收模塊110、局部光檢測模塊120、適應(yīng)性參數(shù)產(chǎn)生模 塊130、圖像修復(fù)模塊140以及圖像輸出模塊150。這些模塊可加載至處理單元20以對數(shù) 字圖像進(jìn)行能見度修復(fù)的處理。
[0117] 處理單元20可以例如是中央處理單元（CentralProcessingUnit，簡稱 CPU)，或是其它可程序化的一般用途或特殊用途的微處理器（Microprocessor)、數(shù)字 信號處理器（DigitalSignalProcessor，簡稱DSP)、可程序化控制器、特殊應(yīng)用集成 電路（ApplicationSpecificIntegratedCircuits，簡稱ASIC)、可程序化邏輯裝置 (ProgrammableLogicDevice，簡稱PLD)或其它類似裝置或這些裝置的組合。處理單元20 可存取以及執(zhí)行記錄在儲(chǔ)存單元10的模塊以執(zhí)行圖像的能見度修復(fù)。
[0118] 圖2示出本發(fā)明一實(shí)施例的基于雙暗通道先驗(yàn)的圖像能見度修復(fù)方法的流程圖。 本實(shí)施例所提出的方法是基于費(fèi)雪線性判別的雙暗通道先驗(yàn)的架構(gòu)，其可解決局部光源以 及色偏等相關(guān)問題，從而達(dá)到有效的圖像的能見度修復(fù)。本實(shí)施例所提出的方法可由圖1 的圖像處理裝置1〇〇來執(zhí)行。
[0119]請同時(shí)參照圖1以及圖2,圖像接收模塊110可執(zhí)行步驟S202,接收對應(yīng)于多個(gè) 圖像尺寸以及多個(gè)類別的多個(gè)訓(xùn)練圖像，其中各所述類別對應(yīng)于一局部光源。接著，局部 光檢測測模塊120執(zhí)行步驟S204,根據(jù)所述訓(xùn)練圖像，利用費(fèi)雪線性判別模型（Fisher's LinearDiscriminantmodel，簡稱FLD模型），產(chǎn)生多個(gè)判別模式（discriminant pattern)。換言之，為了檢測出霧氣圖像中的局部光源，在訓(xùn)練階段中可通過FLD技術(shù)，利 用最佳投影向量（optimumprojectionvector)來產(chǎn)生較低維度的判別模式。圖像接收模 塊110可先接收不同尺寸、不同種類以及不同局部光源的訓(xùn)練圖像。在本實(shí)施例中，訓(xùn)練圖 像是尺寸分別為15X15、33X33以及51X51且具有光圖案的圖像，而局部光源可以是車頭 燈或是街燈。在此具有不同圖像尺寸的訓(xùn)練集合中，第k個(gè)圖像X屬于第i個(gè)類別。最佳 投影向量可通過最大化類別間散布矩陣（between-classscattermatrix)與類別內(nèi)散布 矩陣（within-classscattermatrix)之間的比值而取得。
[0120] 詳言之，局部光檢測模塊120可先計(jì)算對應(yīng)于所述訓(xùn)練圖像的各所述圖像尺寸的 類別間散布矩陣以及類別內(nèi)散布矩陣，再將對應(yīng)的類別間散布矩陣與對應(yīng)的類別內(nèi)散布矩 陣之間的比值最大化，以計(jì)算對應(yīng)于所述訓(xùn)練圖像的各所述圖像尺寸的最佳投影向量。局 部光檢測模塊120即可根據(jù)對應(yīng)的最佳投影向量以及對應(yīng)的訓(xùn)練圖像，取得各所述判別模 式。
[0121] 在一實(shí)施例中，局部光檢測模塊120可根據(jù)方程式（1)~方程式（4)產(chǎn)生判別模 式：
[0122:
[0123:
[0124] 其中，為對應(yīng)于圖像尺寸f的類別間散布矩陣，海為對應(yīng)于圖像尺寸f的類別 內(nèi)散布矩陣，u為所述類別中的平均訓(xùn)練圖像，Ul為第i個(gè)類別中的平均訓(xùn)練圖像，ni為屬 于第i個(gè)類別中的訓(xùn)練圖像的數(shù)量，xk為第i個(gè)類別中的第k個(gè)訓(xùn)練圖像，Η為所述類別的 數(shù)量并且為正整數(shù)，
