一種圖像去霧處理方法
【專利摘要】本發(fā)明涉及一種圖像去霧處理方法。針對霧霾天氣時拍攝的城市街景/交通監(jiān)控圖像存在的清晰化低、圖像中車輛和行人等目標(biāo)物不易識別等問題，通過先對霧天圖像實(shí)施整體增強(qiáng)，再提取圖像高頻信息以加強(qiáng)細(xì)節(jié)的方法得到最終去霧的清晰圖像。所述方法包括：霧天圖像采集，對所述霧天圖像采用Retinex算法進(jìn)行圖像全局增強(qiáng)處理，對圖像進(jìn)行細(xì)節(jié)調(diào)整處理，圖像統(tǒng)合。實(shí)驗(yàn)表明，采用本發(fā)明的Retinex+小波變換方法進(jìn)行去霧處理，效果優(yōu)于Retinex算法和Dark?Channel算法。本發(fā)明不需要深度信息等輔助信息，不需3D建模等繁瑣方法，可以簡單快速地實(shí)現(xiàn)去霧處理，有較好的實(shí)時性。
【專利說明】一種圖像去霧處理方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于數(shù)字圖像處理【技術(shù)領(lǐng)域】。針對霧霾天氣時拍攝的城市街景/交通監(jiān)控圖像存在的清晰化低、圖像中車輛和行人等目標(biāo)物不易識別等問題，通過先對霧天圖像實(shí)施整體增強(qiáng)，再提取圖像高頻信息以加強(qiáng)細(xì)節(jié)的方法得到最終去霧的清晰圖像。

【背景技術(shù)】
[0002]近年來，“霧霾”成為年度關(guān)鍵詞。比如在2013年，這一年的I月，4次霧霾過程籠罩30個省(區(qū)、市)，在北京，僅有5天不是霧霾天。霧霾會使大氣的能見度降低，景物圖像發(fā)生退化，在霧天拍攝的圖像內(nèi)容模糊，對比度下降，這將嚴(yán)重影響采集的戶外圖像的清晰度，給后續(xù)的圖像識別與圖像處理帶來困難。
[0003]目前國內(nèi)外對圖像去霧的算法多種多樣，大體分為圖像的增強(qiáng)以及復(fù)原。比較有代表性的算法可以分為以下幾種:
[0004](I)全局化霧天圖像增強(qiáng)方法。Retinex算法是一種描述顏色不變性的模型，包括單尺度 Retinex 算法(Single-Scale Retinex, SSR)和多尺度 Retinex 算法(Mult1-ScaleRetinex, MSR)。它具有動態(tài)范圍壓縮和顏色不變性的特點(diǎn)，對由于光照不均而引起的低對比度彩色圖像具有很好的增強(qiáng)效果。申請?zhí)枮镃N201110182406.2、名稱為“一種基于圖像亮度分層的視頻圖像去霧方法”的發(fā)明專利，利用Open-MP技術(shù),將自適應(yīng)Retinex圖像去霧方法和基于暗色通道先驗(yàn)的去霧方法(即Dark Channel算法，也是一種常用的全局霧天圖像增強(qiáng)方法)結(jié)合來實(shí)時處理圖像。其缺點(diǎn)是對圖像整體進(jìn)行增強(qiáng)，暗區(qū)域增強(qiáng)的同時，明亮區(qū)域也會被增強(qiáng)使得處理后的圖像失真，更重要的是該算法忽略了圖像邊緣細(xì)節(jié)的增強(qiáng)效果。
[0005](2)基于深度關(guān)系的霧天圖像復(fù)原。降質(zhì)圖像的場景深度信息是復(fù)原霧天圖像的一條重要線索。根據(jù)場景深度信息是否已知可將此種復(fù)原方法分為兩類:一類是假設(shè)場景深度信息已知的方法。該方法由Oakley等人最早提出；另一類是用輔助信息進(jìn)行場景深度提取的方法。交互式景深估計(jì)算法利用已知的3D模型來獲取場景點(diǎn)深度，例如Kopf方法即是利用已知的3D模型獲取景深，從而復(fù)原霧天圖像。申請?zhí)枮镃N201110225936.0、名稱為“一種基于單幅圖像去霧的處理方法、裝置及系統(tǒng)”的發(fā)明專利，也是通過獲取霧化圖像的景物深度信息實(shí)現(xiàn)圖像去霧效果。其缺點(diǎn)是:3D模型的條件非?？量蹋疫@種算法是非自動的，很難實(shí)現(xiàn)實(shí)時性的處理。


