專利名稱：：基于小波照度估計(jì)的霧天圖像清晰化方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及圖像清晰化方法，更具體地說是一種基于小波照度估計(jì)的霧天圖像清晰化方法。
背景技術(shù)：
：在霧天條件下，戶外景物圖像的對(duì)比度和顏色都會(huì)被改變或退化，圖像中所蘊(yùn)含的許多特征都會(huì)被覆蓋或模糊。這對(duì)戶外視頻監(jiān)控系統(tǒng)帶來了很大的干擾。為保證戶外視頻監(jiān)控系統(tǒng)能夠在霧天下IH常工作，必須借助計(jì)算機(jī)信息處理方法對(duì)霧天圖像進(jìn)行清晰化處理。針對(duì)霧天圖像的清晰化已有主要為兩種方法，一種是基于大氣物理模型的圖像復(fù)原方法，另一種是圖像增強(qiáng)方法。目前，國(guó)內(nèi)外關(guān)于霧天圖像清晰化的研究主要集中在基于大氣物理模型的圖像復(fù)原方法上。該類方法需要建立和求解較為復(fù)雜微分方程，算法計(jì)算量很大，一般無法用于實(shí)時(shí)場(chǎng)合，實(shí)用價(jià)值較低。圖像增強(qiáng)是指按實(shí)際的需要突出圖像中感興趣的信息，去除或抑制不需要的信息，以改善圖像的視覺效果。目前關(guān)于圖像增強(qiáng)的研究主要是針對(duì)低照度圖像、醫(yī)學(xué)圖像和高動(dòng)態(tài)范圍圖像；針對(duì)霧天圖像的圖像增強(qiáng)方法主要采用直方圖均衡化方法和Retinex方法。這兩種方法都有一定的局限性。霧天獲取的景物圖像在視覺感受上不清晰，反映在數(shù)據(jù)上就是原本較低的灰度值被加強(qiáng)、原本較高的灰度值被削弱，導(dǎo)致象素點(diǎn)灰度值的分布過于集中，使得對(duì)比度發(fā)生退化。圖像退化的程度跟場(chǎng)景的深度成非線性關(guān)系，圖像中不同區(qū)域有著不同的退化程度。景深越深的圖像區(qū)域，其退化就越嚴(yán)重。直方圖均衡化圖像增強(qiáng)方法一般對(duì)整幅圖像進(jìn)行增強(qiáng)，沒有考慮到針對(duì)圖像不同的景深區(qū)域采用不同的增強(qiáng)策略，因此不能直接用于對(duì)霧天圖像的增強(qiáng)。局部的直方圖均衡化方法，即AHE方法，雖然可以解決不同景深問題，但是該方法計(jì)算量非常大，不實(shí)用。AHE的改進(jìn)算法，如POSHE算法、插值直方圖均衡化方法等雖然在一定程度上減少了計(jì)算量，但降低了清晰化的效果一般會(huì)出現(xiàn)棋盤效應(yīng)。Retinex方法是根據(jù)圖像的構(gòu)成模型所提出的圖像增強(qiáng)方法。局部Retinex算法(SSR方法、MSR方法及MSRCR方法)雖然能在一定程度上解決不同景深問題，但是該方法對(duì)霧天圖像的清晰化效果一般不理想，例如會(huì)存在光暈偽影現(xiàn)象等，而且對(duì)不同的圖像采用不同的參數(shù)值，需要通過手工對(duì)這些參數(shù)值進(jìn)行調(diào)節(jié)。因此，該方法僅適合于某些特定的圖像，難以推廣到一般情形。
