基于人工加霧的最佳霧圖復原方法
【技術領域】
[0001] 本發(fā)明屬于電學技術領域，更進一步涉及圖像通信技術領域中的一種基于人工加 霧的最佳霧圖復原方法。本發(fā)明可以用于霧天室外監(jiān)控設備，對無霧圖像進行人工加霧，獲 得最佳去霧算法，從而得到最佳霧圖復原圖像。
【背景技術】
[0002] 在霧天情況下，由于場景的能見度降低，圖像中目標對比度和顏色等特征加倍衰 減，致使室外視頻系統(tǒng)無法正常工作，因此需要在圖像中消除霧氣對場景圖像的影響。室 外視頻系統(tǒng)中采用的圖像去霧方法種類繁多，挑選最佳去霧算法進行去霧是亟待解決的問 題，目前去霧效果的好壞主要靠人眼主觀評價和無參考圖像質(zhì)量評價方法，而圖像去霧效 果的客觀、定量評價問題尚未得到很好地解決。
[0003] 通常進行外場拍攝無霧圖像和有霧圖像需要消耗大量的人力物力，無法保證兩張 圖像中相對應的像素點處在同一地理位置，穩(wěn)定性和可重復性差，受環(huán)境影響較大，而利用 計算機可以仿真圖像在有霧時的場景，可以在實驗室條件下實現(xiàn)，方便快捷，節(jié)省人力和物 力。目前，現(xiàn)有的計算機模擬霧圖方法大多采用商業(yè)軟件，例如Lumion, 3ds max, maya等， 這些商業(yè)動畫軟件沒有公開各自程序的算法，無法得知程序是否按照正確的霧圖形成理論 構造霧圖，無法在嵌入式設備中實現(xiàn)自動化應用。
[0004] 郭墦，蔡自興發(fā)表的論文"圖像去霧算法清晰化效果客觀評價方法"（自動化學報， 2012第9期，38 (9))公開了兩種創(chuàng)建霧效的方法，第一種是使用3ds max軟件所提供的環(huán) 境特效功能來創(chuàng)建霧、霾等大氣特效。在霧效的影響下，場景物體消隱在霧中，如同在原圖 像上覆蓋了一層均勻的霧氣遮罩。通過設置霧效渲染功能中的密度參數(shù)還可以調(diào)整霧氣的 濃度，隨著密度參數(shù)值的增大，均勻霧氣遮罩變厚，即霧氣變濃，直至場景物體完全消失于 白色的霧中。第二種是利用圖像的深度信息，利用光路傳播圖創(chuàng)建霧環(huán)境，使場景中遠處的 物體會逐步消隱在霧中。首先利用建模工具軟件3ds max創(chuàng)建虛擬場景模型，然后利用該 軟件渲染器中的Z-Depth組件，設置該組件參數(shù)值來獲取其反映景深度信息的傳播圖。該 方法雖然簡單快速，但存在的不足是：無法同時結合場景的深度信息和霧天圖像形成模型 從而不能真實客觀地構造有霧霧圖。
[0005] 西安理工大學所擁有的專利技術"一種用于退化圖像恢復的客觀無參考圖像質(zhì)量 評價方法"（專利申請?zhí)?0110429056. 5,授權公告號CN102521839B)公開了一種圖像質(zhì)量 評價方法。該方法可以針對由霧天因素而引發(fā)的退化圖像進行質(zhì)量評價。該方法通過設置 滑動窗，對圖像以塊為單位計算峭度值，進而得到描述整幅圖像特征的峭度值，利用邊緣強 度權值系數(shù)對其加以修正，得到圖像質(zhì)量評價指標。該方法可以快速地完成霧圖復原效果 評價，計算量小。但是該專利技術仍然存在的不足是：對于霧天圖像，由于霧氣干擾，圖像的 細節(jié)信息已經(jīng)部分丟失，復原后的圖像信息量更少，復原圖像評價結果不夠真實，準確。
[0006] 浙江大學所擁有的專利技術"一種全參考型圖像客觀質(zhì)量評價方法"（專利申請?zhí)?200910100963. 8,授權公告號CN101621709B)公開了一種基于結構相似度的全參考型圖像 客觀質(zhì)量評價方法。該方法步驟如下：（1)利用空間域視覺特征，獲得原始圖像的視覺感知 圖，并求視覺感知特征顯著的位置；（2)利用基于結構相似度的評價方法求原始圖像和失 真圖像之間的結構相似度圖SSIM，計算失真圖像相對質(zhì)量，并求失真嚴重的位置；（3)定義 視覺注意焦點轉移原則，確定新的視覺注意焦點，并重新生成視覺注意焦點轉移后的視覺 感知圖；(4)用生成的視覺感知圖加權結構相似度，獲得圖像質(zhì)量的客觀評價。該方法可以 用于不同算法的去霧效果比較，對圖像的評價結果更加符合人類的主觀評價。但是，該專利 技術仍然存在的不足是：圖像評價指標單一，不能完全反映去霧后圖像與去霧前圖像的相 似性。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明的目的在于克服上述現(xiàn)有技術的不足，提出一種基于人工加霧的最佳霧圖 復原方法。該方法可以客觀、全面地選擇最佳去霧方法使室外監(jiān)控設備獲得最佳霧圖復原 圖像。
