CN109801241A - 一种基于改进型暗通道优先算法的太阳耀斑图像去云方法 - Google Patents
一种基于改进型暗通道优先算法的太阳耀斑图像去云方法 Download PDFInfo
- Publication number
- CN109801241A CN109801241A CN201910059000.1A CN201910059000A CN109801241A CN 109801241 A CN109801241 A CN 109801241A CN 201910059000 A CN201910059000 A CN 201910059000A CN 109801241 A CN109801241 A CN 109801241A
- Authority
- CN
- China
- Prior art keywords
- image
- value
- dark
- indicate
- cloud
- 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
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000001914 filtration Methods 0.000 claims abstract description 15
- 230000005540 biological transmission Effects 0.000 claims abstract description 13
- 230000002146 bilateral effect Effects 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 238000005457 optimization Methods 0.000 claims abstract description 6
- 238000010586 diagram Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 14
- 239000003595 mist Substances 0.000 abstract description 5
- 125000001475 halogen functional group Chemical group 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 239000005433 ionosphere Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
一种基于改进型暗通道优先算法的太阳耀斑图像去云方法,包括:将通道的概念采用数学表达式描述;假设云图片表达公式:I(x)=J(x)t(x)+A(1‑t(x))求取全球大气光值A。从暗通道图中按照亮度的大小取前0.1%的像素。在这些位置中,在原始有雾图像中寻找对应的具有最高亮度的点的值,作为A值。在求解t(x)时采用了双边滤波改进。计算暗图像D(x,y)的局部均值和局部标准差:根据已知的空气光向量A,计算优化投射图表达式。考虑到当透射图t的值很小时,会导致J的值偏大,从而使图像整体向白场过度,因此一般可以设置一个國值t0,当t值小于t0时,令t=t0。因此最终恢复的图像表达式。本发明一种基于改进型暗通道优先算法的太阳耀斑图像去云方法,通过改进型暗通道概念对云雾图像还原,具有良好的去云效果。
Description
技术领域
本发明属于图像处理技术领域,具体涉及一种基于改进型暗通道优先算法的太阳耀斑图像去云方法。
背景技术
太阳是与人类关系最密切的恒星,与人类的生活和生产活动有着密不可分的关系。太阳大气中充满着磁场,储存着巨大的磁能。当储存在磁场中的磁能过多时,会通过太阳爆发活动释放能量,太阳耀斑是最剧烈的太阳活动爆发形式之一。而耀斑的爆发则将影响地球磁场和其上空的电离层,进而影响卫星导航、无线电通信等人类活动。因此对太阳耀斑现象的认识与观测,也是人们实现空间探索与做好预防措施的现实需要。
由于在观测太阳耀斑现象时,都会受到地球大气云层的影响,因此对耀斑图像的去云处理格外重要。2009年何明凯博士提出的暗通道先验理论,可以有效地对图像进行去云处理,但是由于暗通道中使用了最小滤波,因此得到的透射率含有halo效应和块状效应,为了解决这一问题,采用soft-matting与导向滤波优化算法(此处选取soft-matting算法进行对比)来优化透射率,其中soft-matting可以很好地消除halo现象和块状现象,但其时间复杂度大大增加;导向滤波算法时间复杂度较小,但其复原后的图像在边缘区域仍存在一定程度的云,因此可以利用双边滤波算法来优化soft-matting算法与引导滤波,以优化透射率的计算。