發(fā)明內(nèi)容4本發(fā)明是為避免上述現(xiàn)有技術(shù)所存在的不足之處，提供一種運(yùn)行速度快，不僅能解決多景深問題，而且不需要手工調(diào)節(jié)參數(shù)，具有很好的通用性的基于小波照度估計(jì)的霧天圖像清晰化方法。本發(fā)明解決技術(shù)問題采用如下技術(shù)方案本發(fā)明基于小波照度估計(jì)的霧天圖像清晰化方法的特點(diǎn)是在對(duì)數(shù)域把輸入的模糊霧天圖像看成反射圖像分量和照度圖像分量之和，其中反射圖像分量對(duì)應(yīng)于圖像中清晰的場(chǎng)景，照度圖像分量對(duì)應(yīng)于引起清晰圖像模糊的因素，并使用小，波分析方法計(jì)算出照度圖像分量，再?gòu)妮斎氲哪：F天圖像中減去在對(duì)數(shù)域中的照度分量，獲取反射圖像分量，實(shí)現(xiàn)對(duì)霧天圖像的清晰化效果的增強(qiáng)。本發(fā)明方法的特點(diǎn)也在于所述使用小波分析方法計(jì)算出照度圖像分量是首先選取小波基函數(shù)對(duì)輸入圖像進(jìn)行八級(jí)小波分解，得到一系列小波系數(shù)；其中低頻系數(shù)集中了圖像的能量，反映了圖像的整體輪廓，高頻系數(shù)反映了圖像的細(xì)節(jié)；然后分別采用高斯函數(shù)和類蔓葉曲線調(diào)整低頻系數(shù)和高頻系數(shù)，最后通過小波反變換對(duì)調(diào)整過后的小波系數(shù)，包括低頻系數(shù)和高頻系數(shù)進(jìn)行小波重構(gòu)得到照度圖像分量。本發(fā)明方法按如下過程進(jìn)行.a、使用小波分析方法計(jì)算出照度圖像分量設(shè)/(x，,;^)為輸入圖像，使用(1)式對(duì)其進(jìn)行8級(jí)小波分解w(a,Z^,62)二丄ff/(x"X2),(^~^l，^2_^l)^血2(1)其中a是分解的級(jí)數(shù)，取2、k=l，2，…，8;、，62是位移因子，以4個(gè)象素為步長(zhǎng)進(jìn)行移動(dòng)；y(w,v)是多貝西小波基函數(shù)；根據(jù)a，"，^的不同取值得到一系列的小波系數(shù)w(a,h,Z^)，按小波樹對(duì)其進(jìn)行排列，形成小波系數(shù)序列W,;設(shè)小波系數(shù)的總數(shù)為W，其前iV(l)s個(gè)系數(shù)為低頻系數(shù)，記為4，4其余為高頻系數(shù)，記為化；對(duì)于低頻系數(shù)4，使用高斯函數(shù)對(duì)其進(jìn)行調(diào)整，得到新的低頻系數(shù)^，公式如下S,=一尸1(2)其中w為低頻系數(shù)的個(gè)數(shù)，m=0.00082^,c為亮度調(diào)節(jié)因子，它與原圖像的亮度均值有關(guān)，取c二223，6=6000;對(duì)于高頻系數(shù)",，使用類蔓葉函數(shù)對(duì)其進(jìn)行調(diào)整，得到新的高頻系數(shù)《，公式如下.=0.439ln(l",|+1)(3)新的低頻系數(shù)S,和新的高頻系數(shù)五,組成了調(diào)整后的小波系數(shù)"，使用小波反變換進(jìn)行重構(gòu)，得到照度圖像/0c,，X》其中:C..,=1^(0^,(^2、'2(5)4b、獲取反射圖像使用式(5)獲取反射圖像K^,x》r(x"X2)=1og/(x,X2)—1og/(x,，X2)其中，K^，A)即為清晰圖像。本發(fā)明方法中所述小波基函數(shù)選用多貝西小波、symlet小波或bior小波棊函數(shù)。以上方法針對(duì)灰度圖像。對(duì)于彩色圖像，對(duì)RGB三個(gè)通道分別使用上述方法處理即可。與已有技術(shù)相比，本發(fā)明方法的有益效果體現(xiàn)在本發(fā)明方法運(yùn)行速度快，效果好，不僅能解決多景深問題，而且不需要手工調(diào)節(jié)參數(shù)，'具有很好的通用性。選取一幅1600*1200的霧天圖像進(jìn)行實(shí)驗(yàn)對(duì)比，圖1霧天圖像，圖2經(jīng)本發(fā)明方法處理的效果，圖3是直方圖均衡化方法處理的效果，圖4是Retinex方法處理的效果。