專利名稱:圖像除霧方法和相應(yīng)的圖像除霧裝置的制作方法
技術(shù)領(lǐng)域:
本發(fā)明涉及一種圖像除霧方法,其基于大氣模型理論和暗通道假設(shè)去除單幅輸入圖像中的霧、霾或煙,以提高圖像中景物的可識(shí)別度。本法明還涉及一種相應(yīng)的圖像除霧裝置。
背景技術(shù):
大氣因素劣化圖像的可視度增強(qiáng)是圖像處理的重要領(lǐng)域。以上大氣因素包括霧,霾(可以理解為較淡的霧)和煙塵(例如沙塵暴、不充分燃燒的汽車尾氣和化學(xué)燃燒反應(yīng)產(chǎn)生的煙霧)。它們有共同的特性由液態(tài)或固態(tài)的懸浮顆粒組成,在空氣中至少在一定范圍內(nèi)均勻分布,并且對(duì)光線傳播形成復(fù)雜的影響,例如阻擋、散射和反射。在下文中將以上大氣因素統(tǒng)稱為霧。在霧天情況下,目標(biāo)物體的對(duì)比度、亮度和顏色都可能發(fā)生畸變,使場(chǎng)景的可識(shí)別度下降,從而觀測(cè)者更不容易從圖像中識(shí)別出希望看到的目標(biāo)物體和確定目標(biāo)物體的邊界和顏色。對(duì)圖像進(jìn)行除霧可以改善圖像的視覺效果,該技術(shù)的典型應(yīng)用場(chǎng)合包括室外視頻監(jiān)控,車載輔助、自動(dòng)駕駛的圖像采集,高空拍攝遙感監(jiān)測(cè),等等。在這些應(yīng)用場(chǎng)合中,攝取的圖像信息并沒有增加,但觀測(cè)者希望能夠借助圖像處理更容易地識(shí)別目標(biāo)物體。即使霧在空氣中是均勻分布的(霧密度均勻),圖像中不同位置上的霧濃度也是變化的。這源于景物距離拍攝鏡頭的距離的變化。距離鏡頭越遠(yuǎn)的場(chǎng)景上霧的濃度也越大。目前,圖像除霧技術(shù)主要分為兩類直方圖均衡方法和基于大氣模型的方法。直方圖均衡方法把整幅圖像中的霧濃度視作均一的,通過增強(qiáng)對(duì)比度和飽和度提高視覺效果。缺點(diǎn)在于不能應(yīng)對(duì)同一幅圖像中不同位置上霧濃度的不同。該方法的改進(jìn)算法通過縮小應(yīng)用直方圖均衡的區(qū)域面積來提高適應(yīng)霧濃度變化的程度,但這樣的改進(jìn)算法的運(yùn)算量巨大且具有塊效應(yīng)等副作用?;诖髿饽P偷姆椒ㄊ紫葮?gòu)建由霧產(chǎn)生的圖像蛻化模型,所述圖像蛻化模型用數(shù)學(xué)公式描述了霧作用于原本沒有霧的圖像產(chǎn)生霧化圖像的過程。把未除霧的原始圖像(即霧化圖像)作為已知量,帶入蛻化模型公式,解出除霧后的圖像的最佳估計(jì)值,以下也稱作除霧圖像。所謂“大氣模型”描述了當(dāng)大氣中具有懸浮顆粒時(shí),攝像機(jī)拍攝到圖像或人眼觀察到物體的光學(xué)原理。大氣模型可以用下式(I)來表示,其作用于圖像的RGB三個(gè)顏色通道。I(X) = J(X)t(X)+A(l-t(X)) (I)其中,I⑴表示攝像機(jī)拍攝到的帶霧圖像或者人眼觀察到的帶霧圖像(即霧化圖像),為輸入圖像。X = (X,y)表示圖像像素坐標(biāo)。J(X)為物體反射光,表示沒有霧的圖像,是去霧處理的結(jié)果圖像(即除霧圖像)。A表示大氣光值,是對(duì)圖像中霧最濃的一點(diǎn)的霧的估計(jì)值。該值決定了圖像中霧濃度的范圍,它的準(zhǔn)確與否直接影響整幅圖像中每個(gè)像素上除霧的效果。最濃的霧點(diǎn)在大多數(shù)情況下位于圖像中的地平線以上,十分靠近地平線的位置,或者仰角不是很大的空中。如果圖像不包含以上這些部分,不同的算法仍然需要利用圖像中已有的信息來估計(jì)大氣光值。通常次優(yōu)地將圖像中霧濃度最大的點(diǎn)視為天空點(diǎn),同一幅圖像的所有像素共用一個(gè)大氣光值。t(X)定義了空氣介質(zhì)的傳輸函數(shù),描述了物體反射光經(jīng)過空中懸浮顆粒的散射以后殘留下來而達(dá)攝像機(jī)的比例,表示有多少物體反射光經(jīng)過大氣衰減后能到達(dá)攝像機(jī)或者人眼,是一個(gè)大于O且小于I的標(biāo)量數(shù)據(jù),圖像中每個(gè)像素具有一個(gè)t (X)。以下,參照
