本發(fā)明涉及圖像增強(qiáng)、圖像恢復(fù)評(píng)價(jià)技術(shù)領(lǐng)域，具體涉及一種評(píng)價(jià)霧霾圖像去霧效果的方法和裝置。

背景技術(shù)：

在成像過(guò)程中，大氣中的微小粒子，如霾、霧等對(duì)光線的散射作用導(dǎo)致場(chǎng)景的能見(jiàn)度顯著降低，影響所拍攝圖像的視覺(jué)效果和后期處理。很多學(xué)者對(duì)去霧的方法進(jìn)行了深入研究，但對(duì)于去霧圖像質(zhì)量的客觀測(cè)量方法卻很少，在評(píng)價(jià)去霧的方法的有效性時(shí),大多采用主觀方法。但是，主觀評(píng)價(jià)無(wú)論是在準(zhǔn)備還是實(shí)施階段都既復(fù)雜又費(fèi)時(shí)，且易受觀測(cè)者個(gè)人因素的影響，很難應(yīng)用于實(shí)際。更重要的是，主觀方法無(wú)法嵌入到應(yīng)用系統(tǒng)中，優(yōu)化系統(tǒng)的算法或參數(shù)設(shè)置。因此，很需要能自動(dòng)、高效地分析圖像質(zhì)量的客觀算法，并且算法的評(píng)價(jià)結(jié)果應(yīng)足夠符合人的主觀感受?，F(xiàn)有的客觀評(píng)價(jià)方法按照對(duì)參考信息的需求程度分為無(wú)參考、全參考和半?yún)⒖既箢?。全參考和半?yún)⒖挤椒ň枰獏⒖紙D像的參與。

隨著對(duì)去霧算法的深入研究,結(jié)合去霧后圖像無(wú)原始真實(shí)圖像作為參考這一特點(diǎn),一些無(wú)參考型圖像質(zhì)量指標(biāo)被直接應(yīng)用到去霧后的圖像質(zhì)量評(píng)價(jià)中。文獻(xiàn)：hautièren,tareljp,aubertd,etal.blindcontrastenhancementassessmentbygradientratioingatvisibleedges[j].imageanalysis&stereology,27(2):87-95,2008.文章提出的基于可見(jiàn)邊緣的盲對(duì)比度增強(qiáng)評(píng)價(jià)算法直接應(yīng)用于去霧后圖像的質(zhì)量評(píng)價(jià)中。文獻(xiàn)：y.kwang,andc.tfan,“singleimagedefoggingbymultiscaledepthfusion,”ieeetransactionsonimageprocessing,vol.23,no.11,pp.4826-37,2014.文章直接將現(xiàn)存的通用無(wú)參考圖像質(zhì)量評(píng)價(jià)指標(biāo)用于去霧后的質(zhì)量評(píng)價(jià)當(dāng)中，效果不好。近期，文獻(xiàn)：l.li,w.shen,k.gu,j.wu,b.chenandj.zhang,“no-referencequalityassessmentofenhancedimages,”inchinacommunications,vol.13,no.9,pp.121-130,2016.文章提出了無(wú)參考增強(qiáng)圖像的評(píng)價(jià)方法，用于針對(duì)增強(qiáng)的圖像的通用無(wú)參考質(zhì)量評(píng)價(jià)。綜上所述,現(xiàn)有去霧后圖像的質(zhì)量評(píng)價(jià)算法只是將通用的圖像質(zhì)量評(píng)價(jià)算法直接應(yīng)用，而未進(jìn)行有針對(duì)性的調(diào)整，導(dǎo)致現(xiàn)有算法無(wú)法有效地評(píng)價(jià)去霧后圖像的質(zhì)量，難以達(dá)到主客觀一致的質(zhì)量評(píng)價(jià)要求。

目前，無(wú)參考去霧圖像質(zhì)量評(píng)價(jià)技術(shù)相對(duì)還不是很成熟，如何客觀的評(píng)價(jià)去霧圖像本身的質(zhì)量是解決問(wèn)題的關(guān)鍵。上述去霧圖像質(zhì)量評(píng)價(jià)方法在評(píng)價(jià)的準(zhǔn)確性上有待提高。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)上述現(xiàn)有技術(shù)的不足，本發(fā)明提供一種評(píng)價(jià)霧霾圖像去霧效果的方法和裝置能夠在沒(méi)有參考圖像的情況下對(duì)去霧圖像的質(zhì)量進(jìn)行評(píng)價(jià)。

