CN103971337A - 一种利用大气传输特征的红外图像去雾霾方法 - Google Patents

Abstract

本发明公开了一种利用大气传输特征的红外图像去雾霾方法，结合雾天气下红外图像大气退化与补偿建模，简单且快速地实现红外图像去雾霾，有效提高红外图像对比度。本发明包括如下步骤：（1）利用根据场景点自身发射的辐射能、以及路径辐射能推导构建红外成像的退化及其补偿模型；（2）估计路径辐射最大值，并实现大气平均透过率T的计算；（3）确定辐射定标，实现去雾霾补偿与校正。本发明只需要单幅红外雾霾退化图像，结合经验公式，可迅速地计算实现红外图像去雾霾。

Description

一种利用大气传输特征的红外图像去雾霾方法

技术领域

本发明涉及图像处理技术，尤其涉及一种利用大气传输特征的红外图像去雾霾方法。

背景技术

红外成像是当前研究的前沿课题之一，如何总结红外辐射在各种不同气象条件下大气传输的成像机制，由此反演重建较为清晰的红外图象显得尤为重要。这种红外高质量成像思路对于恶劣天气下的交通导航与安防、安全检测，以及在公共场所对某些病毒疾病(如SARS(非典型肺炎))的准确快速预警等领域将产生深远的影响。雾霾之下，红外成像等现有技术有助于摄像头“看穿”一定浓度的雾或烟尘，这在很大程度上保障了人们的安全，但是，日益严重的雾霾，红外热成技术也会逐渐“有心无力”。由于大气中水汽、固体颗粒含量高，在雾天拍摄的红外图像常存在很强的噪声、模糊及较多细节丢失的退化问题，这给红外成像带来了很大的挑战，也给进一步的准确识别、跟踪等许多方面的应用造成了困难。

近年来，红外图像去雾霾研究开展得有声有色。其中，可用pcmodwin等计算软件可以计算大气吸收、大气发射、大气散射、大气透过率以及路径辐射等大气物理参数，并且可以利用这些参数，对退化的红外图像进行大气校正处理。2008年，《雾天气下红外图像清晰处理研究》一文中，针对红外图像中的雾现象，展开了深入的研究，提出了利用两幅同一场景含有不同程度雾气的红外图像进行去雾校正。其主要考虑了大气吸收及其自身发射影响，建立起改进的雾天气条件下的红外辐射大气衰减模型和路径辐射模型，并基于两幅同一场景在不同时刻所拍摄的雾天气条件下的退化红外图像来恢复红外场景的对比度，恢复效果优于利用软件计算的图像处理结果。

首先，去雾霾研究的兴起并不久，并且在现有技术中，大部分的去雾处理针对可见光图像，因为一般认为红外波段可以透过雾霾成像，但是对于严重的雾霾现象，红外成像后也存在对比度很低的问题，研究者针对红外图像的研究还不够深入；其次，如《雾天气下红外图像清晰处理研究》一文，其主要利用两幅前后不同时间点的红外图像进行分析处理，容易受到环境左右，这也影响了后续的应用。因此，如何建立更迅捷的红外图像去雾霾方法，尤其是单幅红外图像方法是目前图像处理界的难题之一。

发明内容

本发明针对现有技术的不足，提供一种利用大气传输特征的红外图像去雾霾方法，一方面构建雾天气下红外图像大气退化模型，另一方面设计与退化相对应的补偿手段，使得红外图像去雾霾效率高、效果佳。

为解决上述问题，本发明提出一种利用大气传输特征的红外图像去雾霾方法，包括：构建红外图像大气退化模型；相关参数的计算；设计红外图像去雾霾补偿方法，最终实现红外图像清晰化。

1、红外图像大气退化模型。

在雾天气下，红外成像传感器收到的红外辐射能体现在图像上的，红外成像传感器收到的红外辐射能E_sensor包括场景点自身发射的辐射能E_radiation和路径辐射能E_path，可表示为下式:

E_sensor＝E_radiation+E_path

这是由于成像种主要考虑场景点辐射能量在穿过大气介质的衰减以及所受路径辐射的影响。

(1)场景点自身发射的辐射能E_radiation

由于大气的存在，在雾天气条件下，红外辐射穿过大气介质时随着传播距离的增大衰减程度增大。根据衰减规律，本发明得出积分结果：

$E_{\mathrm{radiation}}={\∫}_{{\mathrm{\λ}}_1}^{{\mathrm{\λ}}_2}{E}_0\left(\mathrm{\λ}\right)e^{-\mathrm{\τ}\left(\mathrm{\λ}\right)D}{d}_{\mathrm{\λ}}$