圖1具體說明上述式(I)。圖1為大氣模型公式的示意圖。圖1左側(cè)的圖像為人眼或攝像機(jī)觀察到的圖像I (X)(即霧化圖像)。圖像I (X)由2部分組成,第一部分為物體反射光經(jīng)過空中懸浮顆粒散射后存留下來的部分為J(X) t (X),第二部分為空中懸浮顆粒散射太陽光所造成的大氣環(huán)境光為 A(l-t (X))。式(I)中的定義了空氣介質(zhì)的傳輸函數(shù)的t(X)為被攝體(物體)與攝像機(jī)(人眼)之間的距離的函數(shù),具體表示為下式(2)。t(X) = e_0d(x) (2)其中,d(X)為圖像中一物體點(diǎn)X與攝像機(jī)之間的距離,所以也將t(X)稱作“距離參數(shù)”。β為大氣散射系數(shù),為常數(shù)。從式⑴和式⑵可以看出物體反射光到達(dá)攝像機(jī)的強(qiáng)度J(X)t(X)與物體與攝像機(jī)之間的距離d(x)成反比,距離越遠(yuǎn),則光線衰減越厲害,而大氣環(huán)境光到達(dá)攝像機(jī)的強(qiáng)度A(l-t(x))與距離d(X)成正比,距離越遠(yuǎn),則光線越強(qiáng),所以在無窮遠(yuǎn)處呈現(xiàn)出白色。
基于大氣模型的除霧算法可以簡(jiǎn)單地歸納為在得到單幅霧化圖像I(X)的情況下,求出t(X)和大氣光值A(chǔ),然后通過式(I)得到除霧以后的結(jié)果圖像J(X)(即除霧圖像)?;诖髿饽P偷姆椒ǎ琄aiming He等人在發(fā)表于IEEE CVPR上的論文《SingleImage Haze Removal Using Dark Channel Prior》中提出了暗通道(Dark Channel)假設(shè)。該假設(shè)認(rèn)為在沒有霧的圖像中,一定存在一個(gè)足夠大的區(qū)域,該區(qū)域中的某個(gè)像素點(diǎn)的三個(gè)顏色通道中的至少一個(gè)的值接近于零。該假設(shè)有直觀的物理含義,即圖像中一定存在飽和度較高的帶有顏色的區(qū)域或者非灰色的區(qū)域。一旦被霧化,基于大氣模型的加性假設(shè),圖像中所有像素的所有三個(gè)顏色通道都會(huì)或多或少的疊加上由霧貢獻(xiàn)的分量,暗通道也就不再為零。該假設(shè)在數(shù)千張隨機(jī)選出的圖像中得到很好的驗(yàn)證?;谒霭低ǖ兰僭O(shè),可以估計(jì)出大氣模型公式的所有參數(shù),從而解出除霧圖像。但是,暗通道假設(shè)對(duì)于霧作用于無霧圖像的方式是有限制的,即應(yīng)用暗通道假設(shè)的除霧方法都認(rèn)為霧在三個(gè)顏色通道上疊加的值是相等的,也就是說霧是灰色的(白色和黑色是灰色的兩個(gè)極端值)。這就導(dǎo)致基于暗通道假設(shè)的除霧方法對(duì)于非灰色的霧,比如黃褐色的沙塵暴等的除霧效果因估計(jì)蛻化模型中的參數(shù)錯(cuò)誤而降低。
