdaA的亮度都較低而且接近0,即位于霧天圖像中的清晰區(qū)域產(chǎn)k -O; 將暗通道IdaA中的像素按亮度值從大到小排序，選取排序后亮度值的前0. 1 %的像素， 然后，將其對應(yīng)的原圖像I中相同位置的像素表示為1〇.1%，這些點都是霧最濃的點，認(rèn)為大 氣光照值位于Itl. 1%范圍中；為了去霧處理更加徹底，取Ia1%的均值A(chǔ)m_ =mean(Ia1%)作為 大氣光照的初始值；由于霧天環(huán)境常常伴隨著陰天，致使霧氣偏離了純白顏色，為此對A_n 進行校正，將其映射接近白色（1，1，1)，即： cgRXj'B 其中，A即為所要求解的大氣光照值。
3. 根據(jù)權(quán)利要求1所述的基于多尺度WLS濾波的霧天圖像恢復(fù)方法，其特征在于，步驟 2所述對圖像I進行白平衡，并簡化大氣散射模型的方法如下： 原大氣散射模型表不為： I(x，y) =R(X，y)e-ed(x'y)+A(l-e-ed(x'y)) 其中，I為原圖像亮度，R為理想天氣下的清晰圖像亮度，A為全局性的大氣光照，β是 大氣散射系數(shù)，霧天環(huán)境下它可認(rèn)為是一個與波長無關(guān)的常量，d為景深；為了避免直接求 解d和β兩個參數(shù)，采用求解大氣耗散函數(shù)的方式，其表示為： V(x，y) =l-e-0d(x'y) 其中，V為大氣耗散函數(shù)，包含景深信息，能夠粗略表示霧氣的影響； 通過白平衡處理后得到的簡化大氣散射模型表示為： Γ(x.y) =I(x,y)/A=P(x,y) (1-V(x,y))+V(x,y) 其中，I'為白平衡處理后的圖像，P為場景反照率；且： R(x，y) =Ap(X，y)。
4. 根據(jù)權(quán)利要求I所述的基于多尺度WLS濾波的霧天圖像恢復(fù)方法，其特征在于，步驟 3所述根據(jù)霧天環(huán)境的物理屬性，對大氣耗散函數(shù)V進行粗估計的方法如下： 根據(jù)霧天場景的物理屬性，V需要滿足下面2個約束條件： (1) 0V(x,y) ^ 1 (2)V(x，y)不大于Γ(x，y)的最小顏色分量 通過上述約束，將白平衡后的霧天圖像的每個像素在RGB三個通道的最小顏色分量定 義為大氣耗散函數(shù)的粗估計結(jié)果f，即： F(x，V) =min(7'(.?.V)) -ce{R,GM\ " 對于一幅灰度圖，則有丨αυ)="x,_v：h此時的f不具備大氣耗散函數(shù)局部平滑等特 性，需要進一步的細(xì)化。
5. 根據(jù)權(quán)利要求1所述的基于多尺度WLS濾波的霧天圖像恢復(fù)方法，其特征在于，步驟 4所述采用WLS濾波對大氣耗散函數(shù)f進行細(xì)估計的方法如下： WLS濾波表示為最小化如下的代價函數(shù)：
其中，公式左端第一項為數(shù)據(jù)項，該項的目標(biāo)是最小化輸入圖像f和輸出圖像V的差 異；第二項為平滑項目，該項通過最小化V的X與y方向的偏導(dǎo)數(shù)來達(dá)到平滑目的，λi為 調(diào)節(jié)參數(shù)，i為尺度索引值；g為平滑權(quán)值，定義為：
其中，ε為一個很小的常量，防止除數(shù)為零，Yi為調(diào)節(jié)梯度變化的敏感程度參數(shù)；將WLS的最小能量公式離散化后轉(zhuǎn)化成矩陣形式： (V -Vf (V - V) +D[ADV+V1 D1v AvDV) 其中，Ax和Ay是關(guān)于細(xì)化權(quán)值gx和gy的對角矩陣；Dx和Dy是浐的X和y方向的前向 差分矩陣，而Df和D17為后向差分矩陣，上式的最小化可以轉(zhuǎn)化為以下的公式求解： (Ε+λβψ=V 其中，E表示單位矩陣，G= +Z>y,.為稀疏Laplacian矩陣；上式可以通過線 性求解獲得細(xì)化處理后的Vi ;采用不同λi和Yi參數(shù)進行多尺度大氣耗散函數(shù)求解，當(dāng)尺 度數(shù)量i= 3時，獲得的結(jié)果已經(jīng)較為理想，當(dāng)1>3時，視覺效果提升程度較小，且增加了計 算復(fù)雜度，故將尺度數(shù)量設(shè)定為3,即i= 3。
6. 根據(jù)權(quán)利要求1?5中任何一項所述的基于多尺度WLS濾波的霧天圖像恢復(fù)方法， 其特征在于，步驟5所述恢復(fù)霧天圖像為理想天氣下的圖像Ri的方法如下： 在求取大氣光強度A與大氣耗散函數(shù)Vi的基礎(chǔ)上，直接恢復(fù)出場景在理想天氣條件下 的圖像亮度： n . 、I(x.v)-kV(x.v), R(x,v) = ·' ·-'' ·xA " \-V：(x,y) 其中，k為恢復(fù)調(diào)節(jié)參數(shù)，0〈k〈l，用于控制去霧的程度。
7.根據(jù)權(quán)利要求6所述的基于多尺度WLS濾波的霧天圖像恢復(fù)方法，其特征在于，步驟 6所述調(diào)整輸出圖像動態(tài)范圍，進行可視度提升的方法如下： 首先進行顏色空間的轉(zhuǎn)換，將圖像Ri由RGB顏色空間轉(zhuǎn)換到CIELAB顏色空間，僅對圖 像的亮度空間L進行處理；假設(shè)R1的霧天圖像恢復(fù)效果最好，則設(shè)b作為基礎(chǔ)層，即b=R1, 設(shè)兩個細(xì)節(jié)層d1與d2,即d1 =R1-R2,d2 =R2-R3 ;則色調(diào)映射公式定義為： Rp -μ+€(δα,φρ -/〇+C(^, 其中，P表示像素，μ為圖像亮度范圍的均值，c為s型調(diào)節(jié)函數(shù)，用于調(diào)節(jié)動態(tài)范圍， 即C(a，u) =l/(l+exp(-au)), η為曝光參數(shù)，δ。，61與δ2為增益參數(shù)； 經(jīng)過上述的處理后，將圖像由CIELAB顏色空間轉(zhuǎn)換到RGB顏色空間，即可得到最后的 霧天圖像恢復(fù)結(jié)果R。
【文檔編號】G06T5/00GK104318528SQ201410562140
【公開日】2015年1月28日 申請日期:2014年10月21日 優(yōu)先權(quán)日:2014年10月21日
【發(fā)明者】趙宏宇, 肖創(chuàng)柏, 禹晶, 段娟 申請人:北京工業(yè)大學(xué)