CN102968760B - 图像去雾方法和系统 - Google Patents
图像去雾方法和系统 Download PDFInfo
- Publication number
- CN102968760B CN102968760B CN201110269580.0A CN201110269580A CN102968760B CN 102968760 B CN102968760 B CN 102968760B CN 201110269580 A CN201110269580 A CN 201110269580A CN 102968760 B CN102968760 B CN 102968760B
- Authority
- CN
- China
- Prior art keywords
- image
- mist
- passage
- mist image
- pixel
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 239000003595 mist Substances 0.000 claims abstract description 284
- 238000003379 elimination reaction Methods 0.000 claims abstract description 62
- 230000008030 elimination Effects 0.000 claims abstract description 53
- 230000005540 biological transmission Effects 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000001914 filtration Methods 0.000 claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims description 33
- 230000008859 change Effects 0.000 claims description 10
- 230000008901 benefit Effects 0.000 claims description 9
- 239000000203 mixture Substances 0.000 claims description 9
- 230000001131 transforming effect Effects 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 14
- 238000002835 absorbance Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G06T5/73—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- 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
Abstract
公开了一种图像去雾方法和系统。该方法包括:获取与有雾图像中的每个像素相对应的最小强度值组成有雾图像的局部最小强度图像,并选择局部最小强度图像中预定大小的最亮区域在有雾图像中所覆盖区域中的所有像素分别在R通道、G通道、及B通道的强度值中的最大值作为有雾图像的大气光值分别在R通道、G通道、及B通道的分量值;通过利用有雾图像的大气光值对有雾图像进行变换来获取有雾图像的变换图像;通过对有雾图像的变换图像进行边缘保留滤波处理来获取有雾图像的透射图;及利用有雾图像的透射图和大气光值、以及有雾图像中的每个像素的R通道、G通道、及B通道的强度值,获取去雾图像中的每个像素的R通道、G通道、及B通道的强度值。
Description
技术领域
本发明涉及图像处理领域,更具体地涉及一种图像去雾方法和系统。
背景技术
在天气情况较差的情况下,图像的清晰度和色彩常常会被大气中的雾气劣化。在这种天气中捕捉到的图像和视频的质量一般需要通过去雾处理进行改善。去除图像中的雾气效果的过程被称为图像去雾。
当前存在很多图像去雾方法,其中基于暗原色先验的图像去雾方法效果最好。暗原色先验是通过对户外无雾图像数据库进行统计得出的,即,绝大多数的户外无雾图像的每个局部区域中都存在这样的像素,该像素的至少一个颜色通道的强度值很低。利用暗原色先验建立的去雾模型可直接估算雾气的浓度并可将有雾图像复原为高质量的去除雾气干扰后的图像(简称为去雾图像)。
在基于暗原色先验的图像去雾方法中,通过利用输入的有雾图像的强度值I、大气光值A、和透射图t,根据有雾图像模型I=Jt+A(1-t)来求解出得出去雾图像的强度值J。
目前,存在两种基于暗原色先验的图像去雾方法:1)基于暗原色先验获取用于对有雾图像进行去雾处理的透射图,通过软抠图插值处理来优化该透射图,并且利用优化后的透射图来求解得出去雾图像的强度值。该方法的问题在于,软抠图插值处理需要花费太多时间,导致需要耗费很长的计算时间才能完成图像去雾处理。2)通过使用中值滤波器对输入图像中每个像素的R、G、B分量的最小值进行滤波来得出用于对输入图像进行去雾处理的大气光值和透射图,然后利用该大气光值和透射图来求解得出去雾图像的强度值。该方法的问题在于,现有的中值滤波器不足以得到效果足够好的去雾图像。
发明内容
鉴于以上所述的问题,本发明提供了一种图像去雾方法和系统。
根据本发明实施例的图像去雾方法包括:获取与有雾图像中的每个像素相对应的最小强度值,利用这些最小强度值组成有雾图像的局部最小强度图像,并选择局部最小强度图像中预定大小的最亮区域在有雾图像中所覆盖区域中的所有像素分别在R通道、G通道、以及B通道的强度值中的最大值作为有雾图像的大气光值分别在R通道、G通道、以及B通道的分量值;通过利用有雾图像的大气光值对有雾图像进行变换来获取有雾图像的变换图像;通过对有雾图像的变换图像进行边缘保留滤波处理来获取有雾图像的透射图;以及利用有雾图像的透射图和大气光值、以及有雾图像中的每个像素的R通道、G通道、以及B通道的强度值,获取去雾图像中的每个像素的R通道、G通道、以及B通道的强度值。