發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種圖像的除霧方法和一種相應(yīng)的除霧裝置,其基于大氣模型,通過改進(jìn)的暗通道假設(shè)算法正確地計(jì)算大氣模型參數(shù),從而不僅適用于由灰色霧霧化的圖像的除霧處理,而且尤其適用于由非灰色霧霧化的圖像的除霧處理。根據(jù)本發(fā)明的圖像除霧方法或圖像除霧裝置顯著地提高了由不同性質(zhì)、尤其是不同顏色的霧霧化的圖像的去霧效果。為了實(shí)現(xiàn)這個(gè)目的,本發(fā)明提供了一種圖像除霧方法,所述圖像除霧方法包括以下步驟a)讀取圖像;b)利用標(biāo)準(zhǔn)的暗通道假設(shè)算法求取所述圖像的大氣光值估計(jì)值作為第一大氣光值估計(jì)值;c)循環(huán)地求取所述圖像的大氣光值最佳估計(jì)值,其中,在每次循環(huán)中,利用改進(jìn)的暗通道假設(shè)算法求取所述圖像的大氣光值估計(jì)值作為第二大氣光值估計(jì)值,在所述改進(jìn)的暗通道假設(shè)算法中,使所述圖像中的每個(gè)像素的各顏色通道值除以歸一化參數(shù),由此得到經(jīng)歸一化的圖像,借助所述標(biāo)準(zhǔn)的暗通道假設(shè)算法求取所述經(jīng)歸一化的圖像的每個(gè)像素的暗通道,所述圖像的每個(gè)像素的改進(jìn)的暗通道值是所述圖像的與所述經(jīng)歸一化的圖像中相應(yīng)像素的暗通道相對(duì)應(yīng)的通道的值,所述圖像的所有像素的改進(jìn)的暗通道值構(gòu)成改進(jìn)的暗通道圖像,基于所述改進(jìn)的暗通道圖像求取所述第二大氣光值估計(jì)值, d)基于所述大氣光值最佳估計(jì)值計(jì)算除霧圖像。在本發(fā)明的一個(gè)優(yōu)選實(shí)施方式中,在所述步驟c)中,在第一次循環(huán)中,將所述第一大氣光值估計(jì)值作為所述歸一化參數(shù),在第一次循環(huán)后的每次循環(huán)中,將在前一次循環(huán)中求取的第二大氣光值估計(jì)值作為所述歸一化參數(shù)。 在本發(fā)明的一個(gè)優(yōu)選實(shí)施方式中,在所述步驟c)中,在第一次循環(huán)中,判斷所述第一大氣光值估計(jì)值和在第一次循環(huán)中求取的第二大氣光值估計(jì)值的差值是否大于一個(gè)預(yù)給定的閾值,在第一次循環(huán)后的每次循環(huán)中,判斷在前一次循環(huán)中求取的第二大氣光值估計(jì)值和在當(dāng)前循環(huán)中求取的第二大氣光值估計(jì)值的差值是否大于所述預(yù)給定的閾值,其中,如果所述差值不大于所述預(yù)給定的閾值,則輸出當(dāng)前循環(huán)中求取的第二大氣光值估計(jì)值作為所述大氣光值最佳估計(jì)值,如果所述差值大于所述預(yù)給定的閾值,則實(shí)施下一次循環(huán)。在本發(fā)明的一個(gè)優(yōu)選實(shí)施方式中,所述循環(huán)的終止條件還包括已經(jīng)執(zhí)行的循環(huán)次數(shù)達(dá)到一個(gè)預(yù)設(shè)值,所述預(yù)設(shè)值優(yōu)選是5、更優(yōu)選是3。在本發(fā)明的一個(gè)優(yōu)選實(shí)施方式中,在所述標(biāo)準(zhǔn)的暗通道假設(shè)算法中借助下式(3)求取所述圖像的每個(gè)像素的暗通道值
權(quán)利要求
