CN102750674A - 基于自适应容差的视频图像去雾方法 - Google Patents

基于自适应容差的视频图像去雾方法 Download PDF

Info

Publication number
CN102750674A
CN102750674A CN2012101253215A CN201210125321A CN102750674A CN 102750674 A CN102750674 A CN 102750674A CN 2012101253215 A CN2012101253215 A CN 2012101253215A CN 201210125321 A CN201210125321 A CN 201210125321A CN 102750674 A CN102750674 A CN 102750674A
Authority
CN
China
Prior art keywords
image
transmission plot
defogging
bright areas
transmission
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2012101253215A
Other languages
English (en)
Other versions
CN102750674B (zh
Inventor
朴燕
于莉楠
王宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changchun University of Science and Technology
Original Assignee
Changchun University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Changchun University of Science and Technology filed Critical Changchun University of Science and Technology
Priority to CN201210125321.5A priority Critical patent/CN102750674B/zh
Publication of CN102750674A publication Critical patent/CN102750674A/zh
Application granted granted Critical
Publication of CN102750674B publication Critical patent/CN102750674B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Processing (AREA)

Abstract

本发明涉及一种基于自适应容差的视频图像去雾方法，属于视频图像处理领域。建立单帧图像雾天退化模型，利用暗原色先验估计粗略透射图，利用引导滤波器得到细化后的透射图，判定图像中是否含有大面积明亮区域，求取修正后的透射图，复原无雾图像。本发明不仅适用于像视频监控这样的场景基本不变的视频图像，也可用于场景动态变换的视频图像。本发明可以广泛应用于户外监控、遥感和智能交通等方面。

