CN107705263A - 一种基于rgb‑ir传感器的自适应透雾方法和终端 - Google Patents
一种基于rgb‑ir传感器的自适应透雾方法和终端 Download PDFInfo
- Publication number
- CN107705263A CN107705263A CN201710933319.3A CN201710933319A CN107705263A CN 107705263 A CN107705263 A CN 107705263A CN 201710933319 A CN201710933319 A CN 201710933319A CN 107705263 A CN107705263 A CN 107705263A
- Authority
- CN
- China
- Prior art keywords
- image
- rgb
- fog
- penetrating fog
- adaptive
- 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.)
- Pending
Links
- 230000000149 penetrating effect Effects 0.000 title claims abstract description 75
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000004927 fusion Effects 0.000 claims abstract description 54
- 230000005540 biological transmission Effects 0.000 claims abstract description 11
- 239000000284 extract Substances 0.000 claims abstract description 9
- 238000001914 filtration Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 230000014509 gene expression Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 9
- 238000004364 calculation method Methods 0.000 description 8
- 238000000605 extraction Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 238000005267 amalgamation Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 241000532370 Atla Species 0.000 description 2
- 241001269238 Data Species 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000003595 mist Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000009738 saturating Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明提供一种基于RGB‑IR传感器的自适应透雾方法和终端，接收RGB‑IR传感器传输的原始图像，根据所述原始图像，还原出RGB图像和IR图像；将所述RGB图像分割成若干个图像块，提取各个图像块的亮度信息和梯度信息，根据各个图像块的亮度信息和梯度信息生成所述RGB图像的雾气浓度；根据所述雾气浓度确定所述RGB图像和所述IR图像的融合系数；根据所述融合系数，对所述RGB图像和所述IR图像进行融合，得到透雾图像，自适应生成彩色光学透雾图像，实现彩色图像透雾效果，克服传统黑白透雾或后期电子透雾的不足。
Description
技术领域
本发明涉及图像处理领域，尤其涉及一种基于RGB-IR传感器的自适应透雾方法和终端。
背景技术
