專利名稱：判斷去霧增強(qiáng)圖像質(zhì)量效果的方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及一種判斷去霧增強(qiáng)圖像質(zhì)量效果的方法。
背景技術(shù)：
由于雨霧等惡劣天氣或采集設(shè)備自身參數(shù)的影響，采集到的圖像或視頻經(jīng)常受到 不同程度的霧化干擾，甚至嚴(yán)重影響圖像的視覺效果和后期處理。有很多學(xué)者對圖像的去 霧增強(qiáng)進(jìn)行了研究。在論證去霧增強(qiáng)方法的可行性和有效性時(shí)，通常是給出去霧增強(qiáng)前后 的部分試驗(yàn)樣本，然后簡單的比較這些樣本的主觀視覺效果，而沒有與其他去霧增強(qiáng)方法 進(jìn)行橫向的性能比較。主觀評價(jià)結(jié)果取決于觀測者的主觀感受，容易受到觀測者的專業(yè)背 景、心理動(dòng)機(jī)等因素的影響，無法對不同的去霧增強(qiáng)方法進(jìn)行客觀公正的評價(jià)和比較?？陀^評價(jià)方法能獨(dú)立的對圖像進(jìn)行評價(jià)，客觀準(zhǔn)確的比較圖像特征參數(shù)之間的 差別。圖像質(zhì)量客觀評價(jià)方法主要分為全參考、半?yún)⒖己蜔o參考等幾類方法。全參考 評價(jià)方法假設(shè)其中一幅圖像為完美圖像或參考圖像，其他圖像與參考圖像不同的地方均 為噪聲?；谡`差統(tǒng)計(jì)量的全參考算法如在1995年的《IEEE通信匯刊》“圖像質(zhì)量和 個(gè)生 ft i平 ift (Image quality measures and theirperformance. IEEE Transactions on Communication, 1995,43 (12), Page (s) :2959-2965) ” 中的 PSNR(Peak Signal to Noise Ratio)方法和內(nèi)容相關(guān)性方法等僅注重衡量圖像像素間的差異，與人對圖像的視覺感受 具有較大的出入。基于HVS(Human Visual System)模型的全參考方法對圖像的底層特 性進(jìn)行建模，如在2008年的《2008年國際信號圖像技術(shù)及基于因特網(wǎng)系統(tǒng)會議》“最小 可覺差以及其在彩色圖像水印中的應(yīng)用(Just noticeable distortionmodel and its application in color image watermarking. 2008 IEEEInternational Conference on Signal Image Technology and Internet BasedSystems. 2008, Page(s) :260_267)，，中 的JND(Just Noticeable Difference)方法，可以獲得與主觀視覺較為一致的評價(jià)結(jié) 果。半?yún)⒖荚u價(jià)方法也是以其中一幅圖像為參考圖像，并從多幅圖像中提取出部分統(tǒng)計(jì) 量用于比較，無需原始像素級別的信息，如在2004年的《IEEE圖像處理匯刊》“圖像質(zhì)量 評價(jià)從偏差視覺至丨J結(jié)構(gòu)相似性(Image quality assessment :from error visibility tostructural similarity. IEEE Transactions on Image Processing. 2004,13,Page(s) 600-612) ” 的 SSIM(Structural Similarity Information)方法、在 2003 年的《數(shù)學(xué)圖 像和視覺期刊》“自然圖像統(tǒng)計(jì)模型的優(yōu)點(diǎn)(On advances instatistical modeling of natural images. Journal of Mathematical Imagingand Vision. 2003)，，NNS (Natural Scene Statistics)方法、在2000年《神經(jīng)信息處理系統(tǒng)前沿》的“高斯混合尺度以 及自然圖像統(tǒng)計(jì)(Scale mixturesof Gaussians and the statistics of natural Images. Advances in NeuralInformation Processing System. 2000,12, Page (s) 855-861) ”GSM(GaussianScale Mixture)方法。無參考評價(jià)方法可以分為如在2000 年的《IEEE國際圖像處理會議)》“圖像方塊效應(yīng)的盲目測量(Blind measurement of blockingartifacts in images. IEEE International Conference on ImageProcessing. 2000，3，Page (s) :981_984) ”中針對失真類型的方法和在2005年《第十三屆歐 洲信號處理會議》“自適應(yīng)濾波中的無參考方塊效應(yīng)(A no referenceblocking artifact measure for adaptive video processing, The 13thEuropean Signal Processing Conference. 2005) ”中基于機(jī)器學(xué)習(xí)的方法。該類方法無需任何參考圖像，只需提取圖像自 身的部分特征量與經(jīng)驗(yàn)值進(jìn)行比較。上述客觀圖像質(zhì)量評價(jià)方法主要應(yīng)用于降質(zhì)圖像的質(zhì)量評價(jià)。對于去霧增強(qiáng)等圖 像還原操作，處理后的圖像通常具有更高的質(zhì)量。圖像去霧增強(qiáng)是個(gè)病態(tài)的問題，圖像的質(zhì) 量改善空間是未知的，增強(qiáng)后圖像與原圖像不同的地方可能是噪聲也可能是信息，無法假 設(shè)其中一幅圖像為完美圖像。因此全參考評價(jià)方法和半?yún)⒖荚u價(jià)方法無法應(yīng)用于去霧增強(qiáng) 圖像質(zhì)量客觀評價(jià)和比較。去霧增強(qiáng)操作后至少有兩幅圖像可以進(jìn)行比較，即原圖像和增 強(qiáng)后圖像，并非沒有任何參考，所以無參考評價(jià)方法也無法適用。在雨霧天氣或其他惡劣環(huán)境的影響下采集的圖像通常邊緣模糊，對比度較低，色 彩灰暗。去霧增強(qiáng)后圖像應(yīng)該具有較高的邊緣強(qiáng)度，體現(xiàn)更多的細(xì)節(jié)信息，同時(shí)有效抑制噪 聲干擾。增強(qiáng)后圖像還應(yīng)該具有鮮艷逼真的顏色信息，提供更好的視覺效果。