发明内容
为了解决上述太阳耀斑图像去云的技术问题,本发明提供了一种基于改进型暗通道优先算法的太阳耀斑图像去云方法,通过改进型暗通道概念对云雾图像还原,具有良好的去云效果。
本发明采取的技术方案为:
一种基于改进型暗通道优先算法的太阳耀斑图像去云方法,包括以下步骤:
步骤1:将通道的概念采用数学表达式描述,对于图像J,暗通道Jdark可以表示为公式:
上式中,Jc表示图像J的彩色通道图像,Ω(x)表示一块领域范围,其像素中心为x,y为Ω(x)领域范围中的任意一点,c表示r,g,b三个通道,则Jc(y)就表示在Ω(x)领域范围中y处c通道的图像。其意义就是求出RGB三个分量的最小值,然后对该幅单通道图进行最小值滤波。暗通道先验指出:Jdark→0,相当于Jdark≈0,故根据此条件能够求得真实的Jc。
步骤2:假设云图片表达公式(2):
I(x)=J(x)t(x)+A(1-t(x)) (2)
其中,I(x)代表待处理的图,J(x)代表真实的图,t(x)代表透射率,表示能够到达计算机***没有被散射掉的部分光,A表示全球大气光值。
步骤3:求取全球大气光值A。从暗通道图中按照亮度的大小取前0.1%的像素。在这些位置中,在原始有雾图像中寻找对应的具有最高亮度的点的值,作为A值。
在求解t(x)时采用了双边滤波改进。
步骤4:计算暗图像D(x,y)的局部均值和局部标准差,再通过两者之差估计大气光幕:
其中,表示大气光幕,D(x,y)表示暗图像,B1(x,y)表示暗图像D(x,y)的局部均值,B2(x,y)表示暗图像D(x,y)的局部标准差,FB(x,y)表示运用双边滤波的算法函数。
由于是D(x,y)的局部均值和局部标准差之差,则:
步骤5:根据已知的全球大气光值A,计算优化投射图表达式(6)
上式中t(x,y)表示透射率矩阵,表示大气光幕。
步骤6:考虑到当透射图t的值很小时,会导致J的值偏大,从而使图像整体向白场过度,因此一般可以设置一个國值t0,当t值小于t0时,令t=t0。因此最终恢复的图像表达式为:
式中J(x,y)表示处理后的图像,I(x)表示原始图像,t(x,y)表示透射率矩阵,A表示全球大气光值,t0表述选取的透射图t的阈值。
本发明一种基于改进型暗通道优先算法的太阳耀斑图像去云方法,技术效果如下:
1:运用该方法对太阳耀斑图像进行去云处理,并做仿真。根据仿真结果对其去云效果进行评估。结果显示,改进后的暗通道优先算法在太阳耀斑去除云雾方面效果显著。
2:本发明提出的改进算法,大大缩短了计算时间、降低了机算复杂度。经过图像处理后的效果对比,改进后的算法得到了较为清晰的图像,并且改善了预估透射率图中的块状现象;本文算法对透射率细化的同时,还起到了平滑图像边缘的效果。
3:本发明提出的改进算法相较于原始算法在图像的平均灰度、细节信息的显示、图片信息量与相对清晰程度当面表现得更好,更容易观测到耀斑的位置与图像。
附图说明
下面结合附图和实施例对本发明作进一步说明:
图1是本发明实施例提出的改进型暗通道优先算法的太阳耀斑图像去云方法的流程图
图2是去云前太阳耀斑图像。
图3(1)是运用原始的暗通道优先算法进行处理的太阳耀斑图像。
图3(2)是运用改进型暗通道优先算法进行处理的太阳耀斑图像。
具体实施方式
暗通道先验算法首先运用于图像的去雾处理,由于云的成像模型与雾的成像模型类似,都是由目标的辐射信息经过衰减与大气光经过衰减两者的能量之和,因此可利用暗通道先验知识,采用该算法对图像进行去云处理。
基于改进的暗通道先验算法。由于原始算法在求解透射率t(x,y)时运用了soft-matting算法,使得计算复杂度与计算时间大大增加,为了减轻计算负担,本发明运用双边滤波算法代替soft-matting过程,达到了目的的同时保证了图像处理的质量。
一种基于改进型暗通道优先算法的太阳耀斑图像去云方法,包括以下步骤:
步骤1:将通道的概念采用数学表达式描述,对于图像J,暗通道Jdark可以表示为公式:
上式中,Jc表示图像J的彩色通道图像,Ω(x)表示一块领域范围,其像素中心为x,y为Ω(x)领域范围中的任意一点,c表示r,g,b三个通道,则Jc(y)就表示在Ω(x)领域范围中y处c通道的图像。其意义就是求出RGB三个分量的最小值,然后对该幅单通道图进行最小值滤波。暗通道先验指出:Jdark→0,相当于Jdark≈0,故根据此条件能够求得真实的Jc。
步骤2:假设云图片表达公式(2):
I(x)=J(x)t(x)+A(1-t(x)) (2)
其中,I(x)代表待处理的图,J(x)代表真实的图,t(x)代表透射率,表示能够到达计算机***没有被散射掉的部分光,A表示全球大气光值。