根据本发明实施例的图像去雾系统包括:大气光值获取单元,用于获取与有雾图像中的每个像素相对应的最小强度值,利用这些最小强度值组成有雾图像的局部最小强度图像,并选择局部最小强度图像中预定大小的最亮区域在有雾图像中所覆盖区域中的所有像素分别在R通道、G通道、以及B通道的强度值中的最大值作为有雾图像的大气光值分别在R通道、G通道、以及B通道的分量值;有雾图像变换单元,用于通过利用有雾图像的大气光值对有雾图像进行变换来获取有雾图像的变换图像;透射图获取单元,用于通过对有雾图像的变换图像进行边缘保留滤波处理来获取有雾图像的透射图;以及去雾图像获取单元,用于利用有雾图像的透射图和大气光值、以及有雾图像中的每个像素的R通道、G通道、以及B通道的强度值,获取去雾图像中的每个像素的R通道、G通道、以及B通道的强度值。
对比基于暗原色先验和软抠图的图像去雾方法,本发明在保留良好的去雾效果的同时,极大降低了计算复杂度,从而极大减少了去雾处理的时间。对比基于中值滤波器的图像去雾方法,本发明提供了更高的去雾图像质量,同时在去雾处理的时间上也略有降低。
附图说明
从下面结合附图对本发明的具体实施方式的描述中可以更好地理解本发明,其中:
图1示出了传统的基于暗原色先验的图像去雾方法的简要流程图;
图2示出了传统的WLS滤波器构建矩阵B的过程;
图3示出了快速WLS滤波器构建矩阵B′和B的过程;
图4示出了根据本发明实施例的基于暗原色先验的图像去雾方法的简要流程图;以及
图5示出了根据本发明实施例的基于暗原色先验的图像去雾系统的简要框图。
具体实施方式
下面将详细描述本发明各个方面的特征和示例性实施例。下面的描述涵盖了许多具体细节,以便提供对本发明的全面理解。但是,对于本领域技术人员来说显而易见的是,本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更清楚的理解。本发明绝不限于下面所提出的任何具体配置和算法,而是在不脱离本发明的精神的前提下覆盖了相关元素、部件和算法的任何修改、替换和改进。
在计算机视觉和计算机图形领域,以下等式所描述的有雾图像模型被广泛使用:
I(x)=J(x)t(x)+A(x)(1-t(x))(1)
其中,I(x)表示观察到的有雾图像中的像素x的强度值,J(x)表示对有雾图像进行去雾处理后得到的去雾图像中的像素x的强度值,A(x)表示有雾图像的大气光值,t(x)表示有雾图像中的像素x的透射率。这里需要说明的是,有雾图像的大小与去雾图像的大小相同,并且有雾图像中的像素x与去雾图像中的像素x相对应,即它们分别处于有雾图像和去雾图像中的相同位置。
图像去雾的目的在于从有雾图像中的每个像素x的强度值I(x)恢复出去雾图像中的每个像素x的强度值J(x)。在求解去雾图像中的每个像素x的强度值J(x)之前,需要从有雾图像中的每个像素x的强度值I(x)估计得出有雾图像的大气光值A(x)和有雾图像中的每个像素的透射率t(x)。基于以上的有雾图像模型可以得出:
为了使去雾图像更亮,通常会利用以下等式对去雾图像中每个像素x的强度值J(x)进行修正:
其中,α表示用于去雾图像中的每个像素x的强度值J(x)的修正系数,其值例如为1.15。
对于有雾图像的去雾处理通常包括以下步骤(如图1所示):S102,根据有雾图像中的每个像素x的强度值I(x)估计出有雾图像中的每个像素x的大气光值A(x)(有雾图像中的所有像素的大气光值A(x)是相等的,即有雾图像中的所有像素具有同一个大气光值A,所以可以认为有雾图像具有一个大气光值A);S104,根据有雾图像中的每个像素x的强度值I(x)和大气光值A(x)推导出有雾图像中的每个像素x的透射率t(x)(即,有雾图像中的所有像素x的透射率t(x)组成了有雾图像的透射图t,可以认为步骤2是推导有雾图像的透射图t的处理);S106,根据有雾图像中的每个像素x的强度值I(x)、大气光值A(x)、以及透射图t(x)恢复出去雾图像中的每个像素x的强度值J(x)。
本发明关注对于步骤S102和步骤S104的改进。下面详细说明本发明对于步骤S102和步骤S104的改进。
估计有雾图像的大气光值A
为了估计有雾图像的大气光值A,首先需要利用局部最小值滤波器对原始的有雾图像中的每个像素x的强度值I(x)进行过滤。
具体地,利用局部最小值滤波器获取有雾图像的局部最小强度图像,即根据以下等式找出与有雾图像中的每个像素x相对应的最小强度值从而组成有雾图像的局部最小强度图像:
其中,ω(x)表示以有雾图像中的任意一个像素x为中心的局部像素块,IC(y)表示局部像素块ω(x)中的任意一个像素y的R通道、G通道、或者B通道的强度值,Imin(x)表示局部像素块ω(x)中的所有像素的所有通道的强度值中最小的一个强度值。对于靠近有雾图像边缘的像素,如果以它为中心的局部像素块ω(x)超出了有雾图像的边界,则超出的部分在上式的计算中将被忽略,即仅属于有雾图像的有效像素被用来计算局部最小强度图像。
与现有的方法中局部像素块的大小是预先设定的固定大小(15×15)不同,在本实施例中可以根据有雾图像的大小来设置局部像素块的大小。
这里,假设有雾图像的长度为R个像素,宽度为S个像素,局部像素块ω(x)的长度为r个像素,宽度为s个像素,则有
r=odd_round(R/15) (5)
s=odd_round(S/15) (6)
即,r取最接近R/15的奇数,s取最接近S/15的奇数。例如,如果有雾图像的尺寸为600×400,则局部像素块ω(x)的尺寸为41×27。
在找出与有雾图像中的每一个像素x相对应的最小强度值,并利用这些最小强度值组成与有雾图像相对应的局部最小强度图像后,找出该局部最小强度图像中0.1%的最亮区域,并且对于该最亮区域在有雾图像中所覆盖区域中的所有像素,选择这些像素的R、G、B通道的强度值的最大值作为有雾图像的大气光值A的R、G、B通道的分量值,即
其中,U表示最亮区域在有雾图像中所覆盖的区域,Ac表示有雾图像的大气光值A。
推导有雾图像的透射图t
根据有雾图像模型I(x)=J(x)t(x)+A(x)(1-t(x)),可以推导出以下等式:
并且有
有雾图像中的每个像素的透射率t(x)一般只与获取有雾图像的摄像头与有雾图像中该像素所在的对象(景物)之间的距离,即场景深度d有关。理想的边缘保留滤波器在对图像上的凸显边缘之间的区域进行过滤的同时,不会使凸显边缘变得模糊也不会使凸显边缘变得更尖锐。通常,图像上的凸显边缘之间的区域中的像素具有基本相同的场景深度,所以这个区域中的像素将具有基本相同的透射率。即,可以得出:
