CN103279928A - 一种基于大气散射模型的图像增强方法 - Google Patents
一种基于大气散射模型的图像增强方法 Download PDFInfo
- Publication number
- CN103279928A CN103279928A CN201310194227XA CN201310194227A CN103279928A CN 103279928 A CN103279928 A CN 103279928A CN 201310194227X A CN201310194227X A CN 201310194227XA CN 201310194227 A CN201310194227 A CN 201310194227A CN 103279928 A CN103279928 A CN 103279928A
- Authority
- CN
- China
- Prior art keywords
- image
- dark
- zone
- max
- brightness
- 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
Links
Landscapes
- Facsimile Image Signal Circuits (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种能够自适应保留图像暗部及高亮部分信息的基于大气散射模型的图像增强方法,包括步骤:(1)基于大气散射模型的暗原色通道原理的直方图图像均衡化:利用大气散射模型的暗原色通道特性及图像直方图分布特性控制图像均衡化范围,使均衡化后的图像利于保持图像中暗部及高亮区域细节特征;(2)基于大气散射模型的暗原色图像恢复。
Description
技术领域
本发明属于数字图像和数字视频图像处理的技术领域,具体涉及到一种基于大气散射模型的图像增强方法,主要用于安防领域网络摄像机监控的视频图像。
背景技术
安防视频监控***通常会面对各种光线环境,多种自然因素造成监控视频图像退化,使视频图像对比度和空间分辨率降低,图像信息丢失严重,因此,通常在安防视频监控***中,需要对获取的图像进行图像增强处理,以获得更多监控信息及更佳的视觉效果。
大气散射模型由McCartney(麦卡特尼)等人提出,是图像复原理论中的重要模型。该模型的物理表达式为:I(x,y)=J(x,y)·t(x,y)+A(x,y)[1-t(x,y)]
式中:J(x,y)为在理想气象条件下的辐射强度图;I(x,y)为实际辐射强度,是J(x,y)的退化图像;t(x.y)为环境中大气的透射图,表示光线在大气环境中的透射率;J(x,y)·t(x,y)为J(x,y)经大气透射衰减后对应的辐射强度;A(x,y)为大气光辐射强度;A(x,y)·[1-t(x,y)]为对应的大气光散射强度。由大气散射模型可以看出,I(x,y)为实际辐射强度,即实际观测图像,只要获得大气透射图t(x,y)及大气光辐射强度图A(x,y),就可以得到理想气象条件下的辐射强度图J(x,y),即I(x,y)的复原图像。
在该模型基础上,何恺明提出基于暗原色通道方法巧妙地解决了雾天图像的复原,并取得了较有效的成果。该方法是建立在暗原色通道的先验假设基础上,即下式先验假设成立:
式中,Idark(x)为图像暗原色通道图像,Ic(y)为c定义域内输入图像表示,Ω(x)为求取区域,c为计算定义域:r、g、b(图像红、绿、蓝通道)。则大气模型可以更改为:
式中,Jc(x,y)为在理想气象条件下的辐射强度图在c定义域的图像表示,Ω(x)为求取区域,c为计算定义域:r、g、b(图像红、绿、蓝通道),Ac为大气散射强度。
则有:
在获得环境光透射图t(x)后,即可以通过大气散射模型计算在理想气象条件下的辐射强度图J(x,y),有:
在对该方法的实验中,发现该方法在监控环境中使用时,图像暗部及高亮区域常出现过度压缩情况,存在图像暗部及高亮区域部分信息损失的问题。
发明内容
本发明的技术解决问题是:克服现有技术的不足,提供一种能够自适应保留图像暗部及高亮部分信息的基于大气散射模型的图像增强方法。
本发明的技术解决方案是:这种基于大气散射模型的图像增强方法,包括以下步骤:
(1)基于大气散射模型的暗原色通道原理的直方图图像均衡化:利用大气散射模型的暗原色通道特性及图像直方图分布特性控制图像均衡化范围,使均衡化后的图像利于保持图像中暗部及高亮区域细节特征;
(2)基于大气散射模型的暗原色图像恢复。
本发明的图像均衡化方法均衡化范围由原图像暗原色通道特性、原图像直方图特性进行控制,通过图像均衡化处理使图像暗部及高亮部区域信息调整至较合理区域,能够自适应保留图像暗部及高亮部分信息,适于在安防监控领域中使用。
附图说明
图1示出了根据本发明的基于大气散射模型的图像增强方法的流程图。
具体实施方式
如图1所示,这种基于大气散射模型的图像增强方法,包括以下步骤:
(1)基于大气散射模型的暗原色通道原理的直方图图像均衡化:利用大气散射模型的暗原色通道特性及图像直方图分布特性控制图像均衡化范围,使均衡化后的图像利于保持图像中暗部及高亮区域细节特征;
