本發(fā)明涉及一種視頻去霧方法及其系統(tǒng)，屬于圖像/視頻處理領域。

背景技術：

霧霾天氣下以電子眼為基礎的戶外監(jiān)控系統(tǒng)幾乎全部“癱瘓”，監(jiān)控探頭在記錄中，由于霧霾的影響，導致拍攝所得的畫面模糊不清，無法對區(qū)域實施有效的監(jiān)控。

公布號為cn103747213a的中國專利文件公開了一種基于運動目標的交通監(jiān)控視頻實時去霧方法。該方法基于容差機制采用暗原色先驗去霧算法，并將監(jiān)控畫面分為背景區(qū)域和前景運動目標區(qū)域，對上述兩區(qū)域采取不同的方法進行去霧處理。重點處理前景目標區(qū)域，提高了處理速度，一定程度上滿足了視頻實時處理的需求。

但是，該方法對于前景運動部分的判斷采取了相鄰幀差法，即計算當前幀像素點rgb三通道與前一幀的差值是否落在一個預設閾值以內，若上述差值未落入所述閾值，則該像素點處于前景運動目標部分。而對于一個繁忙的監(jiān)控區(qū)域來講，采用相鄰幀差法對前景運動部分判斷計算量依然巨大。而且上述方案如同一般的暗原色先驗視頻去霧方法一樣，對于視頻依然采取了逐幀計算去霧處理的思路，對每幀視頻圖像計算透射率，無法從根本上解決現(xiàn)有技術去霧處理復雜程度高、計算量大、處理時間長的問題。另外復雜的處理方法和龐大的計算量意味著對圖像處理芯片的要求更高，在產(chǎn)業(yè)上不利于降低成本。

技術實現(xiàn)要素：

本發(fā)明的目的是提供一種視頻去霧方法及其系統(tǒng)，用以解決現(xiàn)有技術復雜程度高，計算量大，視頻去霧耗時的問題。

為實現(xiàn)上述目的，本發(fā)明的方案包括：

本發(fā)明的一種視頻去霧方法，包括以下步驟：

每隔m幀原始圖像，計算一次大氣光強度和透射率，所述大氣光強度和透射率是根據(jù)對應的一幀原始圖像，結合大氣散射模型和暗原色先驗算法獲得的；

根據(jù)所得透射率和大氣光強度對該幀原始圖像和其后m-1幀原始圖像進行去霧處理。

進一步的，所述步驟1)中計算大氣光強度和透射率時，首先將一幀原始圖像縮小為原來的f倍，得到縮小后圖像；然后對于縮小后圖像，利用暗原色先驗算法，獲得大氣光強度和縮小后透射率；最后將得到的透射率恢復為與原幀圖像大小一致。

進一步的，所述對應的一幀原始圖像為m個原始圖像中的第一幀圖像。

進一步的，步驟1)中，通過選取暗原色中亮度最高的0.1％的像素值作為大氣光強度的估計值；透射率計算公式為：

其中，x表示圖像上像素點位置坐標，i(x)表示帶霧圖像，t(x)表示透射率，j(x)表示要恢復的無霧圖像，a表示大氣光強度；ω為衰減系數(shù)，用于控制去霧的強度。

進一步的，步驟2)中的去霧處理采用基于容差機制的算法，

其中，x表示圖像上像素點位置坐標，i(x)表示帶霧圖像，t(x)表示透射率，j(x)表示要恢復的無霧圖像，a表示大氣光強度；參數(shù)k定義為容差，當|i-a|<k時認為是明亮區(qū)域不滿足暗原色先驗，重新定義透射率；當|i-a|>k時認為滿足暗原色先驗，該區(qū)域透射率不變。

本發(fā)明的一種視頻去霧系統(tǒng)，包括處理器，存儲器，所述處理器用于執(zhí)行實現(xiàn)下述方法的指令：

每隔m幀原始圖像，計算一次大氣光強度和透射率，所述大氣光強度和透射率是根據(jù)對應的一幀原始圖像，結合大氣散射模型和暗原色先驗算法獲得的；

根據(jù)所得透射率和大氣光強度對該幀原始圖像和其后m-1幀原始圖像進行去霧處理。

進一步的，所述步驟1)中計算大氣光強度和透射率時，首先將一幀原始圖像縮小為原來的f倍，得到縮小后圖像；然后對于縮小后圖像，利用暗原色先驗算法，獲得大氣光強度和縮小后透射率；最后將得到的透射率恢復為與原幀圖像大小一致。

進一步的，所述對應的一幀原始圖像為m個原始圖像中的第一幀圖像。

進一步的，步驟1)中，通過選取暗原色中亮度最高的0.1％的像素值作為大氣光強度的估計值；透射率計算公式為：

其中，x表示圖像上像素點位置坐標，i(x)表示帶霧圖像，t(x)表示透射率，j(x)表示要恢復的無霧圖像，a表示大氣光強度；ω為衰減系數(shù)，用于控制去霧的強度。

進一步的，方法2)中去霧處理采用基于容差機制的算法，具體為

其中，x表示圖像上像素點位置坐標，i(x)表示帶霧圖像，t(x)表示透射率，j(x)表示要恢復的無霧圖像，a表示大氣光強度；參數(shù)k定義為容差；當|i-a|<k時認為是明亮區(qū)域不滿足暗原色先驗，重新定義透射率；當|i-a|>k時認為滿足暗原色先驗，該區(qū)域透射率不變。