其中,Fedge()表示边缘保留滤波函数。
根据暗原色先验,可以得到:
所以,可以根据以下等式来得到有雾图像中的每个像素的透射率:
为了在整体场景深度比较大的有雾图像中保留少量雾气效果,在以上等式中引入一个常系数w(0<w≤1),则有
这里,假设w=0.85。
在根据本发明实施例的基于暗原色先验的图像去雾方法中,提出使用加权最小二乘(WLS)滤波器来进行边缘保留滤波处理。在推导出t(x)之后,必须将其调整到[0.1,1.0]的范围内。
传统WLS滤波器
传统WLS滤波器使用以下线性系统对输入图像进行滤波处理,从而获得经过滤波处理的输出图像:
Bu=g (14)
其中,
其中,g表示输入图像,u表示输出图像,L=ln(g)。i和j表示矩阵中的按照从左到右、从上到下的顺序从0开始逐1递增地标记的元素的标号,N4(i)表示位于矩阵中元素(或像素)i的上侧、下侧、左侧、和右侧的四个相邻元素。α和λ是两个参数。α用于确定g的梯度,λ用于控制平滑处理的程度。ε是一个非常小的常数,通常为0.0001。
构建矩阵B的过程在图2中示出。这里假设,矩阵L包括m(行)×n(列)个元素,则矩阵B包括(m×n)×(m×n)个元素。因为对于矩阵B中的任意一个元素Bi,j,需要考虑矩阵L中的元素Li及位于元素Li的上、下、左、右侧的4个相邻元素才能得出该元素Bi.j(即,需要考虑输入图像中的像素Pi及像素Pi的上、下、左、右侧的4个相邻像素),所以矩阵B只在5条对角线上具有非零元素。矩阵B中主对角线上的元素取值是固定的,以使得矩阵B中每一行元素的算术和为1。显然,矩阵B是对称稀疏矩阵。
如果使用乔里斯基(Cholesky)分解方法,则求解线性系统Bu=g所需的时间复杂度为O((m*n)2)。
快速WLS滤波器
快速WLS滤波器通过求解以下两个线性系统对输入图像进行滤波处理,从而获得经过滤波处理的输出图像:
B′u′=g (16)
BuT=u′T (17)
其中,
其中,g表示输入图像,u表示输出图像,L=ln(g)。i和j表示矩阵L(或者输入图像)中的按照从左到右、从上到下的顺序从0开始逐1递增地标记的元素(或者像素)的标号,
表示位于矩阵L(或者输入图像)中元素(或像素)i的上侧和下侧的两个相邻元素(或像素)。α和λ是两个参数。α取1.0,λ取3.0。α取1.0表示输出图像对于输入图像的梯度不太敏感,只有输入图像中发生很大的梯度变化才会引起输出图像中的梯度变化。λ取3.0表示输出图像非常平滑。
构建矩阵B′和B的过程在图3中示出。由于只考虑元素i及其上侧和下侧的两个元素,所以矩阵B′和B只有三条对角线上具有非零元素。
相对于传统的WLS滤波器,更容易求解三对角线性系统。例如,LDLT分解方法可以使用,其时间复杂度为O(m*n)。显然,快速WLS滤波器的效率相对于传统WLS滤波器的效率有了很大提高。
图4示出了根据本发明实施例的基于暗原色先验的图像去雾方法的简要流程图。图5示出了根据本发明实施例的基于暗原色先验的图像去雾系统的简要框图。下面结合图4和图5,详细描述根据本发明实施例的图像去雾方法和图像去雾系统。
如图5所示,根据本发明实施例的图像去雾系统包括大气光值获取单元502、有雾图像变换单元504、透射图获取单元506、以及去雾图像获取单元508,它们的功能如下:
大气光值获取单元502用于获取与有雾图像中的每个像素相对应的最小强度值,利用这些最小强度值组成有雾图像的局部最小强度图像,并选择该局部最小强度图像中预定大小的最亮区域在有雾图像中所覆盖区域中的所有像素分别在R通道、G通道、以及B通道的强度值中的最大值作为有雾图像的大气光值分别在R通道、G通道、以及B通道的分量值(即,执行步骤S402);
有雾图像变换单元504用于通过利用有雾图像的大气光值对有雾图像进行变换来获取有雾图像的变换图像(即,执行步骤S404);
透射图获取单元506用于通过对有雾图像的变换图像进行边缘保留滤波处理来获取有雾图像的透射图(即,执行步骤S406);
去雾图像获取单元508用于利用有雾图像的透射图和大气光值、以及有雾图像中的每个像素的R通道、G通道、以及B通道的强度值,获取去雾图像中的每个像素的R通道、G通道、以及B通道的强度值(即,执行步骤S408)。
下面,详细描述图5所示的图像去雾系统对有雾图像进行去雾处理从而得到去雾图像的过程。
首先,大气光值获取单元502根据有雾图像的大小来设置用于获取与有雾图像中的每个像素相对应的最小强度值的局部像素块的大小,然后利用局部最小值滤波器根据等式(4)找出以有雾图像中的每个像素x为中心的局部像素块中的所有像素的R通道、G通道、以及B通道的强度值中最小的一个强度值作为与该像素x相对应的最小强度值,并利用这些最小强度值组成有雾图像的局部最小强度图像,接着选择该局部最小强度图像中0.1%的最亮区域在有雾图像中所覆盖区域中的所有像素分别在R、G、B通道的强度值的最大值作为有雾图像的大气光值A分别在R、G、B通道的分量值。
接下来,有雾图像变换单元504根据
利用有雾图像的大气光值对有雾图像进行变换,来获取有雾图像的变换图像f。这里,有雾图像变换单元504也可以根据
来获取有雾图像的变换图像f。
然后,透射图获取单元506根据等式(12)或者(13)对有雾图像的变换图像进行边缘保留滤波处理,来获取有雾图像的透射图t。
最后,去雾图像获取单元508利用有雾图像的透射图t和大气光值A、以及有雾图像中的每个像素的R通道、G通道、和B通道的强度值,获取去雾图像中的每个像素的R通道、G通道、和B通道的强度值。
这里,大气光值获取单元502可以根据等式(5)和(6)来设置用于获取与有雾图像中的每个像素相对应的最小强度值的局部像素块的大小。透射图获取单元506可以根据等式(14)和(15)(即,利用传统的WLS滤波器)或者等式(16)至(19)(即,利用快速WLS滤波器)来对有雾图像的变换图像进行边缘保留滤波处理。
