TW201120814A - Method for determining if an input image is a foggy image, method for determining a foggy level of an input image and cleaning method for foggy images - Google Patents
Method for determining if an input image is a foggy image, method for determining a foggy level of an input image and cleaning method for foggy images Download PDFInfo
- Publication number
- TW201120814A TW201120814A TW098141501A TW98141501A TW201120814A TW 201120814 A TW201120814 A TW 201120814A TW 098141501 A TW098141501 A TW 098141501A TW 98141501 A TW98141501 A TW 98141501A TW 201120814 A TW201120814 A TW 201120814A
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- value
- input image
- sobel
- color
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000004140 cleaning Methods 0.000 title 1
- 238000000889 atomisation Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims description 22
- 230000005284 excitation Effects 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 12
- 239000003086 colorant Substances 0.000 claims description 10
- 101000802640 Homo sapiens Lactosylceramide 4-alpha-galactosyltransferase Proteins 0.000 claims description 7
- 102100035838 Lactosylceramide 4-alpha-galactosyltransferase Human genes 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 230000015556 catabolic process Effects 0.000 claims description 3
- 238000006731 degradation reaction Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 239000003595 mist Substances 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 claims 1
- 230000003014 reinforcing effect Effects 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 15
- 230000000694 effects Effects 0.000 abstract description 6
- 230000009467 reduction Effects 0.000 abstract description 2
- 238000011084 recovery Methods 0.000 abstract 1
- 238000012544 monitoring process Methods 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 12
- 230000008859 change Effects 0.000 description 9
- 230000004438 eyesight Effects 0.000 description 8
- 230000009471 action Effects 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 239000002245 particle Substances 0.000 description 4
- 230000010287 polarization Effects 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000000149 argon plasma sintering Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000009833 condensation Methods 0.000 description 2
- 230000005494 condensation Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005562 fading Methods 0.000 description 2
- 239000012535 impurity Substances 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 241001028048 Nicola Species 0.000 description 1
- 235000006995 Syzygium moorei Nutrition 0.000 description 1
- 240000002976 Syzygium moorei Species 0.000 description 1
- 239000011358 absorbing material Substances 0.000 description 1
- 230000004308 accommodation Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000005427 atmospheric aerosol Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009365 direct transmission Effects 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000000126 substance Substances 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
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20076—Probabilistic image processing
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30236—Traffic on road, railway or crossing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Description
201120814 六、發明說明： 【發明所屬之技術領域】 本發明係提供一種霧化影像濾清方法，尤指一種基於大氣散射 原理暨色彩分析之霧化影像濾清方法。 【先前技術】 近年來’經濟的發展促使交通問題愈來愈受到重視，由於交通 監控系統越來越廣泛的採用電腦視覺和和圖像處理技術，交通運輸 里逐.年增加，而激發各種類型的交通相關技術的研究與發展。由於 大量的交通監控相關研究之興起’在這些相關研究中，智慧型交通 運輸系統(Intelligent Transportation System，ITS)則是被用來解決交通 問題的方法之一，它整合了通訊，控制，電子與資訊等技術，使有 限之運輸資源作最有效的利用，以提高交通安全，改善人民生活品 質及強化經濟競爭力。智慧型交通運輸系統的技術包括了微電子技 術、自動化人工智慧、感測技術、通訊系統)及控制等，其中一個最 重要的項目則是電腦視覺的應用。因為ITS的有效運作，有賴於正 確之即時交通監控參數，而應用影像處理與電腦視覺技術，不僅成 本低廉(大量降低人力成本)與安裝容易，且可獲得較大區域之量測 與監控，獲得較多樣之資訊，除了擷取傳統的交通參數外，如交通 流量、車逮等，可進一步偵測擁塞車陣、擁塞情形或預測交通事故 201120814 • 等。 然而，由於季節性的天候所產生濃霧的影響，使得電腦視覺應 用在交通監控時，因為能見度的降低，造成掏取的畫面影像變的權 糊不清無法辨識’讓電腦視覺在處理時無法得到正確的色彩資訊。、 根據氣象學的觀點來看霧的凝結過程與雲相同，主要都是靠冷部， 但是冷卻的原因卻不_。義麵好，其軸_因也不盡相 #同’成霧的物理過程和條件也相當複雜，如在海岸或海面上常遇到 的為平流霧’而陸地或山區則稱為轄射霧。但氣象學上規定，當態 洋在近地面氣層的水汽凝結物，小水滴或小冰晶使水平能見距離在 1000米以下的，就稱為霧。 霧疋在交通或生活中影響最大的天候之一，由於霧在環境中， =響視，上的能見度，導致交通管制產生極大的阻力，例如：機 •二：°的&制道路父通的監控、港務局的海面船隻管制，都會因 霧而受到影響’發生危險的機率也隨之增加，除了交通管控外一 些需利用監控系統協助的設施，也會因霧氣的影響，而大幅降低影 像血控的實恥值。因濃霧所造成的交通災害連年來頻傳根據交 k β至㈤區國道南速公路局從民國92年至年關大霧所發生的 交通事故統計，根據肇事緣故分析，多數事故是由於在行驶時所造 成，駕駛者在長途駕馱的過程中，因大霧或各種天候所造成的能見 X务低的糾下’以致駕駛者即使集中沒意力，仍舊可能因視線不 201120814 清=不及錢突發狀⑽發生，導致釀成不可預_災禍(生命與財 產損失），制是在山區的大霧下行駛，或是在有霧的海面上航行 時，更為料造成事故’而且紅的船隻翻_影料發生事故， 損傷更是很大。_現今的GPS系鎌然會告知航，但在濃霧的 隋幵/下’就會產生無法接收的後果，且GPS系統不見得能迅速回報 眼前的突發狀況’勢必還是需要肉_察覺及反應，為此希望能在 職處理_助下’有助於提升在射行駛的識聽。由於海面上 大氣中含有豐§的水氣’船舶航行中經常制霧氣職，航行大海 中船舶雖有航向粒導引器領航，觸於船隻近處海域還是需要提 防他船碰撞事件’而在船隻附近最有效的防撞策略是目視手動航 行’特別是在船隻絲鑛的港口海_。再者，濃霧的影響，除 了導路父通外，也會使光學器材或網路設備在擷取時產生盞 或接收的情況，如監測、監控、自動導航、移動物舰，都會造^ 極尚的誤差與不可預期的後果。 ·—般而言，在交通監控的系統中，電腦視覺技術和視訊處理技 術具有更大的優勢。其優點如下： L旎提供咼品質的圖像訊息，以高效能、高準確性、安全可靠 的方式完成交通的監視和控制工作。 2.由攝影機所得到的交通信息透過電腦處理且方便和網路做連 201120814 接，有利於實現即時交通監視和控制。 目前關於霧化影像濾清方法，已有不少學者提出了一些方法， 以下所列出的則是有關的參考文獻：
[1] Srinivasa G. Narasimhan and Shree K. Nayar，“Vision and the Atmosphere，” Intemation Journal of Computer Vision，Vol. 48, No. 3, pp.233-254, Aug. 2002.
[2] Srinivasa G. Narasimhan and Shree K. Nayar/'Contrast Restoration of Weather Degraded Images’’，IEEE Trans· On Pattern Analysis and Machine Intelligence, Vol. 25, No. 6, pp. 713-724, 2003.
[3] Srinivasa G. Narasimhan and Shree K. Nayar, “Interactive (De) Weathering of an Image using Physical Models,” Proceedings of the ICCV workshop on Color and Photometric Methods in Computer Vision, pp. 1387-1394, 2003. Φ [4] Robby T. Tan，Niklas Pettersson and Lars Petersson，“Visibility Enhancement for Roads with Foggy or Hazy Scenes，” IEEE. On Intelligent Vehicles Symposium, pp. 19-24, June. 2007.
