一種小波域Retinex圖像去霧方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，特別涉及一種小波域Retinex圖像去霧方法。
【背景技術(shù)】
[0002] 目前對于霧天圖像的處理方法主要分為兩類：霧天圖像復(fù)原和霧天圖像增強。霧 天圖像的增強方法不考慮圖像降質(zhì)原因，而是基于主觀視覺感受，能有效地提高霧天圖像 的對比度，突出圖像的細節(jié)，改善圖像的視覺效果，適用范圍廣，但對于突出部分的信息可 能會造成一定損失?；趫D像增強的去霧方法以其方法簡單、有效而得到更為廣泛地應(yīng)用。 基于圖像增強的常見圖像去霧方法有直方圖均衡法、同態(tài)濾波等，但是這些方法都沒有很 好地利用人類視覺特性，處理效果難以讓人滿意。Retinex算法模擬人類的視覺特性，將人 體感知物體的亮度理解為環(huán)境的照明和物體表面對照射光的反射光兩部分的有機組合，以 其銳化、顏色恒常性、動態(tài)范圍壓縮大、色彩保真度高等特點，對于霧天圖像增強的發(fā)展起 到積極作用。
[0003] 現(xiàn)有的方法存在的不足：一方面，傳統(tǒng)的Retinex算法采用高斯濾波器估計圖像 的照射分量易造成處理后的圖像邊緣模糊，圖像暗淡，細節(jié)信息丟失且顏色易失真；另一方 面，將彩色圖像的R，G，B通道分別進行處理，運算量大，效率低。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的旨在解決上述技術(shù)缺陷，改善Retinex算法的效果以及提高算法效 率。
[0005] 為了達到上述目的，本發(fā)明提出一種小波域Retinex圖像去霧方法，包括以下幾 個步驟：
[0006] Sl :將含霧圖像g由RGB空間變換到HSV空間，獲得色度分量H、飽和度分量S和 亮度分量V ;
[0007] S2 :對亮度分量V進行小波變換，獲得包含霧分量的低頻子帶以及噪聲和邊緣信 息所在的高頻子帶；
[0008] S3 :利用改進的單尺度Retinex算法對低頻子帶進行處理，利用小波閾值方法對 高頻子帶進行處理，具體如下：
[0009] S3. 1 :利用改進的單尺度Retinex算法對低頻子帶進行處理，具體如下：
[0010] S3. I. 1 :為了改善經(jīng)典單尺度Retinex算法對圖像處理后圖像暗淡的情況，在提 取反射分量r(x，y)時，加入像素的原始亮度值，公式如下：
[0011] rla (X，y) = α X r (X，y) + (I- α ) X log (I (X，y))
[0012] 式中：α為像素原始亮度值與反射分量的加權(quán)系數(shù)；rla(x，y)為加入像素原始亮 度值的反射分量。
[0013] S3. 1. 2 :按圖像的平均亮度將其分為兩類：整體亮度較低的圖和整體亮度較高的 圖，并分別進行處理。
[0014] 1)對整體亮度較低的圖的處理
[0015] 對于整體亮度較低的圖，首先對反射變量rla取指數(shù)變換得到變量？ la，拉開較亮 像素和較暗像素的差距，再對其進行截取拉伸變換。公式如下：
[0016] r'u，= er'l?
[0017] 2)對整體亮度較高的圖的處理
[0018] 對于整體亮度較高的圖，rla保持不變。為了統(tǒng)一描述變化后的圖像值，這里引入 r' 13作為處理后的值，公式如下：
[0019] r1la=rla
[0020] 3)直方圖線性拉伸變換
[0021] 由于提取出的反射分量會有較嚴重的拖尾現(xiàn)象，需要對其像素的整體分布進行調(diào) 整，因而，算法中使用線性拉伸變換提高對比度。具體步驟如下：
[0022] ①求取P 13的最大值y _和最小值y
[0023] ②進行線性拉伸變換，公式如下：
[0025] 式中，β為可調(diào)參數(shù)。
[0026] S3. 2 :利用小波閾值方法對高頻子帶進行處理，具體如下：
[0027] 1)計算小波系數(shù)中值m，并計算小波閾值λ，公式如下；
[0029] 式中In為自然對數(shù)，m為小波系數(shù)中值，η為可調(diào)參數(shù)，實驗驗證，η的取值范圍在 (1，2]時，處理效果達到最佳。從式中可看出，閾值的選取與圖像大小無關(guān)。
[0030] 2)利用小波軟閾值函數(shù)對亮度圖像V的高頻區(qū)域進行處理，軟閾值函數(shù)w'如下 所示：
[0032] S4 :利用上述改進單尺度Retinex算法去霧處理后的低頻子帶LL的小波系數(shù)和小 波閾值方法處理后的所有高頻子帶的小波系數(shù)進行小波逆變換，獲得重構(gòu)后的亮度分量圖 像V，；