其中,在透射图获取单元508利用快速WLS滤波器器对有雾图像的变换图像进行边缘保留滤波处理的处理中,快速WLS滤波器利用有雾图像的变换图像构建两个对称的三对角稀疏矩阵,并依次利用该两个对称的三对角稀疏矩阵对有雾图像的变换图像进行滤波处理。在快速WLS构建的两个对称的三对角稀疏矩阵中,第一个对称的三对角稀疏矩阵的每个非主对角元素仅当它在有雾图像的变换图像上对应的两个像素位于垂直相邻位置时才有非零值,第二个对称的三对角稀疏矩阵的每个非主对角元素仅当它在所述有雾图像的变换图像上对应的两个像素位于水平相邻位置时才有非零值;或者第一个对称的三对角稀疏矩阵的每个非对角元素仅当它在有雾图像的变换图像上对应的两个像素位于水平相邻位置时才有非零值,第二个对称的三对角稀疏矩阵的每个非主对角元素仅当它在有雾图像的变换图像上对应的两个像素位于垂直相邻位置时才有非零值。
在透射图获取单元508利用传统的WLS滤波器器对有雾图像的变换图像进行边缘保留滤波处理的处理中,该传统的WLS滤波器利用有雾图像的变换图像构建一个对称的有五条对角线的稀疏矩阵,并利用对称的有五条对角线的稀疏矩阵对有雾图像的变换图像进行滤波处理。
以上已经参考本发明的具体实施例来描述了本发明,但是本领域技术人员均了解,可以对这些具体实施例进行各种修改、组合和变更,而不会脱离由所附权利要求或其等同物限定的本发明的精神和范围。
对比基于暗原色先验和软抠图的图像去雾方法,本发明在保留良好的去雾效果的同时,极大降低了计算复杂度,从而极大减少了去雾处理的时间。对比基于中值滤波器的图像去雾方法,本发明提供了更高的去雾图像质量,同时在去雾处理的时间上也略有降低。
根据需要可以用硬件或软件来执行步骤。注意,在不脱离本发明范围的前提下,可向本说明书中给出的流程图添加步骤、从中去除步骤或修改其中的步骤。一般来说,流程图只是用来指示用于实现功能的基本操作的一种可能的序列。
本发明的实施例可利用编程的通用数字计算机、利用专用集成电路、可编程逻辑器件、现场可编程门阵列、光的、化学的、生物的、量子的或纳米工程的系统、组件和机构来实现。一般来说,本发明的功能可由本领域已知的任何手段来实现。可以使用分布式或联网系统、组件和电路。数据的通信或传送可以是有线的、无线的或者通过任何其他手段。
还将意识到,根据特定应用的需要,附图中示出的要素中的一个或多个可以按更分离或更集成的方式来实现,或者甚至在某些情况下被去除或被停用。实现可存储在机器可读介质中的程序或代码以允许计算机执行上述任何方法,也在本发明的精神和范围之内。
此外,附图中的任何信号箭头应当被认为仅是示例性的,而不是限制性的,除非另有具体指示。当术语被预见为使分离或组合的能力不清楚时,组件或者步骤的组合也将被认为是已经记载了。
关于以上实施方式,还公开以下附记:
附记1.一种图像去雾方法,包括:
获取与有雾图像中的每个像素相对应的最小强度值,利用所述最小强度值组成所述有雾图像的局部最小强度图像,并选择所述局部最小强度图像中预定大小的最亮区域在所述有雾图像中所覆盖区域中的所有像素分别在R通道、G通道、以及B通道的强度值中的最大值作为所述有雾图像的大气光值分别在R通道、G通道、以及B通道的分量值;
通过利用所述有雾图像的大气光值对所述有雾图像进行变换来获取所述有雾图像的变换图像;
通过对所述有雾图像的变换图像进行边缘保留滤波处理来获取所述有雾图像的透射图;以及
利用所述有雾图像的透射图和大气光值、以及所述有雾图像中的每个像素的R通道、G通道、以及B通道的强度值,获取去雾图像中的每个像素的R通道、G通道、以及B通道的强度值。
附记2.根据附记1所述的图像去雾方法,其特征在于,利用加权最小二乘滤波器对所述有雾图像的变换图像进行边缘保留滤波处理。
附记3.根据附记2所述的图像去雾方法,其特征在于,所述加权最小二乘滤波器利用所述有雾图像的变换图像构建两个对称的三对角稀疏矩阵,并依次利用所述两个对称的三对角稀疏矩阵对所述有雾图像的变换图像进行滤波处理。
附记4.根据附记3所述的图像去雾方法,其特征在于,在所述两个对称的三对角稀疏矩阵中,
第一个对称的三对角稀疏矩阵的每个非主对角元素仅当它在所述有雾图像的变换图像上对应的两个像素位于垂直相邻位置时才有非零值,第二个对称的三对角稀疏矩阵的每个非主对角元素仅当它在所述有雾图像的变换图像上对应的两个像素位于水平相邻位置时才有非零值;或者
所述第一个对称的三对角稀疏矩阵的每个非对角元素仅当它在所述有雾图像的变换图像上对应的两个像素位于水平相邻位置时才有非零值,所述第二个对称的三对角稀疏矩阵的每个非主对角元素仅当它在所述有雾图像的变换图像上对应的两个像素位于垂直相邻位置时才有非零值。
附记5.根据附记2所述的图像去雾方法,其特征在于,所述加权最小二乘滤波器利用所述有雾图像的变换图像构建一个对称的有五条对角线的稀疏矩阵,并利用所述对称的有五条对角线的稀疏矩阵对所述有雾图像的变换图像进行滤波处理。
附记6.根据附记1所述的图像去雾方法,其特征在于,用于获取与所述有雾图像中的每个像素相对应的最小强度值的局部像素块的大小与所述有雾图像的大小成比例。
附记7.根据附记6所述的图像去雾方法,其特征在于,所述局部像素块的长度方向所包括的像素数目取最接近所述有雾图像的长度方向所包括的像素数目与15相除得到的商的奇数,所述局部像素块的宽度方向所包括的像素数目取最接近所述有雾图像的宽度方向所包括的像素数目与15相除得到的商的奇数。
附记8.一种图像去雾系统,包括:
大气光值获取单元,用于获取与有雾图像中的每个像素相对应的最小强度值,利用所述最小强度值组成所述有雾图像的局部最小强度图像,并选择所述局部最小强度图像中预定大小的最亮区域在所述有雾图像中所覆盖区域中的所有像素分别在R通道、G通道、以及B通道的强度值中的最大值作为所述有雾图像的大气光值分别在R通道、G通道、以及B通道的分量值;
有雾图像变换单元,用于通过利用所述有雾图像的大气光值对所述有雾图像进行变换来获取所述有雾图像的变换图像;
透射图获取单元,用于通过对所述有雾图像的变换图像进行边缘保留滤波处理来获取所述有雾图像的透射图;以及
去雾图像获取单元,用于利用所述有雾图像的透射图和大气光值、以及所述有雾图像中的每个像素的R通道、G通道、以及B通道的强度值,获取去雾图像中的每个像素的R通道、G通道、以及B通道的强度值。
附记9.根据附记8所述的图像去雾系统,其特征在于,所述透射图获取单元利用加权最小二乘滤波器对所述有雾图像的变换图像进行边缘保留滤波处理。
附记10.根据附记9所述的图像去雾系统,其特征在于,所述加权最小二乘滤波器利用所述有雾图像的变换图像构建两个对称的三对角稀疏矩阵,并依次利用所述两个对称的三对角稀疏矩阵对所述有雾图像的变换图像进行滤波处理。
附记11.根据附记10所述的图像去雾系统,其特征在于,在所述两个对称的三对角稀疏矩阵中,