[5] Robby T_ Tan，“Visibility in Bad Weather from a Single Image ”，I IEEE Conf. Computer Vision and Pattern Recognition, pp.1-8, June. 2008 [6] Didier Aubert and Nicolas Hautiere, “Contrast Restoration of
Foggy Images through use of an Onboard Camera,” IEEE Conf. On ·!· i i 7 201120814
IntelligenceTransportation Systems, pp. 601-606, Sept. 2005.
[7] Hiroshi Murase, Kenji Mori,Ichiro Ide,Tomokazu Takahashi,
Takayuki Miyahara and Yukimasa Tamatsu/'Recognition of foggy conditions by in-vehicle camera an millimeter wave radar”, 2007 IEEE Intelligent Vehicles Symposium, Vol.3, No.5, pp.87-92, June. 2007.
[8] Yoav Y. Schechner, Srinivasa G. Narasimhan, and Shree K.
Nayar “Polarization-based vision through haze’’，Applied Optics, Vol. 42, No. 3. January. 2003.
[9] R. Fattal “Single image dehazing”，International Conf. on Computer
Graphics and Interactive Techniques, No. 72, pp.1-9 2008.
[10] Kenji Mori, Tomokazu Takahashi, Ichiro Ide, Hiroshi Murase, Takayuki Miyahara and Yukimasa Tamatsu，“Fog density recognition by in_vehicle camera and millimeter wave radar，，， Intemation Journal of Innovative Computing, Information and Control, Vol.3, No.5, pp.1173-1182, Oct. 2007 為了將影像中霧去除，近年來己有相關研究，主要是藉由大氣 政射原理(Atmospheric Scattering theory)以計算出影像霧化所形成的 原始參數，再利用這些參數做反推導的復原處理(Rest〇rati〇n)，而達 到影像去_目的。像是於參考文獻[U]中所提到的湘兩張不同 時間相同地點的影像，來得到兩張影像的糊深度資訊，再針對此 深度影像去做絲清的動作，細參考文獻卜财的技術多半需要 201120814 二張不同時間的環境影像’來進行修正目前已遭霧氣所影響的影 像，使用者需先得到二張影像的背景資訊，由此並無法達到實際應 用於未知環境的處理，變得條件極為限制狹险。參考文獻㈣中所 提到的是利用深度估計的方式來找尋消失的點，再利用此方式去做 處清的動作；在參考文獻[3]中，是選取消失點的區塊，再從消失的 區塊計算大氣光(Airtight)，接著利用深入啟發的方式，計算距離d， 而錄是利用自行輸入的方式，因此若要應用在即時影像視訊顯示 鲁中’必需要計算出適當的值，才能退化有霧的影像，如此藉更改不 同的衰退係姉)值及影像的深度值d來減化霧氣的辟，但要如何 計异出合適的值則是一個困難所在;參考文獻[4]中則是利用色度的 方式’分成影像色度、亮度色度、物件色度，所謂影像色度，指的 就是攝影機所擷取到的影像，而亮光色度，指的就是影像中所呈現 的顏色，將物體被光照射的亮光系數給提取出來，就是所謂的亮光 色度，物件色度，指的就是將亮光係數給提出後的物件影像稱之， 鲁而透過此三種不同的色度方式以進行計算，而此方法最重要的過程 為就是計算色度的計算，計算此色度，可求得新的色度，而求得新 色度的方法為經由反色度及光的空間(Inverse Chromatieity-Light
Space)的技術’在進行反色度及光的空間(inverse chr〇niaticity_Light
Space)處理時’將求得的投射至霍氏空間(H〇ugh space)進而得到適 當的壳度色度系數，才能進行消除霧的影響，然而對於處理速度而 言色度及光的空間(Chromaticity-Light Space)在處理時必需將影像 的資訊先全部投射至色度及光的空間(Chromaticity-Light Space)的 霍氏空間(Hough space)，並經由角度的計算才能得到適當的消除係 201120814 數值，而且必需RGB三原色都要計算此數值，因此計算量較大而不 利於即時應用，且會有影像偏色的現象；而參考文獻[5]中也是利用 前述的影像色度、亮度色度、物件色度，進行去霧的動作，需先將 影像取得-個最大對比對度的影像區塊，接著再進行去霧的動作， 而此方法在求大氣光(Airlight)時是利用馬可夫隨機域(Markov Random Field)求得，此方法復原一張64〇*48〇影像就要$至7分鐘 的時間，因此亦不利於即時應用。由於交通監控系統必需即時處7里里 有繁於此，依照即時處理影像的觀念，改善影像處理速度，並且处 =善得到㈣影像騎的效果。而參考文獻附是將黑白攝影^ 架设在車上擔風玻璃上，針對道路進行去霧的處理，先校準攝影機， 並求得攝影機離最近處跟最遠處的距離，利用道路的號言志線量測出 道路的寬度，藉財出衰數⑹值及·的深度值d以代入去霧 若道路上沒有號諸線(海面上亦無交通號麟），則此 方法將失去_，此外，車㈣频蝴取時晝面是會變更的 ==有變更(此情景經常碰到)，此方法的 =若利用於彩色攝影機，會_的變更咖^ 攝影機所拍攝出的影像，將前車的=文獻[7]中則利用車内 早距離貝訊’此方法可利用機 數的方式，測量出深度值d，再利用Η水」山的方式’接者利用變異 用d來求出坎衰退係數），再進行 201120814 去霧的處理，此方法雖然可利用機器量測出的距離可以有效的利 用，但必需前面有可用的物體才能估測得出，若將場景變換，則求 出的距離就不一定可求出正確的/5值，但由於海面上因海浪的晃 動’船舶無法如車子-樣選取-個前方的參考物體，因此若此法應 用於船舶身上架設攝影機，則此方法將無效果。而參考文獻中則 是利用偏振濾波器(PolarizationFilter)的方法去做去霧的動作，但此 方法必需先得兩張不同的影像並計算其最糟偏振(w〇rst portion) 鲁及最佳偏振(BestPolarization)或是計算其影像偏振角度才能做去霧 的動作目此若，、有一張景，像可用的話，則此方法將不適用。參考 文獻附的綠先是計算圖像的變化程度，翻狀錄原理的方 ，去做去霧的動作’但處理一張圖卻耗時35秒，對於監控系統來 ωσίίΤΐ分Γ方面’參考文獻_中就將影像糊離散餘弦 雜，、將〜像刀頻’經由高低頻的資訊，再經由曼哈頓距 .塊’並未 針對整體影像來加《分類。‘針對影料的某一個區 間影::問=::=有耗時的缺點及需要參考不同時 像除霧方法，可制於即時视^於大氣散射原理暨色彩分析之影 監控系統及交通運輸工具面的轉，並朗於智慧型視訊 訊皿控系統。例如，可在船隻上裝設單 201120814 或複數支攝衫機，對攝入的視訊利用大氣散射原理暨色彩分析以達， 成除霧功此，再將清楚的晝面顯示在營幕上(駕駛擒)以利航行。本 發明方法之基本原理係針對RGB &彩她及三色激勵值，進行改良 式的指數型影像對比方法，增_霧氣所導_低能見度影 像其方法過程是以影像中的RGB色彩模型為主，分析影像中 各通道中色W的資訊，經由朗伯·料如她办⑽⑽理模型分 析因霧氣所4成散射光的免度資訊;接著分析rgb三色的色彩激勵 值，再利用雙色大氣散射原理的物理模型，進而去做指數型對比度增 強的處理，如此可纽地去除影像霧化現象，復縣色退化影像， 進-步求得所需的原始影像色彩資訊，以提高海上交通安全。此外， 對於辰霧満漫的道路上’本發明方法可排除霧視的影響，改善 父通影像監控系統，以得到較精確的影像資訊，亦可應用（嵌入)於 車用攝影機以遽除霧視而清晰化駕駛人的視野，以提高行車交通安 全。 【發明内容】 _ 本發明的-實施例揭露一種判斷輸入影像是否為霧化影像之方 法。