本發(fā)明屬于圖像處理領(lǐng)域，具體涉及一種基于湍流紅外輻射模型的霧天降質(zhì)圖像清晰化方法。

背景技術(shù)：

紅外成像具有出色的大氣穿透能力和夜視功能，對溫度的變化很敏感，因而在軍事國防、遙感探測、公共衛(wèi)生防疫、公共衛(wèi)生防疫、化學物質(zhì)檢測與鑒定等方面獲得了廣泛的應用。然而霧天大氣中懸浮粒子半徑較大，大氣粒子的散射作用使得紅外圖像上原本較低的灰度值被加強，而較高的灰度值被削弱，從而使得圖像的灰度級分布過于集中，導致對比度較差；另一方面，在圖像由三維空間向二維平面的映射過程中，丟失了深度信息，導致霧天采集圖像的邊緣輪廓具有模糊性。

霧天拍攝的紅外圖像,大氣中水蒸汽的含量比較大，以及系統(tǒng)軟硬件靈敏度等問題，所拍到的紅外圖像常存在噪聲、模糊以及紋理細節(jié)丟失等的退化問題，給準確識別、跟蹤目標物體等許多方面的應用造成困難?？偟膩碚f，解決霧天降質(zhì)紅外圖像的清晰化問題，可以采取三種方法：

(1)從硬件的角度，利用多傳感器融合以及紅外焦平面陣列校正的方法來實現(xiàn)信息的互補與校正，如利用雷達、CCD和激光等傳感設(shè)備，結(jié)合常用的兩點校正與多點校正，可以實現(xiàn)較高的目標檢測率和較低的錯誤率。然而，基于視覺的激光或CCD傳感器在這種天氣條件下的有效監(jiān)測距離會大大縮短，無法為雷達傳感器提供有效的確認信息，而基于紅外的傳感器只能對熱信號實現(xiàn)檢測，無法對場景中的非散熱信號實現(xiàn)有效的檢測。因此，這個策略在有霧天氣條件下存在一些應用上的局限性，以及增加昂貴的硬件成本。

(2)不考慮圖像降質(zhì)的具體原因，而單純從圖像處理的角度出發(fā)，霧天降質(zhì)紅外圖像的清晰化問題實質(zhì)上就是圖像對比度增強的問題；

(3)從降質(zhì)圖像生成的逆過程分析，則是將大氣散射作用對圖像對比度的衰減影響過程進行建模，最終解決降質(zhì)圖像的清晰化復原問題。

由于圖像增強方法沒有考慮霧天圖像降質(zhì)的物理過程，不能針對圖像退化的原因設(shè)法進行補償，因此只能在一定程度上改善視覺效果。近年來，國內(nèi)外的一些學者基于大氣散射理論對惡劣天氣條件下的圖像退化機理進行深入的分析，提出了一些基于退化模型的霧天降質(zhì)圖像清晰化復原方法。這些方法的研究主要集中在以下幾個方面：

(1)假設(shè)場景各點深度信息已知的復原方法。上述這類方法雖然不需要預知天氣信息，然而，卻需要利用價格昂貴的雷達或距離傳感器等硬件設(shè)備獲取精確的場景深度信息，因此限制了算法在實際中的廣泛應用。

(2)結(jié)合圖像輔助信息實現(xiàn)深度提取的復原方法。有的算法通過用戶指定場景的最大深度以及最小深度，利用線性插值的方法獲得場景各點的深度信息，在某些情況下可能無法對場景深度突變信息作出反饋，此外，在確定各點的深度信息后，需要用戶連續(xù)改變大氣散射系數(shù)來確定一個視覺效果最好的復原結(jié)果，過多依賴人的主觀性。

(3)基于經(jīng)典退化模型點擴散函數(shù)的復原方法。由于利用這種方法的前提是需要已知點擴展函數(shù)，由于實際中霧所造成的圖像污染過程和機理十分復雜，不同濃度的霧天氣過程難以用統(tǒng)一的點擴散模型表達，一般無法預知圖像退化的點擴散函數(shù)，因此也限制了該方法的實際應用。