第一个对称的三对角稀疏矩阵的每个非主对角元素仅当它在所述有雾图像的变换图像上对应的两个像素位于垂直相邻位置时才有非零值,第二个对称的三对角稀疏矩阵的每个非主对角元素仅当它在所述有雾图像的变换图像上对应的两个像素位于水平相邻位置时才有非零值;或者
所述第一个对称的三对角稀疏矩阵的每个非对角元素仅当它在所述有雾图像的变换图像上对应的两个像素位于水平相邻位置时才有非零值,所述第二个对称的三对角稀疏矩阵的每个非主对角元素仅当它在所述有雾图像的变换图像上对应的两个像素位于垂直相邻位置时才有非零值。
附记12.根据附记9所述的图像去雾系统,其特征在于,所述加权最小二乘滤波器利用所述有雾图像的变换图像构建一个对称的有五条对角线的稀疏矩阵,并利用所述对称的有五条对角线的稀疏矩阵对所述有雾图像的变换图像进行滤波处理。
附记13.根据附记8所述的图像去雾系统,其特征在于,所述大气光值获取单元用于获取与所述有雾图像中的每个像素相对应的最小强度值的局部像素块的大小与所述有雾图像的大小成比例。
附记14.根据附记13所述的图像去雾系统,其特征在于,所述局部像素块的长度方向所包括的像素数目取最接近所述有雾图像的长度方向所包括的像素数目与15相除得到的商的奇数,所述局部像素块的宽度方向所包括的像素数目取最接近所述有雾图像的宽度方向所包括的像素数目与15相除得到的商的奇数。
Claims (10)
1.一种图像去雾方法,包括:
获取与有雾图像中的每个像素相对应的最小强度值,利用所述最小强度值组成所述有雾图像的局部最小强度图像,并选择所述局部最小强度图像中预定大小的最亮区域在所述有雾图像中所覆盖区域中的所有像素分别在R通道、G通道、以及B通道的强度值中的最大值作为所述有雾图像的大气光值分别在R通道、G通道、以及B通道的分量值;
通过利用所述有雾图像的大气光值对所述有雾图像进行变换来获取所述有雾图像的变换图像;
通过对所述有雾图像的变换图像进行边缘保留滤波处理来获取所述有雾图像的透射图;以及
利用所述有雾图像的透射图和大气光值、以及所述有雾图像中的每个像素的R通道、G通道、以及B通道的强度值,获取去雾图像中的每个像素的R通道、G通道、以及B通道的强度值。
2.根据权利要求1所述的图像去雾方法,其特征在于,利用加权最小二乘滤波器对所述有雾图像的变换图像进行边缘保留滤波处理。
3.根据权利要求2所述的图像去雾方法,其特征在于,所述加权最小二乘滤波器利用所述有雾图像的变换图像构建两个对称的三对角稀疏矩阵,并依次利用所述两个对称的三对角稀疏矩阵对所述有雾图像的变换图像进行滤波处理。
4.根据权利要求3所述的图像去雾方法,其特征在于,在所述两个对称的三对角稀疏矩阵中,
第一个对称的三对角稀疏矩阵的每个非主对角元素仅当它在所述有雾图像的变换图像上对应的两个像素位于垂直相邻位置时才有非零值,第二个对称的三对角稀疏矩阵的每个非主对角元素仅当它在所述有雾图像的变换图像上对应的两个像素位于水平相邻位置时才有非零值;或者
所述第一个对称的三对角稀疏矩阵的每个非对角元素仅当它在所述有雾图像的变换图像上对应的两个像素位于水平相邻位置时才有非零值,所述第二个对称的三对角稀疏矩阵的每个非主对角元素仅当它在所述有雾图像的变换图像上对应的两个像素位于垂直相邻位置时才有非零值。
5.根据权利要求2所述的图像去雾方法,其特征在于,所述加权最小二乘滤波器利用所述有雾图像的变换图像构建一个对称的有五条对角线的稀疏矩阵,并利用所述对称的有五条对角线的稀疏矩阵对所述有雾图像的变换图像进行滤波处理。
6.根据权利要求1所述的图像去雾方法,其特征在于,用于获取与所述有雾图像中的每个像素相对应的最小强度值的局部像素块的大小与所述有雾图像的大小成比例。
7.根据权利要求6所述的图像去雾方法,其特征在于,所述局部像素块的长度方向所包括的像素数目取最接近所述有雾图像的长度方向所包括的像素数目与15相除得到的商的奇数,所述局部像素块的宽度方向所包括的像素数目取最接近所述有雾图像的宽度方向所包括的像素数目与15相除得到的商的奇数。
8.一种图像去雾系统,包括:
大气光值获取单元,用于获取与有雾图像中的每个像素相对应的最小强度值,利用所述最小强度值组成所述有雾图像的局部最小强度图像,并选择所述局部最小强度图像中预定大小的最亮区域在所述有雾图像中所覆盖区域中的所有像素分别在R通道、G通道、以及B通道的强度值中的最大值作为所述有雾图像的大气光值分别在R通道、G通道、以及B通道的分量值;
有雾图像变换单元,用于通过利用所述有雾图像的大气光值对所述有雾图像进行变换来获取所述有雾图像的变换图像;
透射图获取单元,用于通过对所述有雾图像的变换图像进行边缘保留滤波处理来获取所述有雾图像的透射图;以及
去雾图像获取单元,用于利用所述有雾图像的透射图和大气光值、以及所述有雾图像中的每个像素的R通道、G通道、以及B通道的强度值,获取去雾图像中的每个像素的R通道、G通道、以及B通道的强度值。
9.根据权利要求8所述的图像去雾系统,其特征在于,所述透射图获取单元利用加权最小二乘滤波器对所述有雾图像的变换图像进行边缘保留滤波处理。
10.根据权利要求9所述的图像去雾系统,其特征在于,所述加权最小二乘滤波器利用所述有雾图像的变换图像构建两个对称的三对角稀疏矩阵,并依次利用所述两个对称的三对角稀疏矩阵对所述有雾图像的变换图像进行滤波处理。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110269580.0A CN102968760B (zh) | 2011-08-30 | 2011-08-30 | 图像去雾方法和系统 |
US14/239,695 US9189830B2 (en) | 2011-08-30 | 2012-08-28 | Image defogging method and system |
PCT/CN2012/001163 WO2013029337A1 (en) | 2011-08-30 | 2012-08-28 | Image defogging method and system |
JP2014527463A JP5954418B2 (ja) | 2011-08-30 | 2012-08-28 | 画像除霧方法及びシステム |