該方法包含靖-輸4彡像的—平均亮度灰階值，#該輸入影 像的該平均冗度灰階值介於_第—景彡像平均亮度和—第二影像平均 贵度之間時，對該輸人影像進行—索貝影像處理，得到該 輸入影像的-索貝爾(S()bel)影像，判斷該索貝爾(SQbel)影像的一第乂 12 201120814 ‘—正規化值和—第二正規健，當該第—正規雜和該第二正規化 值0小於-第-臨界糾，判斷該索貝_〇_彡像的—平均值及 -標準差，及當該平均似該縣絲和小於—第二臨界值時，判 斷該輸入影像為一霧化影像。 本發月的另-實關揭露一種判斷輸入影像的霧級數之方法。 該方法包含判斷-輸入影像的一平均亮度灰階值，當該輸入影像的 #該平均亮度灰階值介於-第一影像平均亮度和一第二影像平均亮度 之間時，對該輸入影像進行一索貝爾(s〇bel)影像處理，得到該輸入 影像的-索貝爾(Sobel)影像’判斷該索貝爾(s〇bd)影像的一第一正 規化值，-第二正規化值，當該第一正規化值和該第二正規化值皆 小於-第-臨界辦，觸該索貝0(SGbd)影像的—平均值及一標 準差及w該平均值及該標準差的和小於—第二臨界值時，判斷該 輸入影像為-霧化影像，當該平均值和該標準差皆小於一霧級數分 鲁級值時，分別判定該平均值的霧化水準和該標準差的霧化水準，及 用該平均值的霧化水準和該標準差的霧化水準去查閱一霧化級數表 以得該輸入影像的一霧級數。 本發明的另一實施例揭露一種霧化影像濾清之方法。該方法包 含利用一輸入影像的一亮度色度(Light chromaticity, LC)的一激勵值 知·到一大氣光亮度，利用該輸入影像的RGB三色的色彩激勵值得到 一衰退係數，利用該大氣光亮度和該衰退係數對該輸入影像進行影 13 201120814 像復原，以得到一初級除霧影像，將該初級除霧影像轉至一 的色雜型_，並提高該初級雜影像的-Cb及—&的值，以 對該初級除_像執行職織，對增強彩度後_初級除霧影像 中RGB各通道的灰階直方圖(Hist〇gram)機率密度函數做權重的重 新刀配及、、.5_由直方圖均衡化(Hist〇gram Equaiizati〇n)，以提高姆 強彩度後的該初級除霧影像的亮度，而得到一最後除霧影像。曰 【實施方式】 本發明欲”-齡於大紐_理暨色彩分析之霧化影像遽 清方法，帛1 ®示出本發财法之流簡。首先，會騎影像中是 否有支霧的w響H 算其有霧影像的級數，再分析其霧化景多 像在色彩中的變化’並除去霧的影響，而有_影像色彩通常會有 不足，且去霧後的影像會有偏暗或偏色的影響，因此針對去霧的影 像增加彩度，接著再提高影像中的能見度，如此，一張有霧的影像， 就能透過本發明方法達成濾清的效果。 本發明可應用在特定交通區域，例如船隻出入海港、車輛行駛 於道路、飛航官制(飛機升降落時），提升在能見度低環境下的交通 安全。此外，可應用於智慧型交通數位視訊錄影機(DVR)系統(含視 覺辨識功能)之前級處理技術，並可結合資料庫，並利用復原後的清 晰影像，便於將重要關鍵的移動物件切割出來並，以利後續視覺辨 201120814 識處理暨應用，並協助父通(海域、公路)智慧型視訊監控處理。 攝影機所擷取到的影像，不一定都是有霧的影像，本發明使用 三個判斷條件式以決定所擷取到的影像是否為有霧的影像，方法流 程如第2圖所示。 1.1分析影像環境亮度 首先’針對第2圖中所提出條件^Condition i)分析影像的亮度 以區別所擷取的影像環境亮度是否為義環境^祕的環境所生成 的影像，其影像平均亮度不會太暗，也*會太亮，透齡析的方式， 其霧化影像的平均亮度灰階值是大都介於1〇〇〜2〇〇之間，而直方圖 (Histogram)的變化也都是介於63〜191之間。因此，透過此分析，將 霧化影像的平均亮度定義—個麵，以做為區別出雜存在的 条^之，在影像中可透過直方圖(Histogram)觀察出灰階亮度由暗 的^佈情況，其影像的平均亮度若低於31則可稱之為暗部若 旦/象的平均党度大於223則可稱之為亮部且透過分析可得知霧化 =像的平均亮度是介於觸到200之間，因此判斷條件丨：是透過 2像的平岣亮度，分析出所擷取的影像中，是否存在著霧化的影像， 其判斷流裎如第3圖所示。 U刀析索貝爾(Sobel)影像的邊緣數量
15 201120814 索貝爾(Sobel)運算子主要用來檢測影像的邊緣，它運用了偏導 數運异原理，對整張影像處理以建立出梯度(Gradient)影像(亦即處理 Μ影像X稱為邊緣影像)。—般型索貝_(緣骑波器包含了兩個 遮罩’分別是Gx(X軸方向)和Gy(Y軸方向），負責偵測χ與γ方 向的邊緣變化情形，如第4圖所示。 針對索貝爾(Sobel)影像的邊緣梯度變化來分析冑霧跟沒有霧的 影像之間的差別’祕分析索㈣(驗·像之直方_機率密度 函數’索貝爾(Sobel)影像的邊緣像素的灰階值可視為介於 250〜255，當Sobel影像的灰階值為250〜255與255的兩種像素數目 均隻问時，表示此影像是為無霧的現象，而兩種數目均變低時，表 示此影像是為有霧的現象，因此透過此分析，可判斷當灰階值介於 250〜255之間與灰階值是255的兩種像素數目均大於某個臨界值 時則為無霧，右小於某個臨界值，則為有霧，上述使用Μ。〜255 與255的兩種數目判斷主要是為了避免誤判。由於影像大小可能會 不一，所以再除以影像的大小值去做正規化處理，可以得到該索貝 爾(Sobel)影像的兩種像素數目之正規化值SL01與SL02分別為： SL01 = Sobel_light_250__to_255 _/Image_size ⑴ SL02 = Sobel_light_255 _/Image_size 门、 201120814
Magejze代表f彡像的A，卜驗Uight_25Q九扮代表灰階 值250〜255之間所累計的像素數目，s〇bdJight_255代表灰階值况 所累計的像素數目，·此⑴射㈣】及(2)式中_2是否小於 臨界值TH1來判斷霧的存在與否，躺流程如第$圖所示。 1.3分析索貝爾(Sobel)影像的平均值及標準差 霧化的環境會產生低能見度的影像，因此一張霧化的影像經常 是模糊且不清晰的，若用影像的角度來看，則是屬於平滑的影像， 而-張清晰的影像則屬於複雜的影像，因此，利用索貝爾(s〇㈣邊 緣檢測的方式來分析—張霧化影像的梯度變化，並將索關(Sobel) 處理後的影像取其平均值赫準差，可时躺衫為霧化影像。 使用一般型索貝爾(Sobel)濾波器遮罩(第4圖)計算得出經過索貝爾 (Sobel)濾波後的影像的像素平均值： n*m Σ s_Pi s —μ = - η m (3) 其中，SJM戈表整張索貝爾(S〇bel)影像的平均值，而s—pi為索 貝爾(S〇bel)影像中的每一個像素點，n*m代表影像的大小。一張有 霧的影像其索貝爾(Sobel)影像的梯度值的變化程度較為稀疏，在無 霧的環境中索貝爾(Sobel)影像的梯度值的變化程度較為突顯。
17 201120814 一般來說，標準差可當做一張影像的離均程度，標準差的值兪大 代表影像的像素值變化大，也就表示影像對比度較大；而標準差愈 小，則像素值變化程度小，對比度也相對較小。首先，先計算整張 影像的平均值，分析此平均值在有霧及無霧的影像中的變化程度， 由於平均值愈大則表示影像之平均亮度愈亮，愈小則影像較暗，透 過下式(4)可以計算得出： i5i pi 上式中’ μ代表整張影像的平均值，朽為原始影像中某一個像
…八《影像的大小。再經由此平均值#，透過下式(习可得 Σ (Ρ.· - μ)
整張影 霧的判斷條件3，如第6 _示，如果 )’則為有霧影像；否則，為無霧影像。 18 201120814 影像固判斷條件1，條件2，條件3，就可分辨出 有霧的存在。因此，判斷有霧時才執行除霧處理，若沒霧 時，則不除霧，維持原始影像的晝面。 由於在不同天候狀況下，各種不同的霧，所呈現的影像都會有 所不同張有霧的影像其經索貝爾(sobel)運算處理後的影像值(梯 度)的變化程度較為稀疏，而在無霧的影像經索貝爾(sobel)運算處理 參後的影像值(梯度)的變化程度較為突顯。本發明利用索貝爾(編） 影像平均值U和原始影像標準差σ來判斷影像中霧氣級數，其中 sj代表郷像的邊緣資訊多寡，而σ代表郷像的像素值變化程 度，流程圖如苐7圖所示。 第7圖中霧的級數判定是由下列步驟完成 步驟700 :輸入影像； 步驟702 :計算標準差(σ); 步驟7〇4 :計算索貝爾(Sobel)影像平均數(Sj[z); 步驟706 :如果s_/H、於等於Z，則LeveKx)^ ; 步驟708 .如果〇·小於等於Z，則Level⑻； 步驟 710 ·霧的級數判定 Fog_Level = FD(Level(x)s
Leve^x^)； 步驟712 :得到霧的級數。 201120814 其中，z的數值大小各別決定s^的等級Level(x)(記為