[0033] S5 :飽和度分量S根據(jù)亮度分量V的變化進行自適應(yīng)調(diào)整，具體如下式所示：
[0040] V (X，y)為原圖像像素點的亮度值，V (X，y)為像素點增強后的亮度值，S (X，y) 為原圖像像素點的飽和度值，(X，y)為像素點修正后的飽和度值，t為比例常數(shù)，nXn為 鄰域窗口 W大小，是像素點（X，y)在鄰域窗口 W中的亮度均值(x,y)是像素點 (X，y)在鄰域窗口 W中的飽和度均值，δ v(x，y)是像素點（X，y)在鄰域窗口 W中的亮度方 差，δ s(x，y)是像素點（X，y)在鄰域窗口 W中的飽和度方差，ξ (X，y)是像素點（X，y)在 鄰域窗口 W中V分量和S分量的相關(guān)系數(shù)。
[0041] 本發(fā)明利用V分量和S分量的相關(guān)系數(shù)ξ來使S分量隨V分量的變化而變化。相 關(guān)系數(shù)是變量之間相關(guān)程度的指標，ξ的絕對值越大，相關(guān)程度越高。
[0042] S6 :根據(jù)變化后的各個HSV顏色空間分量重構(gòu)出去霧后的清晰圖像u。
[0043] 步驟S2中所述的對亮度分量V進行小波分解后得到多個子帶包括一個低頻子帶 LL和多個高頻子帶，其中霧分量主要分布在低頻子帶，噪聲及圖像邊緣等細節(jié)信息主要分 布在高頻子帶。
[0044] 步驟S3. I. 1中所述的反射分量r (X，y)是Retinex算法把圖像看成是環(huán)境光的照 射分量與目標物體的反射分量的乘積，如下式所不
[0045] I (X，y) = L (X，y) X R (X，y)
[0046] 式中：I(x，y)為被觀察到的圖像信號；L(x，y)為環(huán)境光的照射分量；R(x，y)為攜 帶圖像細節(jié)信息的目標物體的反射分量。
[0047] 兩邊取對數(shù)，在對數(shù)域用原始霧天圖像減去照射分量得到圖像的反射分量r(x， y)：
[0048] r (X，y) = log [R (X，y) ] = Log [I (X，y) ] -Log [L (X，y)]
[0049] 有益效果
[0050] 本發(fā)明通過將Retinex算法拓展到小波域，利用霧天圖像中霧、景物邊緣信息及 噪聲在小波域中能量的不同分布特點，采用Retinex算法抑制霧分量，用小波閾值方法在 抑制噪聲的同時保護邊緣信息，設(shè)計出的去霧算法能有效地改善霧天圖像的退化現(xiàn)象，提 高圖像的清晰度，處理效率也得到明顯提升。
【附圖說明】
[0051] 圖1為本發(fā)明流程圖；
[0052] 圖2為本發(fā)明一個實施例的小波分解的子帶結(jié)構(gòu)示意圖。
【具體實施方式】
[0053] 下面詳細描述本發(fā)明的實施例，所述實施例的示例在附圖中示出，其中自始至終 相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附 圖描述的實施例是示例性的，僅用于解釋本發(fā)明，而不能解釋為對本發(fā)明的限制。
[0054] 如圖1所示，本發(fā)明的實施例的小波域Retinex圖像去霧算法，包括以下幾個步 驟：
[0055] 步驟S1，將圖像變換到HSV顏色空間。
[0056] 在本發(fā)明的一個實施例中，首先，讀入含有噪聲的圖像信號，即含霧圖像g。然后， 將圖像g從RGB顏色空間轉(zhuǎn)換到HSV顏色空間，獲取圖像g的色度分量H、飽和度分量S和 亮度分量V。
[0057] 步驟S2,對亮度分量V進行小波變換，獲得包含霧分量的低頻子帶以及噪聲和邊 緣信息所在的高頻子帶。
[0058] Retinex算法是通過對圖像的反射分量進行估計，來進行圖像增強處理。本發(fā)明將 圖像變換到HSV空間后，對圖像的反射分量進行估計就變成了對圖像亮度分量V的估計，由 于含霧圖像中霧的頻譜主要分布在低頻區(qū)域，而景物細節(jié)信息和噪聲分布在高頻區(qū)域，可 利用小波變換將霧與圖像邊緣和噪聲分開處理。
[0059] 由于不同的小波基具有不同的時域和頻域特性，利用不同的小波基對同一幅圖像 進行分解時會得到不同的結(jié)果，因此，對圖像進行小波分解時，小波基的選擇非常重要。
[0060] 對霧天退化的圖像進行去霧處理時，主要應(yīng)考慮緊支性、對稱性和正交性3種特 性。緊支性決定了小波的時頻局部化特征，緊支寬度越窄，小波局部特性越好。小波的對稱 性與緊支撐小波的線性相位特性等價，對稱小波不會造成圖像邊界數(shù)據(jù)的失真。正交性反 映