Description

基于自适应容差的视频图像去雾方法
技术领域
本发明属于视频图像处理领域。
背景技术
在雾天环境下，由于场景的能见度低，所拍摄的视频图像会出现模糊不清，对比度低，颜色偏移等现象，这极大地影响了户外视频***的正常工作，因此很有必要对视频图像进行去雾处理，以获得清晰准确的图像。目前，图像去雾已成为计算机视觉领域研究的重要内容，而自动性和实时性是视频图像去雾研究所关注的重点。
去雾方法可以被划分成两大类：图像增强和图像复原。图像增强是通过改变明亮程度和对比度来改善图像的视觉效果，例如，线性映射，直方图均衡化和伽马校正等。该方法在去除随空间变化的雾时，其作用会受限。图像复原通过构建有雾图像的物理模型，并使用辅助的条件或先验来对场景进行复原，该方法可以较好地处理随空间变化的雾，而模型中参数估计是该类方法的关键点。
基于图像复原的去雾已成为目前研究的焦点。最近何恺明等人提出了暗原色先验，并结合雾天成像模型和软抠图，可以得到高质量的无雾图像，也适用于雾很浓的情况，但该去雾方法是基于单一图像，由于处理速度的限制，使之无法直接应用于视频去雾当中，且对含有大面积明亮区域的图像会由于透射率估计不准确造成色彩失真。
目前，去雾算法多关注于单一图像，有关视频去雾的理论却很少。陈功等人提出了一种可用于视频的去雾方法，即借助一张晴天和一张雾天场景的参考图像，计算出场景各点的深度比信息，然后利用深度关系复原有雾视频图像，但该方法不能用于场景动态变换的视频图像。孙抗等人提出先通过暗原色先验来求取单帧图像的透射图，并结合双边滤波器来实现对视频图像去雾，但这种基于暗原色先验的方法并没有考虑对于含有大片明亮区域的视频图像因为透射率估计不准确而造成的色彩失真。
发明内容
本发明提出了一种基于自适应容差的视频图像去雾方法，以解决对含有大面积明亮区域的视频图像进行去雾时引起的色彩失真问题。该方法先根据暗原色先验求取每一帧的透射图，再通过引导滤波器对其进行快速细化，如果图像中含有不满足暗原色先验的大面积明亮区域，则采用自适应容差对该部分透射图进行修正，从而避免了复原过程中因为透射率估计不准确造成的色彩失真，且本发明不仅适用于像视频监控这样的场景基本不变的视频图像，也可用于场景动态变换的视频图像。
本发明采取的技术方案包括以下步骤：
1、  从原始有雾视频中读取单帧图像                                                
Figure 2012101253215100002DEST_PATH_IMAGE001
；
2、  建立单帧图像雾天退化模型；
这里采用大气散射模型来描述雾天图像的退化过程：
Figure 566036DEST_PATH_IMAGE002
                                (1)
其中
Figure 2012101253215100002DEST_PATH_IMAGE003
代表图像中的像素，
Figure 420860DEST_PATH_IMAGE001
是所观测的有雾图像，是场景辐射，它也是我们所要复原的无雾图像。是整个大气光，
Figure 2012101253215100002DEST_PATH_IMAGE007
是描述没有被散射的那部分光线的介质透射率，该透射率的每个像素有一个标量值（0～1），该值直接代表场景物体的深度信息。去雾的目的是要从
Figure 471173DEST_PATH_IMAGE001
复原
Figure 715904DEST_PATH_IMAGE004
、、
Figure 743083DEST_PATH_IMAGE007
。
3、利用暗原色先验估计粗略透射图
Figure 879666DEST_PATH_IMAGE008
；
暗原色先验是指绝大多数的户外无雾图像的每个局部区域都存在某些至少一个颜色通道的强度值很低的像素。基于这一先验，对每个颜色通道取最小值操作，即可得到
，，其中
Figure 2012101253215100002DEST_PATH_IMAGE011
、
Figure 791176DEST_PATH_IMAGE012
、
Figure 2012101253215100002DEST_PATH_IMAGE013
分别代表红、绿、蓝三个颜色通道    (2)
Figure 483188DEST_PATH_IMAGE014
是为了保留一部分覆盖遥远景物的雾而引入的一个系数，且
Figure 2012101253215100002DEST_PATH_IMAGE015
。                                      
4、利用引导滤波器得到细化后的透射图
Figure 656419DEST_PATH_IMAGE016
；
对于单帧图像，将有雾图像作为引导图像，则细化后的透射图
Figure 117487DEST_PATH_IMAGE016
是
Figure 485014DEST_PATH_IMAGE017
的一个线性变换。假设在以像素
Figure 726640DEST_PATH_IMAGE003
为中心的窗
Figure 939446DEST_PATH_IMAGE018
中，
Figure 2012101253215100002DEST_PATH_IMAGE019
是该窗内的像素点，则其对应的细化了的透射图
Figure 19136DEST_PATH_IMAGE020
是有雾图像（引导图像）
Figure 2012101253215100002DEST_PATH_IMAGE021
的一个线性变换，
Figure 291985DEST_PATH_IMAGE022
,
Figure 2012101253215100002DEST_PATH_IMAGE023
                                  (3)
其中
Figure 958590DEST_PATH_IMAGE024
                   (4)
                                            (5)
这里变量是避免
Figure 2012101253215100002DEST_PATH_IMAGE027
太大的一个调节参数，
Figure 915142DEST_PATH_IMAGE028
是中的
Figure 575111DEST_PATH_IMAGE001
的系数矩阵，
Figure 2012101253215100002DEST_PATH_IMAGE029
是一个单位矩阵，
Figure 395299DEST_PATH_IMAGE030
是窗
Figure 685466DEST_PATH_IMAGE018
中的输入
Figure 2012101253215100002DEST_PATH_IMAGE031
的平均值，并且
Figure 64233DEST_PATH_IMAGE032
是窗中
Figure 860468DEST_PATH_IMAGE021
的平均向量。通过把等式（4）、（5）带入等式（3），我们可得到每个窗对应的
Figure 384170DEST_PATH_IMAGE020
，当每一帧图像中所有的局部区域
Figure 309401DEST_PATH_IMAGE018
的
Figure 845293DEST_PATH_IMAGE020
都得到了，即得到了每一帧细化了的透射图
Figure 906790DEST_PATH_IMAGE016
。
5、判定图像中是否含有大面积明亮区域，如果不含有，直接进行步骤7，如果含有，则需要先确定自适应容差，用于步骤6中对透射图的修正；
自适应容差
Figure 128824DEST_PATH_IMAGE033
的确定方法：对含有大面积明亮区域的单帧图像进行去雾时，在对透射图进行细化之后，只需快速搜索出该透射图直方图拟合出的曲线的左边第1个极大值点
Figure 479034DEST_PATH_IMAGE034
，并将其横坐标作为容差。
6、  求取修正后的透射图
Figure 2012101253215100002DEST_PATH_IMAGE035
；
将步骤5得到的
Figure 124834DEST_PATH_IMAGE033
作为容差代入（6）式，可实现对明亮区域的透射图进行修正，即根据
Figure 252190DEST_PATH_IMAGE036
在
Figure 152012DEST_PATH_IMAGE011
、、
Figure 957474DEST_PATH_IMAGE013
