專利名稱：退化圖像復(fù)原方法及系統(tǒng)的制作方法
退化圖像復(fù)原方法及系統(tǒng)
技術(shù)領(lǐng)域：
本發(fā)明涉及了圖像處理技術(shù)，尤其涉及一種退化圖像復(fù)原方法及系統(tǒng)。
背景技術(shù)：
當(dāng)今，惡劣天氣條件下的退化圖像的復(fù)原技術(shù)成為研究的熱點(diǎn)。但是，目前的圖像復(fù)原方法要么是引入圖像摳圖技術(shù)后的改進(jìn)算法，要么是采用兩次中值濾波來求退化圖像中大氣掩蓋層，造成圖像部分細(xì)節(jié)嚴(yán)重丟失，計算量相對較大，而且還使用白化平衡、色調(diào)映射和伽瑪校正技術(shù)來提高顏色逼真度，對惡劣天氣條件下的某些退化圖像處理效果不夠
王電相方法一采用暗原色先驗來對單一圖像去霧，能夠處理彩色圖像和灰度圖像，但是計算量很大。方法二采用中值濾波來求退化圖像中云霧掩蓋層。采用兩次中值濾波來求退化圖像中云霧掩蓋層，造成圖像部分細(xì)節(jié)嚴(yán)重丟失，計算量相對較大，而且還使用白化平衡、色調(diào)映射和伽瑪校正技術(shù)來提高顏色逼真度，對惡劣天氣條件下的某些退化圖像處理效果都不夠理想。

發(fā)明內(nèi)容基于此，有必要提供一種能減少計算量并能提高退化圖像的復(fù)原效果的退化圖像復(fù)原方法。一種退化圖像復(fù)原方法包括以下步驟獲取退化圖像；建立所述退化圖像關(guān)于大氣掩蓋層的數(shù)學(xué)模型；對所述數(shù)學(xué)模型，利用奇異值分解，獲得所述大氣掩蓋層的估算矩陣；根據(jù)所述估算矩陣計算大氣掩蓋層；選取大氣光矩陣，運(yùn)算得到大氣掩蓋層的傳輸系數(shù)矩陣；根據(jù)所述大氣掩蓋層及傳輸系數(shù)矩陣，求取復(fù)原圖像。進(jìn)一步地，所述建立所述退化圖像的數(shù)學(xué)模型為I (X) = J(x) (l-B(x)/A)+B(X),其中，X為圖像中像素坐標(biāo)，I為采集的退化圖像且I e Cmxn, J為場景輻射亮度，A為描述大氣光顏色的大氣光矩陣,B (X)為大氣掩蓋層,且B (X) = A(l-t(x))，大氣掩蓋層來源于空氣中微粒引起的散射光，t(x)為傳輸系數(shù)矩陣。進(jìn)一步地，所述建立所述退化圖像的數(shù)學(xué)模型還包括以下步驟對所述退化圖像進(jìn)行初始化、歸一化處理；輸入?yún)?shù)。進(jìn)一步地，所述對所述數(shù)學(xué)模型，利用奇異值分解，獲得大氣掩蓋層的估算矩陣的步驟包括以下步驟求取所述退化圖像的每個像素坐標(biāo)位置處的亮度最小值構(gòu)成云霧矩陣；、
對所述云霧矩陣進(jìn)行奇異值分解，得到奇異值矩陣；截取所述奇異值矩陣的主要元素構(gòu)成所述大氣掩蓋層的主成分矩陣；對所述主成分矩陣進(jìn)行奇異值分解的逆變換，重建得到所述大氣掩蓋層的估算矩陣。進(jìn)一步地，所述對所述數(shù)學(xué)模型，利用奇異值分解，獲得所述大氣掩蓋層的估算矩陣步驟中，還可以利用小波變換、傅立葉變換或離散余弦變換來獲得大氣掩蓋層的估算矩陣。進(jìn)一步地，所述根據(jù)估算矩陣計算大氣掩蓋層步驟包括按照如下公式計算大氣掩蓋層