從視覺效果上看，本發(fā)明方法對(duì)于圖像的細(xì)節(jié)的增強(qiáng)更加有效，在紋理上和圖像信息的恢復(fù)上也取得了較好的實(shí)驗(yàn)效果，顏色恢復(fù)也比較平滑自然，沒有出現(xiàn)光暈偽影。圖5是小波系數(shù)比較圖，從圖5可以清晰看出通過本發(fā)明方法處理的結(jié)果低頻系數(shù)整體上低于原圖和Retinex方法處理的結(jié)果。從小波系數(shù)均值方差統(tǒng)計(jì)表(表l)中可以看出-本發(fā)明方法的低頻系數(shù)均值最小，說明本發(fā)明方法對(duì)處理霧天圖像泛白發(fā)灰的問題起到很好的效果。本發(fā)明方法的低頻系數(shù)方差高于原圖和Retinex方法。這說明本發(fā)明方法處理后的系數(shù)波動(dòng)性增強(qiáng)，反映在圖像上則表現(xiàn)為圖像的輪廓更加清晰。從小波系數(shù)均值方差統(tǒng)計(jì)表可以明顯看出，本發(fā)明方法處理結(jié)果的高頻系數(shù)的方差明顯大于原圖、直方圖均衡化和Retinex方法處理結(jié)果。這說明本發(fā)明方法處理后的小波系數(shù)的波動(dòng)性明顯增強(qiáng)，反映在圖像上則是圖像細(xì)節(jié)和紋理得到突顯，細(xì)節(jié)被明顯增強(qiáng)。高頻系數(shù)與其他結(jié)果相比變化不大，這也說明，圖像的高頻細(xì)節(jié)系數(shù)對(duì)圖像的整體能量影響并不大。'本發(fā)明方法可以廣泛應(yīng)用在如下場(chǎng)合中1、汽車、船只駕駛員視覺增強(qiáng)在夜晚、濃霧等低能見度天氣條件下，道路場(chǎng)景的可視性較差，駕駛員通過視覺獲得道路環(huán)境信息不足，極易發(fā)生車輛碰撞等惡性交通事故?？梢砸员痉椒樗惴ɑA(chǔ)，設(shè)置一種嵌入式車載視覺增強(qiáng)系統(tǒng)，滿足駕駛員在夜間或霧天實(shí)時(shí)獲取清晰路況信息的需求。系統(tǒng)通過車載前視攝像頭獲取路況視頻，使用高性能車載DSP處理器運(yùn)行上述新算法，對(duì)低照度或霧天視頻做實(shí)時(shí)清晰化處理，并將處理后的清晰路況視頻實(shí)時(shí)顯示在車載顯示屏上供駕駛員參考，預(yù)防交通事故。車輛的剎車距離與車輛行駛速度有關(guān)，速度越快，剎車距離越遠(yuǎn)。在霧天，高速公路'上經(jīng)常發(fā)生多車連環(huán)相撞的交通事故，其主要原因是由于霧天導(dǎo)致能見度降低，駕駛員在高速行駛中發(fā)現(xiàn)前方有車輛或障礙物時(shí)再采取剎車、避讓措施時(shí)，為時(shí)已晚。該系統(tǒng)能有效提高駕駛員的視覺距離，駕駛員可以提前采取剎車、避讓等措施，從而避免撞車事故的發(fā)生。另外，江、河、湖、海等是易發(fā)大霧的區(qū)域，經(jīng)常發(fā)生由于大霧造成船只碰撞事故，本發(fā)明方法同樣可用于船只駕駛員的視覺增強(qiáng)，避免撞船、撞橋等事故發(fā)生。2、安防視頻監(jiān)控在霧天條件下，景物圖像的對(duì)比度和顏色都會(huì)被改變或退化，視頻圖像中所蘊(yùn)含的許多特征都會(huì)被覆蓋或模糊，這些顯然降低了視頻監(jiān)控系統(tǒng)的作用。目前廣泛使用的視頻監(jiān).控?cái)z像機(jī)基本不具備視頻增強(qiáng)功能?？梢詫⒈景l(fā)明方法應(yīng)用到攝像機(jī)內(nèi)部，生產(chǎn)具有視頻增強(qiáng)功能的攝像機(jī)；也可以將本發(fā)明方法應(yīng)用到圖像解碼程序中，在接收端對(duì)視頻圖像進(jìn)行增強(qiáng)處理，提高圖像的視覺效果。