此外，還有一些圖像的清晰化復原方法，如結(jié)合國際照明大會給出的霧天能見度與人眼視覺的閾值關(guān)系，將霧天路面的能見度與圖像的對比度建立起聯(lián)系，實現(xiàn)對大氣散射系數(shù)的求取，并通過將場景各點的深度值建模為圖像平面上的歐式距離函數(shù)來計算場景點的深度，實現(xiàn)動態(tài)場景的對比度實時恢復和目標檢測?；诖髿馍⑸淠Ｐ蜆?gòu)建泊松方程，嘗試將霧的退化圖像看作為前景(霧)和背景(清晰圖像)的融合，探討解決霧天場景復原問題的新途徑。這些方法對圖像場景的深度信息有依賴，且部分需要過多的人工干預。

技術(shù)實現(xiàn)要素：

為了在不增加硬件成本的前提下改善降質(zhì)圖像的質(zhì)量，從降質(zhì)圖像生成的逆過程分析，建立大氣輻射傳輸模型和相應大氣調(diào)制傳遞函數(shù)(MTF)，通過在頻域內(nèi)濾除大氣調(diào)制傳遞函數(shù)，完成霧天降質(zhì)紅外圖像的清晰化處理。

本發(fā)明提出的技術(shù)方案如下：

一種基于湍流紅外輻射模型的霧天降質(zhì)圖像清晰化方法，所述方法包括如下步驟：

步驟一：獲取霧天退化紅外圖像；

步驟二：對步驟一中的所述圖像進行傅里葉變換，得到頻域內(nèi)的退化圖像，根據(jù)頻域內(nèi)的退化圖像進而得到大氣調(diào)制傳遞函數(shù)；

步驟三：計算步驟二中所述大氣調(diào)制傳遞函數(shù)的折射率結(jié)構(gòu)系數(shù)；

步驟四：將步驟二中的頻域內(nèi)的退化圖像在頻域內(nèi)濾除大氣調(diào)制傳遞函數(shù)；

步驟五：將步驟四中濾除大氣調(diào)制傳遞函數(shù)后的頻域內(nèi)的退化圖像進行傅里葉逆變換，得到清晰化處理的圖像；

步驟六：輸出清晰化處理后的圖像。

進一步的，所述步驟二：對步驟一中的所述圖像進行傅里葉變換，得到頻域內(nèi)的退化圖像，根據(jù)頻域內(nèi)的退化圖像進而得到大氣調(diào)制傳遞函數(shù)；具體為：

在湍流大氣模型的基礎(chǔ)上，分析空域中圖像的退化模型，進而得到調(diào)制傳遞函數(shù)；其中，在空域中圖像的退化模型可表示為：

g(x,y)＝f(x,y)*h(x,y)+n(x,y) (1)

其中，g(x,y)為退化圖像，f(x,y)為原始圖像，h(x,y)為湍流瞬態(tài)點擴展函數(shù)，n(x,y)為噪聲項。

相應的在頻域中圖像的退化模型可表示為：

G(u,v)＝F(u,v)*H(u,v)+N(u,v) (2)

其中，G(u,v)為頻域中的退化圖像，F(xiàn)(u,v)為頻域中的原始圖像，H(u,v)為頻域中的湍流瞬態(tài)點擴展函數(shù)，N(u,v)為頻域中的噪聲項。

進一步的，H(u,v)是h(x,y)通過傅立葉變換得到的頻域表達式，也稱為光學傳遞函數(shù)，可以表示為：H＝|H|·e^iΦ，其中|H|表示幅值，Φ為相位，對幅值|H|作歸一化處理，使得零頻率處H(0,0)的幅值為1，則稱此歸一化后的幅值為大氣調(diào)制傳遞函數(shù)MTF，即：

MTF＝|H|/K (3)

其中：K為H在零頻率的幅值；

由公式(1)(2)(3)得到基于MTF的圖像退化模型為：

G(u,v)＝F(u,v)·MTF·K·e^iΦ+N(u,v) (4)