B = q- max |min {w,j, 0|根據(jù)大氣掩蓋層的估算矩陣W與圖像像素亮度的最小值w對大氣掩蓋層B進(jìn)一步修正，其中，保證大氣掩蓋層的信號強(qiáng)度小于圖像像素亮度的最小值，q為步驟建立所述退化圖像的數(shù)學(xué)模型中輸入的參數(shù)。本發(fā)明還提供一種退化圖像復(fù)原系統(tǒng)包括獲取模塊，用于獲取退化圖像；建模模塊，用于建立所述退化圖像關(guān)于大氣掩蓋層的數(shù)學(xué)模型；分解模塊，用于對所述數(shù)學(xué)模型，利用奇異值分解，獲得大氣掩蓋層的估算矩陣；計算模塊，用于根據(jù)所述估算矩陣計算大氣掩蓋層；選取模塊，選取大氣光矩陣，運(yùn)算得到大氣掩蓋層的傳輸系數(shù)矩陣；成像模塊，用于根據(jù)所述大氣掩蓋層及傳輸系數(shù)矩陣，求取復(fù)原圖像。進(jìn)一步地，所述建模模塊建立的所述圖像的數(shù)學(xué)模型為I (X) = J(x) (l-B(x)/A)+B (X)其中，X為圖像中像素坐標(biāo)，I為采集的退化圖像，且I e CmXn，J為場景輻射亮度，A為描述大氣光顏色的大氣光矩陣，B(x)稱為大氣掩蓋層B(X) = A(l_t(x))，來源于空氣中微粒引起的散射光，t(x)為傳輸系數(shù)矩陣。進(jìn)一步地，所述分解模塊包括求最小單元，用于求取所述退化圖像的每個像素坐標(biāo)位置處的最小值構(gòu)成云霧矩陣；奇異值分解單元，用于對所述云霧矩陣進(jìn)行奇異值分解，得到奇異值矩陣；截取單元，用于截取所述奇異值矩陣的主要元素構(gòu)成所述大氣掩蓋層的主成分矩陣；重建單元，用于對所述主成分矩陣，利用奇異值分解的逆變換，重建得到所述大氣掩蓋層的估算矩陣。上述惡劣天氣條件下退化圖像復(fù)原方法和系統(tǒng)中，通過對原始圖像進(jìn)行數(shù)學(xué)建模，建立的數(shù)學(xué)模型含有大氣掩蓋層變量，并對該數(shù)學(xué)模型，利用奇異值分解來獲得截取的該原始圖像的干擾信號的主要成分，根據(jù)矩陣分解的逆變換，獲得大氣掩蓋層的估算矩陣。根據(jù)得到的估算矩陣計算大氣掩蓋層及傳輸系數(shù)，最終得到圖像的復(fù)原圖。上述惡劣天氣條件下退化圖像復(fù)原方法通過在退化圖像的數(shù)學(xué)模型中引入大氣掩蓋層變量，通過優(yōu)化計算得到較為準(zhǔn)確的大氣掩蓋層，則經(jīng)修復(fù)的復(fù)原圖也能夠具有較高的對比度。上述惡劣天氣條件下退化圖像復(fù)原方法和系統(tǒng)還能夠處理由陰雨天氣造成的退化圖像，并且沒有使用白化平衡、色調(diào)映射和伽瑪校正技術(shù)，對退化圖像的局部細(xì)節(jié)恢復(fù)效果較好，處理結(jié)果的顏色逼真度、清晰度也較好。

圖I為一實施方式的退化圖像復(fù)原方法的流程圖；圖2為 一實施例中建立關(guān)于圖像的數(shù)學(xué)模型的具體流程圖；圖3為另一實施例中對數(shù)學(xué)模型，利用矩陣分解，獲得大氣掩蓋層的估計值的具體流程圖；圖4為一實施方式的退化圖像復(fù)原系統(tǒng)的結(jié)構(gòu)示意圖；圖5-1為道路大氣退化灰度圖像；圖5-2為根據(jù)方法一對圖5-1所示的道路大氣退化圖像的復(fù)原圖；圖5-3為根據(jù)方法二對圖5-1所示的道路大氣退化圖像的復(fù)原圖；圖5-4為根據(jù)圖I所示的復(fù)原方法對圖5-1所示的道路大氣退化圖像的復(fù)原圖；圖6-1為森林大氣退化彩色圖像；圖6-2為根據(jù)方法一對圖6-1所示的森林大氣退化圖像的復(fù)原圖；圖6-3為根據(jù)方法二對圖6-1所示的森林大氣退化圖像的復(fù)原圖；圖6-4