【發(fā)明內(nèi)容】

[0006]針對現(xiàn)有技術(shù)中存在的圖像邊緣細(xì)節(jié)失真，以及算法繁瑣實(shí)時性差等問題，本發(fā)明提出了一種圖像去霧處理方法，利用Retinex算法增強(qiáng)圖像的整體輪廓信息，對經(jīng)過Retinex算法處理后的圖像進(jìn)行小波變換，通過增大高頻率分量信息，最后獲得去除霧的清晰圖像。
[0007]一種圖像去霧處理方法，包括以下步驟:
[0008]步驟I，采集霧天圖像I。
[0009]使用攝像機(jī)獲取霧天圖像I。所述圖像I可為黑白或彩色圖像，用η表示圖像顏色通道個數(shù)，如果是黑白圖像，η為I ;如果是彩色圖像，η為3。第I顏色通道用I表示，I =
I,2,…，η。
[0010]步驟2，對所述霧天圖像I進(jìn)行圖像全局增強(qiáng)處理。
[0011]采用Retinex或Dark Channel算法對圖像進(jìn)行圖像全局增強(qiáng)處理,本發(fā)明實(shí)施例采用Retinex算法。Retinex算法是依據(jù)人類視網(wǎng)膜(Retina)、大腦皮層(Cortex)構(gòu)造亮度和顏色的感知模型提出的一種顏色恒常知覺的計(jì)算理論。Retinex算法包括單尺度算法SSR和多尺度算法MSR。在RGB顏色空間中，SSR計(jì)算公式如下:
[0012]R1 (X，y) = 1gI1 (x, y) -log [F (x, y)*I1(x, y) ], I = I, 2,..., η (I)
[0013]其中，R1Uy)相應(yīng)于第I通道的輸出，I1Uy)是圖像I第I通道像素的亮度值，*表示卷積運(yùn)算，η表示顏色通道數(shù)，F(xiàn)(x，y)表示中心/包圍函數(shù)，表示為高斯函數(shù)形式:
[0014]F(x, V) = Κβ~{χ2+}'2)Ισ2(2)
[0015]其中，σ為控制中心/包圍函數(shù)的范圍，σ越小，中心/包圍函數(shù)越尖銳，K由歸一化條件來確定，公式如下:
k = —~J1--(3)
[0016]夕十


^~(χΖ + ν2)/σ2

X=I ν=1
[0017]其中，(x,y)表示像素點(diǎn)的坐標(biāo)，w表示圖像的寬度(即橫坐標(biāo)長度)，h表示圖像的高度(縱坐標(biāo)長度)。顯然，SSR的性能很大程度上取決于變量σ。采用Jobson等人提出的MSR算法得到第I通道的輸出，公式如下:

N
[0018]R1 (.V, I.) = Yj Wn {log /,.(λ-,.ν) — log[F(.Y, r) * i,(x, v)] J-(4)

