CN103617602A - 有雾图像的质量最佳化方法 - Google Patents

Abstract

一种有雾图像的质量最佳化方法，包括下列步骤：（一）输入有雾天气获得的数字图像为源图像；（二）对有雾图像进行衰减补偿，生成补偿后图像；（三）对补偿后图像进行去雾变换获得去雾后图像；（四）对去雾后图像进行快速自适应最佳化变换，得到最后的质量最佳化图像。本发明的特点是:算法简单，因而处理速度快，可有效应用于有雾视频处理领域，获得最佳化的结果图像。

Description

有雾图像的质量最佳化方法

技术领域

本发明属于数字图像处理领域，涉及一种针对在雾中获得的图像的质量最佳化方法。

背景技术

在雾天情况下，由于场景能见度降低，图像中目标的对比度和颜色特征等变差，导致室外视频系统得不到清晰可见的图像，因此需要在视频处理中消除雾气对场景图像的影响。视频是由一帧帧图像构成，在数字图像处理中，现有的去雾方法要么算法复杂，数据处理量大，而算法简单的去雾方法又得不到视觉效果好的图像，不能有效的用于视频图像的处理。

发明内容

本发明的目的是提供一种算法简单，能快速的实现去雾，得到视觉效果最佳去雾图像的自适应最佳化方法。

为达到本发明的目的，本发明提出一种有雾图像的质量最佳化方法，其关键在于包括下列步骤：

步骤1：输入图像：选择有雾环境中由成像设备获得的数字图像为源图像S=T_Dev(i,x,y)，i=0,1,2表示红、绿、蓝三分量。S为雾和被成像物体的合成图像，并经传输路径上的雾衰减后到达成像设备的图像。其中，S的大小为M（像素点）×N（像素点），x的范围为：0～(M-1）,y的范围为：0～(N-1）。

步骤2：衰减补偿(Compensating attenuation):由于源图像S=T_Dev(i,x,y)，是被成像物体的图像与被成像物体所在的物平面上的雾的图像的合成图像经传输路径上的雾衰减之后到达成像器件的图像，所以要恢复图像，首先应对衰减进行补偿，以还原成像物体所在的物平面上的雾的图像与被成像的物体的图像的合成图像，即补偿后图像E=T_Com(i,x,y)。按公知的光的衰减物理定律，由成像器件获得的图像为：

T_Dev(i,x,y)=T_Com(i,x,y)*e^-βd

因而，未被雾衰减的图像，即补偿后图像T_Com(i,x,y)为：

$T_{\mathrm{Com}}(i,x,y)=\frac{T_{\mathrm{Dev}}(i,x,y)}{e^{-\mathrm{\βd}}}$

式中，β为成像光线传输途径上的雾对成像光线的衰减（吸收）系数，在0～0.01间取值；d的变化范围为0～（N-1）。衰减补偿后的图像是物面上雾的图像和被成像物体的合成图像，尚需去雾以完成真正的图像恢复。

步骤3：去雾(Removing fog)：衰减补偿使有雾图像的谱线右移。衰减补偿后图像E=T_Com(i,x,y)，是物体图像与物平面内雾的图像的合成图像。研究发现，由于有雾的原因，使有雾图像的三分带色度谱的谱帯变窄，因此，只需把谱帯拉宽为0～255,就能实现去雾。去雾后图像C可通过以下方法获得：

（1）获取补偿后图像E=T_Com(i,x,y)每个像素点的红、绿、蓝三种分量的色度值R(x,y)=T_Com(0,x,y)、G(x,y)=T_Com(1,x,y)、B(x,y)=T_Com(2,x,y),作出红、绿、蓝三种分量的色度谱，分别计算三分量色度谱的左、右边缘值：Left(i)和Right(i),i=0,1,2表示红、绿、蓝三分量。

色度谱可以按照中国专利《用于底层图像挖掘的图像灰度/色度信息的高分辨检测方法》（专利号：200610054324.9）中的方法进行，使用该方法获取色度谱，可以得到具有一个色度级的高分辨率的色度谱，更有利于确定其左、右边界值。

（2）求取Left(i)的最大值Left；

（3）求取Right(i)的最小值Right；

（4）对图像E的红、绿、蓝三分量分别进行修改的Zadeh-X变换，生成变换后的数字图像即为去雾后图像C=T(i,x,y)；

（5）所述修改的Zadeh-X变换方法如下：

$T(i,x,y)=k\frac{O(i,x,y)-\mathrm{Theta}}{{\mathrm{Delta}}_{\mathrm{Rem}}},i=\mathrm{0,1,2}$

约束条件为：

$T(i,k,x,y)=\left\{\begin{array}{cc}k,& T(i,k,x,y)>k\\ 0,& T(i,k,x,y)<0\end{array}\right.,i=0,\mathrm{1,2}$

和

Theta=Left;

Delta_Rem=Right-Left

上式中，为取得最大的可能对比度，取k=255。i=0,1,2表示红、绿、蓝三分量；O(i,x,y)表示衰减补偿后图像E的第i颜色通道的像素点(i,x,y)的色度值，T(i,x,y)表示去雾后图像C=T(i,x,y)的第i颜色通道的像素点(i,x,y)的色度值。

上述步骤是与有雾图像的成像过程相反的，是真正的“图像恢复”。由于恢复后图像的质量，一般不是最佳化的，因此还要对恢复的图像质量进行最佳化。

步骤4：对去雾后图像C=T(i,x,y)进行快速自适应最佳化，得到最佳化图像Z=T_Opt(i,x,y)；

快速自适应最佳化通过修改的Zadeh-X变换实现，修改的Zadeh-X变换为：

$T_{\mathrm{Opt}}(i,x,y)=k\frac{O(i,x,y)-\mathrm{Theta}}{{\mathrm{Delta}}_{\mathrm{Opt}}}+\mathrm{Theta},i=\mathrm{0,1,2}$

约束条件与步骤3中的Zadeh-X变换方法的约束条件相同；

上式中，取k=255。两个变换参数Delta_Opt和Theta分别取值为：

Delta_Opt=5×(255-AL)^0.811

和

$\mathrm{Theta}=\left\{\begin{array}{cc}0,& \mathrm{AL}\&le;127.5\\ 255,& \mathrm{AL}>127.5\end{array}\right.$

上式中，i=0,1,2表示红、绿、蓝三分量；O(i,x,y)表示去雾后图像C=T(i,x,y)第i颜色通道的像素点(i,x,y)的色度值；T_Opt(i,x,y)表示变换后最佳化图像Z第i颜色通道的像素点(i,x,y)的色度值；AL为去雾后图像C=T(i,x,y)的平均亮度，计算如下：

$\mathrm{AL}=\frac{1}{M\&times;N}\underset{y=0}{\overset{N-1}{\mathrm{\&Sigma;}}}\underset{x=0}{\overset{M-1}{\mathrm{\&Sigma;}}}L(x,y)$

其中，L(x,y)是去雾后图像C=T(i,x,y)的像素点(x,y)的亮度值，M、N是去雾后图像C=T(i,x,y)在X、Y方向上的像素数。

像素点(x,y)的亮度值L(x,y)可以通过该像素点(x,y)的红、绿、蓝三种分量的色度值R(x,y)、G(x,y)、B(x,y)根据下式计算得到：

$L(x,y)=\frac{1}{\sqrt{3}}(\sqrt{R^2(x,y)+G^2(x,y)+B^2(x,y)}$

式中，

为定义域约束常数，使L(x,y)在[0,255]内变化,以便能在显示器上显示图像。

本发明的显著效果是：利用修改的Zadeh-X变换方法，经过三个主要的步骤，即衰减补偿—去雾—自适应最佳化，就可得到质量最佳化的去雾图像。本发明算法简单，因而处理速度快，可有效应用于有雾视频处理领域，获得最佳化的结果图像。

附图说明

图1本发明的流程图；

图2（a）是实施例1中的源图像，图2（b）是图2（a）经衰减补偿-去雾-快速自适应最佳化变换后的图像；

图3（a）是实施例2中的源图像，图3（b）是图3（a）经衰减补偿-去雾-快速自适应最佳化变换后的图像。

具体实施方式

下面结合附图和具体实施例对本发明作进一步详细说明。

实施例1：

如图1所示的流程：一种有雾图像的质量最佳化方法，包括下列步骤：

步骤1：输入图像：选择有雾环境中由成像设备获得的数字图像为源图像S=T_Dev(i,x,y)，i=0,1,2表示红、绿、蓝三分量,其中,S的大小为M×N，x的范围为：0～(M-1）,y的范围为：0～(N-1）；图2（a）所示源图像S的大小为295×184。

步骤2：衰减补偿：按下式对源图像S=T_Dev(i,x,y)进行衰减补偿，得到补偿后图像E=T_Com(i,x,y)：

$T_{\mathrm{Com}}(i,x,y)=\frac{T_{\mathrm{Dev}}(i,x,y)}{e^{-\mathrm{\&beta;d}}}$

式中，β为成像光线传输途径上的雾对成像光线的衰减系数，在0～0.01间取值，本例中取0.008；d的变化范围为0～（N-1）；

步骤3：去雾：去雾后图像C可通过以下方法获得：

（1）获取补偿后图像E=T_Com(i,x,y)每个像素点的红、绿、蓝三种分量的色度值R(x,y)=T_Com(0,x,y)、G(x,y)=T_Com(1,x,y)、B(x,y)=T_Com(2,x,y),作出红、绿、蓝三种分量的色度谱，分别计算三分量色度谱的左、右边缘值：Left(i)和Right(i),i=0,1,2表示红、绿、蓝三分量；

（2）求取Left(i)的最大值Left；

（3）求取Right(i)的最小值Right；

（4）对图像E的红、绿、蓝三分量分别进行Zadeh-X变换，生成变换后的数字图像即为去雾后图像C=T(i,x,y)；

所述Zadeh-X变换方法如下：

$T(i,x,y)=k\frac{O(i,x,y)-\mathrm{Theta}}{{\mathrm{Delta}}_{\mathrm{Rem}}},i=\mathrm{0,1,2}$

约束条件为：

$T(i,k,x,y)=\left\{\begin{array}{cc}k,& T(i,k,x,y)>k\\ 0,& T(i,k,x,y)<0\end{array}\right.,i=0,\mathrm{1,2}$

和

Theta=Left;

Delta_Rem=Right-Left

上式中，取k=255；O(i,x,y)表示衰减补偿后图像E的第i颜色通道的像素点(i,x,y)的色度值，T(i,x,y)表示去雾后图像C=T(i,x,y)的第i颜色通道的像素点(i,x,y)的色度值；

步骤4：对去雾后图像C=T(i,x,y)进行快速自适应最佳化，得到最佳化图像Z=T_Opt(i,x,y)；

快速自适应最佳化通过修改的Zadeh-X变换实现，修改的Zadeh-X变换为：

$T_{\mathrm{Opt}}(i,x,y)=k\frac{O(i,x,y)-\mathrm{Theta}}{{\mathrm{Delta}}_{\mathrm{Opt}}}+\mathrm{Theta},i=\mathrm{0,1,2}$

约束条件与步骤3中的Zadeh-X变换方法的约束条件相同；

上式中，取k=255；两个变换参数Delta_Opt和Theta分别取值为：

Delta_Opt=5×(255-AL)^0.811

$\mathrm{Theta}=\left\{\begin{array}{cc}0,& \mathrm{AL}\&le;127.5\\ 255,& \mathrm{AL}>127.5\end{array}\right.$

上式中，O(i,x,y)表示去雾后图像C=T(i,x,y)第i颜色通道的像素点(i,x,y)的色度值；T_Opt(i,x,y)表示变换后最佳化图像Z第i颜色通道的像素点(i,x,y)的色度值；AL为去雾后图像C=T(i,x,y)的平均亮度，计算如下：

$\mathrm{AL}=\frac{1}{M\&times;N}\underset{y=0}{\overset{N-1}{\mathrm{\&Sigma;}}}\underset{x=0}{\overset{M-1}{\mathrm{\&Sigma;}}}L(x,y)$

其中，L(x,y)是去雾后图像C=T(i,x,y)的像素点(x,y)的亮度值，M、N是去雾后图像C=T(i,x,y)在X、Y方向上的像素数。

像素点(x,y)的亮度值L(x,y)可以通过该像素点(x,y)的红、绿、蓝三种分量的色度值R(x,y)、G(x,y)、B(x,y)根据下式计算得到：

$L(x,y)=\frac{1}{\sqrt{3}}(\sqrt{R^2(x,y)+G^2(x,y)+B^2(x,y)}$

式中，

为定义域约束常数，使L(x,y)在[0,255]内变化,以便能在显示器上显示图像。本实施例中，源图像的平均亮度AL_Dev=180.3369。步骤4后获得的最佳化图像的平均亮度AL_Opt=111.7298。从人眼的直接视觉效果来看，图2（b）的图像的视觉质量更好。

实施例2：

本实施例2与实施例1的步骤相同，其不同之处在于：本实施例的源图像S如图3（a）所示。图3（b）所示的最佳化图像的平均亮度为AL_Opt=143.9972，相比图3（a）的源图像的平均亮度AL_Dev=208.5449。从人眼的直接视觉效果来看，图3（b）的图像比图3（a）的源图像的视觉质量更好。

从数据可以看出，两种情况的源图，即图2（a）和图3（a）的平均亮度都过高，最佳化后的图像的平均亮度都变低，与最佳可视平均亮度127.5的差值（-15.9702和16.4972）都分别比源图像与最佳可视平均亮度127.5的差值（52.8369和80.0449）小的多，人类直接视觉感知质量也好得多。

Claims (1)

1.一种有雾图像的质量最佳化方法，其特征在于包括下列步骤：

步骤1：输入图像：选择有雾环境中由成像设备获得的数字图像为源图像S=T_Dev(i,x,y)，i=0,1,2表示红、绿、蓝三分量,其中,S的大小为M×N，x的范围为：0～(M-1）,y的范围为：0～(N-1）；

步骤2：衰减补偿：按下式对源图像S=T_Dev(i,x,y)进行衰减补偿，得到补偿后图像E=T_Com(i,x,y)：

$T_{\mathrm{Com}}(i,x,y)=\frac{T_{\mathrm{Dev}}(i,x,y)}{e^{-\mathrm{\&beta;d}}}$

式中，β为成像光线传输途径上的雾对成像光线的衰减系数，在0～0.01间取值；d的变化范围为0～（N-1）；

步骤3：去雾：去雾后图像C可通过以下方法获得：

（1）获取补偿后图像E=T_Com(i,x,y)每个像素点的红、绿、蓝三种分量的色度值R(x,y)=T_Com(0,x,y)、G(x,y)=T_Com(1,x,y)、B(x,y)=T_Com(2,x,y),作出红、绿、蓝三种分量的色度谱，分别计算三分量色度谱的左、右边缘值：Left(i)和Right(i),i=0,1,2表示红、绿、蓝三分量；

（2）求取Left(i)的最大值Left；

（3）求取Right(i)的最小值Right；

（4）对图像E的红、绿、蓝三分量分别进行Zadeh-X变换，生成变换后的数字图像即为去雾后图像C=T(i,x,y)；

所述Zadeh-X变换方法如下：

$T(i,x,y)=k\frac{O(i,x,y)-\mathrm{Theta}}{{\mathrm{Delta}}_{\mathrm{Rem}}},i=\mathrm{0,1,2}$

约束条件为：

$T(i,k,x,y)=\left\{\begin{array}{cc}k,& T(i,k,x,y)>k\\ 0,& T(i,k,x,y)<0\end{array}\right.,i=0,\mathrm{1,2}$

和

Theta=Left;

Delta_Rem=Right-Left

上式中，取k=255；i=0,1,2表示红、绿、蓝三分量；O(i,x,y)表示衰减补偿后图像E的第i颜色通道的像素点(i,x,y)的色度值，T(i,x,y)表示去雾后图像C=T(i,x,y)的第i颜色通道的像素点(i,x,y)的色度值；

步骤4：对去雾后图像C=T(i,x,y)进行快速自适应最佳化，得到最佳化图像Z=T_Opt(i,x,y)；

快速自适应最佳化通过修改的Zadeh-X变换实现，修改的Zadeh-X变换为：

$T_{\mathrm{Opt}}(i,x,y)=k\frac{O(i,x,y)-\mathrm{Theta}}{{\mathrm{Delta}}_{\mathrm{Opt}}}+\mathrm{Theta},i=\mathrm{0,1,2}$

上式中，取k=255；两个变换参数Delta_Opt和Theta分别取值为：

Delta_Opt=5×(255-AL)^0.811

$\mathrm{Theta}=\left\{\begin{array}{cc}0,& \mathrm{AL}\&le;127.5\\ 255,& \mathrm{AL}>127.5\end{array}\right.$

上式中，i=0,1,2表示红、绿、蓝三分量；O(i,x,y)表示去雾后图像C=T(i,x,y)第i颜色通道的像素点(i,x,y)的色度值；T_Opt(i,x,y)表示变换后最佳化图像Z第i颜色通道的像素点(i,x,y)的色度值；AL为去雾后图像C=T(i,x,y)的平均亮度。

Images