CN103279928B - 一种基于大气散射模型的图像增强方法 - Google Patents

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

一种基于大气散射模型的图像增强方法

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：

$I_{\mathrm{dark}}\left(x\right)=\underset{c\∈\{r,g,b\}}{\min }\left(\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min }\left(I^c\left(y\right)\right)\right)\→0$

式中，I_dark(x)为图像暗原色通道图像，I^c(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：

$\underset{c\∈\{r,g,b\}}{\min }\left(\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min }\left(\frac{I^c\left(y\right)}{A^c}\right)\right)=t\left(x\right)\underset{c\∈\{r,g,b\}}{\min }\left(\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min }\left(\frac{J^c\left(y\right)}{A^c}\right)\right)+(1-t\left(x\right))$

式中，J^c(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），A^c为大气散射强度。

则有：

$t\left(x\right)=1-\underset{c\∈\{r,g,b\}}{\min }\left(\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min }\left(\frac{I^c\left(y\right)}{A^c}\right)\right)$

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：

$J\left(x\right)=\frac{I\left(x\right)-A^c}{\max (t\left(x\right),t_0)}+A^c$

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：

$I_{\mathrm{dark}}\left(x\right)=\underset{c\∈\{r,g,b\}}{\min }\left(\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min }\left(I^c\left(y\right)\right)\right)$

式中，I_dark(x)为图像暗原色通道图像，I^c(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I_dark(x)，标定min(I_dark(x))的区域，标定max(I_dark(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：

$p_x\left(i\right)=\frac{n_i}{n},$ i∈0,Λ,L-1

式中，L是图像中所有的亮度值，n是图像中所有的像素数，n_i为亮度值为i的像素数，p_x(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p_x(i)的分布，计算分布最大值y_max、最小值y_min及分布均值y_mean、分布均方差σ_y；

C是图像的累计归一化直方图，对应于p_x(i)的累计概率函数，定义为：

$c\left(i\right)=\underset{j=0}{\overset{i}{\mathrm{\Σ}}}{p}_x\left(j\right)$

构建图像亮度均衡函数y_i=T(x_i)，与亮度的累计概率函数的转换方法为：

y_i=T(x_i)=c(i)

检查已标定min(I_dark(x))的区域，统计区域中亮度直方图分布及；检查已标定max(I_dark(x))的区域中区域亮度值及，按下式设置y′_max及y′_min：

$y_{\max }^{\′}=p_1\•y_{\max }+p_2{\•y}_{\max }^{\mathrm{dark}}+p_3\•y_{\max }^{\mathrm{light}}$

$y_{\min }^{\′}=q_1\•y_{\min }+q_2{\•y}_{\min }^{\mathrm{dark}}+q_3\•y_{\min }^{\mathrm{light}}$

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：

$I_{\mathrm{dark}}\left(x\right)=\underset{c\∈\{r,g,b\}}{\min }\left(\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min }\left(I^c\left(y\right)\right)\right)$

式中，I_dark(x)为图像暗原色通道图像，I^c(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I_dark(x)，标定I_dark(x)≤15的区域及统计数量X_dark；标定max(I_dark(x))的区域，统计区域X_dark；

（2.2）估计大气光

利用I_dark(x)对大气光A^c进行估计：选择nxn个Ω(x)区域内，计算满足I_dark(x)≥15的所有I_dark(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A^c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：

$\tilde{t}\left(x\right)=1-\mathrm{\ω}\underset{c}{\min }\left(\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min }\left(\frac{I^c\left(y\right)}{A^c}\right)\right)$

式中ω=0.95；I^c(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，A^c为区域大气光估计；

采用下面方法对进行细化，得到t(x)；

$(L+\mathrm{\λU})t\left(x\right)=\mathrm{\λ}\tilde{t}\left(x\right)$

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，

$J\left(x\right)=\left\{\begin{array}{cc}\frac{I\left(x\right)-A^c}{\max (t\left(x\right),t_0)}+A^c,& I_{\mathrm{drak}}\left(x\right)\&GreaterEqual;\mathrm{dark}\_\mathrm{th}\\ I\left(x\right),& I_{\mathrm{dark}}\left(x\right)<\mathrm{dark}\_\mathrm{th}\end{array}\right.$

式中，t₀=0.1，t(x)为大气透射图，A^c为区域大气光估计，I(x)为输入图

像，I_dark(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：

$I_{\mathrm{dark}}\left(x\right)=\underset{c\&Element;\{r,g,b\}}{\min }(\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{\min }\left(I^c\left(y\right)\right))$

式中，I_dark(x)为图像暗原色通道图像，I^c(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I_dark(x)，标定min(I_dark(x))的区域，标定max(I_dark(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：

$p_x\left(i\right)=\frac{n_i}{n},$ i∈0,Λ,L-1

式中，L是图像中所有的亮度值，n是图像中所有的像素数，n_i为亮度值为i的像素数，p_x(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p_x(i)的分布，计算分布最大值y_max、最小值y_min及分布均值y_mean、分布均方差σ_y。

C是图像的累计归一化直方图，对应于p_x(i)的累计概率函数，定义为：

$c\left(i\right)=\underset{j=0}{\overset{i}{\mathrm{\&Sigma;}}}{p}_x\left(j\right)$

构建图像亮度均衡函数y_i=T(x_i)，与亮度的累计概率函数的转换方法为：

y_i=T(x_i)=c(i)

检查已标定min(I_dark(x))的区域，统计区域中亮度直方图分布及检查已标定max(I_dark(x))的区域中区域亮度值及按下式设置y′_max及y′_min：

