CN104361564B - 粉尘图像恢复的切片减光方法 - Google Patents
粉尘图像恢复的切片减光方法 Download PDFInfo
- Publication number
- CN104361564B CN104361564B CN201410729517.4A CN201410729517A CN104361564B CN 104361564 B CN104361564 B CN 104361564B CN 201410729517 A CN201410729517 A CN 201410729517A CN 104361564 B CN104361564 B CN 104361564B
- Authority
- CN
- China
- Prior art keywords
- image
- dust
- region
- section
- soot region
- 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.)
- Expired - Fee Related
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种粉尘图像恢复的切片减光法,其具体实施步骤如下:1)利用对原始输入图像I的粉尘区域检测结果,计算出空气光参数A;2)取一系列距离值,计算出每个距离对应的切片图像;3)对每个切片图像实施粉尘区域检测,将各个切片的非粉尘区域保留,重构为粉尘图像恢复图像。该方法不但有效去除了粉尘多散射对图像的影响,提高了图像的对比度、清晰度与色彩度,而且具有较高的实时性。
Description
技术领域
本发明涉及计算机图形处理方法,具体地说是一种粉尘图像恢复的切片减光方法,用于计算机视觉领域有粉尘图像的处理方法。
背景技术
在粉尘环境中工作对人体健康是有害的,通过计算机视觉方式对工作场所进行自动监控与管理便可以将人从粉尘环境中解脱出来。然而由于粉尘颗粒对光线的吸收和散射作用,在粉尘环境中得到的图像在对比度、清晰度以及色彩度等方面都产生了退化。因此消除粉尘环境对图像的影响有着重要的意义。
对于这类问题,目前主要有两种图像清晰化方法。一种是基于图像增强的方法。此方法不考虑粉尘图像中景物的深度对图像退化的影响,只选取图像中感兴趣的部分进行增强。虽然改善了人的视觉感受,但是通常也会丢失图像中一些重要的信息。
另一种是基于物理模型下的图像恢复方法。由于这种图像恢复方法是通过研究光线在某种大气介质中的传播的物理过程,进而建立其图像退化模型,并基于此模型对图像进行恢复的。因此其图像恢复结果相比图像增强得到的结果更加自然而且细节信息保留更完整。目前此类方法有基于多幅图像的恢复方法与基于单幅图像的恢复方法。其中单幅图像恢复方法又可分为基于人机交互或地理信息已知的恢复方法与基于单幅图像本身信息假设的图像恢复方法。这些方法大都使 用McCartney退化模型。然该物理模型是基于单次散射与同质均匀性假设的。对于粉尘环境中常遇到的不均匀分布与多散射的情况,上述方法就不能取得满意的效果。
发明内容
本发明为解决现有粉尘环境图像处理技术处理效果不佳的技术问题,提出了一种粉尘图像恢复的切片减光方法。
粉尘图像恢复的切片减光方法的具体步骤如下:
一种粉尘图像恢复的切片减光方法,其特征在于,该方法包含如下步骤:
1)利用对原始输入图像I的粉尘区域检测结果,计算出空气光参数A;
2)取一系列距离值,计算出每个距离对应的切片图像;
3)对每个切片图像实施粉尘区域检测,将各个切片的非粉尘区域保留,重构为粉尘图像恢复图像。
步骤1)中的详细步骤包括:
①根据计算出半反图像Is,其中,
c表示r通道,g通道或者b通道,Ic表示原始图像中c通道的分量,表示半反图像中c通道的分量,max操作符表示取最大值;然后将原始图像I与半反图像Is从RGB空间转换到CIE L*c*h*空间分别为I’与Is′;计算Ih=I′(:,:,3)-Is′(:,:,3),将Ih>10°的部分设定为粉尘区域;
②利用Ig(x)=minc∈{r,g,b}Ic(x)逐像素求得原始图像I在r、g、b三个通道中的最小值,其中min操作符表示取最小值,得到灰度图像Ig;
③计算Ig中对应粉尘分布区域的部分Lg,在Lg中求出最亮值Vmax,并求Lg内大于0.8Vmax的像素点的灰度平均值,作为空气光参数A。这样求出的A是在粉尘区域得到的,具有较强的准确性,有利于下一步处理。③中计算出的Lg是指Ih>10°的粉尘区域在灰度图像Ig上所对应的位置。
所述步骤2)中的详细步骤包括:
①沿图像I景深方向取距离di使得直接传输率ti∈(0.2,0.8),其中 di+1=di+Δd,Δd∈(20,100)米,消光系数β∈(0.005,0.008);
②按公式计算出di对应的切片图像Ji。这样就将Ji与Ji+1间粉尘环境光对图像的影响减小了。上述计算方法以及ti、A参数的选择使得最终得到的图像受光散射影响最小。di、β参数值的设定可以保证ti∈(0.2,0.8)。
