CN104299195B

CN104299195B - 一种基于自适应双阈值与暗通道先验的图像去雾方法

Info

Publication number: CN104299195B
Application number: CN201410525513.4A
Authority: CN
Inventors: 张登银; 鞠铭烨
Original assignee: Nanjing Post and Telecommunication University
Current assignee: Nanjing Post and Telecommunication University
Priority date: 2014-10-08
Filing date: 2014-10-08
Publication date: 2017-10-24
Anticipated expiration: 2034-10-08
Also published as: CN104299195A

Abstract

本发明涉及一种图像去雾方法，该方法主要包括：1)按He方法计算出透射图T，并求出原始有雾图像的亮度图L；2)分别对透射图T和亮度图作直方图，得到直方图Histo^T与直方图Histo^L，并根据Histo^T与Histo^L计算出透射率上限阈值TH^High与亮度下限阈值TH^low；3）然后根据TH^High与TH^low对图像天空区域进行分离，分离出图像的天空区域R^Sky；4)将分离出的R^Sky中的透射率进行自适应修正，得到更精确的透射图T^Refine；5)利用透射图T^Refine按He方法对图像去雾。本方法能够解决去雾后图像在天空区域的色偏现象。

Description

一种基于自适应双阈值与暗通道先验的图像去雾方法

技术领域

本发明涉及一种图像去雾方法，用于对彩色图像的无色偏去雾，属于数字图像处理领域。

背景技术

雾天环境下，由于受到大气中悬浮颗粒的影响，使得成像设备所采集的图像能见度较低，清晰度不够。因此，雾天降质图像的清晰化处理具有重要的现实意义。目前图像去雾方法可分为两类：图像增强方法和基于大气散射物理模型的方法。前者只是单一的提高对比度，未考虑降质退化机理，去雾效果一般。后者基于物理模型，针对雾气的形成原因，利用先验条件进行逆向还原。最经典的为何凯明博士的暗通道先验去雾方法(以下简称He方法，该文献下载地址：http://research.microsoft.com/en-us/um/people/kahe/publications/cvpr09.pdf)。基于暗通道先验理论的去雾方法，虽然该方法去雾效果最好，但暗通道先验理论并不适用于天空区域，因此去雾后的图像在天空区域会出现色偏现象，极大的影响了图像的视觉主观质量。

发明内容

针对暗通道先验理论在天空区域失效的情况，本发明提供了一种具有暗通道容差机制的去雾方法，即一种基于自适应双阈值与暗通道先验的图像去雾方法，其核心思想是：首先利用自适应双阈值方法识别出图像中的天空部分，然后根据透射率修正公式修正天空区域的透射率。具体方法流程如图1所示，其包括如下步骤：

第一步：获取有雾彩色图像I；

第二步：按He方法计算出透射图T；

第三步：计算出图像I的亮度图L；

第四步：分别计算透射图T与亮度图L的直方图，并记为Histo^T与Histo^L；

第五步：根据Histo^T利用“自适应双阈值法”计算出透射率上限阈值TH^High，TH^High的具体计算过程如下：

a)对Histo^T均匀划分20等份(例如将[0，0.05]的透射率的总频次合并至透射率0.025的频次上)，划分后得到新的透射率直方图Histo^T-new；

b)然后在直方图Histo^T-new中计算出(0.025，0.075，0.125，0.175，0.225，0.275，0.325)这七个透射率对应频次的最大值V^max，并将其对应的透射率记为T₁；

c)在透射率(T₁，T₁+0.05，…，0.4)计算出对应频次的最小值V^min，并将其对应的透射率记为T₂；

d)由直方图Histo^T-new读出透射率T₂-0.05与T₂+0.05对应的频次，分别记为V¹与V²；

e)计算V¹、V²、V^min三者数值大小之间的相关差异，公式如式(1)所示

f)透射率上限阈值TH^High计算公式如式(2)所示：

第六步：根据亮度直方图Histo^L利用“自适应双阈值法”计算出亮度下限阈值TH^low，TH^low具体计算过程如下：

a)对亮度直方图Histo^L均匀划分20等份，划分后得到新的亮度直方图Histo^L-new；

b)然后在直方图Histo^L-new中计算出(0.675×255，0.725×255，0.775×255，0.825×255，0.875×255，0.925×255，0.975×255)这七个亮度对应频次的最大值F^max，并将其对应的亮度记为L₁；