為實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

一種評(píng)價(jià)霧霾圖像去霧效果的方法，包括如下步驟：

步驟1.1：將霧霾圖像采用現(xiàn)有去霧算法進(jìn)行去霧處理；

步驟1.2：對(duì)處理后得到的去霧圖像分別進(jìn)行基于暗通道先驗(yàn)信息的殘留霧測(cè)量、對(duì)比度測(cè)量和相關(guān)飽和度測(cè)量，得到基于暗通道先驗(yàn)信息的殘留霧測(cè)量值a、對(duì)比度測(cè)量值b和相關(guān)飽和度的有效特征值c和d；

步驟1.3：將a、b、c、d進(jìn)行加權(quán)處理，得到去霧圖像的質(zhì)量分?jǐn)?shù)；

步驟1.4：以去霧圖像的質(zhì)量分?jǐn)?shù)的大小作為評(píng)價(jià)霧霾圖像去霧效果的指標(biāo)。

優(yōu)選的，步驟1.2中基于暗通道先驗(yàn)信息的殘留霧的測(cè)量的具體步驟為：

步驟2.1：將去霧圖像分成若干圖像塊；

步驟2.2：計(jì)算每個(gè)圖像塊的熵值，利用圖像塊熵值的大小判斷圖像塊是紋理塊還是平坦塊：

熵值的計(jì)算公式為：

其中i表示圖像塊的像素的灰度值，0≤i≤255，j表示圖像塊的鄰域灰度均值，0≤j≤255；p(i,j)表示特征二元組(i,j)出現(xiàn)的概率；

設(shè)定閾值為t，如果圖像塊熵值大于等于閾值t，則該圖像塊為紋理塊，否則為平坦塊；

步驟2.3：計(jì)算紋理塊的暗通道先驗(yàn)，并得出紋理塊的暗通道先驗(yàn)矩陣：

紋理塊的暗通道先驗(yàn)計(jì)算公式為：

其中，j^c是紋理塊j的顏色通道，表示紋理塊的r、g、b三個(gè)顏色通道中的最小值，表示最小值濾波，f為紋理塊的像素，y表示紋理塊的像素點(diǎn)，ω(f)表示以像素f為中心的一個(gè)窗口；

步驟2.4：生成與紋理塊的暗通道先驗(yàn)矩陣大小相同的零矩陣；

步驟2.5：使用hellinger距離來(lái)計(jì)算紋理塊的暗通道先驗(yàn)矩陣和零矩陣之間的差異值，計(jì)算公式為：

其中，p和q是離散概率分布，p＝(p1,p2,...,pn)和q＝(q1,q2,...,qn)；pk是第k個(gè)紋理塊的暗通道先驗(yàn)矩陣的概率分布，qk是與pk同等大小的零矩陣的概率分布；

步驟2.6：將每個(gè)紋理塊的矩陣差異值作為該紋理塊的殘留霧的測(cè)量值，將各個(gè)紋理塊殘留霧的測(cè)量值進(jìn)行加權(quán)求值得到整幅去霧圖像的殘留霧的測(cè)量值a：

其中，l是所有紋理塊的數(shù)目。

優(yōu)選的，步驟1.2中，以去霧圖像直方圖的實(shí)際分布和理想直方圖均勻分布之間的kullback-leiblerdivergence距離表示去霧圖像的對(duì)比度測(cè)量值，對(duì)比度測(cè)量值b的計(jì)算公式為：

其中，x表示去霧圖像的像素，p(x)表示去霧圖像直方圖的實(shí)際分布，u(x)表示理想圖像直方圖的均勻分布，dkl(p,u)為去霧圖像的對(duì)比度測(cè)量值。