發(fā)明內(nèi)容
本發(fā)明提供了一種判斷去霧增強(qiáng)圖像質(zhì)量效果的方法，根據(jù)去霧增強(qiáng)前后圖像的 直觀視覺差異，首先定義了細(xì)節(jié)還原系數(shù)、色彩還原系數(shù)以及綜合還原系數(shù)等重要參數(shù)，給 出了評價(jià)去霧增強(qiáng)后圖像質(zhì)量的總體框架；然后詳細(xì)介紹了細(xì)節(jié)還原系數(shù)以及色彩還原系 數(shù)的計(jì)算方法；最后根據(jù)綜合還原系數(shù)對去霧增強(qiáng)圖像的質(zhì)量進(jìn)行客觀的評價(jià)和比較。本 發(fā)明的實(shí)驗(yàn)部分對文中的眾多參數(shù)進(jìn)行了測試，并給出了不同參數(shù)取值時(shí)的評價(jià)正確率。 本發(fā)明提出的去霧增強(qiáng)圖像質(zhì)量客觀比較方法也可應(yīng)用于多種去霧增強(qiáng)算法間的橫向性 能比較。本發(fā)明提供的判斷去霧增強(qiáng)圖像質(zhì)量效果的方法包括步驟(1)，由輸入單元將圖 像輸入至圖像去霧增強(qiáng)單元；步驟(2)，由所述圖像去霧增強(qiáng)單元對所述圖像進(jìn)行去霧增 強(qiáng)操作得到去霧增強(qiáng)圖像；步驟(3)，獲取所述去霧增強(qiáng)圖像的細(xì)節(jié)還原系數(shù)；步驟(4)，獲 取所述去霧增強(qiáng)圖像的色彩還原系數(shù)；步驟(5)，根據(jù)所述細(xì)節(jié)還原系數(shù)和色彩還原系數(shù) 獲取所述去霧增強(qiáng)圖像的綜合還原系數(shù)。優(yōu)選地，步驟(3)包括步驟31，獲取所述去霧增強(qiáng)圖像的有效邊緣強(qiáng)度；步驟 32，根據(jù)所述去霧增強(qiáng)圖像的有效邊緣強(qiáng)度確定所述去霧增強(qiáng)圖像的細(xì)節(jié)還原系數(shù)。優(yōu)選地，步驟(4)包括步驟41，獲取原始霧化圖像的色彩強(qiáng)度；步驟42，根據(jù)所 述色彩強(qiáng)度獲取所述圖像的最大色彩還原倍數(shù)和最大色彩強(qiáng)度；步驟43，根據(jù)所述最大色 彩強(qiáng)度獲取所述圖像的色彩還原系數(shù)曲線；步驟44，根據(jù)去霧增強(qiáng)后圖像的色彩強(qiáng)度獲取 該圖的色彩還原系數(shù)。優(yōu)選地，根據(jù)R= aRv+(l-a)R。獲取綜合還原系數(shù)R，其中，民和艮分別是所述 細(xì)節(jié)還原系數(shù)和所述色彩還原系數(shù)，α為細(xì)節(jié)信息與色彩信息的平衡系數(shù)。優(yōu)選地，所述細(xì)節(jié)信息與色彩信息的平衡系數(shù)α的取值范圍為0到1。優(yōu)選地，步驟31包括步驟311，獲取所述去霧增強(qiáng)圖像在各像素點(diǎn)處的邊緣強(qiáng)度；步驟312，根據(jù)所述邊緣強(qiáng)度獲取所述去霧增強(qiáng)圖像的對比度信息；
步驟313，獲取所述去霧增強(qiáng)圖像的圖像信息強(qiáng)度和噪聲強(qiáng)度；步驟314，根據(jù)所述去霧增強(qiáng)圖像的圖像信息強(qiáng)度和噪聲強(qiáng)度確定所述去霧增強(qiáng) 圖像的有效邊緣強(qiáng)度。優(yōu)選地，通過邊緣檢測算法獲取所述邊緣強(qiáng)度。優(yōu)選地，根據(jù)&E\i^獲取所述細(xì)節(jié)還原系數(shù)，其中，為第
j幅圖像的細(xì)節(jié)還原系數(shù)，m表示m幅圖片參與比較，圮為第j幅圖像的有效邊緣強(qiáng)度， ···,￡〗,···,￡。表示所有圖像的有效邊緣強(qiáng)度的最大值。 優(yōu)選地，根據(jù)瓦,[Τ^ΣΣ瓦(U)獲取整幅圖像的有效邊緣強(qiáng)度，其中，Evt為
整幅圖像的有效邊緣強(qiáng)度，Ev(x，y)為圖像在像素點(diǎn)(x，y)處的有效邊緣強(qiáng)度，H和W為圖 像的高度和寬度。優(yōu)選地，根據(jù)Ev(x，y) =Ei (χ, y)-β En(x, y)獲取有效邊緣強(qiáng)度，其中，Ev(x，y)為 圖像在像素點(diǎn)(X，y)處的有效邊緣強(qiáng)度，Ei (x, y)為圖像在像素點(diǎn)(X，y)處的信息強(qiáng)度， En(x, y)為圖像在像素點(diǎn)(x，y)處的噪聲強(qiáng)度，β為信息強(qiáng)度與噪聲強(qiáng)度間的平衡系數(shù)。 優(yōu)選地，根據(jù)Δ￡’94<(U)獲取整幅圖像的色彩強(qiáng)度，其中，AE94t
為整幅圖像的色彩強(qiáng)度，ΔE94(x, y)為兩幅圖像在像素點(diǎn)(x，y)處的色彩差異，H和W為圖 像的高度和寬度。優(yōu)選地，根據(jù)民=獲取最大色彩強(qiáng)度，其中，S。為最大色彩強(qiáng)度，M9I 為原始霧化圖像的色彩強(qiáng)度，Mc為最大色彩增強(qiáng)倍數(shù)。
a(AEl)+b優(yōu)選地，根據(jù)Mr~—"一獲取最大色彩增強(qiáng)倍數(shù)M。其中， 為原
始霧化圖像的色彩強(qiáng)度，a、b、c、d為根據(jù)最小二乘擬合得到的曲線參數(shù)。優(yōu)選地，根據(jù)
獲取色彩