c)在亮度(0.6×255，…,L₁-0.05×255，L₁)计算出对应频次的最小值F^min，并将其对应的亮度记为L₂；

d)由直方图Histo^L-new读出亮度L₂-0.05×255与L₂+0.05×255对应的频次，分别记为F¹与F²；

e)计算F¹、F²、F^min三者数值大小之间的相关差异，公式如式(3)所示：

f)亮度下限阈值TH^low计算公式如式(4)所示：

第七步：设置天空区域判定条件为T(x,y)＜TH^High∩L(x,y)＞TH^Low，(x,y)为图像像素位置索引。对于满足上述条件的区域设定为天空区域R^Sky；

第八步：对天空区域R^Sky中的透射率按公式(5)修正，其中K为调节因子，一般取1-2；

第九步：利用修正后的透射率T^Sky-refine按He方法进行图像去雾。

有益效果：该方法与He方法相比，处理效果更好，对图2使用He方法与本发明方法去雾结果如图3与图4所示。可以看出本方法能够解决去雾后图像在天空区域的色偏现象。仿真语言为matlab(R2010b)，运行环境为Windows XP，计算机配置为Intel(R)Pentium(R)CPU [email protected] with 1.87GB RAM。

附图说明

图1为本发明流程图。

图2是原始有雾图像。

图3是何凯明方法处理后的图像。

图4是本发明处理后的图像。

具体实施方式

下面结合具体实例来详细描述本发明的去雾过程，具体过程如下所示：

第一步：获取有雾彩色图像I；

第二步：按He方法计算出透射图T，操作如下：

a)首先计算出I的最小通道图像I^min，计算公式为I^min＝min(R,G,B),其中R、G、B为图像I的颜色分量。对I^min最小值滤波，滤波尺寸设为15×15，将滤波后的图像称之为暗原色图像I^dark；

b)在暗原色图像I^dark中计算出前0.001×SUM个强度值所在的索引位置(SUM为图像中像素值的个数),计算出这些索引位置对应的亮度值并选出最大亮度值记为天空光A；

c)根据天空光A与暗原色图像I^dark计算出粗透射图I^initial，其公式如式(1)所示

d)对透射图T^initial优化，求解式(2)最小代价函数，其中M为抠图拉普拉斯矩阵，λ为修正参数，一般取0.0001；

E(T)＝T^T-MT+λ(T-T^initial)^T-(T-T^initial) (2)

第三步：计算出图像I的亮度图L，其计算公式如式(3)所示，式中R,G,B为图像I的三通道颜色分量；

L＝0.30·R+0.59·G+0.11·B (3)

第五步：根据Histo^T利用“自适应双阈值法”计算出透射率上限阈值TH^High，具体步骤如下：

b)在直方图Histo^T-new中计算出(0.025，0.075，0.125，0.175，0.225，0.275，0.325)这几个透射率对应频次的最大值V^max，并将其对应的透射率记为T₁；

e)计算V¹、V²、V^min三者数值大小之间的相关差异，公式如式(4)所示

f)透射率上限阈值TH^High计算公式如式(5)所示：

第六步：根据Histo^L利用“自适应双阈值法”计算出亮度下限阈值TH^low，具体步骤如下：

b)在直方图Histo^L-new中计算出(0.675×255，0.725×255，0.775×255，0.825×255，0.875×255，0.925×255，0.975×255)这几个亮度对应频次的最大值F^max，并将其对应的亮度记为L₁；

e)计算F¹、F²、F^min三者数值大小之间的相关差异，公式如式(6)所示：

f)亮度下限阈值TH^low计算公式如式(7)所示：

第七步：设置天空区域判定条件为T(x,y)＜TH^High∩L(x,y)＞TH^Low，(x,y)为图像像素位置索引。对于满足上述条件的区域设定为天空区域R^Sky。

第八步：对天空区域R^Sky中的透射率按公式(8)修正，其中K为调节因子，一般取1-2；

第九步：利用修正后的透射率T^Sky-refine按He方法进行图像去雾，其去雾公式如式(9)(10)(11)所示，其中I(x,y,R)为图像I的R分量，I(x,y,G)为图像I的G分量，I(x,y,B)为图像I的B分量,J(x,y,R)为去雾后图像J的R分量，J(x,y,G)为去雾后图像J的G分量，J(x,y,B)为去雾后图像J的B分量,A为天空光，T^Sky-refine为修正后的透射图。