假設(shè)大氣調(diào)制傳遞函數(shù)是各向同性的，則可以忽略相位Φ的影響，即令Φ＝0，則

F(u,v)＝(G(u,v)-N(u,v))/(MTF·K) (5)

進一步的，MTF在短曝光條件下的表達式為：

短曝光情況下的大氣調(diào)制傳遞函數(shù)可表示為：

式中，ν表示角空間頻率，表示折射率結(jié)構(gòu)系數(shù)，λ表示射線波長，R表示傳輸距離，μ為經(jīng)驗系數(shù)，近距離時μ＝1，遠距離時μ＝0.5，D表示成像器孔直徑。

進一步的，MTF在長曝光條件下的表達式為：

長曝光情況下的大氣調(diào)制傳遞函數(shù)可表示為：

式中，ν表示角空間頻率，表示折射率結(jié)構(gòu)系數(shù)，λ表示射線波長，R表示傳輸距離。

進一步的，所述步驟三：計算步驟二中所述大氣調(diào)制傳遞函數(shù)的折射率結(jié)構(gòu)系數(shù)；具體為：

步驟3.1：計算圖像水平梯度I_X和垂直梯度I_Y；

步驟3.2：對圖像每個象素點(m,n)計算并選取梯度值大于一定梯度閾值的像素點作為備選像素點；

步驟3.3：對所述備選像素點計算時間強度方差

步驟3.4：根據(jù)時間強度方差計算折射率結(jié)構(gòu)系數(shù)

進一步的，所述步驟3.4：計算的表達式具體為：

其中，N為選取的具有高梯度的像素點個數(shù)，為估算出的折射率結(jié)構(gòu)系數(shù)。

有益效果：

本發(fā)明根據(jù)紅外大氣傳輸?shù)奶攸c，通過大氣湍流紅外輻射模型復原，建立大氣輻射傳輸模型和相應大氣調(diào)制傳遞函數(shù)(MTF)，通過在頻域內(nèi)濾除大氣調(diào)制傳遞函數(shù)，完成霧天降質(zhì)紅外圖像的清晰化處理。

本發(fā)明具有如下特點：(1)在不增加硬件成本的前提下，從降質(zhì)紅外圖像生成的逆過程分析，復原大氣散射作用對圖像對比度衰減的影響，從而解決霧天降質(zhì)紅外圖像的清晰化處理問題；(2)圖像增強算法僅從視覺效果上增強圖像的對比度，本發(fā)明考慮了圖像降質(zhì)的物理過程，針對退化原因進行補償；(3)本發(fā)明不需要獲取精確的場景深度信息，也不需要過多地人工干預；(4)該方法在復原過程中，不需要精密的儀器測量大氣參數(shù)，而是用序列圖像本身的信息來估計大氣調(diào)制傳遞函數(shù)的折射率結(jié)構(gòu)系數(shù)，計算較簡單；(5)當圖像中存在明顯的邊緣時，該方法更有效。

說明書附圖

圖1本發(fā)明的方法流程圖

圖2(a)測試圖像1(原始霧天降質(zhì)近紅外圖像)

圖2(b)對測試圖像1用基于大氣湍流紅外輻射模型復原結(jié)果

圖3(a)測試圖像2(原始霧天降質(zhì)近紅外圖像)

圖3(b)對測試圖像2用基于大氣湍流紅外輻射模型復原結(jié)果

圖4(a)測試圖像3(原始霧天降質(zhì)近紅外圖像)

圖4(b)對測試圖像3用基于大氣湍流紅外輻射模型復原結(jié)果

具體實施方式

本發(fā)明的技術(shù)方案在不增加硬件成本的前提下改善降質(zhì)圖像的質(zhì)量，從降質(zhì)圖像生成的逆過程分析，建立大氣輻射傳輸模型和相應大氣調(diào)制傳遞函數(shù)(MTF)，通過在頻域內(nèi)濾除大氣調(diào)制傳遞函數(shù)，完成霧天降質(zhì)紅外圖像的清晰化處理。