n=l
[0019]其中，R1(Xj)相應(yīng)于第I通道的輸出，Wn則表示尺度的權(quán)重因子，N表示使用尺度的個數(shù)。
[0020]對所述霧天圖像I進(jìn)行上述全局增強(qiáng)處理后，得到圖像R。
[0021]步驟3，對圖像進(jìn)行細(xì)節(jié)調(diào)整處理。
[0022]圖像I經(jīng)過全局增強(qiáng)處理后，霧天信息一定程度上被去除，但是細(xì)節(jié)部分不過突出，還需進(jìn)行進(jìn)一步優(yōu)化處理。
[0023]對圖像進(jìn)行細(xì)節(jié)調(diào)整有兩種實(shí)施方式:實(shí)施方式一是對步驟2經(jīng)過全局增強(qiáng)處理后得到的所述圖像R進(jìn)行細(xì)節(jié)調(diào)整處理；實(shí)施方式二是直接對步驟I得到的所述霧天圖像I進(jìn)行細(xì)節(jié)調(diào)整處理，得到圖像W，然后在步驟4對所述圖像W和所述圖像R進(jìn)行統(tǒng)合。
[0024]圖像中的紋理和邊緣都屬于圖像的高頻部分，平滑部分對應(yīng)低頻部分。加強(qiáng)圖像高頻信息，能夠突出圖像中對象物(行人，車輛等)的邊界信息，使圖像細(xì)節(jié)更加清晰化。本發(fā)明利用增強(qiáng)圖像的高頻信息對圖像中人物、車輛的細(xì)節(jié)信息進(jìn)行加強(qiáng)?？梢圆扇『芏喾椒ǚ蛛x圖像中的高頻和低頻部分，比如利用傅里葉變換、小波變換等算法。進(jìn)行圖像細(xì)節(jié)調(diào)整的步驟如下:
[0025]步驟3.1，輸入待處理圖像I或R。
[0026]步驟3.2，對所述圖像進(jìn)行分層處理。
[0027]可采用傅里葉變換、小波變換等算法對圖像進(jìn)行分層處理。本發(fā)明實(shí)施例采用小波變換。采用小波變換算法對所述圖像在不同的尺度上使用高通濾波器和低通濾波器在水平和垂直兩個方向上分別進(jìn)行兩次濾波，得到的分解結(jié)果為:近似分量A、水平細(xì)節(jié)分量H、垂直細(xì)節(jié)分量V和對角細(xì)節(jié)分量D。小波變換算法中的濾波次數(shù)可根據(jù)需要進(jìn)行調(diào)整。
[0028]步驟3.3，調(diào)整高低頻系數(shù)。
[0029]霧天圖像的云霧信息主要分布在低頻，景物信息占據(jù)相對高頻。圖像經(jīng)多層小波變換得到最高層的近似系數(shù)和每一層的細(xì)節(jié)系數(shù)。近似系數(shù)代表圖像背景，頻率最低；細(xì)節(jié)系數(shù)代表圖像的高頻信息，層數(shù)大的細(xì)節(jié)系數(shù)頻率較低。
[0030]通過降低近似分量A的系數(shù)，增大水平細(xì)節(jié)分量H、垂直細(xì)節(jié)分量V和對角細(xì)節(jié)分量D的系數(shù)，實(shí)現(xiàn)減弱低頻的云霧信息、增強(qiáng)相對高頻的景物信息的目的。
[0031]步驟3.4，根據(jù)所述步驟3.3進(jìn)行小波系數(shù)重構(gòu)，得到重構(gòu)圖像。
[0032]步驟4，進(jìn)行圖像統(tǒng)合處理。
[0033]本步驟只適應(yīng)實(shí)施方式二，對步驟2得到的所述圖像R和步驟3得到的所述圖像W進(jìn)行統(tǒng)合處理，方法如下:
[0034]對所述圖像R和所述圖像W實(shí)施像素級別的疊加，生成新圖像R’，公式如下:
[0035]R，(i, j) = W1^R (i, j)+w2*ff(i, j) (5)
[0036]其中，W1, W2分別表示權(quán)重，可以根據(jù)需要進(jìn)行調(diào)整;R，(i，j)、R(i，j)和W(i，j)分別為新圖像、圖像R和圖像W在坐標(biāo)(i，j)位置的像素值，可以是灰度空間的灰度值，也可以分別是RGB顏色空間的R、G、B值。如果是RGB顏色空間，那么獲得新圖像R’(i，j)的RGB 值。
[0037]與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點(diǎn):
[0038](I)應(yīng)用單一的Retinex或Dark Channel算法進(jìn)行除霧處理,只能增強(qiáng)圖像的整體輪廓，圖像的細(xì)節(jié)不突出。本發(fā)明提出了一種改進(jìn)的除霧處理方法，首先利用Retinex算法增強(qiáng)圖像的整體輪廓信息，然后對經(jīng)過Retinex算法處理后的圖像進(jìn)行小波變換，增強(qiáng)高頻率分量信息，最后獲得輪廓清晰、細(xì)節(jié)突出的去除霧后的圖像。實(shí)驗(yàn)表明，采用Retinex算法、Dark Channel算法和本發(fā)明的Retinex+小波變換方法,分別對10幅霧天圖像進(jìn)行處理，本發(fā)明所述方法對每幅圖像處理的PSNR值和平均值均高于Retinex算法以及DarkChannel算法,說明利用本發(fā)明所述方法處理后的圖象失真小，相比所述Retinex及DarkChannel算法有較好的去霧效果。
[0039](2)本發(fā)明不需要深度信息等輔助信息，不需3D建模等繁瑣方法，可以簡單快速地實(shí)現(xiàn)去霧處理，有較好的實(shí)時性。

【專利附圖】

【附圖說明】
[0040]圖1為本發(fā)明【具體實(shí)施方式】一的流程圖；
[0041]圖2為本發(fā)明【具體實(shí)施方式】二的流程圖；
[0042]圖3為圖像細(xì)節(jié)調(diào)整的實(shí)施步驟；
[0043]圖4為實(shí)驗(yàn)結(jié)果，(a)為晴天圖像，(b)為與(a)在同一個地方，利用相同的相機(jī)角度拍攝的霧天圖像，(c)為采用Dark Channel算法處理后的去霧效果圖像，(d)為采用Retinex算法處理后的去霧圖像，(e)為本發(fā)明采用Retinex+小波變換方法得到的去霧效果圖像。