7<table>tableseeoriginaldocumentpage8</column></row><table>圖1為實(shí)施例1的彩色霧天圖象；圖2為經(jīng)本發(fā)明方法處理的效果；圖3為直方圖均衡化方法處理的效果；圖4為Retinex方法處理的效果；圖5是小波系數(shù)比較圖6為霧天彩色圖像圖1的R通道圖像分量數(shù)據(jù)，用灰度圖像表示;圖7為小波系數(shù)的分布(前300位系數(shù))；圖8為調(diào)整后小波系數(shù)分布(前300位系數(shù))；圖9為小波重構(gòu)的照度圖像；圖10為R分量增強(qiáng)圖像；圖11為實(shí)施例2的彩色霧天圖象；圖12為彩色霧天圖像圖11的R通道圖像分量數(shù)據(jù)；圖13為小波系數(shù)分布(前300位系數(shù))；圖14為調(diào)整后小波系數(shù)分布(前300位系數(shù))；圖15為本發(fā)明方法中使用小波重構(gòu)得到的照度圖像；圖16為R分量增強(qiáng)圖像；圖17為本發(fā)明方法增強(qiáng)后的彩色圖像；以下通過具體實(shí)施方式對(duì)本發(fā)明作進(jìn)一步說明。具體實(shí)施方式本實(shí)施例是針對(duì)灰度圖像，按如下兩個(gè)步驟進(jìn)行1、使用小波分析方法計(jì)算出照度圖像分量設(shè)/(X，,&)為輸入圖像，使用(1)式對(duì)其進(jìn)行8級(jí)小波分解<formula>formulaseeoriginaldocumentpage9</formula>其中"是分解的級(jí)數(shù)，取2、k=l，2,…，8;6,，62是位移因子，以4個(gè)象素為步長(zhǎng)進(jìn)行移動(dòng)；W(",V)是多貝西小波基函數(shù)；根據(jù)"，4，^的不同取值得到一系列的小波系數(shù)W(fl^,&)，按小波樹對(duì)其進(jìn)行排列，形成小波系數(shù)序列W,;設(shè)小波系數(shù)的總數(shù)為iV，其前iV(l)8個(gè)系數(shù)為低頻系數(shù)，記為4，4其余為高頻系數(shù)，記為i^;對(duì)于低頻系數(shù)4，使用高斯函數(shù)對(duì)其進(jìn)行調(diào)整，得到新的低頻系數(shù)B,，公式如下5,=c4e(2)其中w為低頻系數(shù)的個(gè)數(shù)，m二0.00082^,c為亮度調(diào)節(jié)因子，它與原圖像的亮度均值'有關(guān)，取￡:=223,6=6000;對(duì)于高頻系數(shù)D,，使用類蔓葉函數(shù)對(duì)其進(jìn)行調(diào)整，得到新的高頻系數(shù)《，公式如下=0.439l寺,|+1)(3)新的低頻系數(shù)A和新的高頻系數(shù)五,組成了調(diào)整后的小波系數(shù)^使用小波反變換進(jìn)行重構(gòu)，得到照度圖像/Oc,，xJ，公式如下c*°a"(4)射1J—一2)|22、獲取反射圖像使用式(5)獲取反射圖像r(x,，;^),x2)=log/(a,x2)—log/(x,,x2)(5)其中，K^,X2)即為清晰圖像。小波基函數(shù)可以選用多貝西小波、symlet小波或bior小波基函數(shù)。此外，對(duì)于彩色圖像，對(duì)RGB三個(gè)通道分別使用上述方法處理即可。實(shí)施例1:對(duì)彩色圖像圖1進(jìn)行清晰化處理。