[0125]
[0126] 其中W。#為對應(yīng)于圖像尺寸f的最佳投影向量，[wdw2,…，wj為巧與的一組 廣義特征向量，r為較低維度經(jīng)驗(yàn)值，其中r為正整數(shù)并且KH，
[0127] Zl 方程式⑷。
[0128] 其中Z/為圖像尺寸f的第k個(gè)訓(xùn)練圖像所對應(yīng)的判別模式。
[0129] 以現(xiàn)有的暗通道先驗(yàn)法而言，局部光源會(huì)使得修復(fù)圖像產(chǎn)生色彩的過飽和 (over-saturated)效應(yīng)，這是由于此現(xiàn)有方法容易將局部光源誤判為大氣光。為了加速檢 測圖像中的局部光源，可采用概率質(zhì)量函數(shù)值（probabilitymassfunctionevaluation， 簡稱pmf值）來濾除非局部光區(qū)域。也就是說，局部光檢測模塊120執(zhí)行步驟S206,將接收 包括多個(gè)輸入像素的輸入霧氣圖像，并且根據(jù)各所述輸入像素的像素值，判斷各所述輸入 像素屬于局部光區(qū)域或是非局部光區(qū)域。在本實(shí)施例中，輸入霧氣圖像是建立在RGB色域 中，其包括紅（red，簡稱R)、綠（green，簡稱G)以及藍(lán)（blue，簡稱B)三個(gè)色彩通道。
[0130] 一般而言，大氣光的誤判是基于兩種現(xiàn)象：1)霧氣圖像中的局部光源的亮度高過 大氣光的亮度；2)戶外圖像中的天空區(qū)域存在大量的亮像素。舉例而言，圖3示出本發(fā)明一 實(shí)施例的不同的輸入霧氣圖像的概率值變化的示意圖。圖3中，不同的輸入霧氣圖像31~ 33的pmf圖310~330,其中pmf圖310~330分別代表輸入霧氣圖像31~33的概率值 變化與像素值的關(guān)系。pmf圖310~330中的312、322、332代表天空區(qū)域，并且314、324、 334代表局部光源。根據(jù)觀察，代表非局部光源所對應(yīng)的像素值將會(huì)局限于pmf圖中最高概 率值的左側(cè)。
[0131] 基此，局部光檢測模塊120可先計(jì)算各所述輸入像素在指定色彩通道的像素值所 出現(xiàn)的概率，以取得對應(yīng)于各所述像素值的pmf值，其中指定色彩通道為上述三個(gè)色彩通 道之一。在本實(shí)施例中，指定色彩通道可以例如為綠色通道。接著，局部光檢測模塊120將 判斷所述pmf值中的最大概率值，并且設(shè)定對應(yīng)于最大概率值的像素值為二值化屏蔽門濫 值。之后，局部光檢測模塊120又判斷各所述輸入像素在指定色彩通道的像素值是否大于 二值化屏蔽門檻值：若是，將對應(yīng)的輸入像素屬確定為屬于局部光區(qū)域；若否，將對應(yīng)的輸 入像素確定為屬于非局部光區(qū)域。
[0132] 在一實(shí)施例中，局部光檢測模塊120可根據(jù)方程式（5)以及方程式（6)來區(qū)分各 所述輸入像素屬于局部光區(qū)域或是非局部光區(qū)域：
[0133]
[0134] 其中，PMF(Ie)為輸入霧氣圖像在指定色彩通道c中對應(yīng)于像素值I的pmf值，麗 為所述輸入像素的數(shù)量。
[0135]
[0136] 其中，B(x，y)為位于（X，y)的輸入像素的二值化屏蔽，δ為二值化屏蔽門檻值，并 且。'也就是說，若二值化屏蔽B(x，y)屬于局部光區(qū)域，其將會(huì)被標(biāo)示為 " 1" ;若二值化屏蔽B(X，y)屬于非局部光區(qū)域，其將會(huì)被標(biāo)示為"0"。
[0137] 在濾除輸入霧氣圖像中的非局部光區(qū)域后，可通過FLD技術(shù)來精確地檢測局部光 源。換言之，局部光源的檢測可通過較低維度的判別模式來檢測輸入霧氣圖像中具有較高 概率包含局部光源的區(qū)域。在通過FLD技術(shù)檢測局部光源的大小后，可判斷區(qū)塊尺寸，并且 可在后續(xù)的步驟中隱藏局部光源，以避免修復(fù)影出現(xiàn)色彩的過飽和現(xiàn)象。
