CN104091306A - 一种基于数学形态学和多分辨率融合的图像去雾方法 - Google Patents

Abstract

本发明涉及一种基于数学形态学和多分辨率融合的图像去雾方法，首先计算雾天图像中三通道的最小值作为高分辨率分量，对其进行形态学开运算得到低分辨率分量；然后使用引导滤波器对高分辨率和低分辨率分量进行图像融合，获取大气光幕图；最后计算大气光强度值，采用大气散射模型对雾气图像进行复原处理。本发明具有下述优点：(1)采用多分辨率融合估计大气光幕，效果显著，执行速度快。(2)通过灰度直方图计算大气光强度值，简单有效。(3)适用于彩色图像或灰度图像、适用于光学图像或其它图像，具有通用性。

Description

一种基于数学形态学和多分辨率融合的图像去雾方法

技术领域

本发明属于图像处理领域，涉及一种基于数学形态学和多分辨率融合的图像去雾方法，可用于单幅图像或连续视频的快速去雾。

背景技术

雾是一种常见的自然现象，在雾天拍摄的图像中，由于大气中悬浮粒子的散射作用，使得拍摄图像的亮度增加，对比度降低，图像的可辨识度下降。即使是在晴天条件下拍摄的照片，大气散射作用也会导致照片的清晰度受到影响。每一个实际场景中，照片清晰度受到影响的原因在于：光线到达相机之前都会从物体表面反射并且散射到空气中。这是因为空气中的某些因素(如浮质、灰尘、雾和烟等)会导致物体表面颜色变淡，并导致整幅图像的对比度降低。一方面，这些质量很差的图像不但贬低其应用价值、缩窄其应用范围；另一方面，也会给户外成像的采集与处理系统(如各类视觉机器)的图像采集带来巨大的困难。在实际应用中，经常需要从户外采集的视频序列中提取清晰的图像特征用于对象匹配和识别，例如位于高速公路上的视频监控器，在天气条件较恶劣的情况下，得到的图像会有退化现象，使其无法清楚地监控路况和了解车辆信息；在国家安全的军事行动中，这种退化图像会造成信息的不准确性，最终导致决定性行动方案的偏差，甚至是导致无法挽回的后果；遥感技术运用传感器对物体进行探测，这种退化图像会对物体的性质，特征和状态等信息造成偏差，不利于对图像数据的分析研究。总之，研究在各种恶劣天气条件下如何对获得的退化图像进行有效的处理，这对图像恢复和图像增强有着非常重要的现实意义。

现国内外，图像去雾处理的方法大致可以分为两大类：基于图像处理的增强方法和基于物理模型的复原方法。基于图像处理的增强方法包括全局化的图像增强方法，如全局直方图均衡化、同态滤波、小波方法、Retinex算法等，或是局部化的图像增强方法，如局部直方图均衡化、局部对比度增强法；以上图像处理的算法相对简单，对于复杂场景的去雾效果一般。基于物理模型的复原方法包括基于偏微分方程的复原、基于深度关系的复原和基于先验信息的复原；以上图像处理的算法相对复杂，且能较好地对复杂场景的雾气影响做处理，但是计算复杂度高、实现难度大、处理速度慢，使得去雾处理难以实现实时处理，这样就不能高效的运用到视频去雾处理中。

发明内容

本发明的目的在于克服以前各种图像去雾方法的不足之处，提供一种基于数学形态学和多分辨率融合的图像去雾方法，该方法简单高效，能很好地提高图像去雾后的效果。

该发明的技术方案如下：

一种基于数学形态学和多分辨率融合的图像去雾方法，首先计算雾天图像中三通道的最小值作为高分辨率分量，对其进行形态学开运算得到低分辨率分量；然后使用引导滤波器对高分辨率和低分辨率分量进行图像融合，获取大气光幕图；最后计算大气光强度值，采用大气散射模型对雾气图像进行复原处理。

上述方法的具体包括如下步骤：

(1)分别计算高、低分辨率图像分量，具体包括：(1a)高分辨率图像分量；(1b)低分辨率图像分量I_low；

(2)利用引导滤波器进行多分辨率融合：

(2a)根据分量I_high和分量I_low计算线性转换系数，得到与原图像长宽相同的系数矩阵；

(2b)计算融合后的图像；

(2c)获取大气光幕图；

(3)计算大气光强度值以及复原图像：

(3a)根据高分辨率分量I_high估算大气光值A：统计I_high的灰度直方图Histgram_I，然后计算直方图的累加和

(3b)计算介质透射率：根据大气光幕V和大气光强度值A，得到透射率 $t\left(x\right)=1-\mathrm{\ω}\frac{V\left(x\right)}{A},$ 其中ω为预置参数；