(2)基于大气散射模型的暗原色图像恢复。
本发明的图像均衡化方法均衡化范围由原图像暗原色通道特性、原图像直方图特性进行控制,通过图像均衡化处理使图像暗部及高亮部区域信息调整至较合理区域,能够自适应保留图像暗部及高亮部分信息,适于在安防监控领域中使用。
优选地,步骤(1)包括以下分步骤:
(1.1)按大气散射模型的暗原色通道原理,计算图像原色通道,计算方法如下:
式中,Idark(x)为图像暗原色通道图像,Ic(y)为原始图像在c定义域内的图像表示,Ω(x)为求取区域,c为计算定义域:r为图像的红通道、g为图像的绿通道、b为蓝通道;
按区域检测暗原色通道图像Idark(x),标定min(Idark(x))的区域,标定max(Idark(x))的区域;
(1.2)对图像亮度进行直方图统计及均衡处理
对图像亮度分量Y进行直方图统计,统计图像中灰度为i的像素的出现概率:
式中,L是图像中所有的亮度值,n是图像中所有的像素数,ni为亮度值为i的像素数,px(i)为图像的统计直方图,归一化到[0.0,1.0];检查统计直方图px(i)的分布,计算分布最大值ymax、最小值ymin及分布均值ymean、分布均方差σy;
C是图像的累计归一化直方图,对应于px(i)的累计概率函数,定义为:
构建图像亮度均衡函数yi=T(xi),与亮度的累计概率函数的转换方法为:
yi=T(xi)=c(i)
图像亮度均衡方法为:
y′i=c(i)×(y′max-y′min)+y′min
式中,y′max为图像均衡化最大亮度,y′min为图像均衡化最小亮度,y′i为输出亮度。
优选地,步骤(2)包括以下分步骤:
(2.1)图像暗原色通道检测
对图像均衡化后的图像进行图像暗原色通道检测,计算图像原色通道方法如下:
式中,Idark(x)为图像暗原色通道图像,Ic(y)为图像均衡化图像在c定义域内输入图像表示,Ω(x)为求取区域,c为计算定义域:r为图像的红通道、g为图像的绿通道、b为蓝通道;
按区域检测暗原色通道图像Idark(x),标定Idark(x)≤15的区域及统计数量Xdark;标定max(Idark(x))的区域,统计区域Xdark;
(2.2)估计大气光
利用Idark(x)对大气光Ac进行估计:选择nxn个Ω(x)区域内,计算满足Idark(x)≥15的所有Idark(x)中前0.1%的高亮对应的原始图像像素的(r,g,b)做为大气光Ac的估计;
(2.3)计算大气透射图
图像透射图表示在大气光照射下,图像中各个部分的透射关系,根据下式计算图像透射图:
式中ω=0.95;Ic(y)为c定义域内输入图像表示,Ω(x)为求取区域,c为计算定义域:r为图像的红通道、g为图像的绿通道、b为蓝通道,Ac为区域大气光估计;
采用下面方法对进行细化,得到t(x);
L为拉普拉斯抠图矩阵,U为单位阵,λ=10-4;
(2.4)图像复原
由大气透射图t(x),按下式进行图像复原,
式中,t0=0.1,t(x)为大气透射图,Ac为区域大气光估计,I(x)为输入图
像,Idark(x)为图像像素暗原色值,dark_th为暗原色阈值。
以下给出一个具体实施例,包括以下步骤:
一、图像暗原色通道预检测
按大气散射模型中暗原色通道原理,计算图像原色通道,计算方法如下:
式中,Idark(x)为图像暗原色通道图像,Ic(y)为c定义域内输入图像表示,Ω(x)为求取区域,c为计算定义域:r、g、b(图像红、绿、蓝通道)。
按区域检测暗原色通道图像Idark(x),标定min(Idark(x))的区域,标定max(Idark(x))的区域。
二、对图像亮度进行直方图统计及均衡处理
对图像亮度分量Y进行直方图统计,统计图像中灰度为i的像素的出现概率:
式中,L是图像中所有的亮度值,n是图像中所有的像素数,ni为亮度值为i的像素数,px(i)为图像的统计直方图,归一化到(0.0,1.0)。
检查统计直方图px(i)的分布,计算分布最大值ymax、最小值ymin及分布均值ymean、分布均方差σy。
C是图像的累计归一化直方图,对应于px(i)的累计概率函数,定义为:
构建图像亮度均衡函数yi=T(xi),与亮度的累计概率函数的转换方法为:
yi=T(xi)=c(i)
图像亮度均衡方法为:
y′i=c(i)×(y′max-y′min)+y′min
上面式中,y′max为图像均衡化最大亮度,y′min为图像均衡化最小亮度,y′i为输出亮度。
三、图像暗原色通道检测
对图像均衡化后的图像进行图像暗原色通道检测,计算图像原色通道方法如下:
式中,Idark(x)为图像暗原色通道图像,Ic(y)为图像均衡化图像在c定义域内输入图像表示,Ω(x)为求取区域,c为计算定义域:r、g、b别为图像红、绿、蓝通道。
按区域检测暗原色通道图像Idark(x),标定Idark(x)≤15的区域及统计数量Xdark;标定max(Idark(x))的区域,统计区域Xdark。
四、估计大气光
利用Idark(x)对大气光Ac进行估计;
