CN104168402B - 一种视频帧图像去雾方法及装置 - Google Patents
一种视频帧图像去雾方法及装置 Download PDFInfo
- Publication number
- CN104168402B CN104168402B CN201310189056.1A CN201310189056A CN104168402B CN 104168402 B CN104168402 B CN 104168402B CN 201310189056 A CN201310189056 A CN 201310189056A CN 104168402 B CN104168402 B CN 104168402B
- Authority
- CN
- China
- Prior art keywords
- frame image
- current frame
- mrow
- image
- msub
- 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
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种视频帧图像去雾方法及装置，主要内容包括：确定当前帧图像相对于设定的参考帧图像的静止区域及其暗原色图像，在暗原色图像的静止区域中提取亮度值大于设定亮度值的像素点，将在当前帧图像的处于与提取的像素点的位置相同的像素点中选择的亮度值最大的像素点的亮度值作为大气亮度值，利用大气亮度值和确定的当前帧图像的传播图对当前帧图像进行去雾。在本发明方案中，因利用了视频帧之间的关联性，确定当前帧图像中的静止区域，并利用静止区域对大气亮度值进行估计，排除了当前帧图像场景中过亮的运动目标对大气亮度值的估计造成的干扰，故获得的大气亮度值较现有技术中的大气亮度值准确，进而在去雾时，能取得较好的去雾效果。
Description
技术领域
本发明涉及数字图像处理技术领域，尤其涉及一种视频帧图像去雾方法及装置。
背景技术
户外景物的光学图像往往会由于有雾天气的影响而呈现出对比度降低及颜色偏灰白色等降质现象，这将直接限制和影响了室外目标识别和室外视觉监控等各种视觉系统效用的发挥。
目前，对图像去雾的研究可以主要分为两类：基于图像增强的去雾方法和基于图像退化物理模型的去雾方法。前者主要是主观的处理，而后者主要是通过使用退化的先验知识来试图重建一幅因天气而退化的图像。基于图像增强的去雾方法通常计算量大、可靠性不稳定；基于退化的物理模型的去雾方法中，在取景对象在较大范围内不与天空接近或没有阴影覆盖的情况下去雾效果较好的是何凯明在2009年提出的一种基于暗原色的单帧图像去雾算法，该算法建立在麦卡特尼(McCartney)提出的大气散射物理模型基础上：在天气状况不良的情况下，由于大气中存在灰尘颗粒或者雨滴等悬浮物，场景中反射到相机的光线在其传播路径上经过颗粒的吸收和散射，到达相机时已经退化，造成了成像后的图片对比度低、色彩失真及图像雾化。大气颗粒的光散射模型如图1所示，由此建立的带雾图像的数学模型为：
E(x)＝J(x)e-βd(x)+E∞(1-e-βd(x)) (1)
其中，e-βd(x)代表衰减系数(也可称为传播函数或传播图)，J(x)代表场景的辐照度，E∞代表大气亮度，β代表散射系数。J(x)e-βd(x)和E∞(1-e-βd(x))分别表示了光的直接衰减模型和大气亮度模型，E(x)代表观察到的带雾的图像。为了对图片进行去雾，即需要找到目标真实的辐照度J(x)，也即去雾后的图像。
在记t(x)＝e-βd(x)时，上述公式(1)变为公式(2)：
E(x)＝J(x)t(x)+E∞(1-t(x)) (2)
公式(2)中，由于t(x)和E∞未知，不能直接得到J(x)。何恺明等通过暗原色先验的统计规律(即绝大多数户外无雾图像的非天空的每个局部区域里，某一些像素总会在至少一个颜色通道具有很低的值)，解决了t(x)和E∞的计算问题，具体步骤如下：
第一步：利用公式(3)计算图像上每一点的暗原色；
公式(3)中Jdark为图像J的强度值接近于0的暗原色，Ec为图像E的R、G、B三通道中的一个通道，W(x)是以x为中心的一块区域。
第二步：利用公式(4)计算大气亮度；
第三步：利用公式(5)确定传播图；
第四步：利用软件抠图算法(Soft Matting)对传播图进行优化处理；
第五步：利用公式(6)得到去雾后图像；
后来的研究人员在何恺明的去雾方法的基础上主要在以下两个方面进行了改进：
一方面：在大气亮度估计方面的改进。主要通过对图像进行分割等方式找到天空区域，进而得到真实的大气亮度。
另一方面：针对Soft Matting的改进。由于Soft Matting方法耗时，影响实际应用。后续的改进方案中均采取滤波的方式替换Soft Matting方法，如中值滤波、均值滤波、双边滤波等。
然而，上述的技术方案都是建立在对单帧图片的处理之上，对于视频图像的处理，可以针对构成视频图像的每一帧分别利用上述方法进行去雾处理，但并没有考虑视频图像中的帧之间的关联性，使得处理效果相对较差。
发明内容
有鉴于此，本发明实施例提供了一种视频帧图像去雾方法及装置，用以解决现有的针对视频帧图像的去雾方法中去雾效果相对较差的问题。
本发明实施例技术方案如下：
一种视频帧图像去雾方法，包括：
确定当前帧图像相对于设定的参考帧图像的运动区域和静止区域以及当前帧图像的暗原色图像，所述当前帧图像为视频帧图像中的除第一帧图像外的图像；
在所述暗原色图像的静止区域中提取亮度值大于设定亮度值的像素点，在当前帧图像的处于与提取的像素点的位置相同的像素点中选择亮度值最大的像素点，并将选择的像素点的亮度值作为大气亮度值，其中，构成当前帧图像的暗原色图像的静止区域的像素点的位置与构成该当前帧图像的静止区域的像素点的位置相同；
根据所述大气亮度值和当前帧图像，确定当前帧图像的传播图；
根据带雾图像的数学模型，利用所述大气亮度值和确定的当前帧图像的传播图，对当前帧图像进行去雾，获得去雾后的当前帧图像。
一种视频帧图像去雾装置，所述视频帧图像去雾装置包括：
运动检测模块，用于确定当前帧图像相对于设定的参考帧图像的运动区域和静止区域，所述当前帧图像为视频帧图像中的除第一帧图像外的图像；
暗原色图像确定模块，用于确定当前帧图像的暗原色图像；
大气亮度值确定模块，用于在所述暗原色图像的静止区域中提取亮度值大于设定亮度值的像素点，在当前帧图像的处于与提取的像素点的位置相同的像素点中选择亮度值最大的像素点，并将选择的像素点的亮度值作为大气亮度值，其中，构成当前帧图像的暗原色图像的静止区域的像素点的位置与构成该当前帧图像的静止区域的像素点的位置相同；
传播图确定模块，用于据所述大气亮度值和当前帧图像，确定当前帧图像的传播图；
去雾模块，用于根据带雾图像的数学模型，利用所述大气亮度值和确定的当前帧图像的传播图，对当前帧图像进行去雾，获得去雾后的当前帧图像。