近年来，工业化发展导致了雾霾天气不断增多，引起空气质量退化并严重影响到人们的生活和出行。在雾霾或大雾天气下拍摄的视频图像中物体细节轮廓模糊不清，因此，透雾技术目前已成为视频图像领域的主要技术之一。透雾技术主要包括光学透雾和电子透雾，光学透雾是利用近红外光波长较长，在雾天受干扰较小的原理可以获得比可见光更加清晰的视频图像；而电子透雾是对获取到的图像基于图像复原或增强的后处理使图像更加清晰。
对于上述两种透雾技术，电子透雾是后期对图像进行处理的方法，对于已经损失掉的图像信号是无法恢复的，无法获得真实彩色的透雾图像；而光学透雾能够看清晰更多的图像细节，但其是黑白图像，只能得到黑白的清晰图像。因此，如果能够得到具有颜色的透雾图像，那么不但提供了更多的图像细节信息，而且更适用于人类视觉特性。
发明内容
本发明所要解决的技术问题是：提供一种基于RGB-IR传感器的自适应透雾方法及终端，实现彩色图像透雾效果，克服传统黑白透雾或后期电子透雾的不足。
为了解决上述技术问题，本发明采用的一种技术方案为：
一种基于RGB-IR传感器的自适应透雾方法，包括步骤：
S1、接收RGB-IR传感器传输的原始图像，根据所述原始图像，还原出RGB图像和IR图像；
S2、将所述RGB图像分割成若干个M*N大小的图像块，提取各个图像块的亮度信息和梯度信息，M、N为正整数；
S3、根据各个图像块的亮度信息和梯度信息生成所述RGB图像的雾气浓度；
S4、根据所述雾气浓度确定所述RGB图像和所述IR图像的融合系数；
S5、根据所述融合系数，对所述RGB图像和所述IR图像进行融合，得到透雾图像。
为了解决上述技术问题，本发明采用的另一种技术方案为：
一种基于RGB-IR传感器的自适应透雾终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
S1、接收RGB-IR传感器传输的原始图像，根据所述原始图像，还原出RGB图像和IR图像；
S2、将所述RGB图像分割成若干个M*N大小的图像块，提取各个图像块的亮度信息和梯度信息，M、N为正整数；
S3、根据各个图像块的亮度信息和梯度信息生成所述RGB图像的雾气浓度；
S4、根据所述雾气浓度确定所述RGB图像和所述IR图像的融合系数；
S5、根据所述融合系数，对所述RGB图像和所述IR图像进行融合，得到透雾图像。
本发明的有益效果在于：对RGB图像进行分割提取亮度信息和梯度信息，根据所述亮度信息和梯度信息生成RGB图像的雾气浓度，根据所述雾气浓度确定RGB图像和其对应的IR图像的融合系数，根据所述融合系数将所述RGB图像和IR图像进行融合，自适应生成彩色光学透雾图像，实现彩色图像透雾效果，克服传统黑白透雾或后期电子透雾的不足。
附图说明
图1为本发明实施例的基于RGB-IR传感器的自适应透雾融合方法的流程图；
图2为本发明实施例的基于RGB-IR传感器的自适应透雾融合终端的结构示意图；
图3为本发明实施例的采用两种方式生成的融合系数的示意图；
标号说明：
1、基于RGB-IR传感器的自适应透雾终端；2、存储器；3、处理器。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。
本发明最关键的构思在于:
对RGB图像进行分割提取亮度信息和梯度信息，根据所述亮度信息和梯度信息生成RGB图像的雾气浓度，根据所述雾气浓度确定RGB图像和其对应的IR图像的融合系数，根据所述融合系数将所述RGB图像和IR图像进行融合。
请参照图1，一种基于RGB-IR传感器的自适应透雾方法，包括步骤：
S1、接收RGB-IR传感器传输的原始图像，根据所述原始图像，还原出RGB图像和IR图像；
S2、将所述RGB图像分割成若干个M*N大小的图像块，提取各个图像块的亮度信息和梯度信息，M、N为正整数；
S3、根据各个图像块的亮度信息和梯度信息生成所述RGB图像的雾气浓度；
S4、根据所述雾气浓度确定所述RGB图像和所述IR图像的融合系数；
S5、根据所述融合系数，对所述RGB图像和所述IR图像进行融合，得到透雾图像。
由上述描述可知，本发明的有益效果在于：对RGB图像进行分割提取亮度信息和梯度信息，根据所述亮度信息和梯度信息生成RGB图像的雾气浓度，根据所述雾气浓度确定RGB图像和其对应的IR图像的融合系数，根据所述融合系数将所述RGB图像和IR图像进行融合，自适应生成彩色光学透雾图像，实现彩色图像透雾效果，克服传统黑白透雾或后期电子透雾的不足。
进一步的，所述步骤S3和S4之间还包括步骤：