三个颜色通道上的差值得到的三幅修正后的透射图
Figure 318049DEST_PATH_IMAGE035
，分别用于对I的三个颜色通道进行复原。
Figure 2012101253215100002DEST_PATH_IMAGE037
,
Figure 642851DEST_PATH_IMAGE010
             （6）
7、  复原无雾图像
Figure 466449DEST_PATH_IMAGE038
；
在单帧图像的去雾过程中，若图像中不含有大面积明亮区域，则其复原公式为：
Figure 2012101253215100002DEST_PATH_IMAGE039
,
Figure 294727DEST_PATH_IMAGE040
                      (7)
当图像中含有大面积明亮区域时，需要考虑对该区域的特殊处理，则复原公式变为：
Figure 2012101253215100002DEST_PATH_IMAGE041
,
Figure 29465DEST_PATH_IMAGE040
                   (8)
Figure 638301DEST_PATH_IMAGE038
就是我们复原得到的无雾图像。其中
Figure 749476DEST_PATH_IMAGE042
是为了使结果免于噪声而设定的下边界，可设定。
本发明具有下述有益效果：
（1）本发明是针对有雾视频图像的快速去雾方法。
（2）当视频图像中含有大面积明亮区域时，通过引入自适容差，对视频图像中大片明亮区域对应的透射图进行修正，有效避免了复原过程中的色彩失真，使得处理结果更为自然。
（3）本发明不仅适用于像视频监控这样的场景基本不变的视频图像，也可用于场景动态变换的视频图像。
（4）本发明可以广泛应用于户外监控、遥感和智能交通等方面。
附图说明
图1为本发明实施例中使用原有雾图像；
图2为实施例中有雾图像的粗略透射图；
图3为实施例中经过引导滤波器细化后的透射图；
图4为实施例中细化后的透射图的直方图；
图5为实施例中由透射图的直方图拟合出的曲线及搜索出的左侧第一个极大值点
Figure 196376DEST_PATH_IMAGE034
，其中
Figure 164332DEST_PATH_IMAGE033
=48；
图6（a）为实施例1中修正后的透射图，具体为修正后的用于复原
Figure 198147DEST_PATH_IMAGE011
颜色通道的透射图；
图6（b）为实施例1中修正后的透射图，具体为修正后的用于复原
Figure 909751DEST_PATH_IMAGE012
颜色通道的透射图；
图6（c）为实施例1中修正后的透射图，具体为修正后的用于复原
Figure 712622DEST_PATH_IMAGE013
颜色通道的透射图；
图7为实施例中去雾后的图像；
图8不对大片明亮区域的透射图进行修正时的去雾后的图像。
具体实施方式
 实施例1
实施步骤如下：
1、从原始有雾视频中读取单帧图像，如图1所示，该图像的分辨率为320×240,且含有大面积明亮区域；
2、建立单帧图像雾天退化模型；
有雾图像的形成由两部分组成。第一部分是直接衰减项，通过散射介质的场景光线会被吸收或是散射到其它方向。这种衰减依赖于介质和场景的深度。第二部分是大气光，由从其它方向散射来的光线构成。这里采用大气散射模型来描述雾天图像的退化过程：
                                      (1)
这里
Figure 622306DEST_PATH_IMAGE003
代表图像中的像素，
Figure 607580DEST_PATH_IMAGE001
是所观测的有雾图像，
Figure 353557DEST_PATH_IMAGE004
是场景辐射，它也是我们所要复原的无雾图像。
Figure 424281DEST_PATH_IMAGE005
是整个大气光，
Figure 415371DEST_PATH_IMAGE007
是描述没有被散射的那部分光线的介质透射率，该透射率的每个像素有一个标量值（0～1），该值直接代表场景物体的深度信息。去雾的目的是要从
Figure 255151DEST_PATH_IMAGE001
复原
Figure 673494DEST_PATH_IMAGE004
、
Figure 965935DEST_PATH_IMAGE005
、
Figure 760715DEST_PATH_IMAGE007
。
3、利用暗原色先验估计粗略透射图
Figure 455002DEST_PATH_IMAGE008
；
暗原色先验是指绝大多数的户外无雾图像的每个局部区域都存在某些至少一个颜色通道的强度值很低的像素。基于这一先验，对每个颜色通道取最小值操作，即
Figure 542781DEST_PATH_IMAGE044
  ，
Figure DEST_PATH_IMAGE045
，其中
Figure 525781DEST_PATH_IMAGE011
、
Figure 920990DEST_PATH_IMAGE012
、
Figure 407466DEST_PATH_IMAGE013
分别代表红、绿、蓝三个颜色通道。
Figure 495508DEST_PATH_IMAGE046
是以
Figure 700224DEST_PATH_IMAGE003
为中心的局部区域，是该局部区域内的像素。再由
Figure DEST_PATH_IMAGE047
，求取暗原色，从而进一步得到粗略的透射图
Figure 744502DEST_PATH_IMAGE008
                                 (2)
这里对于
Figure 695457DEST_PATH_IMAGE001
大气光
Figure 370152DEST_PATH_IMAGE005
的估计，通过选取暗原色中亮度最大的0.1%的像素，然后取这些像素对应在原图中的最大强度值作为
Figure 893537DEST_PATH_IMAGE005
的值。注意
Figure 323382DEST_PATH_IMAGE005
不一定是整幅图像里最亮的点。
Figure 237111DEST_PATH_IMAGE014
是为了保留一部分覆盖遥远景物的雾而引入的一个系数，在本实施例中
Figure 777814DEST_PATH_IMAGE014
取0.95。所得到的粗略透射图如图2所示。
4、利用引导滤波器得到细化后的透射图；
如果将步骤3得到的粗略透射图直接用于单帧图像的去雾，会在图像中深度不连续的地方产生明显的晕影，本发明采用引导滤波器实现对透射图的快速细化。引导滤波器的输出在局部是引导图像的线性变换。该滤波器具有像双边滤波器那样能够在保留边缘的同时进行平滑处理的特性，但并不会造成梯度反向伪影。且时间复杂度与窗的半径
Figure 192670DEST_PATH_IMAGE048
是相互独立。对于单帧图像，假设在以像素
Figure 859274DEST_PATH_IMAGE003
为中心的窗
Figure 938089DEST_PATH_IMAGE018
中，
Figure 373749DEST_PATH_IMAGE019
是该窗内的像素点，则其对应的细化了的透射图
Figure 879817DEST_PATH_IMAGE020
是有雾图像（引导图像）
Figure 33718DEST_PATH_IMAGE021
的一个线性变换，即
Figure 916223DEST_PATH_IMAGE022
,                                       (3)
这里和是线性系数，在
Figure 23091DEST_PATH_IMAGE018
中假设它们是恒定的，
Figure 381391DEST_PATH_IMAGE019
是该局部区域内的像素。为了使输出
Figure 853961DEST_PATH_IMAGE020
和输入
Figure 639514DEST_PATH_IMAGE031
之间的差异尽可能小，我们让下列的以
Figure 564745DEST_PATH_IMAGE003
为中心的局部窗
Figure 225271DEST_PATH_IMAGE018
的代价函数
Figure 552347DEST_PATH_IMAGE050
最小。
                                        