在本发明实施例的方案中，由于利用了视频之间的关联性，使用运动估计方法确定当前帧图像中的运动区域和静止区域，并利用静止区域对大气亮度值进行估计，排除了当前帧图像场景中过亮的运动目标(运动区域表明场景中具有运动目标)对大气亮度值的估计造成的干扰，因此，获得的大气亮度值较现有技术中获得的大气亮度值准确，进而在利用带雾图像的数学模型对当前帧图像进行去雾时，能取得较好的去雾效果。
附图说明
图1为背景技术中的大气颗粒的光散射模型；
图2为本发明实施例一中的视频帧图像去雾方法流程图；
图3为本发明实施例二的视频帧图像去雾方法流程图；
图4为本发明实施例二中用于说明3D去噪算法的图片；
图5将本发明的视频帧图像去雾方法应用于视频帧图像去雾系统的输入输出系统中的示意图；
图6为将本发明的视频帧图像去雾方法应用于事件检测系统中的示意图；
图7为本发明实施例三提供一种视频帧图像去雾装置。
具体实施方式
以下结合附图对本发明的实施例进行说明，应当理解，此处所描述的实施例仅用于说明和解释本发明，并不用于限定本发明。
下面对本发明实施例提供的技术方案进行详细说明。
实施例一
如图2所示，为本发明实施例一中的视频帧图像去雾方法流程图，包括以下步骤：
步骤101：确定当前帧图像相对于设定的参考帧图像的运动区域和静止区域。
本步骤101也即为根据当前帧图像和设定的参考帧图像，确定当前帧图像中的运动区域和静止区域。
具体的，在本步骤101中，可将当前帧图像和设定的参考帧图像做帧差，帧差的绝对值大于一定阈值的点标记为1即运动点，否则标记为0即静止点。
实际实施中，可以公式(7)来确定当前帧图像中的运动区域和静止区域；
公式(7)中，M(x)表示当前帧图像中的运动区域和静止区域的标记图，y和r分别代表当前帧图像像素值和设定的参考帧图像像素值。
需要说明的是，公式(7)中，若当前帧图像和设定的参考帧图像为彩色图像，则当前帧图像像素值和设定的参考帧图像像素值是指相应的彩色图像的色调饱和度亮度(HueSaturation Intensity，HIS)模型中的亮度(I)分量，若当前帧图像和设定的参考帧图像为灰度图像，则当前帧图像像素值和设定的参考帧图像像素值是指各自灰度图像的灰度值。
在本步骤101中，也可以利用其他运动检测或运动估计方法根据当前帧图像和设定的参考帧图像确定当前帧图像中的运动区域和静止区域，常见的运动检测方法有基于概率的方法(如混合高斯方法)和基于光流的方法等。
步骤102：根据暗原色先验的统计规律，确定当前帧图像的暗原色图像。
具体的，可根据按原色先验的统计规律，获得当前帧图像的每一像素点的暗通道值，然后将获得的所有像素点的暗通道值的整体构成的一幅图像即为该当前帧图像的暗原色图像。
在当前帧图像为彩色图像时，针对彩色图像中的每个像素点，找到以该像素点为中心的设定窗口(例如8*8窗口)内所有的像素点，并将该设定窗口内的彩色图像的R分量、G分量和B分量(即三个颜色通道)中最小像素值作为该像素点的暗通道值。
针对彩色图像，将上述表述用公式表示即为公式(3)所示。
在当前帧图像为灰度图像时，针对灰度图像中的每个像素点，找到以该像素点为中心的设定窗口(例如8*8窗口)内所有的像素点，并将该设定窗口内的像素点的灰度值中最小灰度值作为该像素点的暗通道值。
需要说明的是，本实施例并不对步骤101和步骤102的执行顺序进行限定，可以顺序地执行步骤101和步骤102；也可以先执行步骤102，再执行步骤101；还可以同时执行步骤101和步骤102。
步骤103：根据所述的静止区域和暗原色图像，确定大气亮度值。
具体的，可以通过以下两种方法根据所述的静止区域和暗原色图像，确定大气亮度值：
第一种方法包括以下步骤：
第一步：在所述暗原色图像的静止区域中提取亮度大于设定亮度值的像素点；
其中，构成当前帧图像的暗原色图像的静止区域的像素点的位置与构成该当前帧图像的静止区域的像素点的位置相同，也可以说所述暗原色图像的静止区域对应于当前帧图像的静止区域。
第二步：在当前帧图像的处于与提取的像素点的位置相同的像素点中选择亮度值最大的像素点，并将选择的像素点的亮度值作为大气亮度值。
上述确定大气亮度值的两个步骤用数学公式表示即为公式(8)所示。
其中，T为设定亮度值，M(x)表示当前帧图像中的运动区域和静止区域的标记图(也可称为运动估计的掩码图)，M(x)＝0表示当前帧图像中的静止区域或者表示当前帧图像的暗原色图像中的静止区域。Jdark(i)表示当前帧图像的暗原色图像。
需要说明的是，由于大气亮度值表示离相机最远的区域的亮度，通常是天空区域，并且这些区域雾的浓度更高，亮度很大，对应于暗通道中最亮的那些区域，因此可在选取设定亮度值时，先对当前帧图像的暗通道值从小到大进行排序，然后取一定的分位(比如0.99)的值作为设定亮度值。
第二种方法包括以下步骤：
第一步：在所述暗原色图像中提取亮度值大于设定亮度值的像素点；
第二步：在提取的所述像素点对应的当前帧图像的静止区域中选择亮度值最大的像素点；
第三步：将选择的像素点的亮度值作为大气亮度值。
在本步骤103中，由于只使用静止区域的暗原色图中的亮度大于设定亮度值的像素点，并将在这部分像素点对应的当前帧图像的像素点中亮度值最大的像素点的亮度值作为大气亮度值，因此，排除了过亮的运动目标(运动区域表示表明场景中存在运动目标)对大气亮度值的估计造成的干扰，可以较准确的估计出大气亮度值，使得估计出的大气亮度值更接近实际的大气亮度值。
步骤104：根据所述大气亮度值和当前帧图像，确定当前帧图像的传播图。
具体的，本步骤104可以利用公式(5)确定当前帧图像的传播图。
步骤105：根据带雾图像的数学模型，利用所述大气亮度值和确定的当前帧图像的传播图，对当前帧图像进行去雾，获得去雾后的当前帧图像。
具体的，针对彩色图像，本步骤105可以针对当前帧图像的每一个颜色通道分别利用公式(6)进行处理，最后获得去雾后的当前帧图像，也即对有雾的当前帧图像进行去雾后的复原图像。
在本步骤105中，为了减少噪声干扰，公式(6)中的t(x)限定为不小于最小值t0，也即在t(x)小于t0时，用t0来代替，用数学公式表达即为通常的，t0为一个固定的经验值0.1。
较优的，由于步骤104中获得的传播图具有块效应，可在步骤104之后，步骤105之前，增加步骤104a：利用软件抠图(Soft Matting)算法或滤波操作(中值滤波、均值滤波、双边滤波等)对传播图进行优化处理。
由于Soft Matting算法耗时较长，本发明采用滤波操作对当前帧图像的传播图进行优化处理。
考虑到视频之间的关联性，为保证相邻帧图像之间传播图的一致性，提高整体传播图的准确性，较优的，在步骤104a之后，步骤105之前，所述方法还包括：步骤104b：对滤波处理或Soft Matting算法处理后的当前帧图像的传播图和与当前帧图像相邻的前一帧图像的传播图进行加权求和，得到优化的当前帧图像的传播图。