Claims

1.一种基于自适应双阈值与暗通道先验的图像去雾方法，其特征在于，包括以下步骤：

第一步：获取有雾彩色图像I；

第二步：按He方法计算出透射图T；

按He方法计算出透射图T，计算步骤如下：

a)首先计算出I的最小通道图像I^min，计算公式为I^min＝min(R,G,B),其中R、G、B为图像I的颜色分量，对I^min进行最小值滤波，滤波尺寸设为15×15，滤波后的图像为暗原色图像I^dark；

b)在暗原色图像I^dark中计算出前0.001×SUM个强度值所在的索引位置，SUM为图像中像素值的个数,计算出这些索引位置对应的亮度值并选出最大亮度值记为天空光A；

c)根据天空光A与暗原色图像I^dark计算出粗透射图T^initial，其计算公式如式(1)所示

<mrow> <msup> <mi>T</mi> <mrow> <mi>i</mi> <mi>n</mi> <mi>i</mi> <mi>t</mi> <mi>i</mi> <mi>a</mi> <mi>l</mi> </mrow> </msup> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <mn>1</mn> <mo>-</mo> <mn>0.95</mn> <mo>&CenterDot;</mo> <mfrac> <mrow> <msup> <mi>I</mi> <mrow> <mi>d</mi> <mi>a</mi> <mi>r</mi> <mi>k</mi> </mrow> </msup> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> <mi>A</mi> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>

d)对透射图T^initial进行优化，求解式(2)的最小代价函数，其中M为抠图拉普拉斯矩阵，λ为修正参数，取0.0001；

E(T)＝T^T-MT+λ(T-T^initial)^T-(T-T^initial) (2)

第三步：计算出图像I的亮度图L；

计算出图像I的亮度图L，其计算公式如式(3)所示，式中R,G,B为图像I的三通道颜色分量；

L＝0.30·R+0.59·G+0.11·B (3)

第四步：计算透射图T与亮度图L的直方图，并记为Histo^T与Histo^L；

a)对Histo^T均匀划分20等份，将[0，0.05]的透射率的总频次合并至透射率0.025的频次上，划分后得到新的透射率直方图Histo^T-new；

b)然后在直方图Histo^T-new中计算出0.025，0.075，0.125，0.175，0.225，0.275，0.325七个透射率对应频次，再计算出该七个透射率对应频次的最大值V^max，并将该最大值V^max对应的透射率记为T₁；

c)计算出透射率T₁，T₁+0.05，…，0.4中所有透射率的对应频次，再计算所有频次中的最小值V^min，并将该最小值V^min对应的透射率记为T₂；

e)计算V¹、V²、V^min三者数值大小之间的相关差异，公式如式(4)所示：

<mrow> <msubsup> <mi>&alpha;</mi> <mi>n</mi> <mi>T</mi> </msubsup> <mo>=</mo> <mfrac> <mrow> <mo>&lsqb;</mo> <mrow> <msup> <mi>V</mi> <mi>min</mi> </msup> <mo>-</mo> <msup> <mi>V</mi> <mi>n</mi> </msup> </mrow> <mo>&rsqb;</mo> </mrow> <msup> <mi>V</mi> <mi>min</mi> </msup> </mfrac> <mo>,</mo> <mi>n</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>

f)透射率上限阈值TH^High计算公式如式(5)所示：

b)然后在直方图Histo^L-new中计算出0.675×255，0.725×255，0.775×255，0.825×255，0.875×255，0.925×255，0.975×255七个亮度对应频次，再计算出该七个亮度频次的最大值F^max，并将该最大值F^max对应的亮度记为L₁；

c)计算出亮度0.6×255，…,L₁-0.05×255，L₁中所有亮度的对应频次，再计算所有频次中的最小值F^min，并将该最小值F^min对应的亮度记为L₂；