LeveKx)s』)與σ的等級Level(x)(記為Levels)，設定Z是0〜15則 決定等級為Level(7)，設定z是16〜30則決定等級為Level(6)，設定 Z是31〜45則決定等級為Level(5),設定Z是46〜60則決定等級為
Level(4)，設定Z是61〜75則決定等級為Level(3)，設定Z是76〜90 則決疋專級為Level(2)，設定z是90以上則決定等級為Level(l)， Level(x)越低’則s_//代表該影像的邊緣資訊越多，而表該影 像的像素值變化程度愈大❶FD函數是利用LeveKx)"與Level(x)ff 共同來決定原始影像的霧級數(F〇g—Level)，霧級數決定是由第8圖 來執行。圖中數字代表為霧的級數，分為7、6、5、4、3、2、1等 7級，第7級表示為霧害嚴重的影像，第1級表示為無霧或是極微 霧害的影像。霧的級數是個判斷霧氣濃淡的指標，分析霧的級數可 給使用監控影像的人員藉由攝取的影像得知此霧影響環境的程度， 並可做為後續處置的基準依據。 基本上，經由朗伯-比耳(Lambert-Beer)定律得知，當一束平行的 單色光通過含有均勻的吸光物質(氣體、固體)時，光的一部分被溶 液吸收’一部分透過溶液，一部分被吸收表面反射；簡單理解為： 被測組成物質對紫外光或可見光具有吸收，且吸收強度與物質濃度 成正比。此關係引用到光線受到空氣中含水份粒子影響而導致有霧 害的影像’也可透過此關係反應到大氣散射原理的狀態。 20 201120814 3.1霧化影像的形成 在有霧的天候情況下’空氣中瀰漫著霧微粒子的影響，使得原 本純淨的影像受到干擾’以至於攝影機所操取的影像受到大氣散射 及大氣散射光(Airtight)的影響T，將得到一個退化(degraded)的影 像，也就形成在螢幕上顯示所謂的霧化影像(f〇ggyimage)，而距離 (Distance)越遠，所接收到的影像資訊就越薄弱，對於影像中物體辨 Φ識就越不清晰，而對於影像處理就越無法得到正確的物體資訊。由 於霧微粒子的影響下’受到衰退因子的影響，及A氣散射光(Airlight) 的影響下，此退化的影像E(x)可由衰退係數及大氣散射光組成而得 到一個衰退的線性組合，如式(6): ⑹ ⑺ ⑻ E(x) = Ed(x) + Ea(x) Ed(x)=E〇〇(x)p ⑻ e-pd(x) Ea(x)=E〇〇(x)(l - e~pd(x))
Ed(x)代表經由大氣衰減後所得到的景物輕射光，也就是能見度 衰退的影像’如式(7); Ea(x)代表的大氣懸浮微粒所產生的散射光， 也就是大氣散射光’如式(8);其中Eo<x)表示大氣散射環境下的大 氣光亮度，〆X)表示一個影像的正規化輻射度，也就是景點的反射 係數，為代表大氣衰退係數，d(x)表示攝影機至物體的距離，而一 21 201120814 張霧害的影像E(x)可經由別⑻及Ea(x)的線性組合所產生，如式⑹。 由上述可分析出，一張霧害的影像是由风大氣衰退係數）、 Εα(χ)(大氣光免度)及d(x)(距離)所產生的’因此為了將霧害的影像 還原，必需估測出此三係數，因此將衰退的線性式做反向的推導， 就可得到復原式(9)。 Εα5(χ)ρ(χ)=[Ε(χ)- E〇5(x)(1 - e-pd(x))]— /J -Pd(x) 6 (9) · 然而在一張影像的晝面中，由於無法正確得出^Εο^χ)及d(x)， 因此必需由影像中的資訊而估測出，在衰退影像中是由物體的表面 係數及大氣散射係數所建構而成的衰退模式，若結合1^^色彩模 型’可以雙色大氣散射模型(Dichromatic atmospheric scattering model) 來表示，如第9圖所示： 第9圖中的R，G，g表示三原色向量座標軸，5代表在景點 中影像的資訊是未被大氣散射所影響的單位向量資訊，而S表示在 影像範圍中，為在霧的環境下亮光所及的區域的單位向量資訊。假 设在晴朗的天候跟有霧的天候下，他們的明度有相同的光譜散射， 因此，可以將式(6)改寫為式(10): 22 201120814 - E(x)= pD+qA (1〇) 其中D和Α分別是代表δ與Α之單位向量的大小值，而ρ代表 直接發射(Directtransmission)的量也就是E»(x)p(x)e_pd(x)，q代表大氣 散射光(Airtight)的量也就是。因此，假設〇和α不 變的話，那麼就會得到大氣衰退的資訊了，也就是如式(6)所示，因 此透過RGB模型及大氣散射原理的解釋後，本發明再利用RGB的 三色度係數來當做霧化影像的能見度增強法。 3.2改良型能見度增強法 經由大氣散射原理，得知因為光和霧氣微粒子的影響’以及雙 色大氣散射模型的原理，接著，將影像分析為影像色度(Image chromaticity，簡稱 1C)、亮度色度(Light chromaticity,簡稱 LC)和物 體色度(Object chromaticity，簡稱〇〇，接著透過三色激勵值的方 式’得到RGB各通道的三種不同的色度。首先，定義影像色度係數 方面，由於一張原始影像的每個RGB各通道的像素(Pixel)值透過特 定的色彩比例而組成一個顏色的資訊，而此比例的量就稱為三色激 勵值’ RGB各通道的激勵資訊可由下式(11)之定義得出影像色度激 勵值IC(x): IC(〇(x) =-__ ου E(r)(x) -f E(g)(x) -f E(b>(x) 23 201120814 e 近似於0， (12): :(:1:中的下標⑹表示色彩通道，也就是r、G、B三色。 在大氣祕的衰退線性組合中(_，若將咖定義為〇〇,也就是 則可知出影像的亮度色度的激勵值LC(x)，如下式 LC(C)(x) =- E°°(c)(x) E«(r)(x) + E=o(g)(x) + Eco(b)(x) (12) 鲁 若把e作又设為1，可由式⑹看出，影像移除亮光的成份，則 定義出物體色度激勵值〇C(x)，如下式(13): 〇C(〇(x) B»(c)(x)p,C)(x) E»(r)(x)p(r)(x) + E»(g)(x)p(g)(x) + Eo(b)(x)p(b)(x) (13) 因此，可以將式(6)定義成另一種形式，也就是 (14) E(X) = B(x) * OC,c,(x)+F(x)*LC(c,(x) 而上式中所提及的B(X)及F(X)代表純量，而其衍生式(15)與(16) 如下所示： 24 201120814 (15) (16) B(x) = [E〇〇(r)(x)p(r)(x)+E〇〇(g)(x)p(g)(x)+E〇〇(b)(x)p(b)(x)]e pd(x) F(x) = (E»(r)(x)+E«(g)(x)+Ea3(b)(x))(l-e-pd(x)) 上述各色度之三通道激勵值相加起來的和都會等於1，也就是 (17) (18) (19) Σ IC(C) (X) = IC(r) (χ) + IC(g) (x) + IC(b) (x) = 1 Σ LC(〇 (x) = LC(r) (x) + LC(g) (x) + LC(b) (x) = 1 Σ 〇C(c) (x) - 〇C(r) (x) + 〇C(g) (x) + 〇C(b) (x) = 1 一般技術而言，欲利用上述三色激勵值的方式，改變其影像的 顏色資訊，以增強因霧害所造成能見度低迷的影像，則需先估測出 衰退係數及大氣光亮度。在制LC(e)(x)時必需估_準確的係數， 才月L經由此係數得到良好的復原效果，若估測錯誤，則j原色 φ .則反而會因LCMx)估測的數值不正確而導致畫面色彩有顏色跳動 的問題，且在有移動物的情況下，LC⑹⑻的估測必定會跟前一張晝 面不相同，因此視訊畫面顏色跳動的問題也就越明顯。 因此，本發明將F(x)*LC(c)(x) ?文良為EV Lc_也就是，讓 LC_為固定值’只估測大氣光亮度^，如此就可解決晝面顏色跳 動的問題。 25 201120814 3.3估測大氣光亮度 由於影像在霧中，能見度通常會減弱，黎於此，故提高影像中 的壳度以儘量降低霧化的影響而達到復原的目的，因此利用亮度色 度(LC)的激勵值’求得大氣光亮度，也就是估測每個像素所能得到 的能見度的值E’(cLmax，如下式(2〇)所示： E(c>_max — E(e} / LC(c) (20)
上式中的下標⑹表示色彩通道，也就是R、G、B三色彩通道， 因此，在能見度提尚的狀況下，也能將色彩資訊提高。 大軋光強度的強度越強，影像色彩的亮度對比度就越明顯，在 此本發明採用色調、飽和度、亮度(Hue、Saturation and Intensity， 色彩模型中的I值來做為影像的亮度強度，採用1值的原因是由於 得到的資訊為也就是R、G、B三色平均的數據，如下式(21)所示， 近似於大氣光強度的強度資訊’而將此強度轉換成]E，(i)_max，也就是 所需要能見度的強度資訊： I » f
