本發(fā)明涉及圖像處理領(lǐng)域，特別是一種基于Retinex的快速夜間霧天圖像復原方法。

背景技術(shù)：

霧是一種自然現(xiàn)象，是由于大氣中懸浮的大量微小水珠、氣溶膠等介質(zhì)，使從物體表面反射到達相機的光因大氣粒子的散射而發(fā)生衰減，從而使得成像設(shè)備采集到的圖像對比度、飽和度降低甚至發(fā)生色調(diào)偏移。在低照度條件下，如果受霧氣影響，則采集到的圖像容易存在亮度、對比度低且偏色的現(xiàn)象，使得圖像細節(jié)無法辨識，嚴重影響了圖像的視覺效果和計算機視覺系統(tǒng)對圖像的分析及處理，因此有必要對夜間霧天圖像進行增強處理以復原得到清晰的圖像。

目前，霧天圖像的復原已成為計算機視覺領(lǐng)域的一個研究熱點，對于白天霧天圖像的復原，已有許多學者對此進行了大量的研究，并取得了較好的增強效果。研究人員主要從兩個方向來研究圖像去霧這一問題：基于圖像增強的方向和基于物理模型的方向。其中，圖像增強方向的去霧方法并不考慮霧天條件下圖像退化降質(zhì)的實際物理過程，而是針對霧天圖像本身，通過提高霧天圖像的對比度，突出圖像特征，以改善圖像視覺效果。圖像增強算法可以在現(xiàn)有的成熟圖像處理的方法上，根據(jù)霧天圖像的特性，作相應的應用，因此早期的研究者多基于這個方向研究去霧方法?；A(chǔ)圖像增強算法包括直方圖均衡化，同態(tài)濾波，Retinex算法等?；谖锢砟Ｐ偷姆较蚴菑奈锢砩涎芯快F天圖像降質(zhì)的機制，并構(gòu)建出相應的物理模型；通過估計大氣光強度和透射率，再利用大氣散射物理模型公式反演計算得到去霧圖像?；谖锢砟Ｐ偷膱D像去霧算法主要包括基于圖像分割的復原、基于偏微分方程的復原、基于圖像景深關(guān)系的復原和基于場景先驗信息的復原等方法。

由于低照度條件下采集到的霧天圖像，存在光照不均勻、對比度低、偏色等特點，使得針對白天霧天圖像的去霧方法難以對其進行有效增強。目前，針對夜間霧天圖像這一特殊場景圖像的復原研究仍不多，有研究者提出了基于顏色變換預處理和暗通道先驗的夜間圖像復原方法。該方法首先將輸入圖像轉(zhuǎn)換成灰度圖像，應用基于暗通道先驗的去霧算法對圖像進行去霧處理，之后通過雙邊濾波對圖像進行對比度增強。該方法能突出圖像細節(jié)，然而由于使用全局顏色變換而沒有考慮不同場景和光照條件下的圖像信息，使得增強結(jié)果存在偏色現(xiàn)象。另有研究者提出先對圖像進行光照補償和顏色校正，再使用改進的基于暗通道先驗的去霧算法對夜間霧天圖像進行增強處理，該方法能有效增強圖像亮度和對比度，并且克服了偏色現(xiàn)象，但是由于采用基于暗通道先驗的去霧方法，增強圖像天空容易出現(xiàn)塊效應。傳統(tǒng)圖像去霧方法已無法滿足夜間霧天圖像的復原需求，因此需要結(jié)合夜間霧天圖像的特點，對夜間霧天圖像進行復原處理，從而提高圖像的視覺效果和便于計算機視覺系統(tǒng)對圖像的分析及處理。

技術(shù)實現(xiàn)要素：

本發(fā)明目的在于克服以往去霧算法處理夜間霧天圖像的不足，結(jié)合夜間霧天圖像的特點，提出一種基于Retinex的快速夜間霧天圖像復原方法，該方法簡單高效，能很好地提高夜間霧天圖像視覺效果和方便對圖像的分析及處理。

本發(fā)明采用如下技術(shù)方案：

一種基于Retinex的快速夜間霧天圖像復原方法，其特征在于，包括如下步驟：

1)對輸入圖像利用引導濾波估計照度圖像和反射圖像Rⁱ；

2)對照度圖像進行自適應亮度增強得到增強后的圖像

3)進行對比度增強得到復原圖像。

優(yōu)選的，所述步驟1)包括：

1.1)計算引導濾波的系數(shù)矩陣：其中：為R、G、B三通道的輸入圖像,i∈{R,G,B},表示計算和的局部協(xié)方差，表示計算的局部方差，ε為預置的控制參數(shù)，是對進行均值濾波的結(jié)果，得到的a,b是與輸入圖像長寬相同的系數(shù)矩陣；