<mrow> <msubsup> <mi>&alpha;</mi> <mi>n</mi> <mi>L</mi> </msubsup> <mo>=</mo> <mfrac> <mrow> <mo>&lsqb;</mo> <mrow> <msup> <mi>F</mi> <mi>min</mi> </msup> <mo>-</mo> <msup> <mi>F</mi> <mi>n</mi> </msup> </mrow> <mo>&rsqb;</mo> </mrow> <msup> <mi>F</mi> <mi>min</mi> </msup> </mfrac> <mo>,</mo> <mi>n</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>6</mn> <mo>)</mo> </mrow> </mrow>

f)亮度下限阈值TH^low计算公式如式(7)所示：

第七步：设置天空区域判定条件为T(x,y)＜TH^High∩L(x,y)＞TH^Low，(x,y)为图像像素位置索引，对于满足上述条件的区域设定为天空区域R^Sky；

第八步：对天空区域R^Sky中的透射率按公式(8)修正，其中K为调节因子，取1-2；

<mrow> <msup> <mi>T</mi> <mrow> <mi>S</mi> <mi>k</mi> <mi>y</mi> <mo>-</mo> <mi>r</mi> <mi>e</mi> <mi>f</mi> <mi>i</mi> <mi>n</mi> <mi>e</mi> </mrow> </msup> <mrow> <mo>(</mo> <mrow> <mi>x</mi> <mo>,</mo> <mi>y</mi> </mrow> <mo>)</mo> </mrow> <mo>=</mo> <mi>min</mi> <mrow> <mo>(</mo> <mrow> <mi>max</mi> <mrow> <mo>(</mo> <mrow> <mi>K</mi> <mo>&CenterDot;</mo> <mfrac> <mrow> <msup> <mi>TH</mi> <mrow> <mi>l</mi> <mi>o</mi> <mi>w</mi> </mrow> </msup> <mo>&CenterDot;</mo> <mi>L</mi> <mrow> <mo>(</mo> <mrow> <mi>x</mi> <mo>,</mo> <mi>y</mi> </mrow> <mo>)</mo> </mrow> </mrow> <mrow> <msup> <mi>TH</mi> <mrow> <mi>H</mi> <mi>i</mi> <mi>g</mi> <mi>h</mi> </mrow> </msup> <mo>&CenterDot;</mo> <mi>T</mi> <mrow> <mo>(</mo> <mrow> <mi>x</mi> <mo>,</mo> <mi>y</mi> </mrow> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>,</mo> <mn>1</mn> </mrow> <mo>)</mo> </mrow> <mo>&CenterDot;</mo> <mi>max</mi> <mrow> <mo>(</mo> <mrow> <mi>T</mi> <mrow> <mo>(</mo> <mrow> <mi>x</mi> <mo>,</mo> <mi>y</mi> </mrow> <mo>)</mo> </mrow> <mo>,</mo> <mn>0.1</mn> </mrow> <mo>)</mo> </mrow> <mo>,</mo> <mn>1</mn> </mrow> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>8</mn> <mo>)</mo> </mrow> </mrow>

第九步：利用修正后的透射率T^Sky-refine按He方法进行图像去雾；

利用修正后的透射率T^Sky-refine按He方法进行图像去雾，其去雾公式如式(9)(10)(11)所示，其中I(x,y,R)为图像I的R分量，I(x,y,G)为图像I的G分量，I(x,y,B)为图像I的B分量,J(x,y,R)为去雾后图像J的R分量，J(x,y,G)为去雾后图像J的G分量，J(x,y,B)为去雾后图像J的B分量,A为天空光，T^Sky-refine为修正后的透射图；

<mrow> <mi>J</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>,</mo> <mi>B</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <mi>I</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>,</mo> <mi>B</mi> <mo>)</mo> </mrow> <mo>-</mo> <mi>A</mi> </mrow> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> <mrow> <mo>(</mo> <msup> <mi>T</mi> <mrow> <mi>S</mi> <mi>k</mi> <mi>y</mi> <mo>-</mo> <mi>r</mi> <mi>e</mi> <mi>f</mi> <mi>i</mi> <mi>n</mi> <mi>e</mi> </mrow> </msup> <mo>(</mo> <mrow> <mi>x</mi> <mo>,</mo> <mi>y</mi> </mrow> <mo>)</mo> <mo>,</mo> <mn>0.1</mn> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>+</mo> <mi>A</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>11</mn> <mo>)</mo> </mrow> <mo>.</mo> </mrow> 2