E
F +E +P L(r)_max b(g)_max T^dmax 26 (21) 201120814 由於每個像素值的能見度的強度資訊’並沒有那麼強烈，因此 - 本發明再將此估測強度資訊給定一個臨界值，如下式(22)所示， Image一avg表示影像中所有像素之平均值，也就是： (22) E(l) _ threshold = (255 + Im age _ avg) 並依據下列規則式(23)以決定最後的e，⑴:
If(E(丨)_max > E⑴— threshold)
» I Ε(ι) = E⑴ threshold
Else (23) 3·4估測衰退係數
由於衰退係數是影響霧化影像最重要的舰，必需得糾 退的影響程度，才能透過此係數轉縣影像喊子，仙三色爲 勸值的方式估測出此係數。如前述，由於E， a虹“ （）C(rgb)為大氣光散身 的系數，與式⑽及式⑽合併後的式子相符因此可 另一個恒等式：
27 201120814 E⑴*LC⑽)⑻ Ε·°(〇(χ) =[(E〇 ⑴(x)+E〇⑷(x)+E»(b)(x))(l - e_Pd(X))]^^Ti^(x) + E«⑻(χ) (24) 若將上式之E°°(r)+ E°°(g)+ E°°(b)移除’利用估測出的E’(i)， 則可得到式(25)
I E(i)*LC,〇(x) = (l-e'pd(x))*E〇〇(c)(x)
(25) 再將式(25)做下列推導，财得到衰退係數e-刚： E⑴ * (j^C⑴(X) + LC(g)(x) + 3 ) = (1 〜e_pd⑷）*E〇〇(c)(x) E⑴ *^LC<r)(x) + LC(g)(x) + LC(b)(x) 3 ^ ^ Ε«>(〇(χ) _ E〇,(〇(x) * e'pd(x)
e’、UE’⑴七㈣ + 二⑷ 3*Ε«(〇(χ) ^〕 由於 Σ LC(c) (x) = LC(〇 ⑷ + LC(g) (x) + Lc e-3d(x) (b)W ，因此，可得到衰退係數 ’如下式(26)所示： 28 (26)201120814
E 3*Ec〇(〇(x)^ ePd ⑴= 而 增強系數 e~Pd(x) ’故由上述的式子得知，可由衰退係數反推導出
Q • 3.4改良影像復原式 ! 計算出後’就可進行影像駐作，首先，分析毋 利用色度知識所得出的受影像的式子，再將式〇4)做反轉換的方' 式’就可求得影像復原式： (27) E(rest〇re)(X) =[E(X) - F(X)*LC(C)(X)]*e⑽X) 而前述有提及由於LC(c)是針對輸三原色個別去處理，若是處 理單張影像，此綠是可行的，但若魏影像，财 色不穩定的問題’譬如時而晝面偏紅，時而晝面偏藍，因此，本發 明將LCtc)改良為LC(.igb): 201120814 如此將R、G、B三色激勵值取其平均數，就可解決顏色跳動的 問題。也就是將影像復原式改良為： E(rest〇re)(x) =[E(x) - E；I)*LC(rgb)(x)]*epd(x) (29) 3.5增強影像彩度及亮度 雖然式(2 9)已可進行影像復原處理’但其結果影像會有彩度降低 的現象，令影像的顏色顯得不鮮豔，使得去霧後的影像產生色彩飽 和度不足的情況。因為本文將增強後的影像轉至Ycbcr的色彩模型 空間’加強其Cb及Cr的值，由於加強50%影像會過於鮮豔，使得 色形會產生色調偏差的現象，因此，本發明將式(29)復原後的影像 轉至YCbCr的色彩模型空間，加強其Cb及Cr的值，對有霧的影像 則增加k%來提高彩度的缝(k太小卿度^足，k太大卿度過盤 而導致色調偏差）。 ^ 另一方面’經由式(29)進行影像復原處理後之結果影像也會有亮 度降低的現象’因此’本發明將使用—種改良式的直方圖均衡化的 it提高復縣果雜的亮度。首先，像腦各齡離成灰 二、像’再料各财的灰_直方目鮮密度 始亮度機率分布隨權重的重新分配’分配方式如式⑽所;像原 (30) 201120814
ΤΗ if P(k)>TH
Pn(k) = <j(P(k)/TH)r*TH ifO<P(k)<TH 〇 if P(k)<0 上述TH為一個臨界值’將各通道中直方圖的機率密度函數 做調整，如第10圖。上式(30)中之Pn(k)為重新調配的機率密度函 數，r為調整密度函數的值’r介於〇〜1之間，Γ的求法如式(31)所示： jl.〇-((S一μ+σ)/ιη) if (8_μ+σ)>πι (31) 1 〇 if (8_μ+σ)<ιη 上式(31)中之Sj是Sobel影像平均值，σ是原始影像的標準 差’ m為所設定的臨界值。 依上述將影像原始壳度機率分布圖做權重的重新分配(第⑴ •)再、’、£由直方圖均衡化(Hist〇gram的方式，以提高復 原結果影像(式(29))的亮度。 以上所述僅為本發明之較佳實施例，凡依本發明申請專利範圍 所做之均等變化與修飾，㈣屬本發狀涵蓋範圍。 201120814 【圖式簡單說明】 第1圖係本發明揭露之霧化影像渡清方法之流程圖。 第2圖係本發_露之霧化影像觸之流程圖。 第3圖係本發明揭露之_亮度來觸是否存在觀 流 程圖。 ” 〇 第4圖係說明一般型索貝爾(s〇bel)濾波器遮罩。 第5圖係本發明揭露之利用索貝爾(s〇bd)邊緣影像的特性來判 斷是否存在霧化影像之流程圖。 第6圖係本發明揭露之利用索貝爾(s〇bd)影像的平均值及標準 差來判斷是否存在霧化影像之流程圖。 第7圖係本發明揭露之霧的級數判斷流程圖。 第8圖係本發明揭露之霧級數(F〇g_Level)決定表。 弟9圖係說明雙色大氣散射模型。 第10圖係說明機率密度調整示意圖。 【主要元件符號說明】 100-112、200-210、300-306、500-506、600-606、700-712 步驟 32
Claims (1)
- 201120814 七、申請專利範圍： 1. 一種判斷輸入影像是否為霧化影像之方法，包含： 判斷一輸入影像的一平均亮度灰階值； 當該輪入影像的該平均亮度灰階值介於一第一影像平均亮度和 一第二影像平均亮度之間時，對該輸入影像進行一索貝爾 (Sobel)影像處理’得到該輸入影像的一索貝爾影像； • 判斷該索貝爾(S〇bel)影像的一第一正規化值和一第二正規化 值； 當該第一正規化值和該第二正規化值皆小於一第—臨界值時， 判斷該索貝爾(Sobel)影像的一平均值及一標準差；及 當该平均值及該標準差的和小於一第二臨界值時，判斷該輸入 影像為一霧化影像。 φ 2.如請求項丄所述之方法，其中對該輸入影像進行該索貝爾(s〇bd) 影像處理包含： 一索貝爾(Sobel)運算子對該輸入影像做處理得到該索貝爾 ⑽el)影像，而該索貝爾(s〇bd)運算子主要是用來檢測該 輸入影像的邊緣； 透過分析财㈣(Sobel)影像得到H階錄 灰階 值；及 對該第-灰階值和該第二灰階值做正規化處理得到該第一正規 化值和該第二正規化值。 201120814 3· 一種判斷輸入影像的霧級數之方法，包含： 判斷一輸入影像的一平均亮度灰階值； 當該輸入影像的該平均亮度灰階值介於一第一影像平均亮度和 一第二影像平均亮度之間時，對該輸入影像進行一索貝爾 (Sobel)影像處理，得到該輸入影像的一索貝爾(s〇b邙影像； 判斷該索貝爾(Sobel)影像的一第一正規化值和一第二正規化 值； '當該第-正規化值和該第二正規化值皆小於—第—臨界值時， 判斷該索貝爾(Sobel)影像的一平均值及一標準差； 當該平均值及該標準差的和小於H界該輸入 影像為一霧化影像； 當該平均值和該鮮差皆小於—魏數分級_，分別判定該 平均值的霧化水準和該標準差的霧化水準；及 用該平均_航轉树鮮細航轉去相數表以得該輸入影像的一霧級數。 ， 4.如請求項3職之方法，其帽該輸人雜進 影像處理包含·· 糸貝爾(Sobel) -索貝爾(Sobd)運算子對該輸人影像做處理得到 (S〇bel)影像，而該索貝爾(Sobel)運算子主要3 '、爾 輸入影像的邊緣； 疋用來檢測該 透過分析該索貝爾(S()bd)影像得到—第 白值和—第二灰階 34 201120814 值；及 對該第一灰階值和該第二灰階值做正規化處理得到該第一正規 化值和該第二正規化值。 5· 一種霧化影像濾清方法，包含： 利用一輸入影像的一亮度色度(Light chromaticity, LC)的一激勵 值得到一大氣光亮度； 利用該輸入影像的RGB三色的色彩激勵值得到一衰退係數； 利用該大氣光亮度和該衰退係數對該輸入影俸進行影像復原， 以得到一初級除霧影像； 將該初級除霧影像轉至一 YCbCr的色彩模型空間，並提高該初 級除霧影像的一 Cb及一 Cr的值，以對該初級除霧影像執 行增強彩度； 對增強彩度後的該初級除霧影像中RGB各通道的灰階直方圖 (Histogram)機率密度函數做權重的重新分配；及 經由一直方圖均衡化(Histogram Equalization)，以提高增強彩度 後的該初級除霧影像的亮度，而得到一最後除霧影像。 