為根據(jù)圖I所示的復(fù)原方法對圖6-1所示的森林大氣退化圖像的復(fù)原圖；圖7-1為房屋雨霧退化彩色圖像；圖7-2為根據(jù)方法一對圖7-1所示的房屋大氣退化圖像的復(fù)原圖；圖7-3為根據(jù)方法二對圖7-1所示的房屋大氣退化圖像的復(fù)原圖；圖7-4為根據(jù)圖I所示的復(fù)原方法對圖7-1所示的房屋大氣退化圖像的復(fù)原圖；圖8-1為雨天道路退化彩色圖像；圖8-2為根據(jù)方法一對圖8-1所示的雨天道路退化圖像的復(fù)原圖；圖8-3為根據(jù)方法二對圖8-1所示的雨天道路退化圖像的復(fù)原圖；圖8-4為根據(jù)圖I所示的復(fù)原方法對圖8-1所示的雨天道路退化圖像的復(fù)原圖。
具體實施方式為了便于理解本發(fā)明，下面將參照相關(guān)附圖對本發(fā)明進(jìn)行更全面的描述。附圖中給出了本發(fā)明的較佳實施方式。但是，本發(fā)明可以以許多不同的形式來實現(xiàn)，并不限于本文所描述的實施方式。相反地，提供這些實施方式的目的是使對本發(fā)明的公開內(nèi)容理解的更加透徹全面。請參閱圖1，本實施例的退化圖像復(fù)原方法100包括以下步驟步驟S110，獲取退化圖像。在云霧天氣下，獲取的圖像會因為大氣掩蓋層的低頻干擾信號和高頻干擾信號對圖像質(zhì)量造成影響，經(jīng)研究表明，圖像退化的主要原因來自于低頻干擾信號。退化圖像為單幀圖像。在一實施例中，退化圖像為灰度圖像或彩色圖像。步驟S120，建立退化圖像關(guān)于大氣掩蓋層的數(shù)學(xué)模型。由于大氣云霧等惡劣天氣條件造成的圖像退化，對于單幀圖像來說，沒有已知的場景結(jié)構(gòu)信息，因此不能直接利用退化圖像的對比度增強(qiáng)模型。引入大氣掩蓋層變量B(x) = A (l~t (x)) (I)則該退化圖像的數(shù)學(xué)模型為I (X) = J(x) (l-B(x)/A)+B (X) (2)其中，X為圖像中像素坐標(biāo)，I為采集的退化圖像且I e Cmxn, J為場景輻射亮度，A為描述大氣光顏色的大氣光矩陣。公式(2)右邊第一項J(X) (l-B(x)/A)稱為直接衰減，描述場景輻射在媒質(zhì)中的衰減；第二項B(X)稱為大氣掩蓋層，主要來源于空氣中微粒引起的散射光，會造成場景顏色變化。數(shù)學(xué)模型是建立在惡劣天氣條件對外景圖像或視頻造成影響的基礎(chǔ)上。如圖2所示，在一實施例中，步驟S120建立退化圖像關(guān)于大氣掩蓋層的數(shù)學(xué)模型 還包括以下步驟步驟S121，對所述退化圖像進(jìn)行初始化、歸一化處理。將退化圖像進(jìn)行歸一化處理，使退化圖像在以后的處理過程中，能夠按照統(tǒng)一的標(biāo)準(zhǔn)對其進(jìn)行處理。步驟S122，輸入?yún)?shù)p、q。P為截取主成分矩陣的重要元素。根據(jù)P確定主成分矩陣的元素個數(shù)。q通常取0.9 0.95之間的任意一值，q用于保證大氣掩蓋層的干擾信號低于圖像的目標(biāo)成像信號，設(shè)q < I能夠保證圖像的成像信號能夠大于干擾信號，保證能夠采集到圖像。步驟S130，對數(shù)學(xué)模型進(jìn)行奇異值分解，獲得大氣掩蓋層的估算矩陣。對退化圖像的數(shù)學(xué)模型，利用奇異值分解，得到該退化圖像的奇異值矩陣，對該奇異值矩陣的主要成分矩陣進(jìn)行奇異值分解的逆變換求得大氣掩蓋層的估算矩陣。