將圖1分解為RGB三個(gè)通道，圖6是其中的R通道圖像分量數(shù)據(jù)，用灰度圖像表示；首先，對(duì)于灰度圖像圖6使用公式(1)做8級(jí)小波分解，選用多貝西函數(shù)作為小波基函數(shù)為，一共得到1943550個(gè)小波系數(shù)。其中1到99為低頻系數(shù)，100到1943550為高頻系數(shù)，圖7表示其中前300位系數(shù)的分布；然后，用公式(2)對(duì)低頻部分進(jìn)行計(jì)算可以得到調(diào)整后的低頻系數(shù)，用公式(3)對(duì)高頻部分進(jìn)行計(jì)算可以得到調(diào)整后的高頻系數(shù)。調(diào)整后小波系數(shù)中的前300位的數(shù)據(jù)分布如圖8所示；最后，使用公式(4)對(duì)調(diào)整后小波系數(shù)進(jìn)行小波重構(gòu)，提取到估計(jì)出的照度圖像如圖9所示；使用公式(5)，在對(duì)數(shù)閾中用原圖像減去照度圖像可以得到處理后的增強(qiáng)(清晰化)'圖像，如圖IO所示；以上得到R分量增強(qiáng)圖像如圖10所示。用同樣的方法，可以得到G和B兩個(gè)通道的增強(qiáng)圖像。將RGB三個(gè)通道的增強(qiáng)圖像合成后，就可以得到最終的增強(qiáng)后的彩色圖像如圖2。實(shí)施例2:對(duì)霧天彩色圖像11進(jìn)行清晰化處理。將圖11分解為RGB三個(gè)通道，圖12是其中的R通道圖像分量數(shù)據(jù)，用灰度圖像表示。首先，對(duì)灰度圖像圖12使用公式(1)做8級(jí)小波分解，選用多貝西函數(shù)為小波基函數(shù)，一共得到640115個(gè)小波系數(shù)，其中1到56為低頻系數(shù)，57到640115為高頻系數(shù)，圖13'表示其中前300位系數(shù)的分布；然后，對(duì)于低頻部分，使用公式(2)可算出調(diào)整后的低頻系數(shù)；對(duì)高頻部分，使用公式(3)可算出調(diào)整后的高頻系數(shù)。調(diào)整后小波系數(shù)的前300位的數(shù)據(jù)分布如圖14所示；最后，使用公式(4)對(duì)調(diào)整后小波系數(shù)進(jìn)行小波重構(gòu)，提取到估計(jì)出的照度圖像如圖15所示；1使用公式(5)，在對(duì)數(shù)域中用原圖像減去照度圖像可以得到處理后的增強(qiáng)(清晰化)圖像，如圖16所示。以上得到R分量增強(qiáng)圖像如圖16所示；用同樣的方法，可以得到G和B兩個(gè)通道的增強(qiáng)圖像。將RGB三個(gè)通道的增強(qiáng)圖像合成后，就可以得到最終的增強(qiáng)后的彩色圖像如圖17所示。權(quán)利要求1、基于小波照度估計(jì)的霧天圖像清晰化方法，其特征是在對(duì)數(shù)域把輸入的模糊霧天圖像看成反射圖像分量和照度圖像分量之和，其中反射圖像分量對(duì)應(yīng)于圖像中清晰的場(chǎng)景，照度圖像分量對(duì)應(yīng)于引起清晰圖像模糊的因素，并使用小波分析方法計(jì)算出照度圖像分量，再?gòu)妮斎氲哪：F天圖像中減去在對(duì)數(shù)域中的照度分量，獲取反射圖像分量，實(shí)現(xiàn)對(duì)霧天圖像的清晰化效果的增強(qiáng)。2、根據(jù)權(quán)利要求1所述的基于小波照度估計(jì)的霧天圖像清晰化方法，其特征是所述使用小波分析方法計(jì)算出照度圖像分量是首先選取小波基函數(shù)對(duì)輸入圖像進(jìn)行八級(jí)小波分解，得到一系列小波系數(shù)；其中低頻系數(shù)集中了圖像的能量，反映了圖像的整體輪廓，高頻系數(shù)反映了圖像的細(xì)節(jié)；然后分別采用高斯函數(shù)和類蔓葉曲線調(diào)整低頻系數(shù)和高頻系數(shù)，最，后通過小波反變換對(duì)調(diào)整過后的小波系數(shù)，包括低頻系數(shù)和高頻系數(shù)進(jìn)行小波重構(gòu)得到照度圖像分量。