其与波长λ，大气透射系数τ(λ)以及场景点到红外传感器的距离D有关。e^-τ(λ)D视作大气透过率T；通常，在图像处理中，可以用平均值代替整个波段的积分，于是景点辐射到达成像传感器的能量可写为：

E_radiation＝E₀T

其中E₀为景点本身辐射的平均能量。

(2)路径辐射能E_path

路径辐射随着D的增大而增大，从距离成像传感器距离为0到D积分，有路径辐射：

L＝L_∞(1-e^-τ(λ)D)

当距离D无穷远时，路径辐射是最大的，记路径辐射的最大值为L_∞，那么任意距离D处的辐射可用下面的表达式表示：

$E_{\mathrm{path}}={\∫}_{{\mathrm{\λ}}_1}^{{\mathrm{\λ}}_2}A(1-e^{-\mathrm{\τ}\left(\mathrm{\λ}\right)D})d_{\mathrm{\λ}}$

e^-τ(λ)D已视作大气透过率T；用平均值代替整个波段的积分，于是路径辐射到达成像传感器的能量可写为：

E_path＝L_∞(1-T)

(3)红外成像传感器收到的红外辐射能

于是，通过红外大气辐射的衰减以及路径辐射，到达成像传感器的辐射就可表示为下面的式子：

$\begin{array}{c}{E}_{\mathrm{sensor}}=E_{\mathrm{radiation}}+E_{\mathrm{path}}\\ =E_{0}T+L_{\∞}(1-T)\end{array}$

E₀为景点本身辐射的平均能量，T为大气平均透过率，L_∞为路径辐射最大值。

2、相关参数的计算。

这主要包括大气平均透过率T以及路径辐射最大值L_∞值的估计计算。

(1)大气平均透过率T。

大气平均透过率T采用能见度方法估计法实现。

根据经验学习与推导，大气透过率T跟景物深度d以及能见度V有如下的关系：

$T\frac{3.912}{V}d$

其跟能见度V成反比，跟景物深度d成正比。对于图像中的任意像素位置，都满足这个条件。

(2)路径辐射最大值L_∞。

大多数单幅图像的去雾霾方法当中，往往把图像中最亮点的强度值当作是路径最大辐射值。但在实际的应用中，景物内容比较复杂与天空等干扰，强度值最大的像素点有可能是一辆白色的汽车或者是纯白的建筑物，在这一类情况下，不能简单的把最亮点的值看成是路径辐射最大值。

利用Modtran大气传输软件辅助计算可以很好的解决与克服上述问题。根据红外雾霾图f、景物深度d和能见度条件V，输入Modtran软件，输出太阳天顶角为某个角度时的辐射，定义为路径辐射最大值L_∞。

3、去雾霾补偿方法

根据1，到达成像传感器的辐射就可表示为下面的式子：

E_sensor＝E₀T+L_∞(1-T)

E₀为景点本身辐射的平均能量，T为大气平均透过率，L_∞为路径辐射最大值。

对于去雾霾补偿，需要求解原始辐射E₀，即获得补偿校正结果，那么可以推导得到：

$E_0=\frac{[E_{\mathrm{sensor}}-L_{\∞}(1-T)]}{T};$

但是必须清楚的是，这里的E₀是辐射，而我们的图像是灰度。需要辐射定标，可采用Modtran软件与图像的对比实现，手段如下：

(1)输入Modtran软件，获得路径辐射最大值L_∞；

(2)选取图像亮度最大的N个点，按照亮度从高到低排列像素，去掉最大值点与最小值点，剩余像素的平均值作为亮度最大值A0；

(3)将(1)中的路径辐射最大值与(2)中A0作为定标基准，确定辐射与亮度(灰度值)的关系。

于是，对于红外图像f可对应到辐射空间，利用上面的公式求解，并再次映射到红外图像空间，实现去雾霾。

与现有技术相比，本技术方案具有以下优点：

这种利用大气传输特征的红外图像去雾霾方法主要有两个优点：第一，根据场景点自身发射的辐射能、以及路径辐射能推导构建了红外成像的退化模型，简易但科学、实用，可以有效推出补偿模型，相关参数的计算，即路径辐射最大值L_∞与大气平均透过率T的计算，引入了Modtran软件辅助；第二，只需要单幅红外雾霾退化图像，结合经验公式，可迅速地计算实现红外图像去雾霾。附图说明