GB1402252.9A GB2507899B (en) | 2011-08-30 | 2012-08-28 | Image defogging method and system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110269580.0A CN102968760B (zh) | 2011-08-30 | 2011-08-30 | 图像去雾方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102968760A CN102968760A (zh) | 2013-03-13 |
CN102968760B true CN102968760B (zh) | 2016-08-17 |
Family
ID=47755248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110269580.0A Active CN102968760B (zh) | 2011-08-30 | 2011-08-30 | 图像去雾方法和系统 |
Country Status (5)
Country | Link |
---|---|
US (1) | US9189830B2 (zh) |
JP (1) | JP5954418B2 (zh) |
CN (1) | CN102968760B (zh) |
GB (1) | GB2507899B (zh) |
WO (1) | WO2013029337A1 (zh) |
Families Citing this family (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9197789B2 (en) * | 2011-08-03 | 2015-11-24 | Indian Institute Of Technology, Kharagpur | Method and system for removal of fog, mist, or haze from images and videos |
CN104823216B (zh) * | 2012-11-13 | 2018-06-29 | 日本电气株式会社 | 图像处理装置、图像处理方法和程序 |
CN103179409B (zh) * | 2013-03-21 | 2015-07-22 | 深圳市创维群欣安防科技有限公司 | 视频透雾处理方法和装置 |
KR101470831B1 (ko) | 2013-05-28 | 2014-12-10 | 전남대학교산학협력단 | 사용자 제어가 가능한 거듭제곱근 연산자를 이용한 안개영상 개선 장치 |
JP6182056B2 (ja) | 2013-11-25 | 2017-08-16 | 日本システムウエア株式会社 | 画像処理装置 |
CN103778605A (zh) * | 2014-01-16 | 2014-05-07 | 天津大学 | 一种雾天图像增强方法 |
KR102182697B1 (ko) | 2014-02-27 | 2020-11-25 | 한화테크윈 주식회사 | 영상 처리 장치 및 방법 |
CN103903234B (zh) * | 2014-03-12 | 2016-08-17 | 南京第五十五所技术开发有限公司 | 一种基于图像景深的实时图像去雾方法 |
CN104091310A (zh) * | 2014-06-24 | 2014-10-08 | 三星电子(中国)研发中心 | 一种图像去雾方法和装置 |
US9305242B2 (en) * | 2014-08-15 | 2016-04-05 | National Taipei University Of Technology | Method and image processing apparatus for image visibility restoration using fisher's linear discriminant based dual dark channel prior |
US9177363B1 (en) * | 2014-09-02 | 2015-11-03 | National Taipei University Of Technology | Method and image processing apparatus for image visibility restoration |
CN104331866A (zh) * | 2014-10-29 | 2015-02-04 | 中国科学院深圳先进技术研究院 | 一种图像去雾的处理方法及装置 |
CN104346783A (zh) * | 2014-10-29 | 2015-02-11 | 中国科学院深圳先进技术研究院 | 一种图像去雾的处理方法及装置 |
US9508126B2 (en) * | 2015-02-17 | 2016-11-29 | Adobe Systems Incorporated | Image haze removal using fast constrained transmission estimation |
CN104680547B (zh) * | 2015-03-18 | 2017-12-08 | 浙江宇视科技有限公司 | 一种透雾算法判别方法和装置 |
CN104899844A (zh) * | 2015-06-30 | 2015-09-09 | 北京奇艺世纪科技有限公司 | 一种图像去雾方法及装置 |
JP6635799B2 (ja) * | 2016-01-20 | 2020-01-29 | キヤノン株式会社 | 画像処理装置、画像処理方法及びプログラム |
CN106023092B (zh) * | 2016-05-04 | 2020-12-11 | 中国农业大学 | 一种图像去雾方法及装置 |
CN105898111B (zh) * | 2016-05-06 | 2018-11-27 | 西安理工大学 | 一种基于谱聚类的视频去雾方法 |
US10140690B2 (en) * | 2017-02-03 | 2018-11-27 | Harman International Industries, Incorporated | System and method for image presentation by a vehicle driver assist module |