6.如請求項5所述之方法，其中對RGB各通道的灰階直方圖 (Histogram)機率密度函數做權重的重新分配，其分配方式如下 列數學式所示： 35 201120814 TH if P(k) > ΤΗ P„(k) (P(k)/TH)r *TH ifO<P(k)<TH 0 if P(k)<0 其中TH為一個臨界值，Pn(k)為重新調配的機率密度函數，『為 調整密度函數的值，r介於0〜1之間，r的求法如下列數學式所 不· if (S—μ+σ)>ιη if (S一μ+σ)<ιη 其中S_/z是索貝爾(Sobel)影像平均值，σ是原始影像的標準差， m為所設定的臨界值。 7. 如請求項5所述之方法’另包含將該輸入影像之RGB三色的三 個色彩激勵值相加後除以三以得到該亮度色度的該激勵值，以 得到顏色穩定的該初級除霉影像。 8. 如請求項5所述之方法，其中利用該大氣光亮度和該衰退係數 對該輸入影像進行影像復原，包含以該大氣光亮度和該衰退係 數代入一指數型影像對比增強的方式增強因霧氣所導致的低能 見度，再利用雙色大氣散射原理去做指數型對比度增強的處理。 八、圓式： 36
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW098141501A TWI423166B (zh) | 2009-12-04 | 2009-12-04 | 判斷輸入影像是否為霧化影像之方法、判斷輸入影像的霧級數之方法及霧化影像濾清方法 |
| US12/793,707 US8417053B2 (en) | 2009-12-04 | 2010-06-04 | Cleaning method for foggy images |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW098141501A TWI423166B (zh) | 2009-12-04 | 2009-12-04 | 判斷輸入影像是否為霧化影像之方法、判斷輸入影像的霧級數之方法及霧化影像濾清方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW201120814A true TW201120814A (en) | 2011-06-16 |
| TWI423166B TWI423166B (zh) | 2014-01-11 |
Family
ID=44082075
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW098141501A TWI423166B (zh) | 2009-12-04 | 2009-12-04 | 判斷輸入影像是否為霧化影像之方法、判斷輸入影像的霧級數之方法及霧化影像濾清方法 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US8417053B2 (zh) |
| TW (1) | TWI423166B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI489416B (zh) * | 2013-03-06 | 2015-06-21 | Novatek Microelectronics Corp | 影像還原方法 |
| TWI501194B (zh) * | 2014-08-15 | 2015-09-21 | Univ Nat Taipei Technology | 基於費雪線性判別的雙暗通道先驗的影像能見度修復方法及其影像處理裝置 |
| CN104952045A (zh) * | 2014-03-27 | 2015-09-30 | 韩华泰科株式会社 | 除雾***和除雾方法 |
| TWI509567B (zh) * | 2014-09-02 | 2015-11-21 | Univ Nat Taipei Technology | 影像能見度修復的方法及其影像處理裝置 |
| TWI514323B (zh) * | 2014-09-04 | 2015-12-21 | Univ Nat Taipei Technology | 基於混合暗通道先驗的影像除霧方法及其系統 |
| CN106127693A (zh) * | 2015-05-08 | 2016-11-16 | 韩华泰科株式会社 | 除雾***和除雾方法 |
| TWI767985B (zh) * | 2017-02-07 | 2022-06-21 | 荷蘭商皇家飛利浦有限公司 | 用於處理影像性質圖的方法及裝置 |
| US11528435B2 (en) | 2020-12-25 | 2022-12-13 | Industrial Technology Research Institute | Image dehazing method and image dehazing apparatus using the same |
| US11788972B2 (en) | 2021-04-29 | 2023-10-17 | Industrial Technology Research Institute | Method of automatically setting optical parameters and automated optical inspection system using the same |
Families Citing this family (50)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012049845A1 (ja) * | 2010-10-12 | 2012-04-19 | パナソニック株式会社 | 色信号処理装置 |
| DE102011017649B3 (de) * | 2011-04-28 | 2012-10-11 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Erkennung einer Intensität eines Aerosols in einem Sichtfeld einer Kamera eines Fahrzeugs |
| JP2012243049A (ja) * | 2011-05-19 | 2012-12-10 | Fuji Heavy Ind Ltd | 環境認識装置および環境認識方法 |
| KR101568971B1 (ko) * | 2011-08-03 | 2015-11-13 | 인디안 인스티튜트 오브 테크놀로지, 카라그푸르 | 화상 및 동영상에서 안개를 제거하는 방법 및 시스템 |
| KR101341243B1 (ko) * | 2012-04-04 | 2013-12-12 | (주) 넥스트칩 | 기상 현상으로 인해 훼손된 영상을 복원하는 장치 및 방법 |
| KR101582479B1 (ko) * | 2012-05-15 | 2016-01-19 | 에스케이 텔레콤주식회사 | 동영상에 포함된 헤이즈 제거를 위한 영상 처리 장치 및 그 방법 |
| US9111362B2 (en) * | 2012-08-22 | 2015-08-18 | Sony Corporation | Method, system and apparatus for applying histogram equalization to an image |
| EP2922019B1 (en) * | 2012-11-13 | 2021-03-10 | Nec Corporation | Image processing device, image processing method, and program |
| CN103279928B (zh) * | 2013-05-23 | 2016-06-01 | 北京汉邦高科数字技术股份有限公司 | 一种基于大气散射模型的图像增强方法 |
| KR101470831B1 (ko) * | 2013-05-28 | 2014-12-10 | 전남대학교산학협력단 | 사용자 제어가 가능한 거듭제곱근 연산자를 이용한 안개영상 개선 장치 |
| CN105408721B (zh) * | 2013-06-27 | 2020-01-10 | 科磊股份有限公司 | 计量学目标的极化测量及对应的目标设计 |