估计方法:选择nxn个Ω(x)区域内,计算满足Idark(x)≥15的所有Idark(x)中前0.1%的高亮对应的原始图像像素的(r,g,b)做为大气光Ac的估计;
五、计算大气透射图
图像透射图表示图像场景在大气光照射下,图像中各个部分的透射关系,根据下式计算图像透射图:
上式中ω=0.95;Ic(y)为c定义域内输入图像表示,Ω(x)为求取区域,c为计算定义域:r为图像的红通道、g为图像的绿通道、b为蓝通道,Ac为区域大气光估计。
L为拉普拉斯抠图矩阵,U为单位阵,λ=10-4。
六、图像复原
由大气透射图t(x),按下式进行图像复原,
式中,t0=0.1,t(x)为大气透射图,Ac为区域大气光估计,I(x)为输入图像,Idark(x)为图像像素暗原色值,dark_th为暗原色阈值。
以上所述,仅是本发明的较佳实施例,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属本发明技术方案的保护范围。
Claims (3)
1.一种基于大气散射模型的图像增强方法,其特征在于,包括以下步骤:
(1)基于大气散射模型的暗原色通道原理的直方图图像均衡化:利用大气散射模型的暗原色通道特性及图像直方图分布特性控制图像均衡化范围,使均衡化后的图像利于保持图像中暗部及高亮区域细节特征;
(2)基于大气散射模型的暗原色图像恢复。
2.根据权利要求1所述的基于大气散射模型的图像增强方法,其特征在于,步骤(1)包括以下分步骤:
(1.1)按大气散射模型的暗原色通道原理,计算图像原色通道,计算方法如下:
式中,Idark(x)为图像暗原色通道图像,Ic(y)为原始图像在c定义域内的图像表示,Ω(x)为求取区域,c为计算定义域:r为图像的红通道、g为图像的绿通道、b为蓝通道;
按区域检测暗原色通道图像Idark(x),标定min(Idark(x))的区域,标定max(Idark(x))的区域;
(1.2)对图像亮度进行直方图统计及均衡处理
对图像亮度分量Y进行直方图统计,统计图像中灰度为i的像素的出现概率:
式中,L是图像中所有的亮度值,n是图像中所有的像素数,ni为亮度值为i的像素数,px(i)为图像的统计直方图,归一化到[0.0,1.0];检查统计直方图px(i)的分布,计算分布最大值ymax、最小值ymin及分布均值ymean、分布均方差σy;C是图像的累计归一化直方图,对应于px(i)的累计概率函数,定义为:
构建图像亮度均衡函数yi=T(xi),与亮度的累计概率函数的转换方法为:
yi=T(xi)=c(i)
图像亮度均衡方法为:
y′i=c(i)×(y′max-y′min)+y′min
式中,y′max为图像均衡化最大亮度,y′min为图像均衡化最小亮度,y′i为输出亮度。
3.根据权利要求2所述的基于大气散射模型的图像增强方法,其特征在于,步骤(2)包括以下分步骤:
(2.1)图像暗原色通道检测
对图像均衡化后的图像进行图像暗原色通道检测,计算图像原色通道方法如下:
式中,Idark(x)为图像暗原色通道图像,Ic(y)为图像均衡化图像在c定义域内输入图像表示,Ω(x)为求取区域,c为计算定义域:r为图像的红通道、g为图像的绿通道、b为蓝通道;
按区域检测暗原色通道图像Idark(x),标定Idark(x)≤15的区域及统计数量Xdark;标定max(Idark(x))的区域,统计区域Xdark;
(2.2)估计大气光
利用Idark(x)对大气光Ac进行估计:选择nxn个Ω(x)区域内,计算满足Idark(x)≥15的所有Idark(x)中前0.1%的高亮对应的原始图像像素的(r,g,b)做为大气光Ac的估计;
(2.3)计算大气透射图
图像透射图表示在大气光照射下,图像中各个部分的透射关系,根据下式计算图像透射图:
式中ω=0.95;Ic(y)为c定义域内输入图像表示,Ω(x)为求取区域,c为计算定义域:r为图像的红通道、g为图像的绿通道、b为蓝通道,Ac为区域大气光估计;
L为拉普拉斯抠图矩阵,U为单位阵,λ=10-4;
(2.4)图像复原
由大气透射图t(x),按下式进行图像复原,
式中,t0=0.1,t(x)为大气透射图,Ac为区域大气光估计,I(x)为输入图像,Idark(x)为图像像素暗原色值,dark_th为暗原色阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310194227.XA CN103279928B (zh) | 2013-05-23 | 2013-05-23 | 一种基于大气散射模型的图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310194227.XA CN103279928B (zh) | 2013-05-23 | 2013-05-23 | 一种基于大气散射模型的图像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103279928A true CN103279928A (zh) | 2013-09-04 |