1.2)根據(jù)系數(shù)矩陣a,b計算引導濾波后的照度圖像：其中f_m(a),f_m(b)分別是對系數(shù)矩陣a,b進行均值濾波的結(jié)果，即為三通道對應的照度圖像；

1.3)根據(jù)Retinex理論，由輸入圖像與照度圖像相除，得到反射圖像，公式為：

優(yōu)選的，所述步驟2)包括：

(2.1)首先求的三通道最大值圖像f，公式為：f＝max{R,G,B}；然后采用最大類間方差法計算圖像分割閾值，根據(jù)圖像的灰度特性將最大值圖像f分割為明、暗圖像兩部分；計算得到暗區(qū)域圖像的灰度平均值m，公式為：其中N表示暗區(qū)域圖像像素總數(shù)，S表示暗區(qū)域圖像，f(i,j)表示圖像f在位置(i,j)處的像素灰度值；從而自適應計算得到參數(shù)p，公式為：

2.2)由所求亮度增強系數(shù)即參數(shù)p得到自適應Gamma校正參數(shù)rⁱ，公式為

2.3)對照度圖像進行自適應Gamma變換，實現(xiàn)亮度增強，具體實現(xiàn)公式為：

優(yōu)選的，所述步驟3)包括：

(3.1)結(jié)合亮度增強后照度圖像和反射圖像，得到保持細節(jié)的圖像從而恢復圖像的細節(jié)信息，公式為：

(3.2)將亮度增強圖像由RGB空間轉(zhuǎn)換成HSV空間，對亮度通道V使用CLAHE算法進行局部對比度增強，公式為：V₁＝CLAHE(V,t₀),其中，t₀為預置的對比度增強程度調(diào)節(jié)參數(shù)；再將圖像由HSV空間變換到RGB空間得到最終的復原圖像。

由上述對本發(fā)明的描述可知，與現(xiàn)有技術(shù)相比，本發(fā)明具有如下有益效果：

1、采用具有保邊緣特性的引導濾波器來估計照度圖像，能夠克服光暈效應。

2、通過Otsu閾值分割算法計算明、暗圖像分割閾值，自適應求取Gamma校正參數(shù)，從而對照度圖像自適應亮度增強，方法簡單，效果顯著。

3、在HSV空間，使用CLAHE算法對亮度通道V進行局部對比度增強，突出圖像局部細節(jié)信息，且只對亮度通道進行對比度增強處理，保持了圖像的色彩信息。

4、具有通用性，適用于彩色圖像或灰度圖像、適用于光學圖像或其它圖像。

附圖說明

圖1為本發(fā)明方法的流程圖。

圖2(a)為夜間霧天圖像。

圖2(b)為復原圖像。

具體實施方式

以下通過具體實施方式對本發(fā)明作進一步的描述。

本發(fā)明提供的一種基于Retinex理論和Gamma校正的夜間霧天圖像復原方法，首先采用具有保邊緣特性的引導濾波器估計輸入圖像的每個顏色分量的照度圖像，計算局部對比度系數(shù)；然后計算輸入圖像的最大值通道圖像，并對該最大值通道圖像進行Otsu閾值分割，自適應估計每個像素的Gamma校正參數(shù)，對照度圖像進行Gamma校正和對比度保持；最后將圖像變換到HSV空間，通過CLAHE算法對亮度通道V進行對比度增強，再將圖像變換到RGB空間得到復原圖像。

首先對以下變量對應算法進行描述：

Otsu(最大類間方差法)求分割閾值t的公式推導：

記t為前景與背景圖像的分割閾值，前景圖像占圖像比例為w₀，平均灰度為u₀；背景圖像占圖像比例為w₁，平均灰度為u₁。則圖像的總平均灰度值為：u＝w₀*u₀+w₁*u₁。從而可以求得前景和背景圖象的方差：g＝w₀*w₁*(u₀-u)*(u₁-u)。當方差g最大時，可以認為此時前景和背景差異最大，此時的灰度t是最佳分割閾值。

CLAHE(限制對比度自適應直方圖均衡)算法原理：

CLAHE結(jié)合了局部直方圖均衡和全局直方圖均衡的優(yōu)點，在局部直方圖均衡的時，同時考慮周圍區(qū)域圖像像素的影響，處理后的圖像既能適應局部直方圖均衡后，圖像局部灰度分布差異的特點，又能適應全局直方圖均衡后，全圖灰度較為協(xié)調(diào)的特點。為了便于描述，令h_w(s)表示局部窗口w內(nèi)的直方圖均衡，h_out(s)表示窗口w外的直方圖均衡，則CLAHE可以表示為：h(s)＝β*h_w(s)+(1-β)*h_out(s)。式中，0≤β≤1。當β＝1時，CLAHE為局部直方圖均衡，當β＝0時，CLAHE為全局直方圖均衡。調(diào)整β值則可以調(diào)整圖像全局和局部直方圖均衡效果。