由于退化圖像I可以為彩色圖像或是灰度圖像。當(dāng)退化圖像為彩色圖像的時候，由于彩色圖像的像素具有多個分量，所以在進(jìn)行奇異值分解的時候需要預(yù)處理。如圖3所示，在一實施例中，步驟S130還包括以下步驟步驟S131，求取退化圖像I每個像素坐標(biāo)位置處的最小值構(gòu)成云霧矩陣彩色圖像的3個分量的信號包括R、G、B信息，根據(jù)下式分別求取信號的3個分量的最小值w = min (I, []，3) (3)保證云霧干擾信號強(qiáng)度小于目標(biāo)信號的信號強(qiáng)度，由此，得到大氣干擾圖像成像的云霧矩陣W。當(dāng)退化圖像I為灰度圖像時W=I (4)由此，當(dāng)退化圖像I為灰度圖像時，退化圖像I的像素亮度的最小值就是退化圖像I的本身。因此可以統(tǒng)一對云霧矩陣w進(jìn)行矩陣分解。步驟S132，對云霧矩陣w進(jìn)行奇異值分解，得到奇異值矩陣。對輸入退化圖像I G Cmxn,則由退化圖像I像素亮度的最小值構(gòu)成的云霧矩陣w的奇異值分解式及其對角矩陣分別為[USV] = svd (w), r = rank (S) (5)
權(quán)利要求
1.一種退化圖像復(fù)原方法，包括以下步驟 獲取退化圖像； 建立所述退化圖像關(guān)于大氣掩蓋層的數(shù)學(xué)模型； 對所述數(shù)學(xué)模型，利用奇異值分解，獲得所述大氣掩蓋層的估算矩陣； 根據(jù)所述估算矩陣計算大氣掩蓋層； 選取大氣光矩陣，運(yùn)算得到所述大氣掩蓋層的傳輸系數(shù)矩陣； 根據(jù)所述大氣掩蓋層及傳輸系數(shù)矩陣，求取復(fù)原圖像。
2.根據(jù)權(quán)利要求I所述的退化圖像復(fù)原方法，其特征在于，所述建立所述退化圖像的數(shù)學(xué)模型為I(x) = J(X) (1-B(x)/A)+B(x) 其中，X為圖像中像素坐標(biāo)，I為采集的退化圖像且I e Cmxn, J為場景輻射亮度，A為描述大氣光顏色的大氣光矩陣，B(X)為大氣掩蓋層，且B(X) =A(l-t(x))，大氣掩蓋層來源于空氣中微粒引起的散射光，t(x)為傳輸系數(shù)矩陣。
3.根據(jù)權(quán)利要求I所述的退化圖像復(fù)原方法，其特征在于，所述建立所述退化圖像的數(shù)學(xué)模型還包括以下步驟 對所述退化圖像進(jìn)行初始化、歸一化處理； 輸入?yún)?shù)。
4.根據(jù)權(quán)利要求I所述的退化圖像復(fù)原方法，其特征在于，所述對所述數(shù)學(xué)模型，利用奇異值分解，獲得大氣掩蓋層的估算矩陣的步驟包括以下步驟 求取所述退化圖像的每個像素坐標(biāo)位置處的最小值構(gòu)成云霧矩陣； 對所述云霧矩陣進(jìn)行奇異值分解，得到奇異值矩陣； 截取所述奇異值矩陣的主要元素構(gòu)成所述大氣掩蓋層的主成分矩陣； 對所述主成分矩陣進(jìn)行奇異值分解的逆變換，重建得到所述大氣掩蓋層的估算矩陣。
5.根據(jù)權(quán)利要求I所述的退化圖像復(fù)原方法，其特征在于，所述對所述數(shù)學(xué)模型，利用奇異值分解，獲得所述大氣掩蓋層的估算矩陣步驟中，還可以利用小波變換、傅立葉變換或離散余弦變換來獲得大氣掩蓋層的估算矩陣。