变量是避免太大的一个调节参数。根据线性回归求得
Figure 887011DEST_PATH_IMAGE024
                      (4)
                                               (5)
这里
Figure 461529DEST_PATH_IMAGE028
是
Figure 791710DEST_PATH_IMAGE018
中的
Figure 357821DEST_PATH_IMAGE001
的系数矩阵，是一个单位矩阵，是窗
Figure 344866DEST_PATH_IMAGE018
中的输入
Figure 386771DEST_PATH_IMAGE031
的平均值，并且
Figure 542946DEST_PATH_IMAGE032
是窗
Figure 277684DEST_PATH_IMAGE018
中
Figure 886519DEST_PATH_IMAGE021
的平均向量。通过把等式（4）、（5）带入等式（3），我们可得到每个窗
Figure 496230DEST_PATH_IMAGE018
对应的
Figure 506911DEST_PATH_IMAGE020
，当每一帧图像中所有的局部区域
Figure 412551DEST_PATH_IMAGE018
的
Figure 508683DEST_PATH_IMAGE020
都得到了，即得到了每一帧细化了的透射图
Figure 892390DEST_PATH_IMAGE016
。由图2细化后的透射图如图3所示。
5、因为图像中含有大面积的明亮区域，需要先确定自适应容差
Figure 23158DEST_PATH_IMAGE033
，用于步骤6中对透射图的修正；
（1）自适应容差修正大面积明亮区域的基本原理
当图像中含有大面积的明亮区域，对该区域对应的透射图会估计不准确，需要对这些区域的透射图进行修正，本发明引入了一个参数——自适应容差。即根据有雾图像
Figure 99698DEST_PATH_IMAGE001
与大气光
Figure 683126DEST_PATH_IMAGE005
的相似程度来修正由引导滤波器细化后的透射图。对于
Figure 369060DEST_PATH_IMAGE036
小于或等于该容差的区域（认为是明亮区域）重新计算透射率，
Figure 354334DEST_PATH_IMAGE036
大于容差的区域（认为是满足暗原色先验的区域）保持透射率不变。该容差可以根据单帧图像的透射图的直方图来自适应的确定，从而满足了视频处理的自动性要求，避免了视频中的大面积明亮区域在复原过程中的色彩失真。
根据暗原色先验可知，大面积的明亮区域对应于透射图中灰度值很低的像素，并受景深等影响，这些区域的透射率并不是恒定不变的，而是在一定的范围内变化的，通过观测和曲线拟合，发现这些区域的透射图的直方图近似服从正态分布，且正态分布的顶点位于左侧的第一个极大值点附近，这里设该极大值点为
Figure 601775DEST_PATH_IMAGE052
，因此可以借助该极值点将这些大面积明亮区域在透射图中对应的区域划分出来，又因为透射图是基于有雾图像每个颜色通道上的强度得到的，所以大面积明亮区域中的像素
Figure 672499DEST_PATH_IMAGE001
与大气光
Figure 663589DEST_PATH_IMAGE005
的相似程度可用透射图中相应的
Figure 503369DEST_PATH_IMAGE016
相对于0的灰度差值来衡量（
Figure 921712DEST_PATH_IMAGE005
在透射图中趋近于0）。
（2）确定自适应容差
Figure 214153DEST_PATH_IMAGE033
的具体方法
在对透射图进行细化之后，只需快速搜索出透射图直方图中左边第1个极大值点
Figure 507469DEST_PATH_IMAGE052
，并将其横坐标
Figure 201756DEST_PATH_IMAGE033
作为容差。在该实施例中细化后的透射图的直方图如图4所示，由其拟合出的曲线如图5所示，经过搜索，该实施例中的
Figure 791000DEST_PATH_IMAGE033
= 48。
6、求取修正后的透射图
Figure 836316DEST_PATH_IMAGE035
；
将步骤5得到的
Figure 169209DEST_PATH_IMAGE033
= 48代入（6）式，可实现对明亮区域的透射图进行修正，即根据
Figure 718002DEST_PATH_IMAGE036
在
Figure 743727DEST_PATH_IMAGE011
、
Figure 10760DEST_PATH_IMAGE012
、
Figure 386158DEST_PATH_IMAGE013
三个颜色通道上的差值得到的三幅修正后的透射图
Figure 55037DEST_PATH_IMAGE035
，如图6所示。分别用于对的三个颜色通道进行复原。
Figure DEST_PATH_IMAGE053
,
Figure 678097DEST_PATH_IMAGE040
         (6)
7、复原无雾图像
Figure 680688DEST_PATH_IMAGE038
；
因为该图像中含有大面积明亮区域，因此需要考虑对该区域的特殊处理，则复原公式采用：
Figure 141756DEST_PATH_IMAGE041
,                           (8)
其中
Figure 983865DEST_PATH_IMAGE042
是为了使结果免于噪声而设定的下边界，在本实施例中设定
Figure 524568DEST_PATH_IMAGE043
，
Figure 840142DEST_PATH_IMAGE038
就是我们复原得到的去雾后的图像。本实施例中复原得到的去雾后的图像如图7所示。
如果不采用本发明所提出的自适应容差法对图像中大片的明亮区域的透射图进行修正，得到的去雾结果如图8所示，可以看到在大片明亮区域存在明显的色彩失真和马赛克现象，严重影响了图像的视觉效果。通过对比可以看出，本发明克服了这些色彩失真和马赛克现象。
实施例2
对在单帧图像的去雾过程中，若图像中不含有大面积明亮区域的情况下，
复原无雾图像
Figure 440888DEST_PATH_IMAGE038
；则其复原公式为：
Figure 841914DEST_PATH_IMAGE039
,
Figure 186307DEST_PATH_IMAGE040
                      (7)
其余实施步骤同实施例1的1~4步骤，
Figure 621968DEST_PATH_IMAGE038
就是我们复原得到的无雾图像。其中是为了使结果免于噪声而设定的下边界，可设定
Figure 344253DEST_PATH_IMAGE043
。
以上所述仅为本发明的优选实施方式，本发明的保护范围并不仅限于上述实施方式，凡是属于本发明的原理的技术方案均属于本方面的保护范围，对于本领域的技术人员而言，在不脱离本发明的前提下进行的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (1)