(3c)对雾天图像进行复原：分别将R、G、B三个颜色通道值I_R(x),I_G(x),I_B(x)以及大气光值A、透射率值t(x)代入计算得到三通道的复原值J_R(x),J_G(x),J_B(x)，即可得到复原后图像J(x)。

本发明的有益效果在于：本发明采用基于大气散射模型的复原方法，以单幅图像的信息进行去雾处理，利用引导滤波器进行多分辨率图像融合，得到的大气光幕能够近似反映雾浓度的特性，该方法简单易行，执行速度快。其主要理论基础包括：大气散射模型I(x)＝J(x)t(x)+A(1-t(x))、引导滤波器、多分辨率图像融合。

具体而言，本发明的主要优点是：(1)采用多分辨率融合估计大气光幕，效果显著，执行速度快。(2)通过灰度直方图计算大气光强度值，简单有效。(3)适用于彩色图像或灰度图像、适用于光学图像或其它图像，具有通用性。

附图说明

图1为本发明实施例所采用方法的流程图。

具体实施方式

具体实施时，本发明方法对图像数据的来源不做特定要求。本方法可以处理两种类型的图像或视频数据，其一是非实时的数据，如图片文件数据、视频录像文件数据；其二是实时的视频流数据，如通过VMS网络实时流协议获取的来自摄像头视频数据等。

本发明实施例中，针对上述图像数据提供了一种基于数学形态学和多分辨率融合的图像去雾方法，首先计算雾天图像中三通道的最小值作为高分辨率分量，对其进行形态学开运算得到低分辨率分量；然后使用引导滤波器对高分辨率和低分辨率分量进行图像融合，获取大气光幕图；最后计算大气光强度值，采用大气散射模型对雾气图像进行复原处理。

首先定义如下变量以便于算法描述：

待处理图片的大小Image_size：图片宽度weight*图片高度high；

原始有雾图像I：若为彩色图像，R、G、B三通道的值分别为I_R,I_G,I_B；若为灰度图像，则I为单通道。

大气光强度值A：大气光成分的强度，可由待处理图像统计计算得出，实际值根据图像性质具体决定。

大气光幕V：大气环境中其他光线对成像所产生的影响。

透射率值t：光线通过大气环境干扰后没有被散射部分的比例，0≤t≤1。

参数ε：可调参数，范围为100≤ε≤1000，根据图像性质事先预置。

参数p：可调参数，范围为0.8≤p≤1.0，根据图像性质事先预置。

参数ω：可调参数，范围为0.5≤ω≤1.0，根据图像性质事先预置。

参数t_min：可调参数，范围为0.01≤t_min≤0.1，根据图像性质事先预置。

下面对本发明做进一步详细说明。

如图1所示为本发明实施例所采用方法的流程图，该基于数学形态学和多分辨率融合的图像去雾方法，具体包括如下步骤：

步骤1、分别计算高、低分辨率图像分量：

(1)高分辨率图像分量I_high：若雾天图像I为彩色图像，则取每一个像素点R，G，B三通道的最小值，得到分量I_high＝min(I_R,I_G,I_B)；若雾天图像I为灰度图像，则I_high＝I；

(2)低分辨率图像分量I_low：对高分辨率分量I_high进行形态学开运算，即先取I_high的局部最小值，再取局部最大值，得到低分辨率分量其中Ω(x)是以x为中心的局部区域，区域形状包括但不限于方形、圆形、六边形等，半径一般取为7到17之间；

步骤2、利用引导滤波器进行多分辨率融合：

(1)根据分量I_high和分量I_low计算线性转换系数：b＝f_m(I_low)-a.*f_m(I_high),其中表示计算I_high和I_low局部协方差，表示计算I_high的局部方差，ε为预置的控制参数，100≤ε≤1000，f_m(I_low),f_m(I_high)分别是对I_low和I_high进行均值滤波的结果，模板大小一般取为15到25之间，得到的a,b是与原图像长宽相同的系数矩阵；

(2)根据a,b计算融合后的图像：I_fusion＝f_m(a).*I_high+f_m(b)，其中f_m(a),f_m(b)分别是对系数矩阵a,b进行均值滤波的结果，模板大小一般取为15到25之间；由于均值滤波可以用积分图方法代替，体现了本发明方法计算速度快、实时性好的特点；

(3)获取大气光幕图：对融合图像I_fusion进行模糊化处理，得到大气光幕图V＝f_blur(I_fusion)。模糊化处理方法包括但不限于以下方法：均值滤波模糊化、高斯滤波模糊化、中值滤波模糊化等，模板大小一般取为5到9之间；

