CN104200435A - 一种基于雾天成像模型的单幅图像去雾方法 - Google Patents

Abstract

本发明具体涉及一种基于雾天成像模型的单幅图像去雾方法。具体步骤如下：将有雾的原始图像读入；将估计大气光颜色为某一定值；假设图像局部区域的反照率为常向量,以及物体表面色度与介质传播具有局部统计不相关性，利用独立成分分析来估计常向量反照率，由此得出透射率和场景深度；对透射率进行归一化处理；最后根据透射率和大气光颜色参数带入物理模型，输出去雾后的清晰图像。该方法通过透射率归一化的方法，可改善雾后图像部分失真严重问题，得到对比度良好的还原图像。

Description

一种基于雾天成像模型的单幅图像去雾方法

技术领域

本发明属于数字图像处理技术领域，具体涉及一种基于雾天成像模型的单幅图像去雾方法。

背景技术

雾天环境下摄像机拍摄的图像对比度和分辨率明显下降，使雾天环境下观测的场景图像浑浊，不利于人眼的观察。同时随着经济的发展，视频监控、目标识别等领域对图像的依赖性越来越大，因此图像去雾十分必要。

雾是当空气分子的相对湿度达到饱和时，一些空气分子被浓缩成小水滴是产生的，这些大气中的气体溶胶粒子会对成像光线有散射作用。散射造成的光线损失会使“透射光”强度衰减，从而造成图像的对比度下降。而气溶胶粒子的不均匀性会使图像变得模糊不清。同时，气溶胶粒子对光线的散射部分也会因为多次散射的作用，和原有的前向散射部分叠加在一起成像，从而产生一定的模糊。上述各种作用的总和，造成最后雾天图像会产生严重的退化，模糊不清，对比度偏低，景物的细节特征被掩盖，色彩不饱和和失真。

目前，提高雾天图像清晰度的方法主要有两类：非模型法和基于模型的算法。非模型雾天图像去雾算法不考虑图像降质产生的具体因素，而是仅从图像增强的角度来处理图像，以达到提高图像质量的目的，简单说就是增强图像的整体对比度。常用方法有直方图均衡、同态滤波和Retinex算法等，这种方法适用范围广泛，能有比较有效地提高图像的对比度，并突出图像的纹理细节，但可能会造成突出部分的信息损失，使处理后的图像存在失真。基于雾模型的去雾方法是对雾图像进行一次雨成像相反的逆过程来恢复无雾图像。香港中文大学的何凯明等基于暗原色先验提出了一种去雾算法(参考论文《Single Image Haze Removal Using Dark ChannelPrior》),该算法效果突出，但算法复杂度很大，限制了其在工程上的广泛应用。

发明内容

本发明主要是解决现有技术所存在的技术问题；提供了一种不仅能够有很好的图像去雾效果，而且能够解决现有技术的算法存在的计算过程复杂耗时难以应用到实际场合的问题的基于雾天成像模型的单幅图像去雾方法。

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种基于雾天成像模型的单幅图像去雾方法，其特征在于，包括以下步骤：

步骤1：读入原始有雾图像I(x)；

步骤2：图像去雾所基于的雾天成像模型I(x)，x表示图像上点的坐标，I(x)表示观察到的图像，t(x)是一个标量表示光线的透射率，A表示大气光的颜色，J(x)表示要恢复的真实图像；

I(x)＝J(x)t(x)R+(1-t(x))A    式一

将R沿两个方向分解，分别是A方向和垂直于A方向；将沿A方向分解后的剩余向量用R'表示：

$I\left(x\right)=t\left(x\right)l^{\′}\left(x\right)(\frac{R^{\′}}{\left|\right|R^{\′}\left|\right|}+\mathrm{\η}\frac{A}{\left|\right|A\left|\right|})+(1-t\left(x\right))A$     式二

其中，R是一个三维的RGB向量，表示表面反射系数，R'表示R沿A方向分解的分量；l(x)是一个标量，表示从物体表面反射光的多少，l'(x)表示l(x)沿A方向分解的分量；

其中，透射率t(x)基于以下公式：

$t\left(x\right)=1-\frac{(I_A\left(x\right)-\mathrm{\η}{I}_{R^{\′}}\left(x\right))}{\left|\right|A\left|\right|}$     式三

其中，η基于以下公式：

$\mathrm{\η}=\frac{C_{\mathrm{\Ω}}(I_A,h)}{C_{\mathrm{\Ω}}(I_{R^{\′}},h)}$     式四