優(yōu)選的，步驟1.2中，所述相關(guān)飽和度的有效特征值c、d的計(jì)算公式為：

其中，x表示去霧圖像的像素，且

γ(·)為伽瑪函數(shù)，表達(dá)式為：

優(yōu)選的，步驟1.3中，去霧圖像質(zhì)量分?jǐn)?shù)的計(jì)算公式為：

其中a，b，c，d分別為加權(quán)系數(shù)，加權(quán)系數(shù)采用優(yōu)化函數(shù)尋優(yōu)計(jì)算得到。

一種基于上述評(píng)價(jià)霧霾圖像去霧效果方法的裝置，其特征在于，包括圖像去霧處理單元、基于暗通道先驗(yàn)信息的殘留霧測(cè)量單元、對(duì)比度測(cè)量單元、圖像相關(guān)飽和度測(cè)量單元、圖像質(zhì)量分?jǐn)?shù)單元、評(píng)價(jià)單元；所述圖像去霧處理單元分別連接基于暗通道先驗(yàn)信息的殘留霧測(cè)量單元、對(duì)比度測(cè)量單元、圖像相關(guān)飽和度測(cè)量單元；所述基于暗通道先驗(yàn)信息的殘留霧測(cè)量單元、對(duì)比度測(cè)量單元、圖像相關(guān)飽和度測(cè)量單元分別連接圖像質(zhì)量分?jǐn)?shù)單元；所述圖像質(zhì)量分?jǐn)?shù)單元連接評(píng)價(jià)單元；

所述圖像去霧處理單元對(duì)霧霾圖像進(jìn)行去霧處理，得到去霧圖像；所述基于暗通道先驗(yàn)信息的殘留霧測(cè)量單元計(jì)算去霧圖像的殘留霧；所述對(duì)比度測(cè)量單元計(jì)算去霧圖像直方圖的實(shí)際分布和理想直方圖均勻分布之間的kullback-leiblerdivergence距離；所述圖像相關(guān)飽和度測(cè)量單元計(jì)算去霧圖像的相關(guān)飽和度的有效特征值；所述圖像質(zhì)量分?jǐn)?shù)單元，將去霧圖像的基于暗通道先驗(yàn)信息的殘留霧測(cè)量值、對(duì)比度測(cè)量值、圖像相關(guān)飽和度的有效特征值進(jìn)行綜合加權(quán)處理，得到去霧圖像的質(zhì)量分?jǐn)?shù)；所述評(píng)價(jià)單元根據(jù)所述去霧圖像的質(zhì)量分?jǐn)?shù)的大小評(píng)價(jià)去霧效果。

本發(fā)明的有益效果為：

1、本發(fā)明與以往的一些直接將通用的無(wú)參考圖像質(zhì)量評(píng)價(jià)方法用在去霧圖像上相比，是針對(duì)去霧圖像設(shè)計(jì)的評(píng)價(jià)模型，對(duì)去霧圖像的評(píng)價(jià)效果顯著。

2、本發(fā)明分別利用基于暗通道先驗(yàn)信息的殘留霧測(cè)量、對(duì)比度測(cè)量和相關(guān)飽和度測(cè)量來(lái)反應(yīng)去霧圖像高質(zhì)量的特點(diǎn)，此方法在評(píng)價(jià)去霧圖像質(zhì)量上與主觀質(zhì)量評(píng)價(jià)更加契合，比以往的無(wú)參考圖像質(zhì)量評(píng)價(jià)方法的直接使用更準(zhǔn)確。

3、因?yàn)槿四X在分析和理解圖像時(shí)往往會(huì)首先抽象出含有更多語(yǔ)義的中高層次特征，所以本發(fā)明方法更符合人腦對(duì)圖像的分析與理解，與人的主觀感受一致性更好。

4、本發(fā)明能將霧霾圖像經(jīng)過(guò)去霧圖像算法處理，然后經(jīng)過(guò)評(píng)價(jià)模型擇優(yōu)選擇，進(jìn)而得到高質(zhì)量的去霧圖像，具有更大的實(shí)際應(yīng)用價(jià)值。更重要是本算法模型可以嵌入到應(yīng)用系統(tǒng)中，以便進(jìn)行更廣泛的使用。