在步骤104b中，当前帧图像的传播图和当前帧图像相邻的前一帧图像的传播图的加权值的大小可根据实际情况或经验值进行确定，本发明中对当前帧图像的传播图和当前帧图像相邻的前一帧图像的传播图的加权值均采用1/2。
在采用步骤104b后，所述步骤105具体为：根据带雾图像的数学模型，利用所述大气亮度值和优化的当前帧图像的传播图，对当前帧图像进行去雾，获得去雾后的当前帧图像。
具体的，上述步骤104a中，对当前帧图像的传播图进行滤波处理，具体包括：
利用另外一张与当前帧图像的传播图具有关联性的图(也即灰度相关图)作为参考对当前帧图像的传播图进行滤波。
利用公式(9)对当前帧图像的传播图进行滤波处理：
其中，x代表当前帧图像的传播图，g代表当前帧图像的灰度相关图，Wk表示以像素点k为中心的窗口，μk表示以像素点k为中心的窗口内的像素点的亮度值的均值，表示以像素点k为中心的窗口内的像素点的亮度值的方差，ω为归一化系数，δ为调节参数，调节参数越大，则滤波后区域越平滑，本发明中取值为0.01，i表示像素点，j表示像素点i邻域内的像素点，Oi表示滤波处理后的当前帧图像的传播图，当前帧图像的灰度相关图为当前帧图像的灰度图或当前帧图像的红、绿、蓝分量图中的任一分量图，在当前帧图像为彩色图像时，所述当前帧图像的灰度图为该当前帧图像的HIS模型中的I分量图。
下面对上述公式(9)进行进一步说明：
普通的线性滤波的表达方式为：其中，Ω(i,j)表示的是以像素点(i，j)为中心的窗口内的所有像素，O(i,j)代表输出O为输入x在每一像素点处的权重Wuv与输入的乘积。公式中的i和j表示的是二维空间的像素点坐标。
为了方便表示时，可只用单个下标i或者是j表示二维的一个像素点，而不是通常意义上的用(i,j)表示图像上i行j列的某一个像素点(公式中的表述即是通常意义上的用(i,j)表示图像上i行j列的某一个像素点)。那么上述公式就可表示为公式就表示图像中某一像素点i处的输出是像素点i的邻域范围内所有像素点j的加权平均。
本发明实施例一采用的权重公式为所以将权重公式带入后就得到了本发明实施例一中的公式(9)。在求解Oi时，可将i看为是固定的，那么权重Wi,j就表示像素点i周围邻域内每一点j的权重。当i,j确定后Wi,j中的求和是针对以像素点k为中心的窗口，即所有包含了i,j在内的以像素点k为中心的窗口。
需要说明的是，上述以像素点k为中心的窗口的大小可根据实际情况进行调整，本发明中窗口大小采用8*8。
在本发明实施例一的方案中，针对视频之间具有关联性的特点，一方面利用运动估计对大气亮度值进行准确的估计，确保获得的大气亮度值更接近实际的大气亮度值；另一方面利用灰度相关图对当前帧图像的传播图进行滤波处理，以及利用当前帧图像的相邻前一帧的传播图对滤波处理后的当前帧图像的传播图进行优化处理，保证了视频之间传播图的连续性及准确性，使得本发明实施例一对视频的去雾处理的效果较好。
本发明实施例一的视频帧图像去雾方案是建立在对当前帧图像进行处理时，均认为当前帧图像是带雾的图像的基础上的，若当前帧图像并不是带雾的图像，则无需对当前帧图像进行去雾操作，本发明实施例二的方案在实施例一的方案的基础上增加了对当前帧图像是否需要去雾进行判断操作，进而能较好的应用于数字图像的模式识别或检测系统中。
实施例二
如图3所示，为本发明实施例二的视频帧图像去雾方法流程图，包括以下步骤：
步骤201：判断当前帧图像是否为第一帧图像，若是，则执行步骤202；若否，则执行步骤203。
步骤202：初始化当前雾的浓度值为设定的初始雾浓度值，并存储当前帧图像到内存中，将其作为设定的参考帧图像。
在本步骤202中，可将设定的初始雾浓度值初始化为1，也即为最大浓度值。
步骤203：确定当前帧图像的对比度和亮度比，并执行步骤204。
所述对比度是衡量图像局部明暗像素之间亮度层级的度量，对比度越高则代表图像颜色和纹理越丰富。
所述亮度比是指当前帧图像中像素的亮度值在设定范围内的像素个数占当前帧图像中包含的全部像素个数的百分比。
具体实施时，可利用公式(10)及公式(11)来确定当前帧图像的对比度。
公式(11)中是针对当前帧图像中的每一个像素点i进行对比度的求取，G表示当前帧图像的梯度(可利用sobel算子、Robert算子等计算当前帧图像的梯度)，Gi表示当前帧图像中像素点i的梯度值，在当前帧图像为彩色图像时，Ii表示当前帧图像的HIS模型中像素点i的I分量的值，在当前帧图像为灰度图像时，Ii表示当前帧图像中像素点i的灰度值。
公式(12)中对比度计算公式是一个经验公式，物理意义是亮度一定的情况下梯度越大对比度越高。
公式(11)中，n代表当前帧图像的像素总数。
针对亮度比，可通过统计当前帧图像亮度分量直方图，在表示图像的灰阶为256时，直方图bin的个数为256，并统计以亮度值G0为中心n个bin范围内像素点个数占总的像素点的百分比来确定。利用数学公式表示即为公式(12)所示。
公式(12)中，N为当前帧图像中总的像素点数，在本发明实施例二中取G0＝160。
步骤204：判断当前帧图像是否满足去雾条件，若是，则执行步骤205；若否，则执行步骤206。
所述去雾条件为：第一条件或第二条件。
所述第一条件为：当前雾的浓度值大于设定雾浓度值，其中，在当前帧图像为第一帧图像时，所述当前雾的浓度值为设定的初始雾浓度值。
所述第二条件为：当前帧图像的对比度小于设定对比度且当前帧图像的亮度值大于设定亮度比。
上述去雾条件的物理意义是：当结合历史信息(也即利用对与当前帧图像相邻的上一帧的进行去雾后得到的更新后的当前雾的浓度值)判断雾浓度较大时，需要对当前帧图像进行去雾操作；或者当当前帧图像中像素的亮度值大部分较大并且对比度不高的情况下也要对当前帧图像进行去雾操作。
在本发明实施例二中，所述设定雾浓度值取值为0.5，设定对比度取值为130，设定的亮度比的取值为0.3。
步骤205：对当前帧图像进行去噪处理，并执行步骤207。
本步骤205中，可以用现有的去噪算法对当前帧图像进行去噪处理，在本发明实施例中，考虑到视频之间的关联性，采用现有的3D去噪算法(详见IEEE，Cocchia，Carrato，andRamponi：Design and Real-Time Implementation of a 3-D Rational Filter for EdgePreserving Smoothing)对当前帧图像进行去噪处理。下面对3D去噪算法进行简单说明。
3D去噪是结合图像的时空域信息，对图像进行噪声滤除的一种方法。在当前帧图像为灰度图像时，直接对其灰度进行3D降噪；在当前帧图像为彩色图像时，将该当前帧图像像转化到YCbCr空间，对Y分量3D降噪然后合成到RGB空间。具体的可以利用公式(13)对当前帧图像进行去噪。
其中，公式(13)中下标i,j代表像素点坐标位置，上标t,t-1代表当前帧图像和设定的参考帧图像。ks,As,kt,At是去噪调节参数，用于控制去噪程度。这四个值可以用经验值代替，在本发明中ks＝kt＝0.125 As＝At＝20。