步骤3:求取全球大气光值A。从暗通道图中按照亮度的大小取前0.1%的像素。在这些位置中,在原始有雾图像中寻找对应的具有最高亮度的点的值,作为A值。
在求解t(x)时采用了双边滤波改进。
步骤4:计算暗图像D(x,y)的局部均值和局部标准差,再通过两者之差估计大气光幕:
其中,表示大气光幕,D(x,y)表示暗图像,B1(x,y)表示暗图像D(x,y)的局部均值,B2(x,y)表示暗图像D(x,y)的局部标准差,FB(x,y)表示运用双边滤波的算法函数。
由于是D(x,y)的局部均值和局部标准差之差,则:
步骤5:根据已知的全球大气光值A,计算优化投射图表达式(6)
上式中t(x,y)表示透射率矩阵,表示大气光幕。
步骤6:考虑到当透射图t的值很小时,会导致J的值偏大,从而使图像整体向白场过度,因此一般可以设置一个國值t0,当t值小于t0时,令t=t0。因此最终恢复的图像表达式为:
式中J(x,y)表示处理后的图像,I(x)表示原始图像,t(x,y)表示透射率矩阵,A表示全球大气光值,t0表述选取的透射图t的阈值。
图1为基于改进型暗通道优先算法的太阳耀斑图像去云方法的流程图;该方法是对原始的太阳耀斑图像进行处理,在求解透射率时用双边滤波算法对soft-matting算法与引导滤波进行替换,以优化透射率的计算。
现随机选取一个太阳耀斑图像,如图2,对其进行去云处理,运用MATLAB编程,算法实施过程如图1流程所示,首先输入原始图像,求解其暗通道Jdark(x);再按文中所描述的算法获得全球大气光的值,然后通过计算暗图像D(x,y)的局部均值和局部标准差,来估计大气光幕。随后根据已知的空气光向量,计算投射图得到优化后的透射率t(x)。最终根据式(7)得到去云图像的分布函数,将其还原就得到了最终的去云图像,如图3(2)所示。同时为了与改进前的算法进行对比,将选取的太阳耀斑图像运用原始的暗通道优先算法进行处理,得到去云图像,如图3(1)所示。
结合灰度值特性,耀斑处灰度值较高,因此显示较亮,而云雾灰度值也偏高呈不规则亮色。因此由图2与图3(1)、图3(2)对比可以看出:不论改进前后,暗通道优先算法的去云效果都很显著,但是由图3(1)、图3(2)的对比可知,采用改进后的算法图片清晰度更高,太阳耀斑更加明显,体现出改进算法的优越性。
Claims (1)
1.一种基于改进型暗通道优先算法的太阳耀斑图像去云方法,其特征在于包括以下步骤:
步骤1:将通道的概念采用数学表达式描述,对于图像J,暗通道Jdark可以表示为公式:
上式中,Jc表示图像J的彩色通道图像,Ω(x)表示一块领域范围,其像素中心为x,y为Ω(x)领域范围中的任意一点,c表示r,g,b三个通道,则Jc(y)就表示在Ω(x)领域范围中y处c通道的图像;其意义就是求出RGB三个分量的最小值,然后对该幅单通道图进行最小值滤波;暗通道先验指出:Jdark→0,相当于Jdark≈0,故根据此条件能够求得真实的Jc;
步骤2:假设云图片表达公式(2):
I(x)=J(x)t(x)+A(1-t(x)) (2)
其中,I(x)代表待处理的图,J(x)代表真实的图,t(x)代表透射率,表示能够到达计算机***没有被散射掉的部分光,A表示全球大气光值;
步骤3:求取全球大气光值A;从暗通道图中按照亮度的大小取前0.1%的像素;在这些位置中,在原始有雾图像中寻找对应的具有最高亮度的点的值,作为A值;
在求解t(x)时采用了双边滤波改进;
步骤4:计算暗图像D(x,y)的局部均值和局部标准差,再通过两者之差估计大气光幕:
其中,表示大气光幕,D(x,y)表示暗图像,B1(x,y)表示暗图像D(x,y)的局部均值,B2(x,y)表示暗图像D(x,y)的局部标准差,FB(x,y)表示运用双边滤波的算法函数;
由于是D(x,y)的局部均值和局部标准差之差,则:
步骤5:根据已知的全球大气光值A,计算优化投射图表达式(6)
上式中t(x,y)表示透射率矩阵,表示大气光幕;
步骤6:考虑到当透射图t的值很小时,会导致J的值偏大,从而使图像整体向白场过度,因此一般可以设置一个國值t0,当t值小于t0时,令t=t0;因此最终恢复的图像表达式为:
式中J(x,y)表示处理后的图像,I(x)表示原始图像,t(x,y)表示透射率矩阵,A表示全球大气光值,t0表述选取的透射图t的阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910059000.1A CN109801241A (zh) | 2019-01-22 | 2019-01-22 | 一种基于改进型暗通道优先算法的太阳耀斑图像去云方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910059000.1A CN109801241A (zh) | 2019-01-22 | 2019-01-22 | 一种基于改进型暗通道优先算法的太阳耀斑图像去云方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109801241A true CN109801241A (zh) | 2019-05-24 |