5、本發(fā)明對(duì)去霧圖像進(jìn)行評(píng)價(jià)具有用時(shí)短，效率高的特點(diǎn)，可以達(dá)到實(shí)時(shí)評(píng)價(jià)圖像的質(zhì)量要求。

6、本發(fā)明設(shè)計(jì)步驟簡(jiǎn)單，技術(shù)方案合理有效，測(cè)試結(jié)果準(zhǔn)確性高，更貼近實(shí)際。

附圖說(shuō)明

圖1為評(píng)價(jià)霧霾圖像去霧效果的方法流程圖；

圖2為基于暗通道先驗(yàn)信息的去霧圖像殘留霧的測(cè)量模塊示意圖；

圖3為評(píng)價(jià)霧霾圖像去霧效果的裝置方框圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述。

如圖1所示，為本發(fā)明提出的一種評(píng)價(jià)霧霾圖像去霧效果的方法流程圖。該方法包括：

步驟101：?jiǎn)畏F霾圖像輸入到本發(fā)明提出的一種評(píng)價(jià)霧霾圖像去霧效果的方法中；

步驟102：采用10種流行的去霧算法處理輸入的單幅霧霾圖像，得到10幅去霧圖像；

步驟103：提出基于暗通道先驗(yàn)信息的去霧圖像殘留霧的測(cè)量，使用hellinger距離表示紋理塊和同大小零矩陣之間的差異性；具體步驟如圖2所示：

步驟1031：將去霧圖像分成大小為16*16的目標(biāo)塊；

步驟1032：計(jì)算每個(gè)圖像塊的熵值，利用圖像塊熵值的大小判斷圖像塊是紋理塊還是平坦塊：

熵值的計(jì)算公式為：

其中i表示圖像塊的像素的灰度值，0≤i≤255，j表示圖像塊的鄰域灰度均值，0≤j≤255；p(i,j)表示特征二元組(i,j)出現(xiàn)的概率；

設(shè)定閾值為t，如果圖像塊熵值大于等于閾值t，則該圖像塊為紋理塊，否則為平坦塊，對(duì)于近似天空的平坦塊不進(jìn)行處理；

步驟1033：本文提出的基于暗通道先驗(yàn)的殘留霧檢測(cè)方法，其中暗通道先驗(yàn)是對(duì)高保真無(wú)霧圖像的統(tǒng)計(jì)特征進(jìn)行研究，發(fā)現(xiàn)在無(wú)霧圖像中，每一個(gè)局部區(qū)域都很有可能有至少一個(gè)顏色通道會(huì)有很低的值，甚至接近于零。對(duì)于任意一個(gè)紋理塊j，它的暗通道可以定義為：

其中，j^c是紋理塊j的顏色通道，表示計(jì)算紋理塊的r、g、b三個(gè)顏色通道中的最小值，運(yùn)算處理得到一個(gè)矩陣，表示對(duì)所得矩陣進(jìn)行最小值濾波，f為紋理塊的像素，y表示紋理塊的像素點(diǎn)，ω(f)表示以像素f為中心的一個(gè)窗口；暗通道先驗(yàn)的理論指出：j^dark→0。

直觀來(lái)說(shuō)，darkchannelprior認(rèn)為每一個(gè)局部區(qū)域都總有一些很暗的東西。自然景物中到處都是陰影或者彩色，這些景物的圖像的暗原色總是很灰暗的。

步驟1034：生成與紋理塊的暗通道先驗(yàn)矩陣大小相同的零矩陣；

步驟1035：使用hellinger距離來(lái)計(jì)算紋理塊的暗通道先驗(yàn)矩陣和零矩陣之間的差異值，即度量?jī)蓚€(gè)概率分布相似度的指標(biāo)，計(jì)算公式為：

其中，p和q是離散概率分布，p＝(p1,p2,...,pn)和q＝(q1,q2,...,qn)，pk是第k個(gè)紋理塊的暗通道先驗(yàn)矩陣的概率分布，qk是與pk同等大小的零矩陣的概率分布。

步驟1036：將每個(gè)紋理塊的矩陣差異值作為該紋理塊的殘留霧的測(cè)量值，將各個(gè)紋理塊殘留霧的測(cè)量值進(jìn)行加權(quán)求值得到整幅去霧圖像的殘留霧的測(cè)量值a：