還原系數(shù)，其中，<為第i幅圖像的色彩還原系數(shù)，Mi,為去霧增強(qiáng)后第i幅圖像的色彩強(qiáng) 度，S。為最大色彩強(qiáng)度，g為圖像的色彩強(qiáng)度是原圖的最大色彩強(qiáng)度的兩倍時(shí)的圖像色彩還 原系數(shù)。本發(fā)明針對操作前后圖像的視覺差異，定義有效邊緣強(qiáng)度來表示圖像的細(xì)節(jié)表現(xiàn) 能力和基于CIELAB色彩空間的色彩強(qiáng)度來表示圖像的色彩表現(xiàn)能力，并進(jìn)一步提出有效 邊緣還原系數(shù)和色彩還原系數(shù)來對去霧增強(qiáng)圖像的質(zhì)量和處理方法與系統(tǒng)的性能進(jìn)行綜 合的評價(jià)。


圖1為本發(fā)明提供的判斷去霧增強(qiáng)圖像質(zhì)量效果的方法的框架圖。圖2為本發(fā)明方法中像素點(diǎn)邊緣方向的示意圖。
6
圖3a和3b為本發(fā)明實(shí)施例中最大色彩增強(qiáng)倍數(shù)與色彩還原系數(shù)曲線圖。圖4a和4b為本發(fā)明實(shí)施例中細(xì)節(jié)評價(jià)正確率與綜合評價(jià)正確率曲線圖。
具體實(shí)施例方式為了能更清楚地理解本發(fā)明的技術(shù)內(nèi)容，特結(jié)合附圖舉以下實(shí)施例進(jìn)行詳細(xì)說 明。1.判斷去霧增強(qiáng)圖像質(zhì)量效果的方法的框架在評價(jià)圖像質(zhì)量和視覺效果時(shí)，圖像的清晰度和色彩鮮艷程度是兩個(gè)重要的衡量 指標(biāo)，分別可用細(xì)節(jié)還原系數(shù)和色彩還原系數(shù)來表示。在計(jì)算圖像的細(xì)節(jié)還原系數(shù)時(shí)，本發(fā) 明定義了有效邊緣強(qiáng)度來表示圖像的細(xì)節(jié)表現(xiàn)能力，并定義了最大有效邊緣強(qiáng)度來表示去 霧增強(qiáng)后圖像所能達(dá)到的最大細(xì)節(jié)表現(xiàn)能力。在計(jì)算圖像的色彩還原系數(shù)時(shí)，本發(fā)明定義 了色彩強(qiáng)度來表示圖像的色彩表現(xiàn)能力，并定義了最大色彩強(qiáng)度來表示去霧增強(qiáng)后圖像所 能達(dá)到的最大色彩表現(xiàn)能力。最后，本發(fā)明將綜合細(xì)節(jié)還原系數(shù)和色彩還原系數(shù)來計(jì)算圖 像的綜合還原系數(shù)，從而實(shí)現(xiàn)判斷去霧增強(qiáng)圖像質(zhì)量效果。 上式中R是圖像質(zhì)量的綜合還原系數(shù)，Rv和R。分別是圖像的細(xì)節(jié)還原系數(shù)和色彩 還原系數(shù)。α是細(xì)節(jié)信息與色彩信息在決定圖像質(zhì)量綜合評價(jià)指標(biāo)時(shí)的平衡系數(shù)。α的 取值范圍為0到1，取值0時(shí)對應(yīng)只有色彩還原系數(shù)參與圖像質(zhì)量的綜合評價(jià)，取值1對應(yīng) 只有細(xì)節(jié)還原系數(shù)參與圖像質(zhì)量的綜合評價(jià)。本發(fā)明的后續(xù)部分將對其他參數(shù)的定義和計(jì) 算方法進(jìn)行詳細(xì)的介紹。圖1為判斷去霧增強(qiáng)圖像質(zhì)量效果的方法的框架圖。假設(shè)有兩種去霧增強(qiáng)方法的 處理結(jié)果參與比較，加上原圖共3幅圖像，即輸入霧化圖像、去霧圖像1、去霧圖像2。首先 計(jì)算所有圖像的有效邊緣強(qiáng)度，然后結(jié)合所有圖像的有效邊緣強(qiáng)度計(jì)算出圖像的最大有效 邊緣強(qiáng)度，其次計(jì)算出圖像的細(xì)節(jié)還原系數(shù)。同理，在計(jì)算圖像的色彩還原系數(shù)時(shí)，首先計(jì) 算所有圖像的色彩強(qiáng)度，然后根據(jù)霧化圖像的色彩強(qiáng)度計(jì)算出最大色彩強(qiáng)度，其次結(jié)合去 霧后圖像的色彩強(qiáng)度和最大色彩強(qiáng)度計(jì)算出該圖像的色彩還原系數(shù)。最后綜合細(xì)節(jié)還原系 數(shù)和色彩還原系數(shù)計(jì)算出圖像的綜合還原系數(shù)，并根據(jù)綜合還原系數(shù)判斷去霧增強(qiáng)圖像質(zhì) 量效果。下面詳細(xì)描述本發(fā)明中構(gòu)成判斷去霧增強(qiáng)圖像質(zhì)量效果的方法核心參數(shù)——綜 合還原系數(shù)的兩個(gè)部分。2.細(xì)節(jié)還原系數(shù)Rv2. 1有效邊緣強(qiáng)度去霧增強(qiáng)后圖像應(yīng)該具有更高的清晰度，具體表現(xiàn)為圖像具有更高的邊緣對比 度。本發(fā)明首先計(jì)算出圖像的對比度信息，如下面公式所示\ ’ τ)
I 0 i{x,y)<Te(2)上式中I (X，y)為通過邊緣檢測算法(如采用Sobel算子)計(jì)算得到的圖像在像 素點(diǎn)(X，y)處的邊緣強(qiáng)度。Te為邊緣強(qiáng)度的閾值，Ie(x, y)為根據(jù)閾值濾除一部分干擾像 素后的圖像對比度。
7
去霧過程中，噪聲通常會隨著邊緣信息一起得到增強(qiáng)，噪聲也可能導(dǎo)致圖像具有 較高的對比度。因此，圖像的對比度并非越高越好，邊緣信息才是我們真正需要的，其強(qiáng)度 值可以用來客觀的評價(jià)圖像的細(xì)節(jié)表現(xiàn)能力。本發(fā)明定義對比度圖像中邊緣上的點(diǎn)為信 息，非邊緣上的點(diǎn)為噪聲，并用Je(X，y)來判斷圖像中像素點(diǎn)(X，y)為信息還是噪聲，取值 1對應(yīng)信息，取值0對應(yīng)噪聲。用公式表示如下 上式中/；'(XJ)為像素點(diǎn)(X，y)左上方的一個(gè)像素點(diǎn)的對比度，/I(U)為像素點(diǎn) (x，y)右下方的一個(gè)像素點(diǎn)的對比度。i取值1到4對應(yīng)四個(gè)邊緣方向水平、左上至右下、 豎直和左下至右上，如圖2所示。圖2中四個(gè)雙向箭頭為四個(gè)判斷方向，交叉點(diǎn)為當(dāng)前判斷 的像素點(diǎn)(x，y)。若四個(gè)方向中至少存在一個(gè)方向的連續(xù)三個(gè)像素點(diǎn)具有都大于0的對比 度，則該點(diǎn)為信息，否則該點(diǎn)為噪聲。圖像信息強(qiáng)度和噪聲強(qiáng)度分別表示圖像所包含的信息和噪聲的強(qiáng)度，其定義如下 式所示 上式中Ei (χ, y)為圖像在像素點(diǎn)(χ, y)處的信息強(qiáng)度，En(x，y)表示圖像在像素 點(diǎn)(x，y)處的噪聲強(qiáng)度。高質(zhì)量的圖像應(yīng)該具有較高的邊緣強(qiáng)度，同時(shí)有效抑制噪聲干擾。 本發(fā)明定義有效邊緣強(qiáng)度來表示圖像的細(xì)節(jié)表現(xiàn)能力，如下式所示 上式中Ev(x，y)表示圖像在像素點(diǎn)(x，y)處的有效邊緣強(qiáng)度，Ei (x, y)表示圖像 在像素點(diǎn)(x，y)處的信息強(qiáng)度，En(x，y)表示圖像在像素點(diǎn)(x，y)處的噪聲強(qiáng)度。β為信 息強(qiáng)度與噪聲強(qiáng)度間的平衡系數(shù)。整幅圖像的有效邊緣強(qiáng)度由圖像中所有像素點(diǎn)的有效邊 緣強(qiáng)度的均值來表示，如下式所示
J HWΕνι=-77-^ΣΣΕΛχ^)…、
nxyy Xs=1 y=i(7)上式中Evt為整幅圖像的有效邊緣強(qiáng)度，H和W為圖像的高度和寬度。同理可計(jì)算 得到整幅圖像的信息強(qiáng)度Eit和噪聲強(qiáng)度Ent。2. 2細(xì)節(jié)還原系數(shù)圖像去霧增強(qiáng)是個(gè)病態(tài)的問題，導(dǎo)致很難計(jì)算得到圖像質(zhì)量的最大改善空間，即 無法得到完美參考圖像的有效邊緣強(qiáng)度。但可假設(shè)同一幅圖像的眾多處理結(jié)果中有效邊 緣強(qiáng)度的最大值為參考值，并根據(jù)此參考值來計(jì)算其他圖像的細(xì)節(jié)還原系數(shù)，從而實(shí)現(xiàn)多 種方法的處理圖像間的橫向性能比較，為去霧增強(qiáng)方法的可行性和有效性提供強(qiáng)有力的證 明。細(xì)節(jié)還原系數(shù)如下式所示
Ei
上式中化為第j幅圖像的細(xì)節(jié)還原系數(shù)，共m幅圖片參與比較，紀(jì)為第j幅圖像的 有效邊緣強(qiáng)度，
表示所有圖像的有效邊緣強(qiáng)度的最大值，代表了圖像
的最大細(xì)節(jié)表現(xiàn)能力。3.色彩還原系數(shù)Rc3. 1色彩強(qiáng)度常用的數(shù)字圖像色彩空間是RGB色彩空間，但RGB色彩空間不 具有主觀視覺一致性。參見CIE 2號增刊中“均等色彩空間、色彩差異方 禾呈、心 理 色彩的 評 價(jià)(Recommendations on uniform color spaces，color differenceequations，psychometric color terms.Supplement No. 2 to CIE publicationNo. 15 (E. -1. 3. 1) 1971/(TC-1. 3)) ”、2003 年《第 11 屆地中海自動(dòng)控制會議》 “均等色彩空間 sRGB and的偏差計(jì)算(Error computation in theuniform color spaces sRGB and CIEL*a*b*.IEEE Ilth Mediterranean Conf·on Automation & Control. 2003, T7-032，Page (s) :1_5)，，、以 及 CIE (International Commission on Illumination)于1976年提出了 LAB色彩空間，并證明了該色彩空間具有良好的視 覺差異一致性。在1998年的《信號處理》“運(yùn)用圖像曲變圖進(jìn)行色彩圖像可靠度評估 (Color image fidelitymetrics evaluated using image distortion maps. Signal Processing. 1998，Vol. 70(3)，Pages :201_214) ” 對基于 S-CIELAB 色彩空間的幾種方法進(jìn) 行了比較，并證明S-CIELAB94具有較好的視覺一致性。本發(fā)明將采用在《國際色彩聯(lián)盟臨 時(shí)會議》“運(yùn)用幅值差異評價(jià)色彩區(qū)別(Assessing colourdifferences with different magnitudes. AIC 2004 Color and Paints,Interim Meeting of the International Color Association, Proceedings) ”、以及在1998年《信號處理》“運(yùn)用圖像曲變圖進(jìn)行色彩圖像 可度i平估(Colorimage fidelity metrics evaluated using image distortion maps. SignalProcessing. 1998，Vol. 70(3)，Pages :201_214) S-CIELAB94 方法來計(jì)算去霧增強(qiáng)圖 像的色彩強(qiáng)度和色彩還原系數(shù)。首先將圖像經(jīng)過XYZ色彩空間變換到對立色彩空間(opponent colors)，然后用 核函數(shù)對對立色彩空間的每個(gè)通道進(jìn)行卷積，卷積核函數(shù)的模型由人眼對對立色彩空間中 色彩通道的視覺敏感度決定，如下面公式所示 上式中kJPk為歸一化系數(shù)，使得兩個(gè)表達(dá)式中所有項(xiàng)的和為1。由于S-CIELAB94 中的空間濾波過程和基于CIELAB色彩空間的色彩差異評價(jià)過程相對獨(dú)立，將圖像變換到 S-CIELAB空間后，可根據(jù)CIELAB色彩空間的CIE94表達(dá)式計(jì)算圖像的色彩差異。如下面公 式所示