1.一种基于自适应容差的视频图像去雾方法，其特征在于包括以下步骤：
一、从原始有雾视频中读取单帧图像                                                
Figure DEST_PATH_IMAGE001
；
二、建立单帧图像雾天退化模型；
这里采用大气散射模型来描述雾天图像的退化过程：
Figure 398939DEST_PATH_IMAGE002
                                (1)
其中
Figure DEST_PATH_IMAGE003
代表图像中的像素，
Figure 689106DEST_PATH_IMAGE001
是所观测的有雾图像，
Figure 366075DEST_PATH_IMAGE004
是场景辐射，它也是我们所要复原的无雾图像；
Figure DEST_PATH_IMAGE005
是整个大气光，
Figure DEST_PATH_IMAGE007
是描述没有被散射的那部分光线的介质透射率，该透射率的每个像素有一个标量值（0～1），该值直接代表场景物体的深度信息；去雾的目的是要从
Figure 172051DEST_PATH_IMAGE001
复原
Figure 858248DEST_PATH_IMAGE004
、
Figure 940604DEST_PATH_IMAGE005
、
Figure 490272DEST_PATH_IMAGE008
；
三、利用暗原色先验估计粗略透射图
Figure DEST_PATH_IMAGE009
；
暗原色先验是指绝大多数的户外无雾图像的每个局部区域都存在某些至少一个颜色通道的强度值很低的像素；基于这一先验，对每个颜色通道取最小值操作，即可得到：
Figure 353186DEST_PATH_IMAGE010
，
Figure DEST_PATH_IMAGE011
，                  (2)
其中
Figure 515177DEST_PATH_IMAGE012
、
Figure DEST_PATH_IMAGE013
、
Figure 779936DEST_PATH_IMAGE014
分别代表红、绿、蓝三个颜色通道；
Figure DEST_PATH_IMAGE015
是为了保留一部分覆盖遥远景物的雾而引入的一个系数，且；                                      
四、利用引导滤波器得到细化后的透射图
Figure DEST_PATH_IMAGE017
；
对于单帧图像，将有雾图像
Figure 647453DEST_PATH_IMAGE018
作为引导图像，则细化后的透射图
Figure 613135DEST_PATH_IMAGE017
是
Figure 794717DEST_PATH_IMAGE018
的一个线性变换，假设在以像素为中心的窗
Figure DEST_PATH_IMAGE019
中，
Figure 25158DEST_PATH_IMAGE020
是该窗内的像素点，则其对应的细化了的透射图
Figure DEST_PATH_IMAGE021
是有雾图像（引导图像）
Figure 27487DEST_PATH_IMAGE022
的一个线性变换，
Figure DEST_PATH_IMAGE023
,
Figure 1260DEST_PATH_IMAGE024
                                  (3)
其中
Figure DEST_PATH_IMAGE025
                   (4)
Figure 565096DEST_PATH_IMAGE026
                                            (5)
这里变量
Figure DEST_PATH_IMAGE027
是避免
Figure 686636DEST_PATH_IMAGE028
太大的一个调节参数，
Figure DEST_PATH_IMAGE029
是
Figure 994120DEST_PATH_IMAGE019
中的
Figure 592373DEST_PATH_IMAGE001
的系数矩阵，
Figure 389428DEST_PATH_IMAGE030
是一个单位矩阵，是窗
Figure 935947DEST_PATH_IMAGE019
中的输入
Figure 781543DEST_PATH_IMAGE032
的平均值，并且
Figure DEST_PATH_IMAGE033
是窗
Figure 729907DEST_PATH_IMAGE019
中
Figure 697863DEST_PATH_IMAGE022
的平均向量；通过把等式（4）、（5）带入等式（3），我们可得到每个窗对应的，当每一帧图像中所有的局部区域
Figure 947951DEST_PATH_IMAGE019
的
Figure 24491DEST_PATH_IMAGE021
都得到了，即得到了每一帧细化了的透射图
Figure 342340DEST_PATH_IMAGE017
；
五、判定图像中是否含有大面积明亮区域，如果不含有，直接进行步骤七，如果含有，则需要先确定自适应容差
Figure 857635DEST_PATH_IMAGE034
，用于步骤6中对透射图的修正；
自适应容差
Figure 279127DEST_PATH_IMAGE034
的确定方法：对含有大面积明亮区域的单帧图像进行去雾时，在对透射图进行细化之后，只需快速搜索出该透射图直方图拟合出的曲线的左边第1个极大值点，并将其横坐标
Figure 526569DEST_PATH_IMAGE034
作为容差；
六、求取修正后的透射图
Figure 331713DEST_PATH_IMAGE036
；
将步骤5得到的
Figure 322803DEST_PATH_IMAGE034
作为容差代入（6）式，可实现对明亮区域的透射图进行修正，即根据
Figure DEST_PATH_IMAGE037
在
Figure 162583DEST_PATH_IMAGE012
、、
Figure 138947DEST_PATH_IMAGE014
三个颜色通道上的差值得到的三幅修正后的透射图
Figure 166683DEST_PATH_IMAGE036
，分别用于对I的三个颜色通道进行复原；
Figure 126549DEST_PATH_IMAGE038
,
Figure 715793DEST_PATH_IMAGE011
             （6）
七、复原无雾图像
Figure DEST_PATH_IMAGE039
；
在单帧图像的去雾过程中，若图像中不含有大面积明亮区域，则其复原公式为：
Figure 433214DEST_PATH_IMAGE040
,
Figure DEST_PATH_IMAGE041
                      (7)
当图像中含有大面积明亮区域时，需要考虑对该区域的特殊处理，则复原公式变为：
Figure 766106DEST_PATH_IMAGE042
,
Figure 580478DEST_PATH_IMAGE041
                   (8)
就是我们复原得到的无雾图像，其中是为了使结果免于噪声而设定的下边界，可设定
Figure 873953DEST_PATH_IMAGE044
。
CN201210125321.5A 2012-04-26 2012-04-26 基于自适应容差的视频图像去雾方法 Expired - Fee Related CN102750674B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210125321.5A CN102750674B (zh) 2012-04-26 2012-04-26 基于自适应容差的视频图像去雾方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210125321.5A CN102750674B (zh) 2012-04-26 2012-04-26 基于自适应容差的视频图像去雾方法