对所述雾气浓度进行高斯滤波处理。
由上述描述可知，由于所述RGB图像的雾气浓度是根据各个图像块的亮度信息和梯度信息生成，每个图像块的边界的亮度和梯度是不连续的，如果直接用于产生融合系数，会出现明显的块效应，因此采用高斯滤波对雾气浓度进行预处理，能够对其进行平滑使其具有空域连续性。
进一步的，所述步骤S2具体包括：
将所述RGB图像转换到YCbCr彩色空间，将所述转换到YCbCr彩色空间的图像分割成若干个M*N大小的图像块，根据各个图像块的Y分量提取各个图像块的亮度信息和梯度信息。
由上述描述可知，先将所述RGB图像转换到YCbCr彩色空间，并对所述YCbCr彩色空间的图像分割成若干个图像块，根据各个图像块的Y分量提取各个图像块的亮度信息和梯度信息，计算方便快捷。
进一步的，所述步骤S3具体包括：
所述转换到YCbCr彩色空间的图像的雾气浓度FG＝B-ω×T，其中，B表示所述转换到YCbCr彩色空间的图像的亮度信息，T表示所述转换到YCbCr彩色空间的图像的梯度信息，ω表示梯度信息的权重系数。
由上述描述可知，在图像中雾气浓度高的区域，其受空气中悬浮颗粒的影响就越大，其在图像中的表现为该区域亮度大、纹理模糊，纹理模糊也就是梯度小，因此雾气浓度与图像中的亮度信息成正比，与梯度信息成反比，基于此，得到雾气浓度与亮度信息和梯度信息的关系，并通过一个权重系数来表示纹理信息对图像雾气浓度的贡献大小，使得最终得到的图像的雾气浓度贴近实际，准确度高。
进一步的，所述步骤S5具体包括：
根据融合系数对Y分量和IR图像进行融合：
Ye＝k×IR+(1-k)×Y，
其中，k为融合系数，IR为IR图像数据，Y为Y分量，Ye为融合后的数据；
将Ye分量与所述Cb分量、Cr分量从YCbCr彩色空间转换到RGB空间，生成透雾图像。
由上述描述可知，透雾后的图像的亮度信息是使用转换到YCbCr彩色空间的图像的Y分量和IR图像数据融合而成，而IR图像具有光学特性，因此，通过上述融合后将得到彩色的自适应的光学透雾图像。
请参照图2，一种基于RGB-IR传感器的自适应透雾终端1，包括存储器2、处理器3及存储在存储器2上并可在处理器3上运行的计算机程序，所述处理器3执行所述计算机程序时实现以下步骤：
S1、接收RGB-IR传感器传输的原始图像，根据所述原始图像，还原出RGB图像和IR图像；
S2、将所述RGB图像分割成若干个M*N大小的图像块，提取各个图像块的亮度信息和梯度信息，M、N为正整数；
S3、根据各个图像块的亮度信息和梯度信息生成所述RGB图像的雾气浓度；
S4、根据所述雾气浓度确定所述RGB图像和所述IR图像的融合系数；
S5、根据所述融合系数，对所述RGB图像和所述IR图像进行融合，得到透雾图像。
由上述描述可知，本发明的有益效果在于：对RGB图像进行分割提取亮度信息和梯度信息，根据所述亮度信息和梯度信息生成RGB图像的雾气浓度，根据所述雾气浓度确定RGB图像和其对应的IR图像的融合系数，根据所述融合系数将所述RGB图像和IR图像进行融合，自适应生成彩色光学透雾图像，实现彩色图像透雾效果，克服传统黑白透雾或后期电子透雾的不足。
进一步的，所述步骤S3和S4之间还包括步骤：
对所述雾气浓度进行高斯滤波处理。
由上述描述可知，由于所述RGB图像的雾气浓度是根据各个图像块的亮度信息和梯度信息生成，每个图像块的边界的亮度和梯度是不连续的，如果直接用于产生融合系数，会出现明显的块效应，因此采用高斯滤波对雾气浓度进行预处理，能够对其进行平滑使其具有空域连续性。
进一步的，所述步骤S2具体包括：
将所述RGB图像转换到YCbCr彩色空间，将所述转换到YCbCr彩色空间的图像分割成若干个M*N大小的图像块，根据各个图像块的Y分量提取各个图像块的亮度信息和梯度信息。
由上述描述可知，先将所述RGB图像转换到YCbCr彩色空间，并对所述YCbCr彩色空间的图像分割成若干个图像块，根据各个图像块的Y分量提取各个图像块的亮度信息和梯度信息，计算方便快捷。
进一步的，所述步骤S3具体包括：
所述转换到YCbCr彩色空间的图像的雾气浓度FG＝B-ω×T，其中，B表示所述转换到YCbCr彩色空间的图像的亮度信息，T表示所述转换到YCbCr彩色空间的图像的梯度信息，ω表示梯度信息的权重系数。
由上述描述可知，在图像中雾气浓度高的区域，其受空气中悬浮颗粒的影响就越大，其在图像中的表现为该区域亮度大、纹理模糊，纹理模糊也就是梯度小，因此雾气浓度与图像中的亮度信息成正比，与梯度信息成反比，基于此，得到雾气浓度与亮度信息和梯度信息的关系，并通过一个权重系数来表示纹理信息对图像雾气浓度的贡献大小，使得最终得到的图像的雾气浓度贴近实际，准确度高。
进一步的，所述步骤S5具体包括：
根据融合系数对Y分量和IR图像进行融合：
Ye＝k×IR+(1-k)×Y，
其中，k为融合系数，IR为IR图像数据，Y为Y分量，Ye为融合后的数据；
将Ye分量与所述Cb分量、Cr分量从YCbCr彩色空间转换到RGB空间，生成透雾图像。
由上述描述可知，透雾后的图像的亮度信息是使用转换到YCbCr彩色空间的图像的Y分量和IR图像数据融合而成，而IR图像具有光学特性，因此，通过上述融合后将得到彩色的自适应的光学透雾图像。
实施例一
请参照图1，一种基于RGB-IR传感器的自适应透雾方法，包括步骤：
S1、接收RGB-IR传感器传输的原始图像，根据所述原始图像，还原出RGB图像和IR图像；
RGB-IR传感器是一种新型的图像传感器，它在传统的彩色滤镜阵列，比如：BayerCFA中增加了IR分量或全通分量，可以用IR代替Bayer阵列中一半的绿色分量，红色和蓝色分量不变；也可以用IR代替Bayer阵列中红色分量或蓝色分量的位置；可选地，也可以在具有IR分量、RGB分量的基础上再添加全通分量，全通分量用于增加灵敏度；
通过对RGB-IR传感器传输的原始图像进行还原，根据RGB-IR传感器阵列排列方式的不同，还原出RGB分量、IR分量或RGB分量、全通分量或RGB分量、IR分量、全通分量；
具体的还原方式可以是通过插值计算来还原，所述插值可以包括双线性插值方法或双三性插值方法，也可以是本领域常用的其它插值方法；
具体的，通过对RGB-IR传感器传输的原始图像进行插值计算得到彩色图像信号RIR、GIR、BIR，对RGB-IR传感器传输的原始图像进行插值计算得到IR图像信号IR，根据下述公式得到真实的RGB图像信号：
式(1)中，a，b，c通过对在某一光源下拍摄标准色卡图像，获取色卡的RGB分量平均值，然后通过最小二乘算法拟合产生系数，所述拟合算法不只包括最小拟合算法，还包括本领域常用的其它拟合算法；
为了使得所获得的真实的RGB图像信号误差更小，还可以对所获得的真实的RGB图像信号进行色温校正和色彩还原，具体包括：
统计R、G、B各分量值，由G分量与R分量的比值kr、G分量与B分量的比值kb产生色温校正系数，并通过以下公式对色温进行校正：
式(2)中，Rw指的是色温校正后的R分量，Bw指的是色温校正后的B分量；
色彩还原指的是先通过标准色卡拟合得到色彩还原矩阵CCM，具体地，在不同光源的色温下，获取24色卡图像并计算色卡的平均值，通过最小二乘法计算得到3×3的色彩校正矩阵CCM，然后通过以下公式得到色彩还原后的图像：
S2、将所述RGB图像分割成若干个M*N大小的图像块，提取各个图像块的亮度信息和梯度信息，M、N为正整数；
具体的，将所述RGB图像通过RGB空间到YCbCr彩色空间的转换公式转换到YCbCr彩色空间，将所述转换到YCbCr彩色空间的图像分割成若干个M*N大小的图像块，根据各个图像块的Y分量提取各个图像块的亮度信息和梯度信息；
其中，M*N大小的图像块一般取2的幂次方大小，可选的，可以取16×16的块，该块区域用Ω表示，亮度信息为改块内所有像素的亮度平均值，梯度信息为改区域内所有像素的平均梯度值，Y()表示亮度信息，TD()表示Y对应的梯度信息，可选的，梯度信息由该像素对应的水平梯度和垂直梯度的绝对值之和来表示，其梯度模板表示为：水平：垂直：
S3、根据各个图像块的亮度信息和梯度信息生成所述RGB图像的雾气浓度；
所述转换到YCbCr彩色空间的图像的雾气浓度由亮度信息和梯度信息共同作用，其计算公式如下：
FG＝B-ω×T (4)
其中，B表示所述转换到YCbCr彩色空间的图像的亮度信息，T表示所述转换到YCbCr彩色空间的图像的梯度信息，ω表示梯度信息的权重系数，其表示梯度信息对图像雾气浓度的贡献大小，优选为0.6；
由于所述RGB图像的雾气浓度是根据各个图像块的亮度信息和梯度信息生成，每个图像块的边界的亮度和梯度是不连续的，如果直接用于产生融合系数，会出现明显的块效应，因此采用高斯滤波对雾气浓度进行预处理，能够对其进行平滑使其具有空域连续性；
本实施例采用高斯平滑滤波，采用的是5×5大小的高斯模板进行平滑滤波，滤波后的FG将是连续的信号，高斯模板表示为：