$y_{\max }^{\&prime;}=p_1\&bull;y_{\max }+p_2{\&bull;y}_{\max }^{\mathrm{dark}}+p_3\&bull;y_{\max }^{\mathrm{light}}$

$y_{\min }^{\&prime;}=q_1\&bull;y_{\min }+q_2{\&bull;y}_{\min }^{\mathrm{dark}}+q_3\&bull;y_{\min }^{\mathrm{light}}$

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：

$I_{\mathrm{dark}}\left(x\right)=\underset{c\&Element;\{r,g,b\}}{\min }\left(\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{\min }\left(I^c\left(y\right)\right)\right)$

式中，I_dark(x)为图像暗原色通道图像，I^c(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I_dark(x)，标定I_dark(x)≤15的区域及统计数量X_dark；标定max(I_dark(x))的区域，统计区域X_dark。

四、估计大气光

利用I_dark(x)对大气光A^c进行估计；

估计方法：选择nxn个Ω(x)区域内，计算满足I_dark(x)≥15的所有I_dark(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A^c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：

$\tilde{t}\left(x\right)=1-\mathrm{\&omega;}\underset{c}{\min }\left(\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{\min }\left(\frac{I^c\left(y\right)}{A^c}\right)\right)$

上式中ω=0.95；I^c(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，A^c为区域大气光估计。

采用下面方法对进行细化，得到t(x)；

$(L+\mathrm{\&lambda;U})t\left(x\right)=\mathrm{\&lambda;}\tilde{t}\left(x\right)$

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，

$J\left(x\right)=\left\{\begin{array}{cc}\frac{I\left(x\right)-A^c}{\max (t\left(x\right),t_0)}+A^c,& I_{\mathrm{drak}}\left(x\right)\&GreaterEqual;\mathrm{dark}\_\mathrm{th}\\ I\left(x\right),& I_{\mathrm{dark}}\left(x\right)<\mathrm{dark}\_\mathrm{th}\end{array}\right.$

式中，t₀=0.1，t(x)为大气透射图，A^c为区域大气光估计，I(x)为输入图像，I_dark(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 (1)

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；

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：

$I_{dark}\left(x\right)=\underset{c\&Element;\{r,g,b\}}{min}\left(\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{min}\right(I^c\left(y\right)\left)\right)$

式中，I_dark(x)为图像暗原色通道图像，I^c(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I_dark(x)，标定min(I_dark(x))的区域，标定max(I_dark(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：

$p_x\left(i\right)=\frac{n_i}{n},i\&Element;0,1,...,L-1$

式中，L是图像的亮度值，n是图像中所有的像素数，n_i为亮度值为i的像素数，p_x(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p_x(i)的分布，计算分布最大值y_max、最小值y_min及分布均值y_mean、分布均方差σ_y；

c(i)是图像的累计归一化直方图，对应于p_x(i)的累计概率函数，定义为：

$c\left(i\right)=\underset{j=0}{\overset{i}{\&Sigma;}}{p}_x\left(j\right)$

构建图像亮度均衡函数y_i＝T(x_i)，与亮度的累计概率函数的转换方法为：

y_i＝T(x_i)＝c(i)

检查已标定min(I_dark(x))的区域，统计区域中亮度直方图分布及检查已标定max(I_dark(x))的区域中区域亮度值及按下式设置y′_max及y′_min：

$y_{max}^{\&prime;}=p_1\&CenterDot;y_{max}+p_2\&CenterDot;y_{\max }^{dark}+p_3\&CenterDot;y_{max}^{light}$

$y_{\min }^{\&prime;}=q_1\&CenterDot;y_{\min }+q_2\&CenterDot;y_{min}^{dark}+q_3\&CenterDot;y_{\min }^{light}$

p₁、p₂、p₃为y′_max计算的归一化权值，p₁+p₂+p₃＝1，q₁、q₂、q₃为y′_min计算的归一化权值，q₁+q₂+q₃＝1

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；

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：

$I_{dark}\left(x\right)=\underset{c\&Element;\{r,g,b\}}{min}\left(\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{min}\right(I^c\left(y\right)\left)\right)$

式中，I_dark(x)为图像暗原色通道图像，I^c(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I_dark(x)，标定I_dark(x)≤15的区域及统计数量X_dark；标定max(I_dark(x))的区域，统计区域X_dark；

(2.2)估计大气光

利用I_dark(x)对大气光A^c进行估计：选择nxn个Ω(x)区域内，计算满足I_dark(x)≥15的所有I_dark(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A^c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：

$\tilde{t}\left(x\right)=1-\mathrm{\&omega;}\underset{c}{min}\left(\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{min}\right(\frac{I^c\left(y\right)}{A^c}\left)\right)$

式中ω＝0.95；I^c(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，A^c为区域大气光估计；

采用下面方法对进行细化，得到t(x)；

$(L+\mathrm{\&lambda;}U)t\left(x\right)=\mathrm{\&lambda;}\tilde{t}\left(x\right)$

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，

$J\left(x\right)=\left\{\begin{array}{cc}\frac{I\left(x\right)-A^c}{\max \left(t\right(x),t_0)}+A^c,& I_{drak}\left(x\right)\&GreaterEqual;dark\_th\\ I\left(x\right),& I_{dark}\left(x\right)<dark\_th\end{array}\right.$

式中，t₀＝0.1，t(x)为大气透射图，A^c为区域大气光估计，I(x)为输入图像，I_dark(x)为图像像素暗原色值，dark_th为暗原色阈值。