參照圖1，下面對本發(fā)明做進一步詳細說明。

如圖所示，本發(fā)明一種基于Retinex的夜間霧天圖像復原方法，具體包括如下步驟：

1)對輸入圖像利用引導濾波估計照度圖像和反射圖像：

1.1)根據(jù)為R、G、B三通道輸入圖像,i∈{R,G,B},計算引導濾波的系數(shù)矩陣：其中表示計算和的局部協(xié)方差，表示計算的局部方差，ε為預置的控制參數(shù)，是對進行均值濾波的結(jié)果，得到的a,b是與輸入圖像長寬相同的系數(shù)矩陣；

1.2)根據(jù)系數(shù)矩陣a,b計算引導濾波后的照度圖像：其中f_m(a),f_m(b)分別是對系數(shù)矩陣a,b進行均值濾波的結(jié)果；即為計算得到的三通道對應的照度圖像；

1.3)根據(jù)Retinex理論，由輸入圖像與照度圖像相除，得到反射圖像，公式為：所求反射圖像包含圖像細節(jié)信息。

2)對照度圖像進行自適應亮度增強：

2.1)首先求取輸入圖像的三通道最大值圖像f，公式為：f＝max{R,G,B}；然后采用Otsu閾值分割算法計算圖像分割閾值，根據(jù)圖像的灰度特性將最大值圖像f分割為明、暗圖像兩部分；最后計算得到暗區(qū)域圖像灰度平均值m，公式為：其中N表示暗區(qū)域圖像像素總數(shù)，S表示暗區(qū)域圖像，f(i,j)表示圖像f在位置(i,j)處的像素灰度值；將實驗數(shù)據(jù)曲線擬合計算得到亮度增強系數(shù)p，擬合公式為：該公式所求亮度增強系數(shù)p接近于人為設(shè)置系數(shù)，實驗誤差較?。?/p>

2.2)由所求亮度增強系數(shù)即參數(shù)p得到自適應Gamma校正參數(shù)rⁱ，公式為當輸入圖像整體偏暗即暗區(qū)域圖像灰度均值m較小時，計算得到的p較小，使得計算得到的rⁱ較小，從而使整體偏暗圖像的亮度增強程度更大；

2.3)對照度圖像進行自適應Gamma變換，實現(xiàn)亮度增強，具體實現(xiàn)公式為：當照度圖像灰度值較小時，根據(jù)上述計算對應的rⁱ也較小，則照度圖像增強程度就較大；當照度圖像灰度值較大時，對應的rⁱ也較大，則照度圖像增強程度就較小，從而達到均衡照度圖像光照強度的目的。

3)對比度增強得到復原圖像：

3.1)結(jié)合亮度增強后的照度圖像和反射圖像，得到保持細節(jié)的圖像從而恢復圖像的細節(jié)信息，公式為：使圖像亮度得到提升的同時保留圖像的細節(jié)信息；

3.2)為使圖像細節(jié)清晰，需要增強的圖像局部對比度，我們將亮度增強圖像由RGB空間轉(zhuǎn)換成HSV空間，對亮度通道V使用CLAHE算法進行對比度增強，公式為：V₁＝CLAHE(V,t₀),其中，t₀為預置的對比度增強強度調(diào)節(jié)參數(shù)，t₀滿足0<t₀<1，t₀越大，對比度增強程度越大，本發(fā)明實驗取值為t₀＝0.001；再將圖像由HSV空間變換到RGB空間得到最后復原圖像。參照圖2(a)為輸入圖像(即夜間霧天圖像)，圖2(b)為復原圖像。

以上算法步驟描述為彩色圖像處理算法，對于灰度圖像，則在步驟1、步驟2)和3.1)上處理方法都與彩色圖像相同，只是對灰度圖像進行單通道處理操作，步驟3.2)中直接使用CLAHE算法對亮度增強圖像進行對比度增強得到復原圖像。

上述僅為本發(fā)明的具體實施方式，但本發(fā)明的設(shè)計構(gòu)思并不局限于此，凡利用此構(gòu)思對本發(fā)明進行非實質(zhì)性的改動，均應屬于侵犯本發(fā)明保護范圍的行為。