图1为本发明方法的具体操作流程图；

图2a为具体实施例中原始雾霾图像；

图2b为具体实施例中处理后获得的去雾霾图。

具体实施方式

为了实现图像去雾霾，本发明结合雾天气下红外图像大气退化与补偿建模，简单且快速地实现红外图像去雾霾，有效提高红外图像对比度。

下面结合附图，通过具体实施例，对本发明的技术方案进行清楚、完整的描述。

本发明提出一种利用大气传输特征的红外图像去雾霾方法的操作框架如图1所示，红外图以图2a为例，令其为图像f，其主要包含以下步骤：

(1)计算透射率

大气平均透过率T采用能见度方法估计法实现。

根据经验学习与推导，大气红外平均透过率T跟景物深度d以及能见度V有如下的关系：

$T\frac{3.912}{V}d$

其跟能见度V成反比，跟景物深度d成正比。对于图像中的任意像素位置，都满足这个条件。能见度的常见取值如5km，10km，15km等，可用大致数值。

对于图2a，能见度采用V＝5km；根据拍摄距离，景物深度d大概是2km；于是求取大气透射率T，T∈(0,1)。

(2)路径辐射最大值L_∞。

利用Modtran大气传输软件辅助计算可以很好的求解这个值。

根据拍摄的图f，指出大致的成像距离——景物深度d＝2km，根拍摄条件能见度V＝5km；

将输入d＝2km，V＝5km输入Modtran软件，输出太阳天顶角为0角度时的辐射，定义为路径辐射最大值L_∞。将太阳天顶角为0角度时的辐射定义为L_∞，这是由于太阳天顶角为0度时，太阳直射景物，其反射的红外能量也就越多，于是将这个时候的值定义为路径辐射最大值L_∞。

(3)图像灰度与辐射的定标

由于本发明涉及的公式都是辐射空间的，而通常的红外图像是灰度的，因此需要辐射定标。可采用辐射值与图像的对比实现，手段如下：

(a)根据步骤(2)，已经获得路径辐射最大值L_∞；

(b)针对图像f，选取图像亮度最大的N个点(N＝10)，按照亮度从高到低排列像素，去掉最大值点与最小值点，剩余像素的平均值作为亮度最大值A0；

(c)将(a)中的路径辐射最大值L_∞与(2)中A0作为定标基准，确定辐射与亮度(灰度值)的关系。

于是，可以将f映射到辐射空间，设F是f映射到辐射空间的图。

(4)红外去雾霾补偿

根据辐射推导，到达成像传感器的辐射就可表示为下面的式子：

F＝E₀T+L_∞(1-T)

E₀为景点本身辐射的平均能量，T为大气平均透过率，L_∞A为路径辐射最大值。

对于去雾霾补偿，需要求解原始辐射E₀，即获得补偿校正结果，那么可以推导得到：

$E_0=\frac{[E_{\mathrm{sensor}}-L_{\∞}(1-T)]}{T};$

最后，根据步骤(3)中的图像灰度与辐射的定标，将E₀映射到图像空间，于是获得了雾霾图e₀，如图2b所示。

本发明解决的问题是提供一种利用大气传输特征的红外图像去雾霾方法，一方面构建雾天气下红外图像大气退化模型，另一方面设计与退化相对应的补偿手段，使得红外图像去雾霾效率高、效果佳。

为解决上述问题，本发明提出一种利用大气传输特征的红外图像去雾霾方法，包括：构建红外图像大气退化模型；相关参数的计算；设计红外图像去雾霾补偿方法，最终实现红外图像清晰化。

用本发明实施例的一种利用大气传输特征的红外图像去雾霾方法能快速稳定地对红外雾霾图像进行处理，得到较好的去雾霾结果，请参考图2，图2a是原始雾霾图像，图2b为去雾霾图，将雾霾基本去除，实现了对比的极大提升。