下面通过图4所表示的图片，对上述3D去噪算法进行说明，假设图4表示当前帧图像和设定的参考帧图像中某3x3窗口，窗口中心点像素的观测值为现在要得到此点去噪后的值，由公式(13)可得：
下面通过理论分析，说明对当前帧图像进行去雾操作之前进行噪声去除的必要性。
在当前帧图像中存在的噪声时，则上述建立的带雾图像的数学模型为可以写成公式(14)：
E*(x)＝J(x)t(x)+E∞(1-t(x))+n(x) (14)
其中，n(x)为像素点x处的噪声，按照暗原色先验统计规律恢复后的图像为公式(15)：
将公式(14)带入公式(15)可得到公式(16)：
对公式(16)进行化简，可得到公式(17)：
由于t(x)∈(0,1)，因此原始图像在经过处理后噪声被放大，特别是在雾越浓(t(x)越小)的区域噪声被放大得越厉害，会出现严重的偏色或者块效应，因此，为确保取得较好的去雾效果的同时，确保去雾后的当前帧图像的图像质量，在去雾操作之前，对当前帧图像进行去噪是很有必要的。
需要说明的是，现有技术中带雾图像的数学模型是假设原始图像中没有噪声的，这一假设在大多数情况下是合理的，特别是在原始图像的噪声不大的情况下能够很好的适用，因此现有技术中在对原始图像进行去雾之前并没有进行去除噪声的处理，然而，在噪声较大时，通过上述对当前帧图像进行去雾操作之前进行噪声去除的必要性的分析可知，不对当前帧图像先进行去噪处理而直接进行对当前帧图像的去雾处理的效果将会变得较差，因此，本发明实施例二中在对当前帧图像进行去雾处理之前，对当前帧图像进行去噪处理。
本步骤205是本发明实施例二的优选步骤，目的是排除噪声对后续确定大气亮度值(包括确定当前帧图像的运动区域及静止区域)及当前帧图像的传播图的影响，提高确定出的大气亮度值及当前帧图像的传播图的准确性，最终可确保取得较好的去雾效果。
需要说明的是，本步骤205的去噪处理并不局限于在步骤204之后执行，可以在步骤207之前的任一步骤执行。
步骤206：利用该当前帧图像更新所述设定的参考帧图像。
在本步骤206后，将当前帧图像的下一帧图像作为当前帧图像，跳转至步骤201或步骤207中的步骤101。
若本实施例应用于视频帧图像去雾系统，则在本步骤206后，将所述当前帧图像输出，也即输出无雾的当前帧图像。
步骤207：对去噪后的当前帧图像利用实施例一中的步骤101至步骤105执行去雾操作，并执行步骤208。
较优的，在执行实施例一的步骤105中，考虑到场景不同，雾的浓淡程度不同，一个固定值不能很好的适应环境的变化，t0过小则造成去雾不彻底，尤其是远处的雾气不能去除，但是太大则会出现偏色，因此，本发明实施例二中使用公式(18)来自适应调整t0。
t0＝β×ρp+0.1 (18)
其中，β为设定的相关性系数，ρp为当前雾的浓度值。
在本发明实施例一中，β的取值为0.15。
步骤208：分别确定当前帧图像的直方图和去雾后的当前帧图像的直方图，并根据确定的去雾后的当前帧图像的直方图和当前帧图像的直方图确定当前雾的参考浓度值。
本步骤208具体可利用公式(19)确定当前雾的参考浓度值：
其中，ρr为当前雾的参考浓度值，H0为去雾前的当前帧图像的直方图的向量表示，H1为去雾后的当前帧图像的直方图的向量表示，向量中的元素表某一亮度值的像素点出现的频率，在假设H0＝(h00,h01,…h0n)，以及H1＝(h10,h11,…h1n)，时，公式(19)可表示为如公式(20)所示：
步骤209：利用确定的当前雾的参考浓度值和当前雾的浓度值加权和对当前雾的浓度值进行更新。
在本步骤209后，可将当前帧图像的下一帧图像作为当前帧图像，跳转至步骤201或步骤207中的步骤101。
本步骤209中，考虑到雾的浓度值是一个渐变的过程，故利用当前雾浓度值(本次循环的步骤204中用到的当前雾的浓度值)和求取的当前雾的参考浓度值对当前雾浓度进行一定比率的更新，以便于下次循环时利用更新后的当前雾的浓度值较为符合实际场景中雾的浓度值，进而准确的对是正在处理的帧图像是否需要进行去雾操作进行判断。
本步骤209中，具体可以利用公式(21)对当前雾的浓度值进行更新：
ρc＝αρp+(1-α)ρr (21)
其中，ρc为更新后的当前雾的浓度值，ρp为当前雾的浓度值，α为设定的更新率。在本发明实施例二的方案中，α取值为0.3。
视频中包含很多帧图像，针对视频中的每一帧图像，均执行上述步骤201至步骤209的操作。
本发明实施例二的方案在实施例一的基础上新增了是否对当前帧图像进行去雾操作的判断，提高了去雾操作的目的性及自动化程度，此外，还利用去雾后的当前帧图像对当前雾的浓度值进行更新，使得对是否需要进行去雾操作的判断的准确性增加。
本发明实施例一和实施例二的方案可应用在需要对视频帧图像进行去雾处理的各种系统中，例如应用于如图5所示的视频帧图像去雾系统的输入输出中，应用在如图6所示的事件检测系统中，本发明在此并不对应用于何种系统进行限定。
实施例三
基于与实施例一及实施例二的同一发明构思，本发明实施例三提供一种视频帧图像去雾装置，其结构示意图如图7所示，包括：运动检测模块101、暗原色图像确定模块102、大气亮度值确定模块103、传播图确定模块104和去雾模块105，其中：
运动检测模块101，用于确定当前帧图像相对于设定的参考帧图像的运动区域和静止区域，所述当前帧图像为视频帧图像中的除第一帧图像外的图像；
暗原色图像确定模块102，用于确定当前帧图像的暗原色图像；
大气亮度值确定模块103，用于在所述暗原色图像的静止区域中提取亮度值大于设定亮度值的像素点，在当前帧图像的处于与提取的像素点的位置相同的像素点中选择亮度值最大的像素点，并将选择的像素点的亮度值作为大气亮度值，其中，构成当前帧图像的暗原色图像的静止区域的像素点的位置与构成该当前帧图像的静止区域的像素点的位置相同；
传播图确定模块104，用于据所述大气亮度值和当前帧图像，确定当前帧图像的传播图；
去雾模块105，用于根据带雾图像的数学模型，利用所述大气亮度值和确定的当前帧图像的传播图，对当前帧图像进行去雾，获得去雾后的当前帧图像。
较优的，所述装置还包括：
滤波模块106，用于对当前帧图像的传播图进行滤波处理；
传播图优化模块107，用于对滤波处理后的当前帧图像的传播图和与当前帧图像相邻的前一帧图像的传播图进行加权求和，得到优化的当前帧图像的传播图；
所述去雾模块105，具体用于根据带雾图像的数学模型，利用所述大气亮度值和优化的当前帧图像的传播图，对当前帧图像进行去雾，获得去雾后的当前帧图像。
较优的，所述滤波模块106，具体用于利用以下公式对当前帧图像的传播图进行滤波处理：
其中，x代表当前帧图像的传播图，g代表当前帧图像的灰度相关图，Wk表示以像素点k为中心的窗口，μk表示以像素点k为中心的窗口内的像素点的亮度值的均值，表示以像素点k为中心的窗口内的像素点的亮度值的方差，ω为归一化系数，δ为调节参数，i表示像素点，j表示像素点i邻域内的像素点，Oi表示滤波处理后的当前帧图像的传播图，当前帧图像的灰度相关图为当前帧图像的灰度图或当前帧图像的红、绿、蓝分量图中的任一分量图。