本發(fā)明的有益效果為：

本發(fā)明的監(jiān)控視頻去霧方法采用了跳躍機制，每隔m幀圖像計算一次透射率，并將它用到往后m-1幀圖像的去霧處理上。大大加快了圖像處理速度。

其次，本方法還運用了收縮機制，將視頻幀圖像縮小進行透射率計算后再利用插值法放大到原圖像，再用放大后的透射率進行去霧處理。減小了透射率的計算量。

本方案在保證去霧效果、滿足監(jiān)控需求的前提下，減小了計算量，縮短了處理時間，更加有利于視頻的實時處理，同時也降低了對硬件的要求，降低了設備成本。

附圖說明

圖1是本發(fā)明視頻去霧流程圖；

圖2是本發(fā)明監(jiān)控實時去霧流程圖。

具體實施方式

下面結合附圖對本發(fā)明做進一步詳細的說明。

一種視頻去霧方法及其系統(tǒng)的實施例1。

本發(fā)明在處理一段監(jiān)控視頻時流程如圖1所示，具體包括以下步驟：

1)將帶霧監(jiān)控視頻轉化為幀圖像；

2)將一系列有霧幀圖像分為每m幀一組；

3)從第1組開始，將每組第1幀帶霧圖像im(x)，先將其縮小為原來的f倍，得到縮小后圖像ifm(x)；

4)對于圖像ifm(x)，利用暗原色先驗算法，選取暗原色中亮度最高的0.1％像素值作為大氣光的估計值am；并計算出透射率tfm(x)，透射率計算公式為；

其中，x表示圖像上像素點位置坐標，i(x)表示帶霧圖像，t(x)表示透射率，j(x)表示要恢復的無霧圖像，a表示大氣光強度；ω為衰減系數(shù)，用于控制去霧的強度，0<ω≤1。

5)將縮小f倍后的圖像透射率tfm(x)利用插值法恢復為原圖大小得到該幀帶霧圖像透射率tm(x)；

6)基于大氣散射模型i(x)＝j(x)t(x)+a(1-t(x))，采用容差機制，用透射率tm(x)和am對該幀以及其后m-1幀帶霧圖像進行去霧處理，得到去霧圖像為：

其中，x表示圖像上像素點位置坐標，i(x)表示帶霧圖像，t(x)表示透射率，j(x)表示要恢復的無霧圖像，a表示大氣光強度；參數(shù)k定義為容差；當|i-a|<k時認為是明亮區(qū)域不滿足暗原色先驗，重新定義透射率；當|i-a|>k時認為滿足暗原色先驗，該區(qū)域透射率不變；

7)繼續(xù)用相同方法對其余組幀視頻進行去霧處理；

8)將處理后的去霧幀圖像合成視頻。

上述實施例中，在視頻畫面滿足監(jiān)控需求的前提下，盡可能大的取所述間隔m和所述縮小倍數(shù)f的值。實際上，視頻的質量與所述間隔m和縮小倍數(shù)f的大小成反比關系，如若想獲得高質量的監(jiān)控視頻，則應相應取較小的間隔m和縮小倍數(shù)f的值；如若想獲得較快的圖像處理速度而對處理后的監(jiān)控視頻質量要求不高，可相應取較大的間隔m和縮小倍數(shù)f的值。

一種視頻去霧方法及其系統(tǒng)的實施例2。

本發(fā)明在監(jiān)控過程中進行實時處理時流程如圖2所示，具體包括以下步驟：

1)從監(jiān)控探頭傳輸過來的某一帶霧幀開始，將該幀帶霧圖像im(x)縮小為原來的f倍，得到縮小后圖像ifm(x)；

2)對于圖像ifm(x)，利用暗原色先驗算法，選取暗原色中亮度最高的0.1％像素值作為大氣光的估計值am；并計算出透射率tfm(x)，透射率計算公式為；

其中，x表示圖像上像素點位置坐標，i(x)表示帶霧圖像，t(x)表示透射率，j(x)表示要恢復的無霧圖像，a表示大氣光強度；ω為衰減系數(shù)，用于控制去霧的強度，0<ω≤1。

3)將縮小f倍后的圖像透射率tfm(x)利用插值法恢復為原圖大小得到該幀帶霧圖像透射率tm(x)；

4)基于大氣散射模型i(x)＝j(x)t(x)+a(1-t(x))，采用容差機制，用透射率tm(x)和am對該幀以及其后m-1幀帶霧圖像進行去霧處理，得到去霧圖像為：

其中，x表示圖像上像素點位置坐標，i(x)表示帶霧圖像，t(x)表示透射率，j(x)表示要恢復的無霧圖像，a表示大氣光強度；參數(shù)k定義為容差；當|i-a|<k時認為是明亮區(qū)域不滿足暗原色先驗，重新定義透射率；當|i-a|>k時認為滿足暗原色先驗，該區(qū)域透射率不變；

5)繼續(xù)用相同方法處理接下來視頻探頭傳來的幀圖像；也就是說，每隔m幀計算一次透射率和大氣光強度值，然后對其和其后m-1幀進行處理。

上述實施例中，在視頻畫面滿足監(jiān)控需求的前提下，盡可能大的取所述間隔m和所述縮小倍數(shù)f的值。實際上，視頻的質量與所述間隔m和縮小倍數(shù)f的大小成反比關系，如若想獲得高質量的監(jiān)控視頻，則應相應取較小的間隔m和縮小倍數(shù)f的值；如若想獲得較快的圖像處理速度而對處理后的監(jiān)控視頻質量要求不高，可相應取較大的間隔m和縮小倍數(shù)f的值。

本發(fā)明中所采用的去霧算法具體可參考

龔昌來，羅聰.一種改進的容差機制圖像去霧算法.《液晶與顯示》.2016。