[0138] 因此，局部光檢測模塊120可執(zhí)行步驟S208,將根據(jù)關(guān)聯(lián)于所述圖像尺寸的每一 區(qū)塊尺寸，分割局部光區(qū)域?yàn)槎鄠€(gè)區(qū)塊，執(zhí)行步驟S210,根據(jù)對應(yīng)于各所述區(qū)塊尺寸的費(fèi)雪 線性判別模型，判斷各所述區(qū)塊是否屬于局部光區(qū)塊，據(jù)以自所述區(qū)塊尺寸中判定指定區(qū) 塊尺寸。詳言之，為了檢測出輸入霧氣圖像中的局部光源，在局部光區(qū)域以關(guān)聯(lián)于訓(xùn)練圖像 中的其中一個(gè)圖像尺寸的特定區(qū)塊尺寸（例如是15X15)被分割為多個(gè)區(qū)塊后，局部光檢 測模塊120可先計(jì)算各所述區(qū)塊的投影。接著，局部光偵測模塊120可判斷各所述投影與 對應(yīng)的最佳投影向量之間的相似度是否超過經(jīng)驗(yàn)門檻值；若是，將對應(yīng)的區(qū)塊確定為不屬 于局部光區(qū)塊；若否，將對應(yīng)的區(qū)塊確定為屬于局部光區(qū)塊。類似地，局部光檢測模塊120 將針對關(guān)聯(lián)于例如是33X33或是51X51等其它區(qū)塊尺寸執(zhí)行相同的程序。接著，局部光 檢測模塊120可分別累計(jì)各個(gè)區(qū)塊尺寸中屬于局部光區(qū)塊的區(qū)塊數(shù)量，并且將所述局部光 區(qū)塊中具有最多區(qū)塊數(shù)量的區(qū)塊尺寸設(shè)定為指定區(qū)塊尺寸。
[0139] 在一實(shí)施例中，局部光檢測模塊120可根據(jù)方程式（7)以及方程式（8)判斷各所 述區(qū)塊是否屬于局部光區(qū)塊：
[0140]
[0141] 其中，紀(jì)為輸入霧氣圖像中區(qū)塊尺寸為f的第k個(gè)區(qū)塊的投影，Ik為輸入霧氣圖 像的第k個(gè)區(qū)塊，
[0142]
[0143] 其中△為經(jīng)驗(yàn)門檻值。也就是說，若區(qū)塊Ik不屬于局部光區(qū)塊，其將被標(biāo)示為 "classl" ;若區(qū)塊IJ1于局部光區(qū)塊，其將被標(biāo)示為"class2"。
[0144] 在此將步驟S206、S208以及S210定義為輸入霧氣圖像的"局部光檢測階段"。在 完成局部光檢測階段后，為了避免圖像產(chǎn)生色偏，適應(yīng)性參數(shù)產(chǎn)生模塊130執(zhí)行步驟S212， 根據(jù)所述輸入像素在每一色彩通道的像素值，判定對應(yīng)于每一色彩通道的一組適應(yīng)性色彩 參數(shù)。在此定義步驟S212為"適應(yīng)性參數(shù)產(chǎn)生階段"。產(chǎn)生適應(yīng)性色彩參數(shù)的方式是結(jié)合 灰色世界假設(shè)（grayworldassumption)與仿視覺理論（Retinextheory)的混合頻譜分 析技術(shù)。
[0145] 根據(jù)觀察，當(dāng)圖像具有足夠的色彩變化時(shí)，灰色世界假設(shè)認(rèn)為該圖像的各色彩通 道的平均像素值將偏向于一個(gè)共同灰度值。此外，相較于紅色通道以及藍(lán)色通道，綠色通道 的平均像素值更接近上述共同灰度值，因此綠色通道的像素值將維持不變，而紅色通道以 及藍(lán)色通道的像素值可利用灰色世界假設(shè)的適應(yīng)性色彩參數(shù)，經(jīng)由VonKries轉(zhuǎn)換來進(jìn)行 調(diào)整，其中灰色世界假設(shè)中的適應(yīng)性色彩參數(shù)可以下述公式來取得：
[0146]
[0147]
[0148] 其中，α以及β為在RGB色彩空間中修改圖像的紅色通道以及藍(lán)色通道的增益 系數(shù)，而Γ(χ，y)、Ig(x，y)以及Ib(x，y)分別為圖像I中位于（X，y)在紅色通道、綠色通道 以及藍(lán)色通道的像素值。
[0149] 再者，根據(jù)精神視覺（ps