Publications (2)

Publication Number Publication Date
CN102750674A true CN102750674A (zh) 2012-10-24
CN102750674B CN102750674B (zh) 2014-06-18

Family

ID=47030824

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210125321.5A Expired - Fee Related CN102750674B (zh) 2012-04-26 2012-04-26 基于自适应容差的视频图像去雾方法

Country Status (1)

Country Link
CN (1) CN102750674B (zh)

Cited By (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020917A (zh) * 2012-12-29 2013-04-03 中南大学 一种基于显著性检测的中国古代书法绘画图像复原方法
CN103065127A (zh) * 2012-12-30 2013-04-24 信帧电子技术（北京）有限公司 雾天图像中人脸的识别方法和识别装置
CN103279928A (zh) * 2013-05-23 2013-09-04 北京汉邦高科数字技术股份有限公司 一种基于大气散射模型的图像增强方法
CN103902972A (zh) * 2014-03-21 2014-07-02 哈尔滨工程大学 一种水面移动平台视觉***图像分析处理方法
CN104036466A (zh) * 2014-06-17 2014-09-10 浙江立元通信技术股份有限公司 一种视频去雾方法与***
CN104050637A (zh) * 2014-06-05 2014-09-17 华侨大学 基于两次引导滤波的快速图像去雾方法
CN104281998A (zh) * 2013-07-03 2015-01-14 中山大学深圳研究院 一种基于引导滤波的快速单幅彩色图像去雾方法
CN104506755A (zh) * 2015-01-13 2015-04-08 武汉烽火众智数字技术有限责任公司 基于fpga的高清视频实时自动化去雾方法
CN104616258A (zh) * 2015-01-26 2015-05-13 中南大学 一种针对道路图像的快速去雾方法
CN105279739A (zh) * 2015-09-08 2016-01-27 哈尔滨工程大学 一种自适应含雾数字图像去雾方法
CN105474259A (zh) * 2013-05-28 2016-04-06 韩华泰科株式会社 用于在单一图像中去雾的方法和装置
CN105787904A (zh) * 2016-03-25 2016-07-20 桂林航天工业学院 针对明亮区域的自适应全局暗原色先验的图像去雾方法
CN105973850A (zh) * 2016-03-14 2016-09-28 中国科学院合肥物质科学研究院 基于单帧彩色图像的可见光波段大气透过率测量方法
CN106023108A (zh) * 2016-05-19 2016-10-12 湖南源信光电科技有限公司 基于边界约束和上下文正则化的图像去雾算法
CN106127693A (zh) * 2015-05-08 2016-11-16 韩华泰科株式会社 除雾***和除雾方法
CN106204459A (zh) * 2014-09-02 2016-12-07 台北科技大学 图像能见度修复的方法及其图像处理装置
CN106683052A (zh) * 2015-11-06 2017-05-17 奥多比公司 使用视觉伪影抑制对照片和视频去雾
CN106683055A (zh) * 2016-12-09 2017-05-17 河海大学 一种基于退化模型和群稀疏的雾天图像复原方法
CN107194894A (zh) * 2017-05-25 2017-09-22 河南师范大学 一种视频去雾方法及其***
CN107317970A (zh) * 2017-07-27 2017-11-03 广东欧珀移动通信有限公司 图像处理方法、装置、计算机可读存储介质和计算机设备
CN107657166A (zh) * 2017-09-27 2018-02-02 广东欧珀移动通信有限公司 解锁控制方法及相关产品
CN107767354A (zh) * 2017-12-08 2018-03-06 福州大学 一种基于暗原色先验的图像去雾算法
CN107798670A (zh) * 2017-09-20 2018-03-13 中国科学院长春光学精密机械与物理研究所 一种利用图像引导滤波器的暗原色先验图像去雾方法
CN107977941A (zh) * 2017-12-04 2018-05-01 国网山东省电力公司电力科学研究院 一种明亮区域色彩保真及对比度增强的图像去雾方法
CN107993214A (zh) * 2017-12-25 2018-05-04 北京航空航天大学 一种在线抗黄色雾霾色偏自修正的上下界支撑图像增强***
CN108596857A (zh) * 2018-05-09 2018-09-28 西安邮电大学 用于智能驾驶的单幅图像去雾方法
CN108898562A (zh) * 2018-06-22 2018-11-27 大连海事大学 一种基于深度学习的移动设备图像去雾方法
CN109191405A (zh) * 2018-09-15 2019-01-11 武汉智觉空间信息技术有限公司 一种基于透射率全局估计的航空影像去雾算法
CN111127362A (zh) * 2019-12-25 2020-05-08 南京苏胜天信息科技有限公司 基于图像增强的视频除尘方法、***、装置及可存储介质
CN112200755A (zh) * 2020-12-09 2021-01-08 成都索贝数码科技股份有限公司 一种图像去雾方法
CN113870139A (zh) * 2021-09-30 2021-12-31 天津大学 一种循环对抗神经网络无人碾压识别去雾方法
CN114638763A (zh) * 2022-03-24 2022-06-17 华南理工大学 图像去雾方法、***、计算机设备和存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102202163A (zh) * 2011-05-13 2011-09-28 成都西图科技有限公司 一种监控视频的自适应增强方法及其装置
CN102368330A (zh) * 2011-10-25 2012-03-07 杭州藏愚科技有限公司 一种摄像机图像处理方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102202163A (zh) * 2011-05-13 2011-09-28 成都西图科技有限公司 一种监控视频的自适应增强方法及其装置
CN102368330A (zh) * 2011-10-25 2012-03-07 杭州藏愚科技有限公司 一种摄像机图像处理方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
KAIMING HE ET AL: "Guided Image Filtering", 《ECCV 2010, PART I, LNCS》 *
占吉清: "雾天图像复原算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (46)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020917B (zh) * 2012-12-29 2015-05-27 中南大学 一种基于显著性检测的中国古代书法绘画图像复原方法