【具體實(shí)施方式】
[0044]實(shí)施方式一。
[0045]實(shí)施方式一的流程圖如圖1所示，包括以下步驟:
[0046]步驟S10，圖像采集；
[0047]步驟S20，圖像全局增強(qiáng)；
[0048]步驟S30，圖像細(xì)節(jié)調(diào)整。
[0049]實(shí)施方式二。
[0050]實(shí)施方式二的流程圖如圖2所示，包括以下步驟:
[0051]步驟S10，圖像采集；
[0052]步驟S20，圖像全局增強(qiáng)；
[0053]步驟S30，圖像細(xì)節(jié)調(diào)整；
[0054]步驟S40，圖像統(tǒng)合。
[0055]實(shí)施方式一、二的圖像細(xì)節(jié)調(diào)整步驟S30還包括以下步驟:
[0056]步驟S300，取得圖像R(或I);
[0057]步驟S310，使用小波變換對圖像R(或I)進(jìn)行分層處理；
[0058]采用小波變換算法對所述圖像在不同的尺度上使用高通濾波器和低通濾波器在水平和垂直兩個方向上分別進(jìn)行兩次濾波，得到的分解結(jié)果為:近似分量A、水平細(xì)節(jié)分量
H、垂直細(xì)節(jié)分量V和對角細(xì)節(jié)分量D?？筛鶕?jù)需要調(diào)整小波變換算法中的濾波次數(shù)。
[0059]步驟S320，調(diào)整高低頻系數(shù)。
[0060]通過降低近似分量A的系數(shù)，增大水平細(xì)節(jié)分量H、垂直細(xì)節(jié)分量V和對角細(xì)節(jié)分量D的系數(shù)，實(shí)現(xiàn)減弱低頻的云霧信息、增強(qiáng)相對高頻的景物信息的目的。
[0061]步驟S330，對所述步驟S320進(jìn)行系數(shù)重構(gòu)，得到重構(gòu)圖像。
[0062]下面給出應(yīng)用本發(fā)明的實(shí)驗(yàn)結(jié)果。
[0063]實(shí)驗(yàn)分別采用Retinex算法、Dark Channel算法和本發(fā)明的Retinex+小波變換方法。實(shí)驗(yàn)結(jié)果如圖4所示。
[0064]由圖4的實(shí)驗(yàn)結(jié)果可以看出，本發(fā)明采用的圖像全局增強(qiáng)算法+圖像細(xì)節(jié)增強(qiáng)(Retinex+小波變換)獲得的圖像比僅利用圖像全局增強(qiáng)算法更清晰、自然，比如圖4(e)中的道路，以及路旁的樹木，在顏色的過渡及邊遠(yuǎn)細(xì)節(jié)方面都明顯優(yōu)于采用Retinex算法、Dark Channel 算法的圖 4(c)和圖 4(d)。
[0065]用肉眼評價(jià)一些樣本圖像的細(xì)節(jié)差異不明顯，為此引入最常見且最廣泛使用的PSNR(峰值信噪比)評價(jià)價(jià)圖像的去霧效果。PSNR計(jì)算公式如公式下:

2552
[0066]PSNR = 1x log(6)

MSE

PixN
[。。67] MSE- ^-—■(7)
MxN
[0068]其中，255就是指8bits灰度圖像中最大值像素值255，對于其它灰度圖像相應(yīng)改為最大像素值即可。MSE(MeanSquareError)是原圖像與處理圖像之間均方誤差，M、N分別表示圖像的高度以及寬度。In為原始圖像第η個像素值，Pn為經(jīng)處理后的圖像第η個像素值。PSNR的單位為dB。所以PSNR值越大，就代表圖像失真越少。
[0069]表1給出了采用上述三種不同算法對10幅圖像處理后的PSNR值及平均值由表1可知，本發(fā)明所述方法(Retinex+小波變換方法)對每幅圖像處理的PSNR值和平均值均高于Retinex算法以及Dark Channel算法,說明利用本發(fā)明說書方法處理后的圖象失真小，相比所述Retinex算法以及Dark Channel算法效果良好。
[0070]表1采用三種不同算法的PSNR值的比較
[0071]