下面結(jié)合圖1～4，介紹基于大氣湍流紅外輻射模型復原的霧天降質(zhì)圖像清晰化處理方法，具體實施方式如下：

步驟一：輸入一幅霧天退化紅外圖像；

步驟二：對步驟一中的圖像進行傅里葉變換，得到頻域內(nèi)的退化圖像，根據(jù)頻域內(nèi)的退化圖像進而得到大氣調(diào)制傳遞函數(shù)(MTF)，其中，在長曝光和短曝光情況下的大氣調(diào)制傳遞函數(shù)(MTF)有所不同，但都包含未知的折射率結(jié)構(gòu)系數(shù)；

進一步的，步驟二具體為：

在湍流大氣模型的基礎(chǔ)上，分析空域中圖像的退化模型，進而得到調(diào)制傳遞函數(shù)(MTF)；在空域中圖像的退化模型可表示為：

g(x,y)＝f(x,y)*h(x,y)+n(x,y) (1)

其中，g(x,y)為退化圖像，f(x,y)為原始圖像，h(x,y)為湍流瞬態(tài)點擴展函數(shù)，n(x,y)為噪聲項。

相應的在頻域中圖像的退化模型可表示為：

G(u,v)＝F(u,v)*H(u,v)+N(u,v) (2)

其中，G(u,v)為頻域中的退化圖像，F(xiàn)(u,v)為頻域中的原始圖像，N(u,v)為頻域中的噪聲項。H(u,v)為頻域中的湍流瞬態(tài)點擴展函數(shù)，H(u,v)是h(x,y)通過傅立葉變換得到的頻域表達式，也稱為光學傳遞函數(shù)，可以表示為：H＝|H|·e^iΦ，其中|H|表示幅值，Φ為相位，對幅值|H|作歸一化處理，使得零頻率處H(0,0)的幅值為1，則稱此歸一化后的幅值為調(diào)制傳遞函數(shù)MTF(可以認為MTF是|H|的歸一化表示)，即：

MTF＝|H|/K (3)

其中：K為H在零頻率的幅值；

由公式(1)(2)(3)得到基于MTF的圖像退化模型為：

G(u,v)＝F(u,v)·MTF·K·e^iΦ+N(u,v) (4)

假設(shè)MTF是各向同性的，則可以忽略相位Φ的影響，即令Φ＝0，則

F(u,v)＝(G(u,v)-N(u,v))/(MTF·K) (5)

MTF分別在短曝光與長曝光條件下的表達式為：

短曝光情況下，調(diào)制傳遞函數(shù)可表示為：

式中，ν表示角空間頻率，表示折射率結(jié)構(gòu)系數(shù)，λ表示射線波長，R表示傳輸距離，μ為經(jīng)驗系數(shù)，近距離時μ＝1，遠距離時μ＝0.5，D表示成像器孔直徑；

長曝光情況下，調(diào)制傳遞函數(shù)可表示為：

式中，ν表示角空間頻率，表示折射率結(jié)構(gòu)系數(shù)，λ表示射線波長，R表示傳輸距離。

步驟三：計算步驟二中大氣調(diào)制傳遞函數(shù)的折射率結(jié)構(gòu)系數(shù)；

只有精確的測量步驟二中各個大氣參數(shù)才能得到較為精確的這在實際中會遇到困難。本發(fā)明提供了一種新的估計的方法，不需要精密的儀器測量大氣參數(shù)，而只是利用序列圖像本身的信息來估計大氣湍流會造成光波在傳輸過程中發(fā)生不同程度的折射，致使波前到達角發(fā)生起伏，進而造成圖像的起伏和抖動，本發(fā)明利用到達角起伏、圖像起伏三者之間的關(guān)系建立關(guān)系式，從而獲得最終的