本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。

Claims (3)

1.一种利用大气传输特征的红外图像去雾霾方法，其特征在于，包括如下步骤：

步骤一：建立红外图像去雾霾补偿模型；

在雾天气下，红外成像传感器收到的红外辐射能体现在图像上的，红外成像传感器收到的红外辐射能E_sensor包括场景点自身发射的辐射能E_radiation和路径辐射能E_path，可表示为下式:

E_sensor＝E_radiation+E_path

由于大气的存在，在雾天气条件下，红外辐射穿过大气介质时随着传播距离的增大衰减程度增大；根据衰减规律，得出积分结果为：

$E_{\mathrm{radiation}}={\∫}_{{\mathrm{\λ}}_1}^{{\mathrm{\λ}}_2}{E}_0\left(\mathrm{\λ}\right)e^{-\mathrm{\τ}\left(\mathrm{\λ}\right)D}{d}_{\mathrm{\λ}}$

其与波长λ，大气透射系数τ(λ)以及场景点到红外传感器的距离D有关；e^-τ(λ)D视作大气平均透过率T；在图像处理中，用平均值代替整个波段的积分，于是场景点自身发射的辐射能可写为：

E_radiation＝E₀T

其中E₀为景点本身辐射的平均能量；

路径辐射随着D的增大而增大，从距离成像传感器距离为0到D积分，

有路径辐射：

L＝L_∞(1-e^-τ(λ)D)

当距离D无穷远时，路径辐射是最大的，记路径辐射的最大值为L_∞，那么任意距离D处的辐射可用下面的表达式表示：

$E_{\mathrm{path}}={\∫}_{{\mathrm{\λ}}_1}^{{\mathrm{\λ}}_2}A(1-e^{-\mathrm{\τ}\left(\mathrm{\λ}\right)D})d_{\mathrm{\λ}}$

e^-τ(λ)D已视作大气平均透过率T；用平均值代替整个波段的积分，于是路径辐射到达成像传感器的能量可写为：

E_path＝L_∞(1-T)

通过红外大气辐射的衰减以及路径辐射，红外成像传感器收到的红外辐射能表示为下面的式子：

$\begin{array}{c}{E}_{\mathrm{sensor}}=E_{\mathrm{radiation}}+E_{\mathrm{path}}\\ =E_{0}T+L_{\∞}(1-T)\end{array}$

E₀为景点本身辐射的平均能量，T为大气平均透过率，L_∞为路径辐射最大值；

步骤二：对于去雾霾补偿，需要求解原始辐射E₀，即获得补偿校正结果，那么可以推导得到：

$E_0=\frac{[E_{\mathrm{sensor}}-L_{\∞}(1-T)]}{T};$

根据辐射与灰度的定标，已经获取的红外雾霾图f，其映射在辐射空间即为E_sensor；通过参数求解获取大气平均透过率T，路径辐射最大值L_∞，求解获取原始辐射E₀，其在图像空间的映射值e₀即为去雾霾图像。

2.根据权利要求1所述的一种利用大气传输特征的红外图像去雾霾方法，其特征在于，步骤(1)中所述的求取参数即获取大气平均透过率T与路径辐射最大值L_∞的方法如下：

(1)计算大气平均透过率T

大气红外平均透过率T跟景物深度d以及能见度V有如下的关系：其跟能见度V成反比，跟景物深度d成正比，T∈(0,1)；

(2)路径辐射最大值L_∞；

利用Modtran大气传输软件辅助计算，根据红外雾霾图f、景物深度d和能见度条件V，输入Modtran软件，输出太阳天顶角为某个角度θ时的辐射，定义为路径辐射最大值L_∞。

3.如权利要求1所述的一种利用大气传输特征的红外图像去雾霾方法，其特征在于，步骤二中所述的辐射与灰度的定标方法如下：

采用辐射值与图像的对比实现，包括以下步骤：

(1)获得路径辐射最大值L_∞；

(2)针对红外雾霾图f，选取图像亮度最大的N个点，按照亮度从高到低排列像素，去掉最大值点与最小值点，剩余像素的平均值作为亮度最大值A0；

(3)将路径辐射最大值L_∞与A0作为定标基准，确定辐射与亮度的关系；于是，可以将f映射到辐射空间，E_sensor即为f映射到辐射空间的图。