步骤3)中的详细步骤包括:
①对第一张J1实施粉尘区域检测,如果检出的粉尘区域Y1大于95%则舍弃该切片;取下一张切片进行同样检测,直至Ji的粉尘区域Yi不大于95%,则将Ji作为第一张切片;
②将切片图像Ji检测中的非粉尘区域Xi保留,其粉尘区域记为Yi;对下一张切片Ji+1中与Yi区域相同的Yi+1区域再进行粉尘检测,若 Ji+1中的Yi+1的粉尘区域大于95%,则舍弃Ji+1,重新将下一张切片记为Ji+1,并对其Yi+1区域进行粉尘检测,直到找到可以保留的切片,记为Ji+1,将其非粉尘区域Xi+1保留,而Yi+1作为下一张切片需要进行粉尘检测的区域;重复进行此步骤,直至达到最后一张切片图像;
③按照将各个切片中的非粉尘保留部分混合重构,得到最终的粉尘图像恢复结果Jout。
采用步骤②所述方法可以最大限度的避免后面切片图像对前面已经清晰部分的影响;保障了减光原理的有效性;步骤②中所述的切片图像Ji是指经过上一步骤检测后保留下的切片。
本发明与现有的技术相比具备以下优点:
1、对粉尘图像处理效果好。图2(a)为原始输入的粉尘图像,图2(b)为本算法的处理结果。对比结果表明本方法处理的粉尘图像不但在对比度、清晰度与色彩度上都有极大的改善,而且图像中的细节也显示出来了。
2、可以有效去除非均匀分布且具有多次散射的粉尘环境对图像的影响。图3(b)为何凯明方法(Kaiming He,Jian Sun,Xiaoou Tang.“Single Image Haze Removal UsingDark Channel Prior,”Computer Vision and Pattern Recognition,CVPR2009.June2009,pp.1956-1963.)对图3(a)的处理结果,图3(c)为孟高峰方法(Meng Gaofeng,WangYing,Duan Jiangyong,Xiang Shiming,Pan Chunhong.“EfficientImage Dehazing withBoundary Constraint and Contextual Regularization,”ICCV2013,Dec.2013,pp.617-624.)对图3(a)的处理结果,图3(d)为本算法对图3(a)的处理结果。对比表明,本方法对非均匀分布且具有多次散射的粉尘图像去除效果好。
3、处理速度较快。表1为本方法与何凯明方法对图3(a)处理的时间对比,本算法直接利用图像退化模型计算少量切片图像进行重构,比何凯明的软抠图方法处理速度快。实验所用的是联想E40笔记本计算机,处理器为CoreTMi3,内存为2G。未对matlab代码进行优化。
表1两种万法对粉尘图像处理的时间对比表
方法 | 图片 | 图片大小 | 处理时间(s) |
何凯明方法 | 图3(a) | 211*299*3 | 23.938232 |
本方法 | 图3(a) | 211*299*3 | 0.78653 |
本发明通过在景深方向计算出的切片图像以及计算时所采用的参数(如Δd、ti)设定,有效减少粉尘散射对图像的影响,最终通过对切片的选择性混合,重构了去除粉尘后的图像。该方法不但有效去除了粉尘多散射对图像的影响,提高了图像的对比度、清晰度与色彩度,而且具有较高的实时性。
附图说明
图1为本发明的简要流程图。
图2(a)为待处理的原始粉尘图像。
图2(b)本发明处理后的去粉尘图像。
图3(a)为待处理的原始粉尘图像。
图3(b)为何凯明方法处理后的结果。
图3(c)为孟高峰方法处理后的结果。
图3(d)为本发明处理后的结果。
具体实施方式
以一幅原始粉尘图像为例按照如图1所示的流程进程处理,其具体步骤如下:
1)读入原始粉尘图像记为I;
2)利用对原始输入图像I的粉尘区域检测结果,计算出空气光参数A;
3)取一系列距离值,计算出每个距离对应的切片图像;
4)对每个切片图像实施粉尘区域检测,将各个切片的非粉尘区域保留,重构为粉尘图像恢复图像。
所述步骤1)的详细步骤包括:
①根据计算出半反图像Is,然后将原始图像I与半反图像Is从RGB空间转换到CIE L*c*h*空间后分别为I’与Is′;计算Ih=I′(:,:,3)-Is′(:,:,3),Ih>10°的部分为粉尘区域;
②利用Ig(x)=minc∈{r,g,b}Ic(x)逐像素求的原始图像I在R、G、B三个通道中的最小值,得到灰度图像Ig;
③计算Ig中对应粉尘分布区域的部分Lg,在Lg中求出最亮值Vmax,并求Lg内大于0.8Vmax的像素点的灰度平均值,作为空气光参数A。
所述步骤2)的详细步骤包括:
①沿图像I景深方向取距离di使得直接传输率ti∈(0.2,0.8),其中di+1=di+Δd,Δd∈(20,100)米,消光系数β∈(0.005,0.008),本实例取d=[40,70,180,210,383]米,消光系数β∈(0.005,0.008),本实例取β=0.008;
②按公式计算出di对应的切片图像Ji。
所述步骤3)的详细步骤包括:
①对第一张J1实施粉尘区域检测,如果检出的粉尘区域Y1大于95%则舍弃该切片;取下一张切片进行同样检测,直至Ji的粉尘区域Yi不大于95%,则将Ji作为第一张切片;
②将切片图像Ji检测出的非粉尘区域Xi保留,其粉尘区域记为Yi;对下一张切片Ji+1中与Yi区域相同的Yi+1区域再进行粉尘检测,若Ji+1中的Yi+1的粉尘区域大于95%,则舍弃Ji+1,重新将下一张切片记为Ji+1,并对其Yi+1区域进行粉尘检测,直到找到可以保留的切片,记为Ji+1,将其非粉尘区域Xi+1保留,而Yi+1作为下一张切片需要进行粉尘检测的区域;重复进行此步骤,直至达到最后一张切片图像;(粉尘区域检测采用步骤1)①中的方法)
③按照将各个切片中的非粉尘保留部分混合重构,得到最终的粉尘图像恢复结果Jout。
相对图3(a)的原始粉尘图像而言,图3(d)的对比度、清晰度色彩度更高,对不均匀粉尘区域的去除效果良好,取得了良好的图像恢复效果。
本发明的保护范围并不仅限于上述实施方式,凡是属于本发明原理的技术方案均属于本发明的保护范围。对与本领域的技术人员而言,在不脱离本发明的原理的前提下进行的若干改进和润饰也应视作本发明的保护范围。
Claims (1)
1.一种粉尘图像恢复的切片减光方法,其特征在于,该方法包含如下步骤:
1)利用对原始输入图像I的粉尘区域检测结果,计算出空气光参数A;所述步骤1)中的详细步骤包括:
①根据计算出半反图像Is,其中,c表示r通道,g通道或者b通道,Ic表示原始图像中c通道的分量,I′s表示半反图像中c通道的分量,max操作符表示取最大值,然后将原始图像I与半反图像Is从RGB空间转换到CIE L*c*h*空间后分别为I’与I′s;计算Ih=I′(:,:,3)-I′s(:,:,3),将Ih>10°的部分设定为粉尘区域;
②利用Ig(x)=minc∈{r,g,b}Ic(x)逐像素求得原始图像I在r、g、b三个通道中的最小值,其中min操作符表示取最小值,得到灰度图像Ig;
③计算Ig中对应粉尘分布区域的部分Lg,在Lg中求出最亮值Vmax,并求Lg内大于0.8Vmax的像素点的灰度平均值,作为空气光参数A;
2)取一系列距离值,计算出每个距离对应的切片图像;所述步骤2)中的详细步骤包括:
①沿图像I景深方向取距离di使得直接传输率ti∈(0.2,0.8),其中di+1=di+Δd,Δd∈(20,100)米,消光系数β∈(0.005,0.008);
②按公式计算出di对应的切片图像Ji;
3)对每个切片图像实施粉尘区域检测,将各个切片的非粉尘区域保留,重构为粉尘图像恢复图像;所述步骤3)中的详细步骤包括:
①对第一张J1实施粉尘区域检测,如果检出的粉尘区域Y1大于95%则舍弃该切片;取下一张切片进行同样检测,直至Ji的粉尘区域Yi不大于95%,则将Ji作为第一张切片;
②将切片图像Ji检测中的非粉尘区域Xi保留,其粉尘区域记为Yi;对下一张切片Ji+1中与Yi区域相同的Yi+1区域再进行粉尘检测,若Ji+1中的Yi+1的粉尘区域大于95%,则舍弃Ji+1,重新将下一张切片记为Ji+1,并对其Yi+1区域进行粉尘检测,直到找到可以保留的切片,记为Ji+1,将其非粉尘区域Xi+1保留,而Yi+1作为下一张切片需要进行粉尘检测的区域;重复进行此步骤,直至达到最后一张切片图像;
③按照将各个切片中的非粉尘保留部分混合重构,得到最终的粉尘图像恢复结果Jout。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410729517.4A CN104361564B (zh) | 2014-12-03 | 2014-12-03 | 粉尘图像恢复的切片减光方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410729517.4A CN104361564B (zh) | 2014-12-03 | 2014-12-03 | 粉尘图像恢复的切片减光方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104361564A CN104361564A (zh) | 2015-02-18 |
CN104361564B true CN104361564B (zh) | 2017-07-14 |
Family
ID=52528822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410729517.4A Expired - Fee Related CN104361564B (zh) | 2014-12-03 | 2014-12-03 | 粉尘图像恢复的切片减光方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104361564B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093439A (zh) * | 2013-01-23 | 2013-05-08 | 岑夏凤 | 基于多次散射退化模型的图像盲复原方法 |