CN103279928B CN103279928B (zh) | 2016-06-01 |
Family
ID=49062435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310194227.XA Active CN103279928B (zh) | 2013-05-23 | 2013-05-23 | 一种基于大气散射模型的图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103279928B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217404A (zh) * | 2014-08-27 | 2014-12-17 | 华南农业大学 | 雾霾天视频图像清晰化处理方法及其装置 |
WO2015192718A1 (zh) * | 2014-06-18 | 2015-12-23 | 深圳市金立通信设备有限公司 | 一种图像的处理方法及装置 |
CN105744118A (zh) * | 2016-02-01 | 2016-07-06 | 杭州当虹科技有限公司 | 一种基于视频帧自适应的视频增强方法及应用其的视频增强*** |
CN110070480A (zh) * | 2019-02-26 | 2019-07-30 | 青岛大学 | 一种水下光学图像的模拟方法 |
CN111738946A (zh) * | 2020-06-16 | 2020-10-02 | 新疆大学 | 一种沙尘降质图像的增强方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050163393A1 (en) * | 2004-01-23 | 2005-07-28 | Old Dominion University | Visibility improvement in color video stream |
US20110135200A1 (en) * | 2009-12-04 | 2011-06-09 | Chao-Ho Chen | Method for determining if an input image is a foggy image, method for determining a foggy level of an input image and cleaning method for foggy images |
CN102750674A (zh) * | 2012-04-26 | 2012-10-24 | 长春理工大学 | 基于自适应容差的视频图像去雾方法 |
CN103049888A (zh) * | 2012-12-07 | 2013-04-17 | 西安电子科技大学 | 基于暗原色结合大气散射光的图像/视频去雾方法 |
-
2013
- 2013-05-23 CN CN201310194227.XA patent/CN103279928B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050163393A1 (en) * | 2004-01-23 | 2005-07-28 | Old Dominion University | Visibility improvement in color video stream |
US20110135200A1 (en) * | 2009-12-04 | 2011-06-09 | Chao-Ho Chen | Method for determining if an input image is a foggy image, method for determining a foggy level of an input image and cleaning method for foggy images |
CN102750674A (zh) * | 2012-04-26 | 2012-10-24 | 长春理工大学 | 基于自适应容差的视频图像去雾方法 |
CN103049888A (zh) * | 2012-12-07 | 2013-04-17 | 西安电子科技大学 | 基于暗原色结合大气散射光的图像/视频去雾方法 |
Non-Patent Citations (3)
Title |
---|
HONGBO YANG ET AL: "Color Image Contrast Enhancement by Co-occurrence Histogram Equalization and Dark Channel Prior", 《2010 3RD INTERNATIONAL CONGRESS ON IMAGE AND SIGNAL PROCESSING》, 31 December 2010 (2010-12-31) * |
李欧迅 等: "低能见度条件下车载视频的清晰化处理研究", 《电子技术应用》, vol. 38, no. 6, 30 June 2012 (2012-06-30) * |
杨冰清 等: "基于共生矩阵的彩色图像增强算法", 《计算机应用》, vol. 32, no. 9, 30 September 2012 (2012-09-30) * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015192718A1 (zh) * | 2014-06-18 | 2015-12-23 | 深圳市金立通信设备有限公司 | 一种图像的处理方法及装置 |
CN104217404A (zh) * | 2014-08-27 | 2014-12-17 | 华南农业大学 | 雾霾天视频图像清晰化处理方法及其装置 |
CN104217404B (zh) * | 2014-08-27 | 2017-06-20 | 华南农业大学 | 雾霾天视频图像清晰化处理方法及其装置 |
CN105744118A (zh) * | 2016-02-01 | 2016-07-06 | 杭州当虹科技有限公司 | 一种基于视频帧自适应的视频增强方法及应用其的视频增强*** |
CN105744118B (zh) * | 2016-02-01 | 2018-11-30 | 杭州当虹科技有限公司 | 一种基于视频帧自适应的视频增强方法及视频增强*** |
CN110070480A (zh) * | 2019-02-26 | 2019-07-30 | 青岛大学 | 一种水下光学图像的模拟方法 |
CN111738946A (zh) * | 2020-06-16 | 2020-10-02 | 新疆大学 | 一种沙尘降质图像的增强方法及装置 |
CN111738946B (zh) * | 2020-06-16 | 2022-04-08 | 新疆大学 | 一种沙尘降质图像的增强方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103279928B (zh) | 2016-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101510305B (zh) | 一种改进的自适应直方图均衡方法 | |
CN103763515B (zh) | 一种基于机器学习的视频异常检测方法 | |
CN103279928A (zh) | 一种基于大气散射模型的图像增强方法 | |
CN105118027B (zh) | 一种图像的去雾方法 | |
CN103985091A (zh) | 基于亮度暗先验与双边滤波的单幅图像去雾方法 | |
CN102831591A (zh) | 一种基于高斯滤波的单幅图像的实时去雾方法 | |
CN111402145B (zh) | 一种基于深度学习的自监督低照度图像增强方法 | |
CN103747213A (zh) | 一种基于运动目标的交通监控视频实时去雾方法 | |
Zheng et al. | Infrared traffic image enhancement algorithm based on dark channel prior and gamma correction | |
CN105959510A (zh) | 一种视频快速去雾方法 | |
CN106530240A (zh) | 一种基于多尺度融合和全变分优化的图像去雾方法 | |
CN105681775A (zh) | 一种白平衡方法和装置 | |
CN106340025A (zh) | 一种基于色适应变换的背景更换视觉传达方法 | |
CN104809700A (zh) | 一种基于亮通道的低照度视频实时增强方法 | |
CN104881848A (zh) | 一种基于cuda的低照度图像增强并行优化方法 | |
CN105530422A (zh) | 电子设备的控制方法、控制装置及电子设备 | |
CN111460964A (zh) | 一种广电传输机房低照度条件下运动目标检测方法 | |
CN107977941A (zh) | 一种明亮区域色彩保真及对比度增强的图像去雾方法 | |
CN105989583A (zh) | 一种图像去雾方法 | |
CN111598814A (zh) | 基于极端散射通道的单图像去雾方法 | |
CN111598800A (zh) | 基于空间域同态滤波和暗通道先验的单幅图像去雾方法 | |
CN117274107B (zh) | 低照度场景下端到端色彩及细节增强方法、装置及设备 | |
Sun et al. | Image enhancement using bright channel prior | |
Gao et al. | Single image haze removal algorithm using pixel-based airlight constraints | |
CN104424623A (zh) | 一种自然图像去雾方法和*** |
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 |