1.一種圖像除霧方法,所述圖像除霧方法包括以下步驟 a)讀取圖像; b)利用標(biāo)準(zhǔn)的暗通道假設(shè)算法求取所述圖像的大氣光值估計(jì)值作為第一大氣光值估計(jì)值; c)循環(huán)地求取所述圖像的大氣光值最佳估計(jì)值, 其中,在每次循環(huán)中,利用改進(jìn)的暗通道假設(shè)算法求取所述圖像的大氣光值估計(jì)值作為第二大氣光值估計(jì)值,在所述改進(jìn)的暗通道假設(shè)算法中,使所述圖像中的每個(gè)像素的各顏色通道值除以歸一化參數(shù),由此得到經(jīng)歸一化的圖像,借助所述標(biāo)準(zhǔn)的暗通道假設(shè)算法求取所述經(jīng)歸一化的圖像的每個(gè)像素的暗通道,所述圖像的每個(gè)像素的改進(jìn)的暗通道值是所述圖像的與所述經(jīng)歸一化的圖像中相應(yīng)像素的暗通道相對(duì)應(yīng)的通道的值,所述圖像的所有像素的改進(jìn)的暗通道值構(gòu)成改進(jìn)的暗通道圖像,基于所述改進(jìn)的暗通道圖像求取所述第二大氣光值估計(jì)值, d)基于所述大氣光值最佳估計(jì)值計(jì)算除霧圖像。
2.如權(quán)利要求1記載的圖像除霧方法,其特征在于, 在所述步驟c)中,在第一次循環(huán)中,將所述第一大氣光值估計(jì)值作為所述歸一化參數(shù),在第一次循環(huán)后的每次循環(huán)中,將在前一次循環(huán)中求取的第二大氣光值估計(jì)值作為所述歸一化參數(shù)。
3.如權(quán)利要求1或2記載的圖像除霧方法,其特征在于, 在所述步驟c)中,在第一次循環(huán)中,判斷所述第一大氣光值估計(jì)值和在第一次循環(huán)中求取的第二大氣光值估計(jì)值的差值是否大于一個(gè)預(yù)給定的閾值,在第一次循環(huán)后的每次循環(huán)中,判斷在前一次循環(huán)中求取的第二大氣光值估計(jì)值和在當(dāng)前循環(huán)中求取的第二大氣光值估計(jì)值的差值是否大于所述預(yù)給定的閾值, 其中,如果所述差值不大于所述預(yù)給定的閾值,則輸出當(dāng)前循環(huán)中求取的第二大氣光值估計(jì)值作為所述大氣光值最佳估計(jì)值,如果所述差值大于所述預(yù)給定的閾值,則實(shí)施下一次循環(huán)。
4.如權(quán)利要求1至3中任一項(xiàng)記載的圖像除霧方法,其特征在于, 所述循環(huán)的終止條件還包括已經(jīng)執(zhí)行的循環(huán)次數(shù)達(dá)到一個(gè)預(yù)設(shè)值。
5.如權(quán)利要求4記載的圖像除霧方法,其特征在于, 所述預(yù)設(shè)值是5。
6.如權(quán)利要求1至5中任一項(xiàng)記載的圖像除霧方法,其特征在于, 所述第一大氣光值估計(jì)值和在第一次循環(huán)中求取的第二大氣光值估計(jì)值的差值以及在前一次循環(huán)中求取的第二大氣光值估計(jì)值與在當(dāng)前循環(huán)中求取的第二大氣光值估計(jì)值的差值定義為兩個(gè)大氣光值的對(duì)應(yīng)顏色通道值之差的和。
7.如權(quán)利要求1至5中任一項(xiàng)記載的圖像除霧方法,其特征在于, 所述第一大氣光值估計(jì)值和在第一次循環(huán)中求取的第二大氣光值估計(jì)值的差值以及在前一次循環(huán)中求取的第二大氣光值估計(jì)值與在當(dāng)前循環(huán)中求取的第二大氣光值估計(jì)值的差值定義為兩個(gè)大氣光值在紅、綠、藍(lán)三維空間中的歐幾里得距離。