步骤3、计算大气光强度值以及复原图像：

(1)根据高分辨率分量I_high估算大气光值A：统计I_high的灰度直方图Histgram_I，然后计算直方图的累加和 $\underset{i=0}{\overset{255}{\mathrm{\Σ}}}\mathrm{Histgram}\_I,$ 当 $\underset{i=0}{\overset{j}{\mathrm{\Σ}}}\mathrm{Histgram}\_I>\mathrm{Image}\_\mathrm{size}*p$ 时，其对应的j为大气光强度值A，其中p为预置的控制参数，0.8≤p≤1.0；通过直方图计算大气光值，简单有效；

(2)计算介质透射率：根据大气光幕V和大气光强度值A，得到透射率其中ω为预置参数，0.5≤ω≤1.0,目的是为了保留部分远景中的雾气从而使处理后图像视觉效果更自然；

(3)对雾天图像进行复原：根据复原公式其中t_min为预置参数，0.01≤t_min≤0.1，防止出现0/0型而出现不确定值。若雾天图像I(x)为彩色图像，则分别将R、G、B三个颜色通道值I_R(x),I_G(x),I_B(x)以及大气光值A、透射率值t(x)代入计算得到三通道的复原值J_R(x),J_G(x),J_B(x)，即可得到复原后图像J(x)；若雾天图像I(x)为灰度图像，则将I(x)以及大气光值A、透射率值t(x)代入计算得到复原后图像J(x)；适用于彩色图像和灰度图像，体现了本发明的通用性。

以上所述，仅是本发明较佳实施例而已，并非对本发明的技术范围作任何限制，故凡是依据本发明的技术实质对以上实施例所作的任何细微修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (2)

1.一种基于数学形态学和多分辨率融合的图像去雾方法，其特征在于：所述方法中，首先计算雾天图像中三通道的最小值作为高分辨率分量，对其进行形态学开运算得到低分辨率分量；然后使用引导滤波器对高分辨率和低分辨率分量进行图像融合，获取大气光幕图；最后计算大气光强度值，采用大气散射模型对雾气图像进行复原处理。

2.根据权利要求1所述的基于数学形态学和多分辨率融合的图像去雾方法，其特征在：所述方法具体包括如下步骤：

(1)分别计算高、低分辨率图像分量：

(1a)高分辨率图像分量I_high：若雾天图像I为彩色图像，则取每一个像素点R，G，B三通道的最小值，得到分量I_high＝min(I_R,I_G,I_B)；若雾天图像I为灰度图像，则I_high＝I；

(1b)低分辨率图像分量I_low：对高分辨率分量I_high进行形态学开运算，即先取I_high的局部最小值，再取局部最大值，得到低分辨率分量其中Ω(x)是以x为中心的局部区域；

(2)利用引导滤波器进行多分辨率融合：

(2a)根据分量I_high和分量I_low计算线性转换系数：b＝f_m(I_low)-a.*f_m(I_high),其中表示计算I_high和I_low局部协方差，表示计算I_high的局部方差，ε为预置的控制参数，f_m(I_low),f_m(I_high)分别是对I_low和I_high进行均值滤波的结果，得到的a,b是与原图像长宽相同的系数矩阵；

(2b)根据a,b计算融合后的图像：I_fusion＝f_m(a).*I_high+f_m(b)，其中f_m(a),f_m(b)分别是对系数矩阵a,b进行均值滤波的结果；

(2c)获取大气光幕图：对融合图像I_fusion进行模糊化处理，得到大气光幕图V＝f_blur(I_fusion)；

(3)计算大气光强度值以及复原图像：

(3a)根据高分辨率分量I_high估算大气光值A：统计I_high的灰度直方图Histgram_I，然后计算直方图的累加和 $\underset{i=0}{\overset{255}{\mathrm{\Σ}}}\mathrm{Histgram}\_I,$ 当 $\underset{i=0}{\overset{j}{\mathrm{\Σ}}}\mathrm{Histgram}\_I>\mathrm{Image}\_\mathrm{size}*p$ 时，其对应的j为大气光强度值A，其中p为预置的控制参数；

(3b)计算介质透射率：根据大气光幕V和大气光强度值A，得到透射率 $t\left(x\right)=1-\mathrm{\ω}\frac{V\left(x\right)}{A},$ 其中ω为预置参数；

(3c)对雾天图像进行复原：根据复原公式其中t_min为预置参数，若雾天图像I(x)为彩色图像，则分别将R、G、B三个颜色通道值I_R(x),I_G(x),I_B(x)以及大气光值A、透射率值t(x)代入计算得到三通道的复原值J_R(x),J_G(x),J_B(x)，即可得到复原后图像J(x)；若雾天图像I(x)为灰度图像，则将I(x)以及大气光值A、透射率值t(x)代入计算得到复原后图像J(x)。