Family
ID=66559968
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910059000.1A Pending CN109801241A (zh) | 2019-01-22 | 2019-01-22 | 一种基于改进型暗通道优先算法的太阳耀斑图像去云方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109801241A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113989142A (zh) * | 2021-10-25 | 2022-01-28 | 黑龙江科技大学 | 一种红外图像处理方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130071043A1 (en) * | 2011-09-08 | 2013-03-21 | Fujitsu Limited | Image defogging method and system |
US20160071244A1 (en) * | 2014-09-04 | 2016-03-10 | National Taipei University Of Technology | Method and system for image haze removal based on hybrid dark channel prior |
CN106157267A (zh) * | 2016-07-12 | 2016-11-23 | 中国科学技术大学 | 一种基于暗通道先验的图像去雾透射率优化方法 |
CN106204491A (zh) * | 2016-07-12 | 2016-12-07 | 中国科学技术大学 | 一种基于暗通道先验的自适应图像去雾方法 |
CN106530246A (zh) * | 2016-10-28 | 2017-03-22 | 大连理工大学 | 基于暗通道与非局部先验的图像去雾方法及*** |
CN107133926A (zh) * | 2017-04-13 | 2017-09-05 | 中原智慧城市设计研究院有限公司 | 一种基于暗原色先验的图像去雾方法 |
CN107730472A (zh) * | 2017-11-03 | 2018-02-23 | 昆明理工大学 | 一种基于暗原色先验的图像去雾优化算法 |
CN108154492A (zh) * | 2017-12-25 | 2018-06-12 | 北京航空航天大学 | 一种基于非局部均值滤波的图像去雾霾方法 |
-
2019
- 2019-01-22 CN CN201910059000.1A patent/CN109801241A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130071043A1 (en) * | 2011-09-08 | 2013-03-21 | Fujitsu Limited | Image defogging method and system |
US20160071244A1 (en) * | 2014-09-04 | 2016-03-10 | National Taipei University Of Technology | Method and system for image haze removal based on hybrid dark channel prior |
CN106157267A (zh) * | 2016-07-12 | 2016-11-23 | 中国科学技术大学 | 一种基于暗通道先验的图像去雾透射率优化方法 |
CN106204491A (zh) * | 2016-07-12 | 2016-12-07 | 中国科学技术大学 | 一种基于暗通道先验的自适应图像去雾方法 |
CN106530246A (zh) * | 2016-10-28 | 2017-03-22 | 大连理工大学 | 基于暗通道与非局部先验的图像去雾方法及*** |