CN106933579A (zh) * | 2017-03-01 | 2017-07-07 | 西安电子科技大学 | 基于cpu+fpga的图像快速去雾方法 |
CN107038691A (zh) * | 2017-04-12 | 2017-08-11 | 北京爱特拉斯信息科技有限公司 | 基于云检测辅助的暗原色遥感影像去雾方法 |
CN107123101B (zh) * | 2017-05-10 | 2020-04-28 | 南京信息职业技术学院 | 一种基于平均饱和度先验的图像去雾方法 |
CN107274369B (zh) * | 2017-06-16 | 2020-06-26 | 南京信息职业技术学院 | 一种基于频域分解的单幅图像去雾加速方法 |
CN107392871B (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、移动终端及计算机可读存储介质 |
CN107481198B (zh) * | 2017-07-27 | 2020-01-10 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和计算机设备 |
CN107610058A (zh) * | 2017-08-28 | 2018-01-19 | 浙江工业大学 | 基于下采样的高分辨率图像去雾方法 |
US10752158B2 (en) * | 2018-02-07 | 2020-08-25 | Massachusetts Institute Of Technology | Methods and apparatus for imaging through fog |
CN108986049A (zh) * | 2018-07-20 | 2018-12-11 | 百度在线网络技术(北京)有限公司 | 用于处理图像的方法和装置 |
US11120534B2 (en) * | 2018-09-04 | 2021-09-14 | Richard H. Vollmerhausen | Color night vision goggle |
CN110807743B (zh) * | 2019-10-24 | 2022-02-15 | 华中科技大学 | 一种基于卷积神经网络的图像去雾方法 |
CN113129219A (zh) * | 2019-12-30 | 2021-07-16 | 比亚迪股份有限公司 | 图像处理方法、装置及设备 |
CN111754433B (zh) * | 2020-06-22 | 2024-03-05 | 哈尔滨理工大学 | 一种航拍图像去雾方法 |
CN111882496A (zh) * | 2020-07-06 | 2020-11-03 | 苏州加乘科技有限公司 | 一种基于递归神经网络的夜间图像去雾方法 |
CN112598586B (zh) * | 2020-12-11 | 2022-11-11 | 青岛海信移动通信技术股份有限公司 | 一种雾天图像显示方法及终端 |
CN112529813A (zh) * | 2020-12-18 | 2021-03-19 | 四川云从天府人工智能科技有限公司 | 图像去雾处理方法、装置及计算机存储介质 |
CN113344802A (zh) * | 2021-04-19 | 2021-09-03 | 大连海事大学 | 一种基于自适应的大气光融合的水下图像复原方法 |
CN113538267B (zh) * | 2021-07-09 | 2023-10-20 | 广东职业技术学院 | 无人机有雾影像清晰化方法、系统、计算机及存储介质 |
US11803942B2 (en) | 2021-11-19 | 2023-10-31 | Stmicroelectronics (Research & Development) Limited | Blended gray image enhancement |
CN117351426A (zh) * | 2023-10-24 | 2024-01-05 | 秦皇岛燕大滨沅科技发展有限公司 | 一种散货港口粉尘监测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101221655A (zh) * | 2007-12-17 | 2008-07-16 | 华为技术有限公司 | 一种对数字图像进行插值的方法及装置 |
CN102063706A (zh) * | 2010-12-23 | 2011-05-18 | 哈尔滨工业大学(威海) | 一种快速去雾方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4519832B2 (ja) * | 2006-12-28 | 2010-08-04 | 株式会社堀場製作所 | 欠陥検査装置 |
US8194233B2 (en) * | 2008-04-11 | 2012-06-05 | Microsoft Corporation | Method and system to reduce stray light reflection error in time-of-flight sensor arrays |
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 |
US8290294B2 (en) * | 2008-09-16 | 2012-10-16 | Microsoft Corporation | Dehazing an image using a three-dimensional reference model |
JP4807439B2 (ja) * | 2009-06-15 | 2011-11-02 | 株式会社デンソー | 霧画像復元装置及び運転支援システム |
US8340461B2 (en) * | 2010-02-01 | 2012-12-25 | Microsoft Corporation | Single image haze removal using dark channel priors |