【權(quán)利要求】
1.一種圖像去霧處理方法，包括采集霧天圖像得到圖像I的步驟，對所述圖像I進(jìn)行圖像全局增強(qiáng)處理得到圖像R的步驟；其特征在于，還包括對圖像進(jìn)行細(xì)節(jié)調(diào)整處理的步驟，方法如下: (1)輸入待處理圖像； (2)對所述圖像進(jìn)行分層處理； 采用小波變換算法對所述圖像在不同的尺度上使用高通濾波器和低通濾波器在水平和垂直兩個方向上分別進(jìn)行兩次濾波，得到的分解結(jié)果為:近似分量A、水平細(xì)節(jié)分量H、垂直細(xì)節(jié)分量V和對角細(xì)節(jié)分量D ;所述小波變換算法中的濾波次數(shù)可根據(jù)需要進(jìn)行調(diào)整； (3)調(diào)整高低頻系數(shù)； 通過降低近似分量A的系數(shù)，增大水平細(xì)節(jié)分量H、垂直細(xì)節(jié)分量V和對角細(xì)節(jié)分量D的系數(shù)，實(shí)現(xiàn)減弱低頻的云霧信息、增強(qiáng)相對高頻的景物信息的目的； (4)根據(jù)所述步驟(3)進(jìn)行小波系數(shù)重構(gòu)，得到重構(gòu)圖像。
2.根據(jù)權(quán)利要求1所述的一種圖像去霧處理方法，其特征在于，對所述霧天圖像I進(jìn)行圖像全局增強(qiáng)處理的方法還包括以下內(nèi)容: 采用Retinex算法對圖像進(jìn)行圖像全局增強(qiáng)處理，包括單尺度算法SSR和多尺度算法MSR ;在RGB顏色空間中，SSR計(jì)算公式如下:
Ri (X，y) = 1gI1 (X，y) -log [F (x, y)*I1(x, y) ], I = I, 2,..., η (I) 其中，R1 (χ, y)相應(yīng)于第I通道的輸出山U，y)是所述圖像I第I通道像素的亮度值表示卷積運(yùn)算；n表示顏色通道數(shù)，如果是黑白圖像，η為I ;如果是彩色圖像，η為3 ；F (x, y)表示中心/包圍函數(shù)，表示為高斯函數(shù)形式: F(x,y) = Ke-{xl+y2)/al(2) 其中，σ為控制中心/包圍函數(shù)的范圍，σ越小，中心/包圍函數(shù)越尖銳；K由歸一化條件來確定，公式如下:k =---(3)
Μ-1 η
ΣΣ^~(χ2+>ι2)/σ2
χ=1 ν=1 其中，(χ，y)表示像素點(diǎn)的坐標(biāo)；w表示圖像的寬度，h表示圖像的高度；顯然，SSR的性能很大程度上取決于變量σ ;采用Jobson提出的MSR算法得到第I通道的輸出，公式如下:
R丨(上% V) = V W11 {log /,(λ-, ν) — log[F(.\% y) * it(x, I)]](4)

n=l 其中，R1U, y)相應(yīng)于第I通道的輸出，Wn則表示尺度的權(quán)重因子，N表示使用尺度的個數(shù)。
3.根據(jù)權(quán)利要求1所述的一種圖像去霧處理方法，其特征在于，所述細(xì)節(jié)調(diào)整處理的對象是經(jīng)過全局增強(qiáng)處理后得到的所述圖像R，處理后得到輪廓和細(xì)節(jié)都得到優(yōu)化的去霧處理圖像。
4.根據(jù)權(quán)利要求1所述的一種圖像去霧處理方法，其特征在于，所述細(xì)節(jié)調(diào)整處理的對象是所述霧天圖像I，處理后得到圖像W。
5.根據(jù)權(quán)利要求4所述的一種圖像去霧處理方法，其特征在于，對所述霧天圖像I進(jìn)行細(xì)節(jié)調(diào)整處理后，還需對所述圖像R和所述圖像W進(jìn)行統(tǒng)合處理，得到輪廓和細(xì)節(jié)都得到優(yōu)化的去霧處理圖像；統(tǒng)合處理方法如下: 對所述圖像R和所述圖像W實(shí)施像素級別的疊加，生成新圖像R’，公式如下:
R，(i, j) = W1^R (i, j)+w2*ff (i, j) (5) 其中，W1, W2分別表示權(quán)重，可以根據(jù)需要進(jìn)行調(diào)整；R’(i，j)、R(i，j)和W(i，j)分別為新圖像、圖像R和圖像W在坐標(biāo)(i，j)位置的像素值，可以是灰度空間的灰度值，也可以分別是RGB顏色空間的R、G、B值；如果是RGB顏色空間，那么獲得新圖像R’(i，j)的RGB值。
【文檔編號】G06T5/00GK104200437SQ201410448950
【公開日】2014年12月10日 申請日期:2014年9月4日 優(yōu)先權(quán)日:2014年9月4日
【發(fā)明者】張文利, 李紅璐, 王卓崢, 黃靜 申請人:北京工業(yè)大學(xué)