CN103020917A (zh) * 2012-12-29 2013-04-03 中南大学 一种基于显著性检测的中国古代书法绘画图像复原方法
CN103065127A (zh) * 2012-12-30 2013-04-24 信帧电子技术（北京）有限公司 雾天图像中人脸的识别方法和识别装置
CN103279928A (zh) * 2013-05-23 2013-09-04 北京汉邦高科数字技术股份有限公司 一种基于大气散射模型的图像增强方法
CN103279928B (zh) * 2013-05-23 2016-06-01 北京汉邦高科数字技术股份有限公司 一种基于大气散射模型的图像增强方法
US9842382B2 (en) 2013-05-28 2017-12-12 Hanwha Techwin Co., Ltd. Method and device for removing haze in single image
CN105474259A (zh) * 2013-05-28 2016-04-06 韩华泰科株式会社 用于在单一图像中去雾的方法和装置
CN104281998A (zh) * 2013-07-03 2015-01-14 中山大学深圳研究院 一种基于引导滤波的快速单幅彩色图像去雾方法
CN103902972A (zh) * 2014-03-21 2014-07-02 哈尔滨工程大学 一种水面移动平台视觉***图像分析处理方法
CN104050637A (zh) * 2014-06-05 2014-09-17 华侨大学 基于两次引导滤波的快速图像去雾方法
CN104050637B (zh) * 2014-06-05 2017-02-22 华侨大学 基于两次引导滤波的快速图像去雾方法
CN104036466A (zh) * 2014-06-17 2014-09-10 浙江立元通信技术股份有限公司 一种视频去雾方法与***
CN106204459A (zh) * 2014-09-02 2016-12-07 台北科技大学 图像能见度修复的方法及其图像处理装置
CN104506755A (zh) * 2015-01-13 2015-04-08 武汉烽火众智数字技术有限责任公司 基于fpga的高清视频实时自动化去雾方法
CN104506755B (zh) * 2015-01-13 2017-06-30 武汉烽火众智数字技术有限责任公司 基于fpga的高清视频实时自动化去雾方法
CN104616258B (zh) * 2015-01-26 2017-10-03 中南大学 一种针对道路图像的快速去雾方法
CN104616258A (zh) * 2015-01-26 2015-05-13 中南大学 一种针对道路图像的快速去雾方法
CN106127693A (zh) * 2015-05-08 2016-11-16 韩华泰科株式会社 除雾***和除雾方法
CN105279739A (zh) * 2015-09-08 2016-01-27 哈尔滨工程大学 一种自适应含雾数字图像去雾方法
CN106683052A (zh) * 2015-11-06 2017-05-17 奥多比公司 使用视觉伪影抑制对照片和视频去雾
CN106683052B (zh) * 2015-11-06 2022-03-04 奥多比公司 使用视觉伪影抑制对照片和视频去雾
CN105973850A (zh) * 2016-03-14 2016-09-28 中国科学院合肥物质科学研究院 基于单帧彩色图像的可见光波段大气透过率测量方法
CN105787904A (zh) * 2016-03-25 2016-07-20 桂林航天工业学院 针对明亮区域的自适应全局暗原色先验的图像去雾方法
CN105787904B (zh) * 2016-03-25 2018-04-06 桂林航天工业学院 针对明亮区域的自适应全局暗原色先验的图像去雾方法
CN106023108A (zh) * 2016-05-19 2016-10-12 湖南源信光电科技有限公司 基于边界约束和上下文正则化的图像去雾算法
CN106683055A (zh) * 2016-12-09 2017-05-17 河海大学 一种基于退化模型和群稀疏的雾天图像复原方法
CN107194894A (zh) * 2017-05-25 2017-09-22 河南师范大学 一种视频去雾方法及其***
CN107317970B (zh) * 2017-07-27 2019-10-18 Oppo广东移动通信有限公司 图像处理方法、装置、计算机可读存储介质和计算机设备
CN107317970A (zh) * 2017-07-27 2017-11-03 广东欧珀移动通信有限公司 图像处理方法、装置、计算机可读存储介质和计算机设备
CN107798670A (zh) * 2017-09-20 2018-03-13 中国科学院长春光学精密机械与物理研究所 一种利用图像引导滤波器的暗原色先验图像去雾方法
CN107798670B (zh) * 2017-09-20 2021-03-19 中国科学院长春光学精密机械与物理研究所 一种利用图像引导滤波器的暗原色先验图像去雾方法
CN107657166A (zh) * 2017-09-27 2018-02-02 广东欧珀移动通信有限公司 解锁控制方法及相关产品
CN107977941A (zh) * 2017-12-04 2018-05-01 国网山东省电力公司电力科学研究院 一种明亮区域色彩保真及对比度增强的图像去雾方法
CN107767354A (zh) * 2017-12-08 2018-03-06 福州大学 一种基于暗原色先验的图像去雾算法
CN107993214A (zh) * 2017-12-25 2018-05-04 北京航空航天大学 一种在线抗黄色雾霾色偏自修正的上下界支撑图像增强***
CN108596857A (zh) * 2018-05-09 2018-09-28 西安邮电大学 用于智能驾驶的单幅图像去雾方法
CN108898562A (zh) * 2018-06-22 2018-11-27 大连海事大学 一种基于深度学习的移动设备图像去雾方法
CN108898562B (zh) * 2018-06-22 2022-04-12 大连海事大学 一种基于深度学习的移动设备图像去雾方法
CN109191405A (zh) * 2018-09-15 2019-01-11 武汉智觉空间信息技术有限公司 一种基于透射率全局估计的航空影像去雾算法
CN109191405B (zh) * 2018-09-15 2021-09-24 武汉智觉空间信息技术有限公司 一种基于透射率全局估计的航空影像去雾算法
CN111127362A (zh) * 2019-12-25 2020-05-08 南京苏胜天信息科技有限公司 基于图像增强的视频除尘方法、***、装置及可存储介质
CN112200755A (zh) * 2020-12-09 2021-01-08 成都索贝数码科技股份有限公司 一种图像去雾方法
CN112200755B (zh) * 2020-12-09 2021-05-07 成都索贝数码科技股份有限公司 一种图像去雾方法
CN113870139A (zh) * 2021-09-30 2021-12-31 天津大学 一种循环对抗神经网络无人碾压识别去雾方法
CN114638763A (zh) * 2022-03-24 2022-06-17 华南理工大学 图像去雾方法、***、计算机设备和存储介质
CN114638763B (zh) * 2022-03-24 2024-05-24 华南理工大学 图像去雾方法、***、计算机设备和存储介质