6.根據(jù)權(quán)利要求3所述的退化圖像復(fù)原方法，其特征在于，所述根據(jù)估算矩陣計算大氣掩蓋層步驟包括 按照如下公式計算大氣掩蓋層 B -q-max 根據(jù)大氣掩蓋層的估算矩陣W與圖像像素亮度的最小值w對大氣掩蓋層B進(jìn)一步修正，其中，保證大氣掩蓋層的信號強(qiáng)度小于圖像像素亮度的最小值，q為在步驟建立所述退化圖像的數(shù)學(xué)模型中輸入的參數(shù)。
7.—種退化圖像復(fù)原系統(tǒng)，其特征在于，包括 獲取模塊，用于獲取退化圖像； 建模模塊，用于建立所述退化圖像關(guān)于大氣掩蓋層的數(shù)學(xué)模型； 分解模塊，用于對所述數(shù)學(xué)模型，利用奇異值分解，獲得大氣掩蓋層的估算矩陣； 計算模塊，用于根據(jù)所述估算矩陣計算大氣掩蓋層；選取模塊，選取大氣光矩陣，運(yùn)算得到所述大氣掩蓋層的傳輸系數(shù)矩陣； 成像模塊，用于根據(jù)所述大氣掩蓋層及傳輸系數(shù)矩陣，求取復(fù)原圖像。
8.根據(jù)權(quán)利要求7所述的退化圖像復(fù)原系統(tǒng)，其特征在于，所述建模模塊建立的所述圖像的數(shù)學(xué)模型為I(x) = J(X) (1-B(x)/A)+B(x) 其中，X為圖像中像素坐標(biāo)，I為采集的退化圖像，且I e Cmxn, J為場景輻射亮度，A為描述大氣光顏色的大氣光矩陣，B(X)稱為大氣掩蓋層,B(X) = A(l-t(x)),來源于空氣中微粒引起的散射光，t(x)為傳輸系數(shù)矩陣。
9.根據(jù)權(quán)利要求7所述的退化圖像復(fù)原系統(tǒng)，其特征在于，所述分解模塊包括求最小 單元，用于求取所述退化圖像的每個像素坐標(biāo)位置處的亮度最小值構(gòu)成云霧矩陣； 奇異值分解模塊，用于對所述云霧矩陣進(jìn)行奇異值分解，得到奇異值矩陣； 截取單元，用于截取所述奇異值矩陣的主要元素構(gòu)成所述大氣掩蓋層的主成分矩陣； 重建單元，用于對所述主成分矩陣進(jìn)行奇異值分解的逆變換，重建得到所述大氣掩蓋層的估算矩陣。
10.根據(jù)權(quán)利要求I所述的退化圖像復(fù)原系統(tǒng)，其特征在于，所述分解模塊還適用于對所述數(shù)學(xué)模型，利用小波變換、傅立葉變換或離散余弦變換來獲得大氣掩蓋層的估算矩陣。
全文摘要
一種退化圖像復(fù)原方法包括以下步驟獲取退化圖像；建立退化圖像關(guān)于大氣掩蓋層的數(shù)學(xué)模型；根據(jù)所述的數(shù)學(xué)模型，對退化圖像利用奇異值分解，獲得大氣掩蓋層的估算矩陣；根據(jù)估算矩陣計算大氣掩蓋層；選取大氣光矩陣，運(yùn)算得到大氣掩蓋層的傳輸系數(shù)矩陣；根據(jù)大氣掩蓋層及傳輸系數(shù)矩陣，求取復(fù)原圖像。上述退化圖像復(fù)原方法建立的數(shù)學(xué)模型含有大氣掩蓋層變量，通過優(yōu)化計算得到較為精確的大氣掩蓋層及傳輸系數(shù)，則經(jīng)修復(fù)的復(fù)原圖也能夠具有較高的對比度。本方法沒有使用白化平衡、色調(diào)映射和伽瑪校正技術(shù)，對退化圖像的局部細(xì)節(jié)恢復(fù)效果較好，處理結(jié)果的顏色逼真度、清晰度也較好。還提供了一種退化圖像復(fù)原系統(tǒng)。
文檔編號G06T5/00GK102646267SQ20121003958
公開日2012年8月22日 申請日期2012年2月21日 優(yōu)先權(quán)日2011年12月12日
發(fā)明者劉新, 宋怡彪, 章勇勤, 苗卉, 邱本勝, 鄭海榮 申請人:中國科學(xué)院深圳先進(jìn)技術(shù)研究院