(11) 上式中AE94(x，y)為兩幅圖像在像素點(diǎn)(x，y)處的色彩差異。AL、ACab禾Π AHab 是從LAB三個(gè)色彩通道中提取出的色彩差異的度量特征，這些特征與參數(shù)kp kc, kH、PL, Pc 以及Ph的計(jì)算方法可參考參考文獻(xiàn)在《國際色彩聯(lián)盟臨時(shí)會議》“運(yùn)用幅值差異評價(jià)色彩 區(qū)別(Assessing colour differences withdifferent magnitudes. AIC 2004 Color and Paints，Interim Meeting of theInternational Color Association，Proceedings)，，在 此不再贅述。AE94t表示整幅圖像的色彩差異強(qiáng)度，由圖像中所有像素點(diǎn)的色彩差異的均值 來表示。H和W為圖像的高度和寬度。根據(jù)以上公式便可計(jì)算出兩幅圖像間的色彩差異強(qiáng) 度，但仍然無法得到其中一幅圖像所具有的色彩強(qiáng)度。本發(fā)明假設(shè)灰度圖像的色彩強(qiáng)度為 0，因此對于任何彩色圖像，可采用該圖像與其灰度圖像的色彩差異強(qiáng)度作為該彩色圖像的 色彩強(qiáng)度。3. 2色彩還原系數(shù)圖像去霧增強(qiáng)是個(gè)病態(tài)的問題，難以計(jì)算得到圖像質(zhì)量的最大改善空間，因此很 難得到完美參考圖像的色彩強(qiáng)度。本發(fā)明提出的色彩強(qiáng)度在一定范圍內(nèi)與圖像的色彩表現(xiàn) 成正比的關(guān)系。但圖像的色彩強(qiáng)度并非越高越好，當(dāng)原圖中沒有顏色鮮艷的景物時(shí)，去霧 增強(qiáng)后較高的色彩強(qiáng)度通常意味著圖像發(fā)生了顏色失真，將嚴(yán)重影響圖像的質(zhì)量和視覺效 果。去霧增強(qiáng)后圖像能夠具有的最大色彩強(qiáng)度與輸入霧化圖像本身的色彩強(qiáng)度有關(guān)。當(dāng)輸 入圖像色彩強(qiáng)度較低時(shí)，原始色彩信息的缺乏使得去霧后色彩增強(qiáng)的空間非常有限。當(dāng)輸 入圖像具有較高的色彩強(qiáng)度時(shí)，去霧增強(qiáng)后圖像通常具有更高的色彩強(qiáng)度。為了獲取不同霧化圖像的最大色彩強(qiáng)度，本發(fā)明首先對η幅霧化圖像進(jìn)行k種 不同去霧增強(qiáng)方法的處理，如采用直方圖均衡化和在2004年《電子圖像期刊》“自動(dòng)圖像 增強(qiáng) RETIX 處理(Retinex processing for automatic imageenhancement. Journal of Electronic Imaging. 2004，vol. 13(1), Page (s) : 100-110) ”、在 2007 年《IEEE 智能交通 雜談》“霧化圖像的視覺增強(qiáng)(Visibility enhancement for roads with foggy or hazy scenes. IEEEIntelligent Vehicles Symposium. 2007, Page (s) : 19-24) ”所述的方法，得到 包括原圖的η組共nX(K+l)張圖像。計(jì)算所有圖像的色彩強(qiáng)度，以及關(guān)于原圖的色彩強(qiáng)度 增強(qiáng)倍數(shù)。根據(jù)主觀視覺效果對所有圖像的色彩表現(xiàn)進(jìn)行人工標(biāo)定，分為無色彩失真和有 色彩失真兩類。將所有圖像的色彩增強(qiáng)倍數(shù)標(biāo)記在圖3(a)的坐標(biāo)系中，其中橫軸為原始圖像的 色彩強(qiáng)度，縱軸為去霧增強(qiáng)方法處理圖像的色彩增強(qiáng)倍數(shù)。圖3(a)中圓圈表示根據(jù)主觀判 斷發(fā)生色彩失真的圖像，星號表示未發(fā)生色彩失真的圖像。為了改善顯示效果，圖3(a)中 只保留了色彩強(qiáng)度最大的未失真圖像和色彩強(qiáng)度最小的失真圖像。由圖3(a)可知，隨著原 始圖像色彩強(qiáng)度的增加，圖像的最大色彩增強(qiáng)倍數(shù)逐漸降低，使得所有圖像的最大色彩強(qiáng) 度保持在一定范圍內(nèi)。去霧增強(qiáng)后色彩失真圖像和色彩未失真圖像具有明顯的界限，如圖 3 (a)中曲線所示。該曲線表示不同色彩強(qiáng)度的輸入圖像在去霧操作后所能達(dá)到的最大色彩 增強(qiáng)倍數(shù)。本發(fā)明定義圖中的曲線對應(yīng)的縱坐標(biāo)為原始圖像的最大色彩增強(qiáng)倍數(shù)M。，并定 義原始霧化圖像的色彩強(qiáng)度與對應(yīng)最大色彩增強(qiáng)倍數(shù)的乘積為最大色彩強(qiáng)度S。。本發(fā) 明通過數(shù)據(jù)擬合得到不同霧化圖像的最大色彩增強(qiáng)倍數(shù)如下式所示，其中A^4,為去霧增強(qiáng)后第i幅圖像的色彩強(qiáng)度。 — 當(dāng)圖像的色彩強(qiáng)度M〗4,小于原圖的最大色彩強(qiáng)度S。時(shí)，本發(fā)明定義色彩還原系數(shù) 為去霧增強(qiáng)后圖像的色彩強(qiáng)度與最大色彩強(qiáng)度的比值，如圖3(b)中直線所示。當(dāng)色彩強(qiáng)度 M4,大于最大色彩還原系數(shù)S。時(shí)，圖像的色彩視覺效果將發(fā)生快速的下降，下降的速度隨 著色彩強(qiáng)度的增強(qiáng)而逐步變慢，最終趨于0。本發(fā)明用指數(shù)函數(shù)來表示色彩失真圖像的色彩 還原系數(shù)，如圖3(b)中曲線所示。圖3(b)中橫坐標(biāo)為去霧增強(qiáng)后圖像的色彩強(qiáng)度，縱坐標(biāo) 為去霧增強(qiáng)圖像的色彩還原系數(shù)。圖3(b)中三條曲線的峰值為三幅原始霧化圖像對應(yīng)的 最大色彩強(qiáng)度，峰值的左邊為增強(qiáng)圖像的色彩還原系數(shù)曲線，右邊為失真圖像的色彩還原 系數(shù)曲線。不同霧化圖像的色彩還原系數(shù)曲線將構(gòu)成圖3(b)的曲線族。色彩還原系數(shù)的 表達(dá)式為 上式中式為第i幅圖像的色彩還原系數(shù)。假設(shè)圖像的色彩強(qiáng)度是原圖的最大色彩 強(qiáng)度的兩倍時(shí)，圖像的色彩還原系數(shù)為g。根據(jù)最大色彩強(qiáng)度S。和參數(shù)g，可計(jì)算出失真圖 像色彩還原曲線的參數(shù)P和τ。在計(jì)算去霧增強(qiáng)后圖像的色彩還原系數(shù)時(shí)，首先需要計(jì)算原始霧化圖像的色彩強(qiáng)