3、根據(jù)權(quán)利要求2所述的基于小波照度估計(jì)的霧天圖像清晰化方法，其特征是按如下過程進(jìn)行a、使用小波分析方法計(jì)算出照度圖像分量設(shè)/(X,，xJ為輸入圖像，使用(1)式對(duì)其進(jìn)行8級(jí)小波分解<formula>formulaseeoriginaldocumentpage2</formula>(1)其中fl是分解的級(jí)數(shù)，取2、k=l，2，…，8;"，62是位移因子，以4個(gè)象素為步長(zhǎng)進(jìn)行移動(dòng)；y(w,v)是多貝西小波基函數(shù)；根據(jù)fl，6,，^的不同取值得到一系列的小波系數(shù)w("，h,^)，按小波樹對(duì)其進(jìn)行排列，形成小波系數(shù)序列W,;設(shè)小波系數(shù)的總數(shù)為W，其前iV《)S個(gè)系數(shù)為低頻系數(shù)，記為j,，其余為高頻系數(shù)，記為化；對(duì)于低頻系數(shù)4，使用高斯函數(shù)對(duì)其進(jìn)行調(diào)整，得到新的低頻系數(shù)^，公式如下<formula>formulaseeoriginaldocumentpage2</formula>(2)其中w為低頻系數(shù)的個(gè)數(shù)，m二0.00082^，c為亮度調(diào)節(jié)因子，它與原圖像的亮度均值'有關(guān)，取c-223，6=6000;對(duì)于高頻系數(shù)",，使用類蔓葉函數(shù)對(duì)其進(jìn)行調(diào)整，得到新的高頻系數(shù)《，公式如下:=0.439ln(|D,|+1)(3)新的低頻系數(shù)g和新的高頻系數(shù)E,組成了調(diào)整后的小波系數(shù)A,使用小波反變換進(jìn)行重構(gòu)，得到照度圖像/0q,X》射:C.,,=-b、獲取反射圖像使用式(5)獲取反射圖像KA-,，X》<formula>formulaseeoriginaldocumentpage3</formula>)其中，K^，A)即為清晰圖像。4、根據(jù)權(quán)利要求2或3所述的基于小波照度估計(jì)的霧天圖像清晰化方法，其特征是所述小波基函數(shù)選用多貝西小波、symlet小波或bior小波基函數(shù)。全文摘要基于小波照度估計(jì)的霧天圖像清晰化方法，其特征是在對(duì)數(shù)域把輸入的模糊霧天圖像看成反射圖像分量和照度圖像分量之和，其中反射圖像分量對(duì)應(yīng)于圖像中清晰的場(chǎng)景，照度圖像分量對(duì)應(yīng)于引起清晰圖像模糊的因素，并使用小波分析方法計(jì)算出照度圖像分量，再?gòu)妮斎氲哪：F天圖像中減去在對(duì)數(shù)域中的照度分量，獲取反射圖像分量，實(shí)現(xiàn)對(duì)霧天圖像的清晰化效果的增強(qiáng)。本發(fā)明方法運(yùn)行速度快、效果好，不僅能解決多景深問題，而且不需要手工調(diào)節(jié)參數(shù)，具有很好的通用性。文檔編號(hào)H04N9/64GK101448170SQ200810246229公開日2009年6月3日申請(qǐng)日期2008年12月31日優(yōu)先權(quán)日2008年12月31日發(fā)明者張新彤,汪榮貴申請(qǐng)人:合肥工業(yè)大學(xué)