[0008] 本發(fā)明實現(xiàn)的思路是，首先對無霧圖像進行圖像分割，在分割后的圖像中根據(jù)遠 近景的劃分構造不同的深度信息，計算透射率，從而構造有霧圖像，接著利用多種去霧算 法進行去霧，最后將無霧圖像作為參考圖像，采用全參考圖像質(zhì)量評價指標對去霧后圖像 進行評價挑選出最佳去霧算法。室外監(jiān)控設備利用最佳去霧算法進行霧天圖像復原。
[0009] 本發(fā)明實現(xiàn)的具體步驟包括如下：
[0010] (1)使用相機采集無霧圖像；
[0011] ⑵種群粒子初始化：
[0012] (2a)使用MATLAB軟件，讀入無霧圖像，得到無霧圖像的灰度圖像矩陣，從灰度圖 像矩陣中選取最小灰度值和最大灰度值；
[0013] (2b)在最小灰度值至最大灰度值之間隨機產(chǎn)生一個整數(shù)，作為第一個種群粒子的 第一維，在第一維至最大灰度值之間隨機產(chǎn)生一個整數(shù)，作為第一個種群粒子的第二維，在 第二維至最大灰度值之間隨機產(chǎn)生一個整數(shù)，作為第一個種群粒子的第三維，完成第一個 種群粒子的初始化；對其余的19個種群粒子按照本步驟的方法完成初始化；
[0014] (3)產(chǎn)生粒子的初始個體最優(yōu)位置和初始種群全局最優(yōu)位置：
[0015] (3a)利用類間距方差公式，分別得到20個粒子的類間距方差；
[0016] (3b)將每個粒子的類間距方差取相反數(shù)，得到每個粒子的適應度值；
[0017] (3c)將每個粒子的初始的位置作為每個粒子的初始個體最優(yōu)位置，從所有初始個 體最優(yōu)位置中，挑選適應度值最小的位置作為初始種群全局最優(yōu)位置；
[0018] (4)更新種群粒子：
[0019] (4a)采用分數(shù)階達爾文粒子群更新方法，分別對20個粒子的速度和位置進行優(yōu) 化，得到每個粒子的下一代位置；
[0020] (4b)計算每個粒子在下一代位置處的適應度值；
[0021] (4c)將適應度值小于該粒子個體最優(yōu)的適應度值的位置作為該粒子的個體最優(yōu) 位置；
[0022] (4d)將適應度值小于全局最優(yōu)的適應度值的位置作為種群的全局最優(yōu)位置；
[0023] (4e)判斷當前迭代次數(shù)是否滿足最大迭代次數(shù)，若是，則執(zhí)行步驟（5)，否則，執(zhí) 行步驟（4a);
[0024] (5)無霧圖像分割：
[0025] (5a)以種群的全局最優(yōu)粒子的3維數(shù)據(jù)，作為3個分割閾值；
[0026] (5b)從3個分割閾值中挑選前兩個最大的閾值，作為無霧圖像的灰度圖像矩陣的 兩個臨界點，將數(shù)值大的臨界點作為第一個臨界點，數(shù)值小的臨界點作為第二個臨界點；
[0027] (5c)將灰度圖像矩陣中大于等于第一個臨界點的數(shù)據(jù)所在圖像的位置，作為分割 后的遠景圖像區(qū)域；
[0028] (5d)將灰度圖像矩陣中小于第一個臨界點并大于等于第二個臨界點的數(shù)據(jù)所在 圖像的位置，作為分割后的中景圖像區(qū)域；
[0029] (5e)將灰度圖像矩陣中小于第二個臨界點的數(shù)據(jù)所在圖像的位置，作為分割后的 近景圖像區(qū)域；
[0030] (6)按照下式，計算無霧圖像的灰度圖像矩陣的深度：
【主權項】
1. 一種基于人工加霧的最佳霧圖復原方法