其中C_Ω(I_A,h)和C_Ω(I_R',h)分别表示I_A与h和I_R'与h的协方差；

步骤3：基于式四和式三得到透射率t(x)值,并对t(x)进行归一化处理：

$t^{\′}\left(x\right)=\frac{{t-t}_{\min }}{t_{\max }-t_{\min }}$     式五并基于调整后的透射率t'(x)和式一，根据公式得出最终的J(x)：

$J\left(x\right)=\frac{I\left(x\right)-\left(1-t\left(x\right)\right)\×A}{t^{\′}\left(x\right)}$

因此，本发明具有如下优点：1、可以有效处理彩色图像也可以处理灰度图像；2、算法处理效果较好，光线较明亮的部分都能够清晰显示，并且没有失真；3、对于求透射率t(x),本算法利用较为简便的归一化处理，既能够有效解决失真问题，使图像清晰，又能够简化算法，提高图像处理速度。

附图说明

图1为本发明的方法流程示意图。

图2为本发明实施例中待处理的原始有雾图像一。

图3为本发明实施例中处理后得到的无雾图像一。

图4为本发明实施例中待处理的原始有雾图像二。

图5为非使用本发明一种图像去雾方法的处理结果。

图6为本方法处理结果。

具体实施方式

下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。

实施例：

一、首先，阐述一下本发明所采用的方法：根据光在雾天传播的物理模型，对大气散射模型描述如下：

I(x)＝J(x)t(x)+(1-t(x))×A

x表示图像上点的坐标，I(x)表示观察到的图像，t(x)是一个标量，表示光线的透射率，A表示大气光的颜色，J(x)表示要恢复的真实图像。

对公式改写如下：

I(x)＝t(x)l(x)R+(1-t(x))A

其中J＝R*l，R是一个三维的RGB向量，表示表面反射系数；l是一个标量，表示从物体表面反射光的多少。

步骤1：将有雾图像读入，记为I(x)。

步骤2：认为大气光颜色为一定值，此实例中假设其值为[0.8,0.8,0.9]'

步骤3：将R沿两个方向分解，分别是A方向和垂直于A方向。将沿A方向分解后的剩余向量用R'表示。

则可以得到公式：

$I\left(x\right)=t\left(x\right)l\left(x\right)(R^{\′}+|\left|R\right|\left|\cos \mathrm{\θ\η}\frac{A}{\left|\right|A\left|\right|}\right)+(1-t\left(x\right))A$

步骤4：令l'(x)＝l(x)R'，则有：

$I\left(x\right)=t\left(x\right)l^{\′}\left(x\right)(\frac{R^{\′}}{\left|\right|R\left|\right|}+\frac{\left|\right|R\left|\right|\left|\right|A\left|\right|\cos \mathrm{\θ}\frac{A}{\left|\right|A\left|\right|}}{\left|\right|R^{\′}\left|\right|\left|\right|A\left|\right|})+(1-t\left(x\right))A$

又 $<\stackrel{\&RightArrow;}{a},\stackrel{\&RightArrow;}{b}>=\left|\stackrel{\&RightArrow;}{a}\right|\left|\stackrel{\&RightArrow;}{b}\right|\cos <\stackrel{\&RightArrow;}{a},\stackrel{\&RightArrow;}{b}>,$ 则上式变为：

$I\left(x\right)=t\left(x\right)l^{\&prime;}\left(x\right)(\frac{R^{\&prime;}}{\left|\right|R^{\&prime;}\left|\right|}+\frac{<R,A>}{\left|\right|R^{\&prime;}\left|\right|\left|\right|A\left|\right|}\&CenterDot;\frac{A}{\left|\right|A\left|\right|})+(1-t\left(x\right))A$

步骤5：令 $\mathrm{\&eta;}=\frac{<R,A>}{\left|\right|R^{\&prime;}\left|\right|\left|\right|A\left|\right|},$ 则有：

$I\left(x\right)=t\left(x\right)l^{\&prime;}\left(x\right)(\frac{R^{\&prime;}}{\left|\right|R^{\&prime;}\left|\right|}+\mathrm{\&eta;}\frac{A}{\left|\right|A\left|\right|})+(1-t\left(x\right))A$

步骤6：将I(x)也沿A方向和垂直A方向分解，得：

$I_A\left(x\right)=\frac{<I\left(x\right),A>}{\left|\right|A\left|\right|}=t\left(x\right)l^{\&prime;}\left(x\right)\mathrm{\&eta;}+(1-t\left(x\right))\left|\right|A\left|\right|$