| CN104331703A (zh) * | 2013-07-22 | 2015-02-04 | 博世汽车部件(苏州)有限公司 | 监测车辆行驶状态的方法及实现该方法的汽车导航设备 |
| CN104346774B (zh) * | 2013-07-29 | 2018-04-03 | 诺基亚技术有限公司 | 用于图像增强的方法和装置 |
| JP5906224B2 (ja) * | 2013-09-27 | 2016-04-20 | 富士重工業株式会社 | 車外環境認識装置 |
| CN103761134A (zh) * | 2014-01-28 | 2014-04-30 | 华为技术有限公司 | 一种处理图片的方法及电子设备 |
| CN106462947B (zh) * | 2014-06-12 | 2019-10-18 | Eizo株式会社 | 除雾装置及图像生成方法 |
| CN104008535B (zh) * | 2014-06-16 | 2017-05-03 | 北方工业大学 | 基于CbCr角度归一化直方图的图像增强方法及*** |
| CN105989371B (zh) * | 2015-03-03 | 2019-08-23 | 香港中文大学深圳研究院 | 一种核磁共振影像的灰度标准化方法和装置 |
| CN105184746B (zh) * | 2015-08-26 | 2018-04-17 | 中国科学院上海高等研究院 | 基于直方图均衡的彩色图像增强处理方法 |
| KR102461144B1 (ko) | 2015-10-16 | 2022-10-31 | 삼성전자주식회사 | 영상 연무 제거 장치 |
| CN106408520B (zh) * | 2015-12-27 | 2019-05-14 | 华南理工大学 | 一种高颜色保真度的图像去雾方法 |
| CN105701783B (zh) * | 2016-01-14 | 2018-08-07 | 浙江大学 | 一种基于环境光模型的单幅图像去雾方法及装置 |
| TWI591583B (zh) * | 2016-04-13 | 2017-07-11 | 瑞昱半導體股份有限公司 | 影像對比增強方法及其裝置 |
| US10007854B2 (en) * | 2016-07-07 | 2018-06-26 | Ants Technology (Hk) Limited | Computer vision based driver assistance devices, systems, methods and associated computer executable code |
| CN107180439B (zh) * | 2016-07-15 | 2020-02-04 | 重庆大学 | 一种基于Lab色度空间的色偏特征提取和色偏检测方法 |
| CN106404720B (zh) * | 2016-08-24 | 2019-02-26 | 中国气象科学研究院 | 一种能见度观测方法 |
| US10176557B2 (en) * | 2016-09-07 | 2019-01-08 | The Boeing Company | Apparatus, system, and method for enhancing image video data |
| US10269098B2 (en) * | 2016-11-01 | 2019-04-23 | Chun Ming Tsang | Systems and methods for removing haze in digital photos |
| CN108122217B (zh) * | 2016-11-30 | 2021-07-20 | 北京航天计量测试技术研究所 | 一种自适应场景的实时红外图像增强方法 |
| CN108230288B (zh) * | 2016-12-21 | 2020-06-16 | 杭州海康威视数字技术股份有限公司 | 一种确定雾性状况的方法和装置 |
| CN107248146B (zh) * | 2017-05-22 | 2020-09-11 | 哈尔滨工程大学 | 一种uuv近海面可见光图像去雾方法 |
| US10549853B2 (en) | 2017-05-26 | 2020-02-04 | The Boeing Company | Apparatus, system, and method for determining an object's location in image video data |
| US10789682B2 (en) * | 2017-06-16 | 2020-09-29 | The Boeing Company | Apparatus, system, and method for enhancing an image |
| CN107317968B (zh) * | 2017-07-27 | 2020-01-10 | Oppo广东移动通信有限公司 | 图像去雾方法、装置、计算机可存储介质和移动终端 |
| CN108230257A (zh) * | 2017-11-15 | 2018-06-29 | 北京市商汤科技开发有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| TWI724375B (zh) * | 2018-02-23 | 2021-04-11 | 富智捷股份有限公司 | 圖像去霧霾方法、電子設備及電腦可讀取記錄媒體 |
| JP6595649B2 (ja) * | 2018-03-22 | 2019-10-23 | 上銀科技股▲分▼有限公司 | 画像処理方法 |
| TWI673685B (zh) * | 2018-06-14 | 2019-10-01 | 元智大學 | 電子影像除霧系統及其方法 |
| CN110784624B (zh) * | 2018-07-27 | 2021-08-31 | 浙江宇视科技有限公司 | 除雾控制方法及装置 |
| CN109448397B (zh) * | 2018-11-20 | 2020-11-13 | 山东交通学院 | 一种基于大数据的团雾监测方法 |
| CN109754372B (zh) * | 2018-12-03 | 2020-12-08 | 浙江大华技术股份有限公司 | 一种图像去雾处理方法及装置 |
| CN109658359B (zh) * | 2018-12-26 | 2023-06-13 | 联创汽车电子有限公司 | 大气悬浮物检测***及其检测方法 |
| CN109886920A (zh) * | 2019-01-16 | 2019-06-14 | 安徽谛听信息科技有限公司 | 一种雾天分级方法、雾天分级*** |
| JP7227785B2 (ja) * | 2019-02-18 | 2023-02-22 | キヤノン株式会社 | 画像処理装置、画像処理方法およびコンピュータプログラム |
| CN109961412A (zh) * | 2019-03-18 | 2019-07-02 | 浙江大华技术股份有限公司 | 一种视频帧图像去雾方法及设备 |
| CN111738939B (zh) * | 2020-06-02 | 2022-02-15 | 大连理工大学 | 一种基于半训练生成器的复杂场景图像去雾方法 |
| CN111951194B (zh) * | 2020-08-26 | 2024-02-02 | 重庆紫光华山智安科技有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
| KR102439149B1 (ko) | 2021-03-04 | 2022-08-31 | 동아대학교 산학협력단 | 흐릿함 정도 평가기 및 이를 이용한 안개 밀도 추정 방법 |
| CN113129273B (zh) * | 2021-03-30 | 2023-04-07 | 武汉伏佳安达电气技术有限公司 | 一种输电线路雾天自动巡视方法及*** |
| CN116573366B (zh) * | 2023-07-07 | 2023-11-21 | 江西小马机器人有限公司 | 基于视觉的皮带跑偏检测方法、***、设备及存储介质 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3809298B2 (ja) * | 1998-05-26 | 2006-08-16 | キヤノン株式会社 | 画像処理方法、装置および記録媒体 |