CN107133926A (zh) * | 2017-04-13 | 2017-09-05 | 中原智慧城市设计研究院有限公司 | 一种基于暗原色先验的图像去雾方法 |
CN107730472A (zh) * | 2017-11-03 | 2018-02-23 | 昆明理工大学 | 一种基于暗原色先验的图像去雾优化算法 |
CN108154492A (zh) * | 2017-12-25 | 2018-06-12 | 北京航空航天大学 | 一种基于非局部均值滤波的图像去雾霾方法 |
Non-Patent Citations (3)
Title |
---|
KAIMING HE等: "Single Image Haze Removal Using Dark Channel Prior", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》 * |
孙抗等: "基于双边滤波的实时图像去雾技术研究", 《北京理工大学学报》 * |
李娟等: "基于局部均值和标准差的图像去雾算法", 《计算机工程与应用》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113989142A (zh) * | 2021-10-25 | 2022-01-28 | 黑龙江科技大学 | 一种红外图像处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107527332B (zh) | 基于改进Retinex的低照度图像色彩保持增强方法 | |
CN103955905B (zh) | 基于快速小波变换和加权图像融合的单幅图像去雾方法 | |
CN106157267B (zh) | 一种基于暗通道先验的图像去雾透射率优化方法 | |
CN106204491B (zh) | 一种基于暗通道先验的自适应图像去雾方法 | |
CN102750674B (zh) | 基于自适应容差的视频图像去雾方法 | |
CN102831591B (zh) | 一种基于高斯滤波的单幅图像的实时去雾方法 | |
WO2019019695A1 (zh) | 一种基于Retinex模型的水下图像增强方法 | |
CN107767354A (zh) | 一种基于暗原色先验的图像去雾算法 | |
Gao et al. | Sand-dust image restoration based on reversing the blue channel prior | |
CN104253930B (zh) | 一种实时视频去雾方法 | |
CN104867121B (zh) | 基于暗原色先验和Retinex理论的图像快速去雾法 | |
CN105046658B (zh) | 一种低照度图像处理方法和装置 | |
CN110232661A (zh) | 基于Retinex和卷积神经网络的低光照彩色图像增强方法 | |
CN105574830A (zh) | 极端天气条件下低质图像增强方法 | |
Wang et al. | Variational single nighttime image haze removal with a gray haze-line prior | |
CN103530848A (zh) | 一种非均匀光照图像二次曝光的实现方法 | |
CN108564549A (zh) | 一种基于多尺度稠密连接网络的图像去雾方法 | |
WO2024060576A1 (zh) | 一种基于暗通道先验的图像去雾方法 | |
CN107154026B (zh) | 一种基于自适应亮度高程模型的消除路面阴影的方法 | |
CN103578083A (zh) | 基于联合均值漂移的单幅图像去雾方法 | |
CN104299198A (zh) | 基于像素点暗通道的快速图像去雾方法 | |
CN108629750A (zh) | 一种夜间去雾方法、终端设备及存储介质 | |
Liang et al. | Learning to remove sandstorm for image enhancement | |
CN107977941A (zh) | 一种明亮区域色彩保真及对比度增强的图像去雾方法 | |
CN108898561B (zh) | 一种含天空区域雾天图像的去雾方法、服务器及*** |
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: 20190524 |
|
RJ01 | Rejection of invention patent application after publication |