其中m＝1,2,3,4,5；n＝1,2,3,4,5，在本实施例中取δ为1.8；
S4、根据所述雾气浓度确定所述RGB图像和所述IR图像的融合系数；
对于8bit的亮度Y产生的亮度信息范围在[0,255]之间，梯度信息也在[0,255]之间，并根据上述产生的雾气浓度FG也在[0,255]之间，那么所述的融合系数可以根据滤波后的FG产生融合系数，如图3所示，其中图3(a)为分段线性融合方式产生系数，图3(b)为非线性融合方式产生融合系数，图中th1和th2分别为产生融合系数时的FG阈值；
分段线性融合方式产生的系数的具体计算公式如下：
非线性融合方式产生的系数的具体计算公式如下：
当然，也可以根据查表LUT的方式得到融合系数；
S5、根据所述融合系数，对所述RGB图像和所述IR图像进行融合，得到透雾图像；
具体的，根据融合系数对Y分量和IR图像进行融合：
Ye＝k×IR+(1-k)×Y，
其中，k为融合系数，IR为IR图像数据，Y为Y分量，Ye为融合后的数据；
将Ye分量与所述Cb分量、Cr分量合成YeCbCr，然后通过从YCbCr彩色空间转换到RGB空间的转换矩阵，将YeCbCr转换成RGB，生成透雾图像。
实施例二
请参照图2，一种基于RGB-IR传感器的自适应透雾终端1，包括存储器2、处理器3及存储在存储器2上并可在处理器3上运行的计算机程序，所述处理器3执行所述计算机程序时实现实施一中的步骤。
综上所述，本发明提供的基于RGB-IR传感器的自适应透雾方法和终端，对RGB图像进行分割提取亮度信息和梯度信息，根据所述亮度信息和梯度信息生成RGB图像的雾气浓度，根据所述雾气浓度确定RGB图像和其对应的IR图像的融合系数，并对所述融合系数进行滤波，再根据所述融合系数将所述RGB图像和IR图像进行融合，能够自适应生成高质量、逼真的彩色光学透雾图像，实现彩色图像透雾效果，克服传统黑白透雾或后期电子透雾的不足。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于RGB-IR传感器的自适应透雾方法，其特征在于，包括步骤：
S1、接收RGB-IR传感器传输的原始图像，根据所述原始图像，还原出RGB图像和IR图像；
S2、将所述RGB图像分割成若干个M*N大小的图像块，提取各个图像块的亮度信息和梯度信息，M、N为正整数；
S3、根据各个图像块的亮度信息和梯度信息生成所述RGB图像的雾气浓度；
S4、根据所述雾气浓度确定所述RGB图像和所述IR图像的融合系数；
S5、根据所述融合系数，对所述RGB图像和所述IR图像进行融合，得到透雾图像。
2.根据权利要求1所述的基于RGB-IR传感器的自适应透雾方法，其特征在于，所述步骤S3和S4之间还包括步骤：
对所述雾气浓度进行高斯滤波处理。
3.根据权利要求1所述的基于RGB-IR传感器的自适应透雾方法，其特征在于，所述步骤S2具体包括：
将所述RGB图像转换到YCbCr彩色空间，将所述转换到YCbCr彩色空间的图像分割成若干个M*N大小的图像块，根据各个图像块的Y分量提取各个图像块的亮度信息和梯度信息。
4.根据权利要求3所述的基于RGB-IR传感器的自适应透雾方法，其特征在于，所述步骤S3具体包括：
所述转换到YCbCr彩色空间的图像的雾气浓度FG＝B-ω×T，其中，B表示所述转换到YCbCr彩色空间的图像的亮度信息，T表示所述转换到YCbCr彩色空间的图像的梯度信息，ω表示梯度信息的权重系数。
5.根据权利要求4所述的基于RGB-IR传感器的自适应透雾方法，其特征在于，所述步骤S5具体包括：
根据融合系数对Y分量和IR图像进行融合：
Ye＝k×IR+(1-k)×Y，
其中，k为融合系数，IR为IR图像数据，Y为Y分量，Ye为融合后的数据；
将Ye分量与所述Cb分量、Cr分量从YCbCr彩色空间转换到RGB空间，生成透雾图像。
6.一种基于RGB-IR传感器的自适应透雾终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现以下步骤：
S1、接收RGB-IR传感器传输的原始图像，根据所述原始图像，还原出RGB图像和IR图像；
S2、将所述RGB图像分割成若干个M*N大小的图像块，提取各个图像块的亮度信息和梯度信息，M、N为正整数；
S3、根据各个图像块的亮度信息和梯度信息生成所述RGB图像的雾气浓度；