其中，l是所有紋理塊的數(shù)目。

顯然，圖像的殘留霧越多，圖像的質(zhì)量的客觀數(shù)值就越小。

步驟104：將去霧圖像直方圖的實(shí)際分布和理想均勻分布之間的kl(kullback-leiblerdivergence)距離用作測(cè)量去霧圖像的對(duì)比度。對(duì)比度測(cè)量的公式為：

其中，x表示去霧圖像的像素，p(x)表示去霧圖像直方圖的實(shí)際分布，u(x)表示理想圖像直方圖的均勻分布，dkl(p,u)為去霧圖像的對(duì)比度測(cè)量值。

步驟105：由于圖像相關(guān)飽和度δs的概率直方圖可以使用廣義高斯分布(ggd)很好的匹配，而ggd最主要的兩個(gè)參數(shù)是(α,σ²)，α表示圖像分布的形狀，σ²控制著變量。

廣義高斯模型ggd的公式為：

其中：

γ(·)為伽瑪函數(shù)，表達(dá)式為：

上述公式中的α表示圖像分布的形狀，σ²控制著變量。本發(fā)明直接使用ggd(α,σ²)的兩個(gè)參數(shù)參數(shù)作為反應(yīng)去霧圖像相關(guān)飽和度的有效特征c和d。

相關(guān)飽和度的有效特征值c、d的計(jì)算公式為：

步驟106：本發(fā)明對(duì)于三個(gè)測(cè)量指標(biāo)進(jìn)行綜合處理，其中，圖像的殘留霧越少，對(duì)比度越好，相關(guān)飽和度更加符合高保真圖像的特性，這樣的去霧圖像的客觀質(zhì)量評(píng)價(jià)效果最佳。

去霧圖像質(zhì)量分?jǐn)?shù)的計(jì)算公式為：

其中a，b，c，d分別為加權(quán)系數(shù)，加權(quán)系數(shù)采用優(yōu)化函數(shù)尋優(yōu)計(jì)算得到。

步驟107：將上述得到的綜合信息對(duì)于10幅圖像進(jìn)行排序。

步驟108：將10種算法處理以后的最好的圖像輸出，即質(zhì)量分?jǐn)?shù)最高的去霧圖像。

如圖3所示，為本發(fā)明提出的一種評(píng)價(jià)霧霾圖像去霧效果的裝置方框圖。該裝置包括：

圖像去霧處理單元201，采用10種流行的去霧算法對(duì)霧霾圖像進(jìn)行去霧處理，由于去霧程度不同，會(huì)得到10種不同質(zhì)量的圖像；

基于暗通道先驗(yàn)信息的殘留霧測(cè)量單元202，計(jì)算得到去霧圖像殘留霧的測(cè)量值作為評(píng)價(jià)圖像質(zhì)量的第一個(gè)指標(biāo)；

對(duì)比度測(cè)量單元203，將去霧圖像直方圖的實(shí)際分布和理想均勻分布之間的kl距離用作測(cè)量去霧圖像的對(duì)比度，將對(duì)比度測(cè)量值作為評(píng)價(jià)去霧圖像質(zhì)量的第二個(gè)指標(biāo)；

圖像相關(guān)飽和度測(cè)量單元204，使用相關(guān)飽和度表示圖像的飽和度的空間相關(guān)性，將相關(guān)飽和度測(cè)量值作為評(píng)價(jià)去霧圖像質(zhì)量的第三個(gè)指標(biāo)。

圖像質(zhì)量分?jǐn)?shù)單元205，用于對(duì)所述的三種評(píng)價(jià)去霧圖像質(zhì)量的指標(biāo)進(jìn)行綜合加權(quán)處理，得到去霧圖像的質(zhì)量分?jǐn)?shù)；

評(píng)價(jià)單元206，用于根據(jù)所述去霧圖像的質(zhì)量分?jǐn)?shù)找到去霧圖像質(zhì)量最好的圖像。

以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出：對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤(rùn)飾，這些改進(jìn)和潤(rùn)飾也應(yīng)視為本發(fā)明的保護(hù)范圍。