Also Published As

Publication number Publication date
CN102750674B (zh) 2014-06-18

Similar Documents

Publication Publication Date Title
CN102750674A (zh) 基于自适应容差的视频图像去雾方法
CN110148095B (zh) 一种水下图像增强方法及增强装置
Jiang et al. Night video enhancement using improved dark channel prior
Xu et al. Removing rain and snow in a single image using guided filter
CN105631829B (zh) 基于暗通道先验与颜色校正的夜间雾霾图像去雾方法
CN103218778B (zh) 一种图像和视频的处理方法及装置
CN102831591B (zh) 一种基于高斯滤波的单幅图像的实时去雾方法
CN104240194B (zh) 一种基于抛物线函数的低照度图像增强算法
CN106897981A (zh) 一种基于引导滤波的低照度图像增强方法
CN105046658B (zh) 一种低照度图像处理方法和装置
Wang et al. Variational single nighttime image haze removal with a gray haze-line prior
Zhang et al. A naturalness preserved fast dehazing algorithm using HSV color space
CN101626454B (zh) 一种增强视频可视性的方法
CN105976337B (zh) 一种基于中值引导滤波的图像去雾方法
EP2740100A1 (en) Method and system for removal of fog, mist or haze from images and videos
CN104867121B (zh) 基于暗原色先验和Retinex理论的图像快速去雾法
CN104318524A (zh) 一种基于YCbCr色彩空间的图像增强方法、装置及***
CN110689490A (zh) 一种基于纹理颜色特征和优化透射率的水下图像复原方法
Fang et al. Single image dehazing and denoising with variational method
CN108022225A (zh) 基于快速导向滤波改进的暗通道先验图像去雾算法
CN111462022B (zh) 一种水下图像清晰化增强方法
Song et al. An improved image dehazing and enhancing method using dark channel prior
CN111598814A (zh) 基于极端散射通道的单图像去雾方法
CN109345479B (zh) 一种视频监控数据的实时预处理方法及存储介质
Gadnayak et al. A survey on image dehazing methods

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20140618

Termination date: 20180426