较优的，所述装置还包括：
亮度及对比度确定模块108，用于在确定当前帧图像相对于设定的参考帧图像的运动区域和静止区域以及当前帧图像的暗原色图像之前，确定当前帧图像的对比度和亮度比，所述亮度比是指当前帧图像中像素的亮度值在设定范围内的像素个数占当前帧图像中包含的全部像素个数的百分比；
判断模块109，用于判断当前帧图像是否满足去雾条件，所述去雾条件为：第一条件或第二条件，所述第一条件为：当前雾的浓度值大于设定雾浓度值，其中，在当前帧图像为第一帧图像时，所述当前雾的浓度值为设定的初始雾浓度值；所述第二条件为：当前帧图像的对比度小于设定对比度且当前帧图像的亮度值大于设定亮度比；
运动检测模块101，具体用于在当前帧图像满足去雾条件时，确定当前帧图像相对于设定的参考帧图像的运动区域和静止区域，所述当前帧图像为视频帧图像中的除第一帧图像外的图像；
暗原色图像确定模块102，具体用于在当前帧图像满足去雾条件时，确定当前帧图像的暗原色图像；
较优的，所述装置还包括：参考帧图像更新模块110，用于在当前帧图像不满足去雾条件时，利用该当前帧图像更新所述设定的参考帧图像。
跳转模块114，用于将参考帧图像更新模块中用于更新设定的参考帧图像的当前帧图像的下一帧图像作为当前帧图像，并触发运动检测模块101。
较优的，所述装置还包括：
去噪模块111，用于确定当前帧图像相对于设定的参考帧图像的运动区域和静止区域以及确定当前帧图像的暗原色图像之前对当前帧图像进行去噪处理。
较优的，所述装置还包括：
当前雾的参考浓度值确定模块112，用于在获得去雾后的当前帧图像之后，分别确定去雾后的当前帧图像的直方图和当前帧图像的直方图，并根据确定的去雾后的当前帧图像的直方图和当前帧图像的直方图确定当前雾的参考浓度值；
当前雾的浓度值更新模块113，利用确定的当前雾的参考浓度值和当前雾的浓度值加权和对当前雾的浓度值进行更新，其中，在当前帧图像为第一帧图像时，所述当前雾的浓度值为设定的初始雾浓度值。
跳转模块114，还用于将当前帧图像的下一帧图像作为当前帧图像，并触发运动检测模块101。
具体的，当前雾的参考浓度值确定模块112，具体利用以下公式确定当前雾的参考浓度值：
其中，ρr为当前雾的参考浓度值，H0为去雾前的当前帧图像的直方图的向量表示，H1为去雾后的当前帧图像的直方图的向量表示；
当前雾的浓度值更新模块113，具体用于利用以下公式根据确定的当前雾的参考浓度值和当前雾的浓度值加权和对当前雾的浓度值进行更新：
ρc＝αρp+(1-α)ρr
其中，ρc为更新后的当前雾的浓度值，ρp为当前雾的浓度值，α为设定的更新率。
所述去雾模块105，具体用于利用以下公式根据带雾图像的数学模型，利用所述大气亮度值和确定的当前帧图像的传播图，对当前帧图像进行去雾：
其中，J(x)为去雾后的当前帧图像，E(x)为当前帧图像，E∞为确定的大气亮度值，t(x)为确定的当前帧图像的传播图，t0＝β×ρp+0.1，其中，β为设定的相关性系数，ρp为当前雾的浓度值。
本领域普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (18)
1.一种视频帧图像去雾方法，其特征在于，包括：
确定当前帧图像相对于设定的参考帧图像的运动区域和静止区域以及当前帧图像的暗原色图像，所述当前帧图像为视频帧图像中的除第一帧图像外的图像；
在所述暗原色图像的静止区域中提取亮度值大于设定亮度值的像素点，在当前帧图像的处于与提取的像素点的位置相同的像素点中选择亮度值最大的像素点，并将选择的像素点的亮度值作为大气亮度值，其中，构成当前帧图像的暗原色图像的静止区域的像素点的位置与构成该当前帧图像的静止区域的像素点的位置相同；
根据所述大气亮度值和当前帧图像，确定当前帧图像的传播图；
根据带雾图像的数学模型，利用所述大气亮度值和确定的当前帧图像的传播图，对当前帧图像进行去雾，获得去雾后的当前帧图像。
2.如权利要求1所述的方法，其特征在于，在确定当前帧图像的传播图之后，所述方法还包括：
对当前帧图像的传播图进行滤波处理；
对滤波处理后的当前帧图像的传播图和与当前帧图像相邻的前一帧图像的传播图进行加权求和，得到优化的当前帧图像的传播图；
所述根据带雾图像的数学模型，利用所述大气亮度值和确定的当前帧图像的传播图，对当前帧图像进行去雾，获得去雾后的当前帧图像，具体为：
根据带雾图像的数学模型，利用所述大气亮度值和优化的当前帧图像的传播图，对当前帧图像进行去雾，获得去雾后的当前帧图像。
3.如权利要求2所述的方法，其特征在于，利用以下公式对当前帧图像的传播图进行滤波处理：
<mrow>
<msub>
<mi>O</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<munder>
<mi>&Sigma;</mi>
<mi>j</mi>
</munder>
<mfrac>
<mn>1</mn>
<msup>
<mrow>
<mo>|</mo>
<mi>&omega;</mi>
<mo>|</mo>
</mrow>
<mn>2</mn>
</msup>
</mfrac>
<munder>
<mi>&Sigma;</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>&Element;</mo>
<msub>
<mi>W</mi>
<mi>k</mi>
</msub>
</mrow>
</munder>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mfrac>
<mrow>
<mrow>
<mo>(</mo>
<msub>
<mi>g</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<msub>
<mi>g</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>&sigma;</mi>
<mi>k</mi>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<mi>&delta;</mi>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<msub>
<mi>x</mi>
<mi>j</mi>
</msub>
</mrow>
其中，x代表当前帧图像的传播图，g代表当前帧图像的灰度相关图，Wk表示以像素点k为中心的窗口，μk表示以像素点k为中心的窗口内的像素点的亮度值的均值，表示以像素点k为中心的窗口内的像素点的亮度值的方差，ω为归一化系数，δ为调节参数，i表示像素点，j表示像素点i邻域内的像素点，Oi表示滤波处理后的当前帧图像的传播图，当前帧图像的灰度相关图为当前帧图像的灰度图或当前帧图像的红、绿、蓝分量图中的任一分量图。