度aK1 ;然后根據(jù)計(jì)算圖像的最大色彩還原倍數(shù)Mc和最大色彩強(qiáng)度S。；根據(jù)最大色彩
強(qiáng)度計(jì)算圖像的色彩還原系數(shù)曲線；最后根據(jù)去霧增強(qiáng)后圖像的色彩強(qiáng)度計(jì)算該圖的色彩 還原系數(shù)。 K = lr^cx(2g-l)/(l-g)
4.實(shí)驗(yàn) 4. 1實(shí)驗(yàn)步驟
目前沒有通用的去霧增強(qiáng)測試樣本集，本發(fā)明的測試樣本基本上是發(fā)明人收集所得。(1)對輸入的m張測試圖像進(jìn)行k種方法的去霧增強(qiáng)，得到包括原圖的共 mX (k+1)張測試樣本。(2)對所有測試樣本進(jìn)行t次主觀標(biāo)定，每次標(biāo)定由不同的人來完成。參與標(biāo)定 的人員可以為任意的圖像增強(qiáng)相關(guān)領(lǐng)域的研究人員，他們對圖像的標(biāo)定結(jié)果能比較準(zhǔn)確的 表示圖像的質(zhì)量。標(biāo)定過程主要是對每組(k+Ι)張圖像的細(xì)節(jié)表現(xiàn)能力、色彩表現(xiàn)能力以 及圖像綜合視覺效果進(jìn)行主觀比較，并根據(jù)比較結(jié)果對四張圖像的這三個(gè)指標(biāo)分別進(jìn)行評 分。
(3)分別計(jì)算每組(k+Ι)張圖像的細(xì)節(jié)表現(xiàn)能力、色彩表現(xiàn)能力以及圖像綜合視 覺效果的評分均值。根據(jù)評分均值分別對每組(k+Ι)張圖像的三個(gè)特征進(jìn)行排序，1對應(yīng)質(zhì) 量最高，(k+Ι)對應(yīng)質(zhì)量最低。(4)計(jì)算所有圖像的有效邊緣強(qiáng)度及細(xì)節(jié)還原系數(shù)，并根據(jù)細(xì)節(jié)還原系數(shù)對每組 (k+Ι)張圖像進(jìn)行客觀的排序，1對應(yīng)還原系數(shù)最高，(k+Ι)對應(yīng)還原系數(shù)最低。比較每組 (k+Ι)張圖像關(guān)于細(xì)節(jié)表現(xiàn)能力的主客觀排序。以排序相同的圖像個(gè)數(shù)與參加比較的圖像 總個(gè)數(shù)的比值作為細(xì)節(jié)還原系數(shù)評價(jià)正確率 其中I(U)表示第i組第j幅圖像關(guān)于細(xì)節(jié)表現(xiàn)的主觀排序，隊(duì) (W)表示第i組 第j幅圖像關(guān)于細(xì)節(jié)表現(xiàn)的客觀排序?！秜(i，j)用于表示第i組第j幅圖像關(guān)于細(xì)節(jié)表現(xiàn) 的主客觀排序是否相同。Pv是細(xì)節(jié)還原系數(shù)評價(jià)正確率，公式18中分子表示關(guān)于細(xì)節(jié)表 現(xiàn)能力的主客觀排序相同的圖像個(gè)數(shù)，分母表示所有測試圖像。(5)計(jì)算所有圖像的色彩強(qiáng)度及色彩還原系數(shù)，并根據(jù)色彩還原系數(shù)對每組 (k+Ι)張圖像進(jìn)行客觀的排序，1對應(yīng)還原系數(shù)最高，(k+Ι)對應(yīng)還原系數(shù)最低。比較每組 (k+Ι)張圖像關(guān)于色彩表現(xiàn)能力的主客觀排序。以排序相同的圖像個(gè)數(shù)與參加比較的圖像 總個(gè)數(shù)的比值作為色彩還原系數(shù)評價(jià)正確率 其中&(D)表示第i組第j幅圖像關(guān)于色彩表現(xiàn)的主觀排序，死力，乃表示第i組 第j幅圖像關(guān)于色彩表現(xiàn)的客觀排序。P。是色彩還原系數(shù)評價(jià)正確率。(6)結(jié)合細(xì)節(jié)還原系數(shù)和色彩還原系數(shù)計(jì)算所有圖像的綜合還原系數(shù)，并根據(jù)綜 合還原系數(shù)對每組(k+Ι)張圖像進(jìn)行客觀的排序，1對應(yīng)還原系數(shù)最高，(k+Ι)對應(yīng)還原系 數(shù)最低。比較每組(k+Ι)張圖像關(guān)于綜合表現(xiàn)能力的主客觀排序。以排序相同的圖像個(gè)數(shù) 與參加比較的圖像總個(gè)數(shù)的比值作為綜合還原系數(shù)評價(jià)正確率 其中外( ·，/)表示第i組第j幅圖像關(guān)于綜合表現(xiàn)的主觀排序，隊(duì)(/J)表示第i組 第j幅圖像關(guān)于綜合表現(xiàn)的客觀排序。ω (i,j)用于表示第i組第j幅圖像關(guān)于綜合表現(xiàn) 的主客觀排序是否相同，P是綜合還原系數(shù)評價(jià)正確率。4. 2實(shí)驗(yàn)結(jié)果分析本發(fā)明對100張不同場景、不同霧化程度的測試樣本進(jìn)行了測試，采用的去霧 增強(qiáng)方法有在參考文獻(xiàn)“自動(dòng)圖像增強(qiáng)RETIX處理(Retinexprocessing for automatic image enhancement. Journal of Electroniclmaging.2004, vol. 13(1), Page (s) 100-110)”、“霧化圖像的視覺增強(qiáng)(Visibility enhancement for roads with foggy or hazy scenes. IEEEIntelligent Vehicles Symposium. 2007, Page (s) :19_24) ”的算法和直 方圖均衡化，假設(shè)原圖也是一種方法的處理結(jié)果，共得到100X4 = 400張圖像。細(xì)節(jié)還原系數(shù)的評價(jià)正確率如表1所示。對包括原圖的共四種去霧方法的處理結(jié) 果進(jìn)行測試，得到表1中第2行的評價(jià)正確率。其中β為信息與噪聲間的平衡系數(shù)。當(dāng) 對不包括原圖的三種去霧方法的處理結(jié)果進(jìn)行測試時(shí)，得到表1中第3行的評價(jià)正確率， 較第2行的評價(jià)結(jié)果有明顯的提高。