S4、根据所述雾气浓度确定所述RGB图像和所述IR图像的融合系数；
S5、根据所述融合系数，对所述RGB图像和所述IR图像进行融合，得到透雾图像。
7.根据权利要求6所述的基于RGB-IR传感器的自适应透雾终端，其特征在于，所述步骤S3和S4之间还包括步骤：
对所述雾气浓度进行高斯滤波处理。
8.根据权利要求6所述的基于RGB-IR传感器的自适应透雾终端，其特征在于，所述步骤S2具体包括：
将所述RGB图像转换到YCbCr彩色空间，将所述转换到YCbCr彩色空间的图像分割成若干个M*N大小的图像块，根据各个图像块的Y分量提取各个图像块的亮度信息和梯度信息。
9.根据权利要求8所述的基于RGB-IR传感器的自适应透雾终端，其特征在于，所述步骤S3具体包括：
所述转换到YCbCr彩色空间的图像的雾气浓度FG＝B-ω×T，其中，B表示所述转换到YCbCr彩色空间的图像的亮度信息，T表示所述转换到YCbCr彩色空间的图像的梯度信息，ω表示梯度信息的权重系数。
10.根据权利要求9所述的基于RGB-IR传感器的自适应透雾终端，其特征在于，所述步骤S5具体包括：
根据融合系数对Y分量和IR图像进行融合：
Ye＝k×IR+(1-k)×Y，
其中，k为融合系数，IR为IR图像数据，Y为Y分量，Ye为融合后的数据；
将Ye分量与所述Cb分量、Cr分量从YCbCr彩色空间转换到RGB空间，生成透雾图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710933319.3A CN107705263A (zh) | 2017-10-10 | 2017-10-10 | 一种基于rgb‑ir传感器的自适应透雾方法和终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710933319.3A CN107705263A (zh) | 2017-10-10 | 2017-10-10 | 一种基于rgb‑ir传感器的自适应透雾方法和终端 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107705263A true CN107705263A (zh) | 2018-02-16 |
Family
ID=61183294
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710933319.3A Pending CN107705263A (zh) | 2017-10-10 | 2017-10-10 | 一种基于rgb‑ir传感器的自适应透雾方法和终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107705263A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110493579A (zh) * | 2019-03-14 | 2019-11-22 | 杭州海康威视数字技术股份有限公司 | 一种彩色透雾方法、装置、摄像机及图像处理*** |
| WO2020056567A1 (zh) * | 2018-09-18 | 2020-03-26 | 浙江宇视科技有限公司 | 图像处理方法、装置、电子设备及可读存储介质 |
| CN110942748A (zh) * | 2019-10-22 | 2020-03-31 | 武汉精立电子技术有限公司 | 一种基于面阵相机的面板电压压降补偿方法及装置 |
| CN116528040A (zh) * | 2023-07-03 | 2023-08-01 | 清华大学 | 基于复眼智能相机的图像超分辨率重建方法、装置及相机 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101783012A (zh) * | 2010-04-06 | 2010-07-21 | 中南大学 | 一种基于暗原色的自动图像去雾方法 |
| CN102609927A (zh) * | 2012-01-12 | 2012-07-25 | 北京理工大学 | 基于场景景深的雾天可见光/红外图像彩色融合方法 |
| CN104318524A (zh) * | 2014-10-15 | 2015-01-28 | 烟台艾睿光电科技有限公司 | 一种基于YCbCr色彩空间的图像增强方法、装置及*** |
| CN104683767A (zh) * | 2015-02-10 | 2015-06-03 | 浙江宇视科技有限公司 | 透雾图像生成方法及装置 |
| CN105513017A (zh) * | 2014-10-14 | 2016-04-20 | 深圳中兴力维技术有限公司 | 图像去雾处理方法、装置及摄像设备 |
| US20170109870A1 (en) * | 2015-10-16 | 2017-04-20 | Sogang University Research Foundation | Image processing device |
| CN106952246A (zh) * | 2017-03-14 | 2017-07-14 | 北京理工大学 | 基于视觉注意特性的可见光红外图像增强彩色融合方法 |
| CN106960428A (zh) * | 2016-01-12 | 2017-07-18 | 浙江大立科技股份有限公司 | 可见光和红外双波段图像融合增强方法 |
| CN107203981A (zh) * | 2017-06-16 | 2017-09-26 | 南京信息职业技术学院 | 一种基于雾气浓度特征的图像去雾方法 |
-
2017
- 2017-10-10 CN CN201710933319.3A patent/CN107705263A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101783012A (zh) * | 2010-04-06 | 2010-07-21 | 中南大学 | 一种基于暗原色的自动图像去雾方法 |
| CN102609927A (zh) * | 2012-01-12 | 2012-07-25 | 北京理工大学 | 基于场景景深的雾天可见光/红外图像彩色融合方法 |
| CN105513017A (zh) * | 2014-10-14 | 2016-04-20 | 深圳中兴力维技术有限公司 | 图像去雾处理方法、装置及摄像设备 |
| CN104318524A (zh) * | 2014-10-15 | 2015-01-28 | 烟台艾睿光电科技有限公司 | 一种基于YCbCr色彩空间的图像增强方法、装置及*** |
| CN104683767A (zh) * | 2015-02-10 | 2015-06-03 | 浙江宇视科技有限公司 | 透雾图像生成方法及装置 |
| US20170109870A1 (en) * | 2015-10-16 | 2017-04-20 | Sogang University Research Foundation | Image processing device |
| CN106960428A (zh) * | 2016-01-12 | 2017-07-18 | 浙江大立科技股份有限公司 | 可见光和红外双波段图像融合增强方法 |
| CN106952246A (zh) * | 2017-03-14 | 2017-07-14 | 北京理工大学 | 基于视觉注意特性的可见光红外图像增强彩色融合方法 |
| CN107203981A (zh) * | 2017-06-16 | 2017-09-26 | 南京信息职业技术学院 | 一种基于雾气浓度特征的图像去雾方法 |
Non-Patent Citations (6)
| Title |
|---|
| CHEN FENG等: "Near-infrared guided color image dehazing", 《2013 IEEE INTERNATIONAL CONFERENCE ON IMAGE PROCESSING》 * |
| DONG-WON JANG等: "Colour image dehazing using near-infrared fusion", 《IET IMAGE PROCESSING》 * |
| 刘毓敏等编著: "《DV梦工场 轻松制作家庭影视》", 31 January 2004, 北京：中国摄影出版社 * |
| 朱秀昌等编著: "《数字图像处理与图像信息》", 31 August 2016 * |