詳細實現(xiàn)步驟如下：

步驟3.1：計算圖像水平梯度I_X和垂直梯度I_Y；

步驟3.2：根據(jù)水平梯度和垂直梯度I_X、I_Y對圖像每個象素點(m,n)計算并選取梯度值大于一定梯度閾值的像素點作為備選像素點；

步驟3.3：對所述備選像素點計算時間強度方差

圖像抖動會造成圖像的偏移，則第k幀圖像在位置(m,n)處的強度可用公式表示為：

I(m,n,k)＝I₀(m+Δx_m,n,k,n+Δy_m,n,k) (8)

式中，I₀()表示沒有湍流情況下的理想圖像，Δx_m,n,k、Δy_m,n,k分別表示水平和垂直方向相對理想圖像的位移量。

對公式(8)進行一階近似，可得：

I(m,n,k)≈I₀(m,n)+[I_x(m,n),I_y(m,n)][Δx,Δy]^T (9)

其中，I₀()表示沒有湍流情況下的理想圖像，I_X、I_Y分別表示理想圖像的水平梯度和垂直梯度，Δx和Δy分別表示水平方向和垂直方向上的偏移量。

時間強度方差表示為：

式中，<·>表示對所有k值取系平均，為I(m,n,k)的均值，結(jié)合公式(9)，時間強度方差可以表示為：

式中，I_X、I_Y分別表示理想圖像的水平梯度和垂直梯度，Δx和Δy分別表示水平方向和垂直方向上的偏移量，由于Δx、Δy是相互獨立的，所以<ΔxΔy>＝0，假設(shè)圖像沿著水平方向和垂直方向的強度方差分別為(可以認為是圖像的空間方差)，又因為在圖像兩個方向上造成的偏移是相同的，所以可以設(shè)湍流造成的圖像在空間上的方差代入公式(11)得：

可以由公式(10)得到，而可以對所有圖像疊加求平均后的圖像取梯度值，則湍流造成的圖像在空間上的方差可以由公式(12)求得。公式(12)描述了強度梯度、強度起伏、圖像偏移方差三者之間的關(guān)系，步驟3.4：根據(jù)時間強度方差用公式(13)、(14)計算折射率結(jié)構(gòu)系數(shù)

可以從具有高梯度的區(qū)域得到，之所以選用高梯度的像素是因為：在高梯度處，湍流造成的圖像偏移量較大，而其他噪聲因素造成的偏移相對湍流較小，所以此時可以忽略噪聲等其他因素造成的圖像偏移，減少估算的誤差。

選取某個具有高梯度的像素點，計算下面的估算值：

式中，PFOV表示pixel field of view，L表示傳輸路徑長度，λ為射線波長，D表示成像器孔徑，l₀表示湍流內(nèi)尺度，L₀表示湍流外尺度，L₀＝0.4h，h表示成像物體距離地面的高度，為時間強度方差。

選取N個具有高梯度的像素點，對估算出的取均值，即得到最終的

步驟四：將步驟二中的頻域內(nèi)的退化圖像在頻域內(nèi)濾除大氣調(diào)制傳遞函數(shù)(MTF)，這個過程可以理解為濾除噪聲的過程，噪聲的表達式即為大氣調(diào)制傳遞函數(shù)MTF；

步驟五：將步驟四中濾除大氣調(diào)制傳遞函數(shù)后的頻域圖像進行傅里葉逆變換，得到清晰化處理的圖像；

步驟六：輸出清晰化處理后的圖像。

圖2～圖4列出了三組試驗結(jié)果，由結(jié)果可知，清晰化處理后的圖像質(zhì)量得到改善，圖像對比度得到增強，尤其是圖像邊緣得到增強，且由圖4可知，該方法對圖像中存在較多邊緣時更為有效。

上述具體實施方式僅用于解釋和說明本發(fā)明的技術(shù)方案，但并不能構(gòu)成對權(quán)利要求的保護范圍的限定。本領(lǐng)域技術(shù)人員應當清楚，在本發(fā)明的技術(shù)方案的基礎(chǔ)上做任何簡單的變形或替換而得到的新的技術(shù)方案，均將落入本發(fā)明的保護范圍之內(nèi)。