步骤7:因为I(x)²＝I_A(x)²+I_R'(x)²,

${\mathrm{IR}}^{\&prime;}\left(x\right)=\sqrt{{\left|\right|I\left(x\right)\left|\right|}^2-I_A{\left(x\right)}^2}=t\left(x\right)l^{\&prime;}\left(x\right)$

得：

$t\left(x\right)=1-\frac{(I_A\left(x\right)-\mathrm{\&eta;}{I}_{R^{\&prime;}}\left(x\right))}{\left|\right|A\left|\right|}$

这样，去雾工作就变成了求η。

步骤8：认为t和l这两个量相互独立，即协方差为0。考虑 $C_{\mathrm{\&Omega;}}(t,\frac{1}{l^{\&prime;}})=0$

${\left(l^{\&prime;}\left(x\right)\right)}^{-1}=(1-(I_A\left(x\right)-\mathrm{\&eta;}{I}_{R^{\&prime;}}\left(x\right))/|\left|A\right|\left|\right)/I_{R^{\&prime;}}\left(x\right)=\frac{1-\frac{I_A\left(x\right)}{\left|\right|A\left|\right|}}{I_{R^{\&prime;}}\left(x\right)}+\frac{\mathrm{\&eta;}}{\left|\right|A\left|\right|}$

定义一个新变量h,且令

$h\left(x\right)=\frac{\left|\right|A\left|\right|-I_A}{I_{R^{\&prime;}}}$

步骤9：得：

$\mathrm{\&eta;}=\frac{C_{\mathrm{\&Omega;}}(I_A,h)}{C_{\mathrm{\&Omega;}}(I_{R^{\&prime;}},h)}$

这样我们就得到了在常反照率情况下η的表达式，这是一个比值的形式，要使η有意义一定保证C_Ω(I_R',h)不为0。

步骤10：对t(x)进行归一化处理。

$t^{\&prime;}=\frac{{t-t}_{\min }}{t_{\max }-t_{\min }}$

步骤11：求出η的表达式后，可根据公式得出最终的J(x)。

二、图1和图4为待处理的原始有雾图像；图2和图6为本发明实施例中待处理的原始有雾图像；图5为非使用本发明一种图像去雾方法的处理结果；从结果对比可以看出，：本发明可以有效处理彩色图像也可以处理灰度图像，使光线较明亮的部分都能够清晰显示，并且没有失真。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (1)

1.一种基于雾天成像模型的单幅图像去雾方法，其特征在于，包括以下步骤：

步骤1：读入原始有雾图像I(x)；

步骤2：图像去雾所基于的雾天成像模型I(x)，x表示图像上点的坐标，I(x)表示观察到的图像，t(x)是一个标量表示光线的透射率，A表示大气光的颜色，J(x)表示要恢复的真实图像；

I(x)＝J(x)t(x)R+(1-t(x))A    式一

将R沿两个方向分解，分别是A方向和垂直于A方向；将沿A方向分解后的剩余向量用R'表示：

$I\left(x\right)=t\left(x\right)l^{\&prime;}\left(x\right)(\frac{R^{\&prime;}}{\left|\right|R^{\&prime;}\left|\right|}+\mathrm{\&eta;}\frac{A}{\left|\right|A\left|\right|})+(1-t\left(x\right))A$     式二

其中，R是一个三维的RGB向量，表示表面反射系数，R'表示R沿A方向分解的分量；l(x)是一个标量，表示从物体表面反射光的多少，l'(x)表示l(x)沿A方向分解的分量；

其中，透射率t(x)基于以下公式：

$t\left(x\right)=1-\frac{(I_A\left(x\right)-\mathrm{\&eta;}{I}_{R^{\&prime;}}\left(x\right))}{\left|\right|A\left|\right|}$     式三

其中，η基于以下公式：

$\mathrm{\&eta;}=\frac{C_{\mathrm{\&Omega;}}(I_A,h)}{C_{\mathrm{\&Omega;}}(I_{R^{\&prime;}},h)}$     式四

其中C_Ω(I_A,h)和C_Ω(I_R',h)分别表示I_A与h和I_R'与h的协方差；

步骤3：基于式四和式三得到透射率t(x)值,并对t(x)进行归一化处理：

$t^{\&prime;}=\frac{{t-t}_{\min }}{t_{\max }-t_{\min }}$     式五

并基于调整后的透射率t'和式一，根据公式得出最终的J(x)：

$J\left(x\right)=\frac{I\left(x\right)-\left({1-t}^{\&prime;}\left(x\right)\right)\&times;A}{t^{\&prime;}\left(x\right)}.$