對在2004年《電子圖像期刊》“自動(dòng)圖像增強(qiáng)RETIX 處理(Retinex processing for automatic image enhancement. Journal of Electronic Imaging. 2004，vol. 13(1)，Page (s) :100_110) ”、在 2007 年《IEEE 智能交通雜談》“霧化 圖像的視覺增強(qiáng)(Visibility enhancement for roads with foggy or hazy scenes. IEEEIntelligent Vehicles Symposium. 2007,Page (s) :19_24) ”中算法的處理結(jié)果進(jìn)行比 較時(shí)，得到兩種方法處理圖像的評價(jià)正確率，對應(yīng)表1中的第4行。根據(jù)表1的測試結(jié)果， 可得到圖4(a)所示的擬合曲線，更加直觀的表現(xiàn)出有效邊緣排序正確率關(guān)于平衡系數(shù)β 和參與比較的方法數(shù)的變化。圖4a的橫坐標(biāo)為平衡系數(shù)β，縱坐標(biāo)為細(xì)節(jié)評價(jià)正確率，三 條曲線中，實(shí)線表示兩種去霧方法評價(jià)正確率，虛線表示三種去霧方法評價(jià)正確率，點(diǎn)畫線 表示四種去霧方法評價(jià)正確率。從表1和圖4(a)中都可看出，當(dāng)平衡系數(shù)β取值0.2時(shí) 細(xì)節(jié)評價(jià)正確率最高，分別為88. 58%,91. 67%,93. 27%，此時(shí)細(xì)節(jié)還原系數(shù)能夠有效的表 示圖像的細(xì)節(jié)還原能力。表1 細(xì)節(jié)還原系數(shù)評價(jià)正確率 本發(fā)明對不同去霧方法處理圖像的色彩還原系數(shù)的評價(jià)正確率進(jìn)行了測試。對 四種方法處理圖像的色彩還原系數(shù)進(jìn)行比較時(shí)，得到色彩評價(jià)正確率80. 66%。對不包 括原圖的三種方法處理結(jié)果的色彩還原系數(shù)進(jìn)行比較時(shí)，得到色彩評價(jià)正確率86. 79%。 對在2004年《電子圖像期刊》“自動(dòng)圖像增強(qiáng)RETIX處理(Retinex processing for automatic image enhancement. Journal ofElectronic Imaging. 2004, vol. 13(1), Page(S) :100-110)”、在2007年《IEEE智能交通雜談》“霧化圖像的視覺增強(qiáng)(Visibility enhancement for roadswith foggy or hazy scenes. IEEE Intelligent Vehicles Symposium. 2007, Page (s) : 19-24) ”中算法處理結(jié)果的色彩還原系數(shù)進(jìn)行比較時(shí)，得到色彩 評價(jià)正確率89. 62%。實(shí)驗(yàn)結(jié)果證明本發(fā)明提出的色彩強(qiáng)度及色彩還原系數(shù)能有效表示圖 像的色彩表現(xiàn)與還原能力。綜合還原系數(shù)的評價(jià)正確率如表2所示。對包括原圖的共四種方法的處理結(jié)果 進(jìn)行測試，得到表2中第2行的綜合評價(jià)正確率。對不包括原圖的三種方法的處理結(jié)果進(jìn) 行測試時(shí)，得到表2中第3行的綜合評價(jià)正確率。對在2004年《電子圖像期刊》“自動(dòng)圖 像增強(qiáng) RETIX 處理(Retinex processing forautomatic image enhancement. Journal of Electronic Imaging. 2004，vol. 13(1), Page (s) : 100-110) ”、在 2007 年《IEEE 智能交通 雜談》“霧化圖像的視覺增強(qiáng)(Visibility enhancement for roads with foggy or hazy scenes. IEEEIntelligent Vehicles Symposium. 2007, Page (s) : 19-24) ” 中算法處理結(jié)果 進(jìn)行比較時(shí)，得到兩種方法處理圖像的綜合評價(jià)正確率，對應(yīng)表2中的第4行。其中α為 有效邊緣與色彩間的平衡系數(shù)。當(dāng)α取值0時(shí)對應(yīng)只有色彩還原系數(shù)參與綜合評價(jià)，當(dāng)α 取值1時(shí)對應(yīng)只有細(xì)節(jié)還原系數(shù)參與綜合評價(jià)。從表2中的統(tǒng)計(jì)結(jié)果可看出，當(dāng)α取值 0.5，綜合了細(xì)節(jié)還原系數(shù)和色彩還原系數(shù)時(shí)，得到最高的評價(jià)的正確率，分別為79.7%、 83.6%、90.6%。對表2的統(tǒng)計(jì)結(jié)果進(jìn)行數(shù)據(jù)擬合，得到圖4(b)所示的綜合評價(jià)正確率曲 線，直觀的體現(xiàn)了本發(fā)明提出的綜合還原系數(shù)的有效性和正確性。圖4a的橫坐標(biāo)為平衡系 數(shù)α，縱坐標(biāo)為綜合評價(jià)正確率，三條曲線中，實(shí)線表示兩種方法評價(jià)正確率，虛線表示三 種方法評價(jià)正確率，點(diǎn)畫線表示四種方法評價(jià)正確率。盡管已經(jīng)示出并描述了本發(fā)明的實(shí)施例，但是本領(lǐng)域技術(shù)人員可以理解，在不偏 離本發(fā)明的精神和原理的基礎(chǔ)上，可以對此實(shí)施例做出改變，本發(fā)明的范圍由所附權(quán)利要 求和它們的等同變換限定。
1權(quán)利要求