| KR20040040699A (ko) * | 2002-11-07 | 2004-05-13 | 삼성전자주식회사 | 콘트라스트 보정 장치 및 방법 |
| US7724949B2 (en) * | 2004-06-10 | 2010-05-25 | Qualcomm Incorporated | Advanced chroma enhancement |
| KR101321396B1 (ko) * | 2007-07-20 | 2013-10-25 | 삼성전자주식회사 | 영상의 색 향상 장치 및 이를 이용한 영상의 색 향상 방법. |
| US8396324B2 (en) * | 2008-08-18 | 2013-03-12 | Samsung Techwin Co., Ltd. | Image processing method and apparatus for correcting distortion caused by air particles as in fog |
-
2009
- 2009-12-04 TW TW098141501A patent/TWI423166B/zh active
-
2010
- 2010-06-04 US US12/793,707 patent/US8417053B2/en active Active
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI489416B (zh) * | 2013-03-06 | 2015-06-21 | Novatek Microelectronics Corp | 影像還原方法 |
| CN104952045A (zh) * | 2014-03-27 | 2015-09-30 | 韩华泰科株式会社 | 除雾***和除雾方法 |
| CN104952045B (zh) * | 2014-03-27 | 2019-09-13 | 韩华泰科株式会社 | 除雾***和除雾方法 |
| TWI501194B (zh) * | 2014-08-15 | 2015-09-21 | Univ Nat Taipei Technology | 基於費雪線性判別的雙暗通道先驗的影像能見度修復方法及其影像處理裝置 |
| TWI509567B (zh) * | 2014-09-02 | 2015-11-21 | Univ Nat Taipei Technology | 影像能見度修復的方法及其影像處理裝置 |
| TWI514323B (zh) * | 2014-09-04 | 2015-12-21 | Univ Nat Taipei Technology | 基於混合暗通道先驗的影像除霧方法及其系統 |
| CN106127693A (zh) * | 2015-05-08 | 2016-11-16 | 韩华泰科株式会社 | 除雾***和除雾方法 |
| CN106127693B (zh) * | 2015-05-08 | 2021-09-14 | 韩华泰科株式会社 | 除雾***和除雾方法 |
| TWI767985B (zh) * | 2017-02-07 | 2022-06-21 | 荷蘭商皇家飛利浦有限公司 | 用於處理影像性質圖的方法及裝置 |
| US11528435B2 (en) | 2020-12-25 | 2022-12-13 | Industrial Technology Research Institute | Image dehazing method and image dehazing apparatus using the same |
| TWI808406B (zh) * | 2020-12-25 | 2023-07-11 | 財團法人工業技術研究院 | 圖像去霧方法和使用圖像去霧方法的圖像去霧設備 |
| US11788972B2 (en) | 2021-04-29 | 2023-10-17 | Industrial Technology Research Institute | Method of automatically setting optical parameters and automated optical inspection system using the same |
Also Published As
| Publication number | Publication date |
|---|---|
| US8417053B2 (en) | 2013-04-09 |
| US20110135200A1 (en) | 2011-06-09 |
| TWI423166B (zh) | 2014-01-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI423166B (zh) | 判斷輸入影像是否為霧化影像之方法、判斷輸入影像的霧級數之方法及霧化影像濾清方法 | |
| US9418402B2 (en) | System for improving foggy luminance image using fog reduction estimation model | |
| Hautière et al. | Mitigation of visibility loss for advanced camera-based driver assistance | |
| CN103914813B (zh) | 彩色雾霾图像去雾与光照补偿的复原方法 | |
| WO2017028587A1 (zh) | 车辆监控的方法和装置、处理器、图像采集设备 | |
| US9811746B2 (en) | Method and system for detecting traffic lights | |
| US20150086077A1 (en) | System and method of alerting a driver that visual perception of pedestrian may be difficult | |
| US20150287170A1 (en) | Apparatus for improving fogged image using user-controllable root operator | |
| CN105701783B (zh) | 一种基于环境光模型的单幅图像去雾方法及装置 | |
| CN104766071B (zh) | 一种应用于无人驾驶汽车的交通灯快速检测算法 | |
| CN107301624A (zh) | 基于区域划分及浓雾预处理的卷积神经网络去雾算法 | |
| CN107424133A (zh) | 图像去雾方法、装置、计算机可存储介质和移动终端 | |
| CN103903230A (zh) | 一种视频图像海雾去除清晰化方法 | |
| CN107451966A (zh) | 一种采用灰度图引导滤波实现的实时视频去雾方法 | |
| CN106530281A (zh) | 基于边缘特征的无人机图像模糊判断方法及*** | |
| CN104021527B (zh) | 一种图像中雨雪的去除方法 | |
| KR101788660B1 (ko) | 단일 영상 내의 안개 제거 장치 및 방법 | |
| CN103021179A (zh) | 基于实时监控视频中的安全带检测方法 | |
| CN114596329A (zh) | 一种气体图像增强及气体泄露检测方法和*** | |
| CN116524196A (zh) | 一种基于图像识别技术的输电线智能检测*** | |
| Miclea et al. | Visibility detection in foggy environment | |
| CN114708532A (zh) | 一种监控视频质量评估方法、***及存储介质 | |
| CN105631825B (zh) | 基于滚动导向的图像去雾方法 | |
| CN109389132A (zh) | 一种基于图像的雾浓度检测预警方法及*** | |
| Pal et al. | Visibility enhancement techniques for fog degraded images: a comparative analysis with performance evaluation |