8.一種圖像除霧裝置,所述圖像除霧裝置用于實(shí)施權(quán)利要求1至6中任一項(xiàng)所述的圖像去霧方法,所述圖像去霧裝置包括第一大氣光值估計(jì)單元,用于利用標(biāo)準(zhǔn)的暗通道假設(shè)算法求取所述圖像的大氣光值估計(jì)值作為第一大氣光值估計(jì)值; 第二大氣光值估計(jì)單元,用于循環(huán)地求取所述圖像的大氣光值最佳估計(jì)值,其中,在每次循環(huán)中,利用改進(jìn)的暗通道假設(shè)算法求取所述圖像的大氣光值估計(jì)值作為第二大氣光值估計(jì)值,在所述改進(jìn)的暗通道假設(shè)算法中,使所述圖像中的每個(gè)像素的各顏色通道值除以歸一化參數(shù),由此得到經(jīng)歸一化的圖像,借助所述標(biāo)準(zhǔn)的暗通道假設(shè)算法求取所述經(jīng)歸一化的圖像的每個(gè)像素的暗通道,所述圖像的每個(gè)像素的改進(jìn)的暗通道值是所述圖像的與所述經(jīng)歸一化的圖像中相應(yīng)像素的暗通道相對(duì)應(yīng)的通道的值,所述圖像的所有像素的改進(jìn)的暗通道值構(gòu)成改進(jìn)的暗通道圖像,基于所述改進(jìn)的暗通道圖像求取所述第二大氣光值估計(jì)值,其中,在第一次循環(huán)中,將所述第一大氣光值估計(jì)值作為所述歸一化參數(shù),在第一次循環(huán)后的每次循環(huán)中,將在前一次循環(huán)中求取的第二大氣光值估計(jì)值作為所述歸一化參數(shù);比較單元,用于在第一次循環(huán)中判斷所述第一大氣光值估計(jì)值和在第一次循環(huán)中求取的第二大氣光值估計(jì)值的差值是否大于一個(gè)預(yù)給定的閾值,以及在第一次循環(huán)后的每次循環(huán)中判斷在前一次循環(huán)中求取的第二大氣光值估計(jì)值和在當(dāng)前循環(huán)中求取的第二大氣光值估計(jì)值的差值是否大于所述預(yù)給定的閾值,其中,如果所述差值不大于所述預(yù)給定的閾值,則輸出當(dāng)前循環(huán)中求取的第二大氣光值估計(jì)值作為所述大氣光值最佳估計(jì)值,如果所述差值大于所述預(yù)給定的閾值,則促使所述第二大氣光值估計(jì)單元實(shí)施下一次循環(huán); 霧去除單元,用于基于所述大氣光值最佳估計(jì)值計(jì)算除霧圖像。
9.如權(quán)利要求8記載的圖像除霧裝置,其特征在于, 所述圖像去霧裝置還包括存儲(chǔ)單元,其用于存儲(chǔ)所述第一大氣光值估計(jì)值以及所述第二大氣光值估計(jì)值。
全文摘要
本發(fā)明涉及圖像除霧方法,包括讀取圖像;利用標(biāo)準(zhǔn)的暗通道假設(shè)算法求取圖像的大氣光值估計(jì)值作為第一大氣光值估計(jì)值;和循環(huán)地求取圖像的大氣光值最佳估計(jì)值,在每次循環(huán)中,利用改進(jìn)的暗通道假設(shè)算法求取圖像的大氣光值估計(jì)值作為第二大氣光值估計(jì)值,如果第一大氣光值估計(jì)值和在第一次循環(huán)中求取的第二大氣光值估計(jì)值的差值或在前一次循環(huán)中求取的第二大氣光值估計(jì)值和在當(dāng)前循環(huán)中求取的第二大氣光值估計(jì)值的差值不大于預(yù)給定的閾值,則輸出當(dāng)前循環(huán)中求取的第二大氣光值估計(jì)值作為大氣光值最佳估計(jì)值,如果所述差值大于預(yù)給定的閾值,則實(shí)施下一次循環(huán);d)基于大氣光值最佳估計(jì)值計(jì)算除霧圖像。本發(fā)明還涉及一種相應(yīng)的圖像除霧裝置。
文檔編號(hào)G06T5/00GK103034977SQ20111030112
公開日2013年4月10日 申請(qǐng)日期2011年9月30日 優(yōu)先權(quán)日2011年9月30日
發(fā)明者呂越峰, 三好雅則, 伊藤誠也, 李媛 申請(qǐng)人:株式會(huì)社日立制作所