4.如权利要求1所述的方法，其特征在于，在确定当前帧图像相对于设定的参考帧图像的运动区域和静止区域以及当前帧图像的暗原色图像之前，所述方法还包括：
确定当前帧图像的对比度和亮度比，所述亮度比是指当前帧图像中像素的亮度值在设定范围内的像素个数占当前帧图像中包含的全部像素个数的百分比；
判断当前帧图像是否满足去雾条件，所述去雾条件为：第一条件或第二条件，所述第一条件为：当前雾的浓度值大于设定雾浓度值，其中，在当前帧图像为第一帧图像时，所述当前雾的浓度值为设定的初始雾浓度值；所述第二条件为：当前帧图像的对比度小于设定对比度且当前帧图像的亮度值大于设定亮度比；
所述确定当前帧图像相对于设定的参考帧图像的运动区域和静止区域以及当前帧图像的暗原色图像具体为：
在当前帧图像满足去雾条件时，确定当前帧图像相对于设定的参考帧图像的运动区域和静止区域以及当前帧图像的暗原色图像。
5.如权利要求4所述的方法，其特征在于，在当前帧图像不满足去雾条件时，利用该当前帧图像更新所述设定的参考帧图像，并将该当前帧图像的下一帧图像作为当前帧图像，执行确定当前帧图像相对于设定的参考帧图像的运动区域和静止区域以及当前帧图像的暗原色图像的操作。
6.如权利要求1所述的方法，其特征在于，在确定当前帧图像相对于设定的参考帧图像的运动区域和静止区域以及确定当前帧图像的暗原色图像之前，所述方法还包括：
对当前帧图像进行去噪处理。
7.如权利要求1所述的方法，其特征在于，在获得去雾后的当前帧图像之后，所述方法还包括：
分别确定去雾后的当前帧图像的直方图和当前帧图像的直方图，并根据确定的去雾后的当前帧图像的直方图和当前帧图像的直方图确定当前雾的参考浓度值；
根据确定的当前雾的参考浓度值和当前雾的浓度值加权和对当前雾的浓度值进行更新，其中，在当前帧图像为第一帧图像时，所述当前雾的浓度值为设定的初始雾浓度值；
将当前帧图像的下一帧图像作为当前帧图像，执行确定当前帧图像相对于设定的参考帧图像的运动区域和静止区域以及当前帧图像的暗原色图像的操作。
8.如权利要求7所述的方法，其特征在于，利用以下公式根据确定的去雾后的当前帧图像的直方图和去雾前的当前帧图像的直方图确定当前雾的参考浓度值：
<mrow>
<msub>
<mi>&rho;</mi>
<mi>r</mi>
</msub>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<mrow>
<msub>
<mi>H</mi>
<mn>0</mn>
</msub>
<msub>
<mi>H</mi>
<mn>1</mn>
</msub>
</mrow>
<mrow>
<mo>|</mo>
<msub>
<mi>H</mi>
<mn>0</mn>
</msub>
<mo>|</mo>
<mo>&CenterDot;</mo>
<mo>|</mo>
<msub>
<mi>H</mi>
<mn>1</mn>
</msub>
<mo>|</mo>
</mrow>
</mfrac>
</mrow>
其中，ρr为当前雾的参考浓度值，H0为去雾前的当前帧图像的直方图的向量表示，H1为去雾后的当前帧图像的直方图的向量表示；
利用以下公式根据确定的当前雾的参考浓度值和当前雾的浓度值加权和对当前雾的浓度值进行更新：
ρc＝αρp+(1-α)ρr
其中，ρc为更新后的当前雾的浓度值，ρp为当前雾的浓度值，α为设定的更新率。
9.如权利要求4所述的方法，其特征在于，利用以下公式根据带雾图像的数学模型，利用所述大气亮度值和确定的当前帧图像的传播图，对当前帧图像进行去雾：
<mrow>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>E</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>E</mi>
<mo>&infin;</mo>
</msub>
</mrow>
<mrow>
<mi>max</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msub>
<mi>t</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>+</mo>
<msub>
<mi>E</mi>
<mo>&infin;</mo>
</msub>
</mrow>
其中，J(x)为去雾后的当前帧图像，E(x)为当前帧图像，E∞为确定的大气亮度值，t(x)为确定的当前帧图像的传播图，t0=β×ρp+0.1，其中，β为设定的相关性系数，ρp为当前雾的浓度值。
10.一种视频帧图像去雾装置，其特征在于，所述视频帧图像去雾装置包括：
运动检测模块，用于确定当前帧图像相对于设定的参考帧图像的运动区域和静止区域，所述当前帧图像为视频帧图像中的除第一帧图像外的图像；
暗原色图像确定模块，用于确定当前帧图像的暗原色图像；
大气亮度值确定模块，用于在所述暗原色图像的静止区域中提取亮度值大于设定亮度值的像素点，在当前帧图像的处于与提取的像素点的位置相同的像素点中选择亮度值最大的像素点，并将选择的像素点的亮度值作为大气亮度值，其中，构成当前帧图像的暗原色图像的静止区域的像素点的位置与构成该当前帧图像的静止区域的像素点的位置相同；
传播图确定模块，用于据所述大气亮度值和当前帧图像，确定当前帧图像的传播图；
去雾模块，用于根据带雾图像的数学模型，利用所述大气亮度值和确定的当前帧图像的传播图，对当前帧图像进行去雾，获得去雾后的当前帧图像。
11.如权利要求10所述的装置，其特征在于，所述装置还包括：
滤波模块，用于对当前帧图像的传播图进行滤波处理；
传播图优化模块，用于对滤波处理后的当前帧图像的传播图和与当前帧图像相邻的前一帧图像的传播图进行加权求和，得到优化的当前帧图像的传播图；
所述去雾模块，具体用于根据带雾图像的数学模型，利用所述大气亮度值和优化的当前帧图像的传播图，对当前帧图像进行去雾，获得去雾后的当前帧图像。
12.如权利要求11所述的装置，其特征在于，滤波模块，具体用于利用以下公式对当前帧图像的传播图进行滤波处理：
<mrow>
<msub>
<mi>O</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<munder>
<mi>&Sigma;</mi>
<mi>j</mi>
</munder>
<mfrac>
<mn>1</mn>
<msup>
<mrow>
<mo>|</mo>
<mi>&omega;</mi>
<mo>|</mo>
</mrow>
<mn>2</mn>
</msup>
</mfrac>
<munder>