CN103955905A (zh) * | 2014-05-13 | 2014-07-30 | 北京邮电大学 | 基于快速小波变换和加权图像融合的单幅图像去雾方法 |
CN103971388A (zh) * | 2014-03-07 | 2014-08-06 | 天津大学 | 一种切片尺寸自适应的火焰ct图像重建方法 |
-
2014
- 2014-12-03 CN CN201410729517.4A patent/CN104361564B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093439A (zh) * | 2013-01-23 | 2013-05-08 | 岑夏凤 | 基于多次散射退化模型的图像盲复原方法 |
CN103971388A (zh) * | 2014-03-07 | 2014-08-06 | 天津大学 | 一种切片尺寸自适应的火焰ct图像重建方法 |
CN103955905A (zh) * | 2014-05-13 | 2014-07-30 | 北京邮电大学 | 基于快速小波变换和加权图像融合的单幅图像去雾方法 |
Non-Patent Citations (3)
Title |
---|
图像去雾过程中的噪声抑制方法;葛广一,魏振忠;《红外与激光工程》;20140831;第43卷(第8期);第2765-2771页 * |
基于半反图像的透射率优化降雾算法;王欣欣,何明一,何人杰,姜芳芳;《电子设计工程》;20141130;第22卷(第22期);第181-182页 * |
粉尘环境中的图像恢复方法;王园宇,李元宗,张天序;《华中科技大学学报(自然科学版)》;20100830;第38卷(第8期);第42-44页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104361564A (zh) | 2015-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109919879B (zh) | 一种基于暗通道先验与亮通道先验的图像去雾方法 | |
CN105023256B (zh) | 一种图像去雾方法及*** | |
CN103942758A (zh) | 基于多尺度融合的暗通道先验图像去雾方法 | |
CN106530247B (zh) | 一种基于结构信息的多尺度图像修复方法 | |
CN108182671B (zh) | 一种基于天空区域识别的单幅图像去雾方法 | |
CN108564549A (zh) | 一种基于多尺度稠密连接网络的图像去雾方法 | |
CN102768760A (zh) | 一种基于图像纹理的图像快速去雾方法 | |
CN108537760B (zh) | 一种基于大气散射模型的红外图像增强方法 | |
CN105046658A (zh) | 一种低照度图像处理方法和装置 | |
CN104751421A (zh) | 一种在fpga上实现的图像去雾方法 | |
CN110570381B (zh) | 一种基于高斯总变差的半解耦图像分解暗光图像增强方法 | |
CN104182943A (zh) | 一种融合人眼视觉特性的单幅图像去雾方法 | |
CN105023246B (zh) | 一种基于对比度和结构相似度的图像增强方法 | |
CN111462022B (zh) | 一种水下图像清晰化增强方法 | |
CN107767388B (zh) | 一种结合云模型和水平集的图像分割方法 | |
CN103778605A (zh) | 一种雾天图像增强方法 | |
CN104392417A (zh) | 基于像素暗通道和各向异性扩散滤波的图像去雾方法 | |
CN106709876B (zh) | 一种基于暗像元原理的光学遥感图像去雾方法 | |
CN104361564B (zh) | 粉尘图像恢复的切片减光方法 | |
CN103914861B (zh) | 图片处理方法及装置 | |
CN105279742A (zh) | 一种快速的基于分块噪声能量估计的图像去噪方法 | |
CN105574831B (zh) | 一种修正的图像块期望对数似然估计的图像去噪方法 | |
CN104424623A (zh) | 一种自然图像去雾方法和*** | |
CN109360169B (zh) | 一种单幅图像去雨除雾的信号处理方法 | |
CN107451962A (zh) | 一种图像去雾方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
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: 20170714 Termination date: 20181203 |