CN101783012B (zh) * | 2010-04-06 | 2012-05-30 | 中南大学 | 一种基于暗原色的自动图像去雾方法 |
CN101908210B (zh) | 2010-08-13 | 2012-03-14 | 北京工业大学 | 彩色图像去雾处理方法和系统 |
US9197789B2 (en) * | 2011-08-03 | 2015-11-24 | Indian Institute Of Technology, Kharagpur | Method and system for removal of fog, mist, or haze from images and videos |
US8755628B2 (en) * | 2012-09-10 | 2014-06-17 | Google Inc. | Image de-hazing by solving transmission value |
-
2011
- 2011-08-30 CN CN201110269580.0A patent/CN102968760B/zh active Active
-
2012
- 2012-08-28 GB GB1402252.9A patent/GB2507899B/en not_active Expired - Fee Related
- 2012-08-28 US US14/239,695 patent/US9189830B2/en not_active Expired - Fee Related
- 2012-08-28 WO PCT/CN2012/001163 patent/WO2013029337A1/en active Application Filing
- 2012-08-28 JP JP2014527463A patent/JP5954418B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101221655A (zh) * | 2007-12-17 | 2008-07-16 | 华为技术有限公司 | 一种对数字图像进行插值的方法及装置 |
CN102063706A (zh) * | 2010-12-23 | 2011-05-18 | 哈尔滨工业大学(威海) | 一种快速去雾方法 |
Non-Patent Citations (2)
Title |
---|
自适应带钢表面缺陷图像边缘增强方法;魏玉兰等;《中国机械工程》;20100315;第21卷(第5期);第571-574页 * |
自适应带钢表面缺陷图像边缘增强方法;魏玉兰等;《中国机械工程》;20100315;第21卷(第5期);第571页左栏第2段-第571页右栏第1段 * |
Also Published As
Publication number | Publication date |
---|---|
US20140205192A1 (en) | 2014-07-24 |
GB2507899A (en) | 2014-05-14 |
JP5954418B2 (ja) | 2016-07-20 |
JP2014525617A (ja) | 2014-09-29 |
WO2013029337A1 (en) | 2013-03-07 |
GB201402252D0 (en) | 2014-03-26 |
US9189830B2 (en) | 2015-11-17 |
CN102968760A (zh) | 2013-03-13 |
GB2507899B (en) | 2018-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102968760B (zh) | 图像去雾方法和系统 | |
US8774555B2 (en) | Image defogging method and system | |
JP6945953B2 (ja) | 撮像システム及び画像処理の方法 | |
CN102063706B (zh) | 一种快速去雾方法 | |
CN104077759A (zh) | 一种基于色觉感知及全局质量因子的多曝光度图像融合方法 | |
CN103761720B (zh) | 图像去雾方法以及图像去雾装置 | |
CN103871041B (zh) | 基于认知正则化参数构建的图像超分辨率重构方法 | |
CN105205794B (zh) | 一种低照度图像的同步增强去噪方法 | |
CN103327220B (zh) | 低照度Bayer图像上以绿色通道为导向的去噪方法 | |
CN104299185A (zh) | 一种图像放大方法、图像放大装置及显示设备 | |
CN102509294B (zh) | 一种基于单幅图像的全局深度估计方法 | |
CN106952271A (zh) | 一种基于超像素分割和em/mpm处理的图像分割方法 | |
CN104021527B (zh) | 一种图像中雨雪的去除方法 | |
CN101901475A (zh) | 基于视网膜自适应模型的高动态范围图像色调映射方法 | |
CN107527329A (zh) | 一种基于暗通道先验和马尔可夫随机场的图像去雾方法 | |
CN102842116A (zh) | 图像内快速响应矩阵码的光照均衡处理方法 | |
CN103489161A (zh) | 一种灰度图像彩色化方法及装置 | |
CN103065284B (zh) | 图像数据的去雾方法及装置 | |
CN105719274A (zh) | 边缘检测系统及方法 | |
CN103778616A (zh) | 基于区域的对比度金字塔图像融合方法 | |
CN105446333A (zh) | 视觉agv导航系统 | |
CN102801984A (zh) | 彩色图像传感器及获取彩色数字图像的方法 | |
CN105989801B (zh) | Led显示方法、led显示单元阵列、显示控制装置 | |
CN104680484B (zh) | 一种图像增强的方法及装置 | |
CN107886480A (zh) | 基于v系统的图像去雾方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |