CN103700078A - 少量背景含雾图像的去雾方法 - Google Patents

Abstract

本发明公开一种少量背景含雾图像的去雾方法，包括S1、获得含雾图像的强度直方图A，判断是否满足含有少量背景光，求右边沿的终止点坐标；S2、利用暗通道先验算法对所述含雾图像进行去雾；S3、判断去雾程度，如果雾没有去干净，则更改参数，重新执行步骤S2；S4、如果雾已去干净，求出去雾图像的直方图B，标记峰值右边沿的起始点坐标，标记右边沿的终止点坐标；S5、进行直方图拉伸；S6、对重建的直方图B’和去雾图片进行直方图规定化。本发明的通过直方图对暗通道先验算法进行后处理，操作简单灵活，可以根据不同的具体图像设置不同的参数，避免了暗通道先验处理结果难以微调；算法效率较高，获得的去雾图片质量较高，并且更加贴近真实无雾图景。

Description

少量背景含雾图像的去雾方法

技术领域

本发明涉及及图像处理技术，具体涉及一种少量背景含雾图像的去雾方法。

背景技术

随着计算机软硬件技术的不断发展，对有雾天气图像的景物影像进行去雾处理已经成为可能，其反过来又对去雾图像的清晰度和真实感提出新的要求。

在雾天情况下，由于大气中水滴等粒子较多，随着物体到成像设备距离的增大,大气粒子的散射作用对成像的影响逐渐增加，上述影响主要由两个散射过程造成：第一，物体表面的反射光在到达成像设备的过程中,由于大气粒子的散射而发生衰减；第二，自然光因大气粒子的散射而进人成像设备参与成像。其共同作用导致采集的图像对比度、饱和度低及色调偏移，不仅影响图像的视觉效果，而且影响图像分析和理解的性能。

在雾天情况下，如上所述，由于大气粒子对户外图像采集造成了比较严重的影响，致使室外视频系统无法正常工作，对地形勘探、视频监控等户外作业带来一定的不便，特别是对交通运输业有着十分恶劣的影响，可能造成交通事故的发生和运输速度的降低。因此对于雾天各种监测系统获取的图像上景物影像的清晰化方法的研究具有重大的现实意义。

发明内容

本发明要解决的技术问题在于对少量背景光含雾图像进行去雾，避免去雾图像亮度、对比度下降。

本发明的技术方案包括一种少量背景含雾图像的去雾方法，包括以下步骤：

S1、获得所述含雾图像的强度直方图A，判断所述直方图A是否满足含有少量背景光，求右边沿的终止点坐标(x_A,y_B)；

S2、利用暗通道先验算法对所述含雾图像进行去雾；

S3、判断去雾程度，如果雾没有去干净，则更改参数，重新执行步骤S2；

S4、如果雾已去干净，求出去雾图像的直方图B，标记峰值右边沿的起始点坐标(x_H,y_H)，标记右边沿的终止点坐标(x_L,y_L)；

S5、进行直方图拉伸；

S6、对重建的直方图B’和去雾图片进行直方图规定化，得到改进后的去雾图片。

本发明的有益效果包括：通过直方图对暗通道先验算法进行后处理，操作简单灵活，可以根据不同的具体图像设置不同的参数，避免了暗通道先验处理结果难以微调；算法效率较高，获得的去雾图片质量较高，并且更加贴近真实无雾图景。

附图说明

图1为本发明实施例的去雾方法实现效果图。

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。

本发明提供一种少量背景含雾图像的去雾方法，包括以下步骤：

S1、获得所述含雾图像的强度直方图A，判断所述直方图A是否满足含有少量背景光，求右边沿的终止点坐标(x_A,y_B)；

S2、利用暗通道先验算法对所述含雾图像进行去雾；

S3、判断去雾程度，如果雾没有去干净，则更改参数，重新执行步骤S2；

S4、如果雾已去干净，求出去雾图像的直方图B，标记峰值右边沿的起始点坐标(x_H,y_H)，标记右边沿的终止点坐标(x_L,y_L)；

S5、进行直方图拉伸；

S6、对重建的直方图B’和去雾图片进行直方图规定化，得到改进后的去雾图片。

本发明实施例通过直方图对暗通道先验算法进行后处理，操作简单灵活，可以根据不同的具体图像设置不同的参数，避免了暗通道先验处理结果难以微调；算法效率较高，获得的去雾图片质量较高，并且更加贴近真实无雾图景。

本发明一实施例提供一种大面积背景光含雾图像的去雾方法，包括，

S1、获得所述含雾图像的强度直方图A，判断所述直方图A是否满足含有少量背景光，求右边沿（下降沿）的终止点坐标(x_A,y_B)；

S1中终止点坐标的幅度值与最大幅度值下降20dB。

含有少量背景光的含雾图像是在直方图中背景光部分不会形成峰值的一类图像，即该类图像的直方图只有前景光的区域有明显的高密度值，而在直方图中不能明显的看到背景光的区域。

S2、利用暗通道先验算法对所述含雾图像进行去雾；单纯暗通道先验算法低估了物体光穿过雾后的衰减。

S3、判断去雾程度，如果雾没有去干净，则更改参数，重新执行步骤S2；

其中，更改参数为暗通道先验算法的参数ω，去雾的次数n；

如图1所示，图中a是原始的含雾图像；b、c是经过暗通道先验算法的不同程度的去雾结果，前者ω=0.85、n=1，后者ω=0.85、n=2；d是本发明算法的改进结果；e、f、g、h分别是四者（a、b、c、d）的直方图。

S4、如果雾已去干净，求出去雾图像的直方图B，标记峰值右边沿（下降沿）的起始点坐标(x_H,y_H)，标记右边沿（下降沿）的终止点坐标(x_L,y_L)；

起始点坐标的幅度值与最大幅度值下降3dB，终止点坐标的幅度值与最大幅度值下降20dB。

S5、进行直方图拉伸；

拉伸的起始点为αx_H，终止点为βx_L。

S6、对重建的直方图B’和去雾图片进行直方图规定化，得到改进后的去雾图片。

其中，所述直方图B’横坐标(0,αx_H)的区域和所述直方图B一致；

所述直方图B’横坐标(αx_H,γx_A)的区域由所述直方图B横坐标(αx_H,βx_L)的区域拉伸形成；

所述直方图B’横坐标(γxA,255)的区域和所述直方图B一致。

进一步，本发明实施例中，所述α为0.9，所述β为1.1，所述γ为0.9。

其中，暗通道先验算法在去雾的过程中降低整个图像的对比度和亮度，对去雾图像的右边沿进行了拉伸：首先，由于直方图是分布函数，所有样本点的分布频率密度相加永远是1，因此向右拉伸一个边沿的操作在增加了对比度的同时也增加了整体图像的亮度；其次，直方图操作仅适用于对图像的小范围调整，如果改动过大会引起图像质量的明显下降。

根据调整参数选择去雾比较干净的图片进行直方图变换，在提高图像亮度、对比度的同时也会提高残留雾气的面积和深度，使得改进图像的质量变低，需要尽量选取去雾程度高的图片；另一方面，去雾程度高的图片直方图边沿比较陡峭，容易进行拉伸操作后效果比较明显。

参数α、β和γ的选取，α和β一般根据右边沿的陡峭程度选取，越陡峭则α越小，β越大，同时考虑去雾后的图像比含雾图像的强度低，所以γ应该取小于1的值。

其中，上述暗通道先验算法为，

有雾的图形为：

I(x)＝I(x)t(x)+Y[1-t(x)](1)

其中，I为观测到的图像强度，J为在无雾条件下景物的光线强度，Y为环境光成分，t为传播参量；

暗通道先验规律：在非天空的局部区域里，某一些像素总会有至少一个颜色通道具有很低的值，换言之，该区域光强度的最小值是个很小的数，其表示为：

I^dark(x)＝min_{c∈{R，G，B}}(min_y∈Ω(x)I^C(y))      (2)

其中，I^C为J的某一个颜色通道，Ω(x)为以x为中心的一方形区域；对于无雾的图像，出了天空的区域，I^dark的强度总是很低并且区域零。

利用暗通道先验，得到传播参量

$\tilde{t}\left(x\right)=1-\mathrm{\ω}\underset{c\∈\{R,G,B\}}{\min }\left(\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min }\frac{I^C\left(y\right)}{Y^C}\right)---\left(3\right)$

其中，参量ω保留一部分雾信息；

对所述传播参量进行精细化，得到传播参量t，由公式（1）得到去雾

其中，t0是为了防止分母中的t(x)过小而进行的限制。

对于RGB图像，由于每一个像素点的三中颜色通道亮度并不一致因此分别对RGB三色通道求直方图进行处理处理然后再合并是不适用的。直方图为，将RGB矩阵转换为HSI矩阵，HSI空间用图像的色度（hue）、饱和度（saturation）和亮度（intensity）描述一副彩色图像，并对强度分量I做直方图分析，

$H=\left\{\begin{array}{cc}\mathrm{\θ}& B\≤G\\ 360-\mathrm{\θ}& B>G\end{array}\right.$

$S=1-\frac{3}{(R+G+B)}\left[\min (R,G,B)\right]$

$I=\frac{1}{3}(R+G+B),$

其中， $\mathrm{\θ}=\arccos \left\{\frac{\frac{1}{2}[(R-G)+(R-B)]}{[{(R-G)}^2+(R-B)(G-B){]}^{1/2}}\right\}.$

变换后，直方图整体向左移动，并且随着去雾程度的增加，直方图向左移动的趋势越来越明显，在图像上就是整体的亮度随着去雾程度的加深越来越低；变换后，直方图的峰在变的集中，两个边缘都越来越陡峭，即峰的半高宽越来越窄，并且随着去雾程度的加深，峰值的集中程度越来越高，边沿也越来越陡峭，也就是整体图像的对比度越来越低。

本发明实施例，解决暗通道先验去雾算法在对含有少量背景光的含雾图景进行去雾时，造成的去雾图像亮度、对比度下降；解决暗通道先验去雾算法在对含有少量背景光的含雾图像进行去雾后，去雾结果难以微调；利用直方图规定化的灵活性在小范围对图像质量做出进一步处理，增加处理结果的灵活性，提高求解去雾图像的质量。

以上所述本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所作出的各种其他相应的改变与变形，均应包含在本发明权利要求的保护范围内。

Claims (7)

1.一种少量背景含雾图像的去雾方法，其特征在于，包括以下步骤：

S1、获得所述含雾图像的强度直方图A，判断所述直方图A是否满足含有少量背景光，求右边沿的终止点坐标(x_A,y_B)；

S2、利用暗通道先验算法对所述含雾图像进行去雾；

S3、判断去雾程度，如果雾没有去干净，则更改参数，重新执行步骤S2；

S4、如果雾已去干净，求出去雾图像的直方图B，标记峰值右边沿的起始点坐标(x_H,y_H)，标记右边沿的终止点坐标(x_L,y_L)；

S5、进行直方图拉伸；

S6、对重建的直方图B’和去雾图片进行直方图规定化，得到改进后的去雾图片。

2.根据权利要求1所述的少量背景光含雾图像的去雾方法，其特征在于，所述S1中终止点坐标的幅度值与最大幅度值下降20dB；所述S4中起始点坐标的幅度值与最大幅度值下降3dB，终止点坐标的幅度值与最大幅度值下降20dB。

3.根据权利要求1所述的少量背景光含雾图像的去雾方法，其特征在于，所述拉伸的起始点为αx_H，终止点为βx_L。

4.根据权利要求3所述的少量背景光含雾图像的去雾方法，其特征在于，所述重建直方图B’为：

所述直方图B’横坐标(0,αx_H)的区域和所述直方图B一致；

所述直方图B’横坐标(αx_H,γx_A)的区域由所述直方图B横坐标(αx_H,βx_L)的区域拉伸形成；

所述直方图B’横坐标(γx_A,255)的区域和所述直方图B一致。

5.根据权利要求4所述的少量背景光含雾图像的去雾方法，其特征在于，所述α为0.9，所述β为1.1，所述γ为0.9。

6.根据权利要求1所述的少量背景光含雾图像的去雾方法，其特征在于，所述暗通道先验算法为，

有雾的图形为：

I(x)＝I(x)t(x)+Y[1-t(x)](1)

其中，I为观测到的图像强度，J为在无雾条件下景物的光线强度，Y为环境光成分，t为传播参量；

暗通道先验规律：在非天空的局部区域里，某一些像素总会有至少一个颜色通道具有很低的值，其表示为：

I^dark(x)＝min_{c∈{R，G，B}}(min_y∈Ω(x)I^C(y))     (2)

其中，I^C为J的某一个颜色通道，Ω(x)为以x为中心的一方形区域；

利用暗通道先验，得到传播参量

$\tilde{t}\left(x\right)=1-\mathrm{\ω}\underset{c\∈\{R,G,B\}}{\min }\left(\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min }\frac{I^C\left(y\right)}{Y^C}\right)---\left(3\right)$

其中，参量ω用于保留一部分雾信息；

对所述传播参量

进行精细化，得到传播参量t，由公式（1）得到去雾图像： $I\left(x\right)=\frac{I\left(x\right)-A}{\max (t\left(x\right),t0)}+A---\left(4\right).$

7.根据权利要求1所述的少量背景光含雾图像的去雾方法，其特征在于，所述直方图为，将RGB矩阵转换为HSI矩阵，并对强度分量I做直方图分析，

$H=\left\{\begin{array}{cc}\mathrm{\θ}& B\≤G\\ 360-\mathrm{\θ}& B>G\end{array}\right.$

$S=1-\frac{3}{(R+G+B)}\left[\min (R,G,B)\right]$

$I=\frac{1}{3}(R+G+B),$

其中， $\mathrm{\θ}=\arccos \left\{\frac{\frac{1}{2}[(R-G)+(R-B)]}{[{(R-G)}^2+(R-B)(G-B){]}^{1/2}}\right\}.$

Images