種判斷去霧增強(qiáng)圖像質(zhì)量效果的方法，其特征在于，包括步驟(1)，由輸入單元將圖像輸入至圖像去霧增強(qiáng)單元；步驟(2)，由所述圖像去霧增強(qiáng)單元對所述圖像進(jìn)行去霧增強(qiáng)操作，得到去霧增強(qiáng)圖像；步驟(3)，獲取所述去霧增強(qiáng)圖像的細(xì)節(jié)還原系數(shù)；步驟(4)，獲取所述去霧增強(qiáng)圖像的色彩還原系數(shù)；步驟(5)，根據(jù)所述細(xì)節(jié)還原系數(shù)和色彩還原系數(shù)確定所述去霧增強(qiáng)圖像的綜合還原系數(shù)。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟(3)包括 步驟31，獲取所述去霧增強(qiáng)圖像的有效邊緣強(qiáng)度；步驟32，根據(jù)所述去霧增強(qiáng)圖像的有效邊緣強(qiáng)度確定所述去霧增強(qiáng)圖像的細(xì)節(jié)還原系數(shù)。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟(4)包括 步驟41，獲取原始霧化圖像的色彩強(qiáng)度；步驟42，根據(jù)所述色彩強(qiáng)度獲取所述圖像的最大色彩還原倍數(shù)和最大色彩強(qiáng)度； 步驟43，根據(jù)所述最大色彩強(qiáng)度獲取所述圖像的色彩還原系數(shù)曲線； 步驟44，根據(jù)去霧增強(qiáng)后圖像的色彩強(qiáng)度獲取該圖的色彩還原系數(shù)。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù) 。獲取綜合還原系 數(shù)R，其中，Rv和艮分別是所述細(xì)節(jié)還原系數(shù)和所述色彩還原系數(shù)，α為細(xì)節(jié)信息與色彩信 息的平衡系數(shù)。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述細(xì)節(jié)信息與色彩信息的平衡系數(shù)α 的取值范圍為0到1。
6.根據(jù)權(quán)利要求2所述的方法，其特征在于，步驟31包括 步驟311，獲取所述去霧增強(qiáng)圖像在各像素點(diǎn)處的邊緣強(qiáng)度；步驟312，根據(jù)所述邊緣強(qiáng)度獲取所述去霧增強(qiáng)圖像的對比度信息； 步驟313，獲取所述去霧增強(qiáng)圖像的圖像信息強(qiáng)度和噪聲強(qiáng)度； 步驟314，根據(jù)所述去霧增強(qiáng)圖像的圖像信息強(qiáng)度和噪聲強(qiáng)度確定所述去霧增強(qiáng)圖像 的有效邊緣強(qiáng)度。
7.根據(jù)權(quán)利要求2所述的方法，其特征在于，通過邊緣檢測算法獲取所述邊緣強(qiáng)度。Ej
8.根據(jù)權(quán)利要求2所述的方法，其特征在于，根據(jù) 獲取所述細(xì)節(jié)還原系數(shù)，其中，祀為第j幅圖像的細(xì)節(jié)還原系數(shù)，m表示m幅圖片參與比較，￡〗為第 j幅圖像的有效邊緣強(qiáng)度， 表示所有圖像的有效邊緣強(qiáng)度的最大值。
9.根據(jù)權(quán)利要求8所述的方法，其特征在于，根據(jù) 獲取整幅圖像的有效邊緣強(qiáng)度，其中，Evt為整幅圖像的有效邊緣強(qiáng)度，Ev(X，y)為圖像在像素點(diǎn)(X， y)處的有效邊緣強(qiáng)度，H和W為圖像的高度和寬度。
10.根據(jù)權(quán)利要求9所述的方法，其特征在于，根據(jù)Ev(X，y) =Ei (χ, γ)-βΕη(χ, y)獲取有效邊緣強(qiáng)度，其中，Ev (x，y)為圖像在像素點(diǎn)(x，y)處的有效邊緣強(qiáng)度，Ei (x，y)為圖像 在像素點(diǎn)(X，y)處的信息強(qiáng)度，En(X，y)為圖像在像素點(diǎn)(X，y)處的噪聲強(qiáng)度，β為信息 強(qiáng)度與噪聲強(qiáng)度間的平衡系數(shù)。
11.根據(jù)權(quán)利要求3所述的方法，其特征在于，根據(jù)Δ^^^ρ^ΣΣ^Λ、力獲取 整幅圖像的色彩強(qiáng)度，其中，AE94t為整幅圖像的色彩強(qiáng)度，ΔE94(x, y)為兩幅圖像在像素 點(diǎn)(x，y)處的色彩差異，H和W為圖像的高度和寬度。
12.根據(jù)權(quán)利要求11所述的方法，其特征在于，根據(jù)叉=MtX(A^4i)獲取最大色彩強(qiáng) 度，其中，Sc為最大色彩強(qiáng)度，^’9°4<為原始霧化圖像的色彩強(qiáng)度，Mc為最大色彩增強(qiáng)倍數(shù)。
13.根據(jù)權(quán)利要求12所述的方法，其特征在于，根據(jù)M。=獲取最大色彩增強(qiáng)倍數(shù)Mc其中，為原始霧化圖像的色彩強(qiáng)度，a、b、c、d為根據(jù)最小二乘擬合 得到的曲線參數(shù)。
14.根據(jù)權(quán)利要求13所述的方法，其特征在于，根據(jù)足=、^fj4t “、 Γ = e xIo^lwf 、獲取色彩還原系數(shù)，其中，疋為第i幅圖像的色彩還原系數(shù)，為去霧增強(qiáng)后第i幅圖像的色彩強(qiáng)度，Sc 為最大色彩強(qiáng)度，g為圖像的色彩強(qiáng)度是原圖的最大色彩強(qiáng)度的兩倍時(shí)的圖像色彩還原系 數(shù)。
全文摘要
一種判斷去霧增強(qiáng)圖像質(zhì)量效果的方法，屬于圖像處理技術(shù)領(lǐng)域。該方法包括步驟(1)，由輸入單元將圖像輸入至圖像去霧增強(qiáng)單元；步驟(2)，由所述圖像去霧增強(qiáng)單元對所述圖像進(jìn)行去霧增強(qiáng)操作，得到去霧增強(qiáng)圖像；步驟(3)，獲取所述去霧增強(qiáng)圖像的細(xì)節(jié)還原系數(shù)；步驟(4)，獲取所述去霧增強(qiáng)圖像的色彩還原系數(shù)；步驟(5)，根據(jù)所述細(xì)節(jié)還原系數(shù)和色彩還原系數(shù)確定所述去霧增強(qiáng)圖像的綜合還原系數(shù)。該方法能夠客觀有效地比較判斷多種去霧增強(qiáng)圖像質(zhì)量的效果。
文檔編號G06T7/40GK101901482SQ20091008578
公開日2010年12月1日 申請日期2009年5月31日 優(yōu)先權(quán)日2009年5月31日
發(fā)明者劉昌平, 姚波, 黃磊 申請人:漢王科技股份有限公司