<mi>&Sigma;</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>&Element;</mo>
<msub>
<mi>W</mi>
<mi>k</mi>
</msub>
</mrow>
</munder>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mfrac>
<mrow>
<mrow>
<mo>(</mo>
<msub>
<mi>g</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<msub>
<mi>g</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>&sigma;</mi>
<mi>k</mi>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<mi>&delta;</mi>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<msub>
<mi>x</mi>
<mi>j</mi>
</msub>
</mrow>
其中，x代表当前帧图像的传播图，g代表当前帧图像的灰度相关图，Wk表示以像素点k为中心的窗口，μk表示以像素点k为中心的窗口内的像素点的亮度值的均值，表示以像素点k为中心的窗口内的像素点的亮度值的方差，ω为归一化系数，δ为调节参数，i表示像素点，j表示像素点i邻域内的像素点，Oi表示滤波处理后的当前帧图像的传播图，当前帧图像的灰度相关图为当前帧图像的灰度图或当前帧图像的红、绿、蓝分量图中的任一分量图。
13.如权利要求10所述的装置，其特征在于，所述装置还包括：
亮度及对比度确定模块，用于在确定当前帧图像相对于设定的参考帧图像的运动区域和静止区域以及当前帧图像的暗原色图像之前，确定当前帧图像的对比度和亮度比，所述亮度比是指当前帧图像中像素的亮度值在设定范围内的像素个数占当前帧图像中包含的全部像素个数的百分比；
判断模块，用于判断当前帧图像是否满足去雾条件，所述去雾条件为：第一条件或第二条件，所述第一条件为：当前雾的浓度值大于设定雾浓度值，其中，在当前帧图像为第一帧图像时，所述当前雾的浓度值为设定的初始雾浓度值；所述第二条件为：当前帧图像的对比度小于设定对比度且当前帧图像的亮度值大于设定亮度比；
运动检测模块，具体用于在当前帧图像满足去雾条件时，确定当前帧图像相对于设定的参考帧图像的运动区域和静止区域，所述当前帧图像为视频帧图像中的除第一帧图像外的图像；
暗原色图像确定模块，具体用于在当前帧图像满足去雾条件时，确定当前帧图像的暗原色图像。
14.如权利要求13所述的装置，其特征在于，所述装置还包括：参考帧图像更新模块，用于在当前帧图像不满足去雾条件时，利用该当前帧图像更新所述设定的参考帧图像；
跳转模块，用于将参考帧图像更新模块中用于更新设定的参考帧图像的当前帧图像的下一帧图像作为当前帧图像，并触发运动检测模块。
15.如权利要求10所述的装置，其特征在于，所述装置还包括：
去噪模块，用于确定当前帧图像相对于设定的参考帧图像的运动区域和静止区域以及确定当前帧图像的暗原色图像之前对当前帧图像进行去噪处理。
16.如权利要求10所述的装置，其特征在于，所述装置还包括：
当前雾的参考浓度值确定模块，用于在获得去雾后的当前帧图像之后，分别确定去雾后的当前帧图像的直方图和当前帧图像的直方图，并根据确定的去雾后的当前帧图像的直方图和当前帧图像的直方图确定当前雾的参考浓度值；
当前雾的浓度值更新模块，用于利用确定的当前雾的参考浓度值和当前雾的浓度值加权和对当前雾的浓度值进行更新，其中，在当前帧图像为第一帧图像时，所述当前雾的浓度值为设定的初始雾浓度值；
跳转模块，用于将当前帧图像的下一帧图像作为当前帧图像，并触发运动检测模块。
17.如权利要求16所述的装置，其特征在于，当前雾的参考浓度值确定模块，具体利用以下公式根据确定的去雾后的当前帧图像的直方图和去雾前的当前帧图像的直方图确定当前雾的参考浓度值：
<mrow>
<msub>
<mi>&rho;</mi>
<mi>r</mi>
</msub>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<mrow>
<msub>
<mi>H</mi>
<mn>0</mn>
</msub>
<msub>
<mi>H</mi>
<mn>1</mn>
</msub>
</mrow>
<mrow>
<mo>|</mo>
<msub>
<mi>H</mi>
<mn>0</mn>
</msub>
<mo>|</mo>
<mo>&CenterDot;</mo>
<mo>|</mo>
<msub>
<mi>H</mi>
<mn>1</mn>
</msub>
<mo>|</mo>
</mrow>
</mfrac>
</mrow>
其中，ρr为当前雾的参考浓度值，H0为去雾前的当前帧图像的直方图的向量表示，H1为去雾后的当前帧图像的直方图的向量表示；
当前雾的浓度值更新模块，具体用于利用以下公式根据确定的当前雾的参考浓度值和当前雾的浓度值加权和对当前雾的浓度值进行更新：
ρc＝αρp+(1-α)ρr
其中，ρc为更新后的当前雾的浓度值，ρp为当前雾的浓度值，α为设定的更新率。
18.如权利要求13所述的装置，其特征在于，去雾模块，具体用于利用以下公式根据带雾图像的数学模型，利用所述大气亮度值和确定的当前帧图像的传播图，对当前帧图像进行去雾：
<mrow>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>E</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>E</mi>
<mo>&infin;</mo>
</msub>
</mrow>
<mrow>
<mi>max</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msub>
<mi>t</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>+</mo>
<msub>
<mi>E</mi>
<mo>&infin;</mo>
</msub>
</mrow>