| 程鹏等: "基于近红外的图像去雾方法", 《四川大学学报(工程科学版)》 * |
| 鞠铭烨等: "基于雾气浓度估计的图像去雾算法", 《自动化学报》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020056567A1 (zh) * | 2018-09-18 | 2020-03-26 | 浙江宇视科技有限公司 | 图像处理方法、装置、电子设备及可读存储介质 |
| CN110493579A (zh) * | 2019-03-14 | 2019-11-22 | 杭州海康威视数字技术股份有限公司 | 一种彩色透雾方法、装置、摄像机及图像处理*** |
| CN110942748A (zh) * | 2019-10-22 | 2020-03-31 | 武汉精立电子技术有限公司 | 一种基于面阵相机的面板电压压降补偿方法及装置 |
| CN116528040A (zh) * | 2023-07-03 | 2023-08-01 | 清华大学 | 基于复眼智能相机的图像超分辨率重建方法、装置及相机 |
| CN116528040B (zh) * | 2023-07-03 | 2023-09-05 | 清华大学 | 基于复眼智能相机的图像超分辨率重建方法、装置及相机 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105578063B (zh) | 一种图像处理方法和终端 | |
| CN105933617B (zh) | 一种用于克服动态问题影响的高动态范围图像融合方法 | |
| CN107705263A (zh) | 一种基于rgb‑ir传感器的自适应透雾方法和终端 | |
| CN107424198A (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
| CN104618700B (zh) | 一种彩色高动态范围图像增强显示的方法 | |
| CN107895357B (zh) | 一种基于fpga的实时水面浓雾场景图像增强方法 | |
| CN108230407B (zh) | 一种图像的处理方法和装置 | |
| CN107396079B (zh) | 白平衡调整方法和装置 | |
| CN113132696B (zh) | 图像色调映射方法、装置、电子设备和存储介质 | |
| CN103366364A (zh) | 一种基于颜色差异的抠图方法 | |
| CN113556526B (zh) | 一种基于rgbw滤光阵列的彩色夜视设备色彩增强方法 | |
| CN111970432A (zh) | 一种图像处理方法及图像处理装置 | |
| CN112351195B (zh) | 图像处理方法、装置和电子*** | |
| CN105989583B (zh) | 一种图像去雾方法 | |
| CN107317967A (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
| CN107862672A (zh) | 图像去雾的方法及装置 | |
| CN111105359A (zh) | 一种高动态范围图像的色调映射方法 | |
| CN107580205B (zh) | 白平衡调整方法和装置 | |
| CN106550227A (zh) | 一种图像饱和度调整方法及装置 | |
| CN111107330B (zh) | 一种Lab空间的偏色校正方法 | |
| CN106686320B (zh) | 一种基于数密度均衡的色调映射方法 | |
| CN107277369B (zh) | 图像处理方法、装置、计算机可读存储介质和计算机设备 | |
| CN106408617B (zh) | 一种基于yuv颜色空间的交互式单幅图像材质获取***和方法 | |
| CN111667446B (zh) | 图像处理方法 | |
| CN108550124A (zh) | 一种基于仿生螺线的光照补偿及图像增强方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180216 |
|
| RJ01 | Rejection of invention patent application after publication |