其中，J(x)为去雾后的当前帧图像，E(x)为当前帧图像，E∞为确定的大气亮度值，t(x)为确定的当前帧图像的传播图，t0=β×ρp+0.1，其中，β为设定的相关性系数，ρp为当前雾的浓度值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310189056.1A CN104168402B (zh) | 2013-05-17 | 2013-05-17 | 一种视频帧图像去雾方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310189056.1A CN104168402B (zh) | 2013-05-17 | 2013-05-17 | 一种视频帧图像去雾方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104168402A CN104168402A (zh) | 2014-11-26 |
| CN104168402B true CN104168402B (zh) | 2017-09-12 |
Family
ID=51912014
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310189056.1A Active CN104168402B (zh) | 2013-05-17 | 2013-05-17 | 一种视频帧图像去雾方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104168402B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105635526A (zh) * | 2015-12-25 | 2016-06-01 | 国网重庆市电力公司电力科学研究院 | 一种应用于视频监控系统的实时视频去雾方法及系统 |
| CN111951194B (zh) * | 2020-08-26 | 2024-02-02 | 重庆紫光华山智安科技有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
| CN115272125A (zh) * | 2022-08-05 | 2022-11-01 | 中国电信股份有限公司 | 目标跟踪方法、目标跟踪装置、存储介质与电子设备 |
| CN115941857B (zh) * | 2022-12-30 | 2024-04-02 | 湖南大学 | 除雾电路和方法 |
| CN116308748B (zh) * | 2023-03-19 | 2023-10-20 | 二十六度数字科技(广州)有限公司 | 一种基于知识图谱的用户欺诈行为判断系统 |
| CN117196985A (zh) * | 2023-09-12 | 2023-12-08 | 军事科学院军事医学研究院军事兽医研究所 | 一种基于深度强化学习的视觉去雨雾方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102999883B (zh) * | 2011-09-08 | 2016-03-02 | 富士通株式会社 | 图像去雾方法和系统 |
| CN103049890A (zh) * | 2013-01-17 | 2013-04-17 | 四川川大智胜软件股份有限公司 | 一种基于cuda的图像实时去雾方法 |
-
2013
- 2013-05-17 CN CN201310189056.1A patent/CN104168402B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN104168402A (zh) | 2014-11-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104168402B (zh) | 一种视频帧图像去雾方法及装置 | |
| Cao et al. | Underwater image restoration using deep networks to estimate background light and scene depth | |
| JP5865552B2 (ja) | 動画に含まれたヘーズを除去する映像処理装置及びその方法 | |
| CN103955905B (zh) | 基于快速小波变换和加权图像融合的单幅图像去雾方法 | |
| CN102930514B (zh) | 基于大气物理散射模型的快速图像去雾方法 | |
| US8774555B2 (en) | Image defogging method and system | |
| US20140205192A1 (en) | Image defogging method and system | |
| Singh et al. | Image dehazing using Moore neighborhood-based gradient profile prior | |
| CN100405828C (zh) | 用于检测可视对象的方法和系统 | |
| CN105354806B (zh) | 基于暗通道的快速去雾方法及系统 | |
| US9336577B2 (en) | Image processing apparatus for removing haze contained in still image and method thereof | |
| CN101901473A (zh) | 单帧图像自适应去雾增强方法 | |
| CN101802842A (zh) | 用于识别图像中的复杂特征点的系统和方法 | |
| Zhang et al. | Towards simulating foggy and hazy images and evaluating their authenticity | |
| CN105550999A (zh) | 一种基于背景复用的视频图像增强处理方法 | |
| CN107451966A (zh) | 一种采用灰度图引导滤波实现的实时视频去雾方法 | |
| CN107798670A (zh) | 一种利用图像引导滤波器的暗原色先验图像去雾方法 | |
| CN103578083A (zh) | 基于联合均值漂移的单幅图像去雾方法 | |
| CN103020921A (zh) | 基于局部统计信息的单幅图像去雾方法 | |
| CN107451976A (zh) | 一种图像处理方法及装置 | |
| CN105701783A (zh) | 一种基于环境光模型的单幅图像去雾方法及装置 | |
| CN106657948A (zh) | 低照度Bayer图像的增强方法及增强装置 | |
| CN111598814B (zh) | 基于极端散射通道的单图像去雾方法 | |
| CN107133964A (zh) | 一种基于Kinect的抠像方法 | |
| CN115937019A (zh) | 一种lsd二次分割和深度学习相结合的不均匀去雾方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |