CN104299198A - 基于像素点暗通道的快速图像去雾方法 - Google Patents

Abstract

本发明公开了一种基于像素点暗通道的快速图像去雾方法；属于图像去雾技术领域；其技术要点包括下述步骤：(1)计算有雾图像I(x)各个像素点的暗通道I_dark(x)；(2)根据像素点暗通道I_dark(x)计算大气光强度值A；(3)对像素点暗通道I_dark(x)进行平滑滤波去噪；(4)根据透射率计算公式计算像素点的透射率t(x)；(5)根据大气光强度值A和透射率t(x)，依据大气散射模型进行去雾处理；本发明旨在提供一种计算量少，处理速度快，所获得透射率较精确，占用存储资源少且不存在“块效应”的基于像素点暗通道的快速图像去雾方法；用于图像去雾处理。

Description

基于像素点暗通道的快速图像去雾方法

技术领域

本发明涉及一种图像去雾方法，更具体地说，尤其涉及一种基于像素点暗通道的快速图像去雾方法。 

背景技术

在雾霾天气条件下，大气介质中水蒸汽与悬浮尘埃颗粒构成的气溶胶对光线形成严重的吸收、散射和反射作用，造成大气能见度降低，可见光成像系统图像出现模糊不清、对比度下降等退化现象，严重影响各种户外机器视觉监测系统的正常工作。因此，图像去雾技术具有重要的实用价值。 

近年来，基于单幅图像的去雾技术研究取得了很大进展，许多学者提出了一些基于先验知识或假设的单幅图像去雾方法。其中，何恺明等人提出的基于暗原色先验(dark channel prior,DCP)图像去雾方法，在处理单幅户外场景图像去雾方面取得了较好的效果，得到了业内学者的广泛认同。 

暗原色先验图像去雾方法是依据暗原色估计透射率: 

$t\left(x\right)=1-\frac{\mathrm{dark}\left(x\right)}{A}=1-\frac{\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min }\left(\underset{c\∈\{R,B,G\}}{\min }\left(I^c\left(y\right)\right)\right)}{A}$

其中,A为大气光强度,为暗原色,它是以x为中心的局部区域Ω(x)(一般大小取15×15)内像素的最小暗通道。暗原色先验图像去雾方法要求在局部区域Ω中各像素点的透射率t恒定不变，由于实际图像的透射率在一个局部区域内并不总是恒定的，所以，该方法估计的透射率不精确，存在“块效应”，需要采用软抠图(soft matting)方法对透射率进行优化。由于软抠图需要进行非常复杂的计算，消耗大量的存储和计算资源，所以极大地限制了该方法在工程上的应用。 

发明内容

本发明的目的在于针对上述现有技术的不足，提供一种计算量少，处理速度快，所获得透射率较精确，占用存储资源少且不存在“块效应”的基于像素点暗通道的快速图像去雾方法。 

本发明的技术方案是这样实现的：一种基于像素点暗通道的快速图像去雾方法，其包括下述步骤： 

(1)计算有雾图像I(x)各个像素点的暗通道I_dark(x)； 

(2)根据像素点暗通道I_dark(x)计算大气光强度值A； 

(3)对像素点暗通道I_dark(x)进行平滑滤波去噪，其公式为其中，w(x)是以x为中心的3×3窗口； 

(4)根据透射率计算公式计算像素点的透射率t(x)，所述透射率计算公式为： 

$t\left(x\right)=1-\frac{{\stackrel{\‾}{I}}_{\mathrm{dark}}\left(x\right)}{A+\mathrm{\β}{\stackrel{\‾}{I}}_{\mathrm{dark}}\left(x\right)}$

其中，β为去雾系数，0<β<0.4； 

(5)根据大气光强度值A和透射率t(x)，依据大气散射模型进行去雾处理。 

上述的基于像素点暗通道的快速图像去雾方法中，步骤(1)中像素点暗通道I_dark(x)的计算公式为所述像素点暗通道是指像素点的RGB三通道中最小值。 

上述的基于像素点暗通道的快速图像去雾方法中，步骤(2)具体为：选取像素点暗通道I_dark(x)中最大的前4％像素区域Φ所对应的有雾图像平均灰度值，作为大气光强度A，其计算公式为： 

I^gray(x)＝(I^R(x)+I^G(x)+I^B(x))/3 

$A=\underset{x\&Element;\mathrm{\&Phi;}}{\mathrm{mean}}\left(I^{\mathrm{gray}}\left(x\right)\right).$

上述的基于像素点暗通道的快速图像去雾方法中，步骤(5)所述大气散射模型为： 

I(x)＝J(x)t(x)+A(1-t(x)) 

其中，I(x)为观测到的图像像素颜色强度，J(x)表示景物光线强度，A是大气光强度，t(x)为场景的透射率分布；公式右边的第一项J(x)t(x)为景物光线的直接衰减项，第二项A(1-t(x))为大气光成分，去雾的目标就是从观测图像I(x)中恢复景物光线J(x)；图像复原公式为： 

$J\left(x\right)=\frac{I\left(x\right)-A}{\max (t\left(x\right),0.1)}+A.$

本发明采用上述结构后，与现有技术相比，具有下述的优点： 

(1)以像素点暗通道取代暗原色dark(x),由于是对单个像素点操作,不存在“块效应”,因此无需对透射率t(x)进行细化处理,极大地减少运算量； 

(2)在透射率计算公式右边第二项的分母中增加项,用于补偿修正透射率,使透射率t(x)比较精确。 

附图说明

下面结合附图中的实施例对本发明作进一步的详细说明，但并不构成对本发明的任何限制。 

图1是本发明的流程示意图。 

具体实施方式

参阅图1所示，本发明的一种基于像素点暗通道的快速图像去雾方法，包括下述步骤： 

(1)计算有雾图像I(x)各个像素点的暗通道I_dark(x)，其计算公式为 所述像素点暗通道是指像素点的RGB三通道中最小值。 

(2)根据像素点暗通道I_dark(x)计算大气光强度值A，具体为：选取像素点暗通道I_dark(x)中最大的前4％像素区域Φ所对应的有雾图像平均灰度值，作为大气光强度A，其计算公式为： 

I^gray(x)＝(I^R(x)+I^G(x)+I^B(x))/3 

$A=\underset{x\&Element;\mathrm{\&Phi;}}{\mathrm{mean}}\left(I^{\mathrm{gray}}\left(x\right)\right).$

(3)对像素点暗通道I_dark(x)进行平滑滤波去噪，其公式为其中，w(x)是以x为中心的3×3窗口； 

(4)根据透射率计算公式计算像素点的透射率t(x)，所述透射率计算公式为： 

$t\left(x\right)=1-\frac{{\stackrel{\&OverBar;}{I}}_{\mathrm{dark}}\left(x\right)}{A+\mathrm{\&beta;}{\stackrel{\&OverBar;}{I}}_{\mathrm{dark}}\left(x\right)}$

其中，β为去雾系数，0<β<0.4；β越小，去雾能力越强，但β过小会造成过度去雾而使复原图像整体偏暗。因此应根据需要选择合适的β值。 

(5)根据大气光强度值A和透射率t(x)，依据大气散射模型进行去雾处理。所述大气散射模型为： 

I(x)＝J(x)t(x)+A(1-t(x)) 

其中，I(x)为观测到的图像像素颜色强度，J(x)表示景物光线强度，A是大气光强度，t(x)为场景的透射率分布；公式右边的第一项J(x)t(x)为景物光线的直接衰减项，第二项A(1-t(x))为大气光成分，去雾的目标就是从观测图像I(x)中恢复景物光线J(x)；图像复原公式为： 

$J\left(x\right)=\frac{I\left(x\right)-A}{\max (t\left(x\right),0.1)}+A.$

实验例 

本发明同目前国际上主流的去雾算法：何恺明在CVPR09’所提出暗原色先验(dark channel prior,DCP)方法的运行时间和复原效果进行实验比较。 

本发明选取二幅有雾图像，实验硬件环境为：AMD Athlon(tm)64x2Dual core Processor5200+2.7GHz；1.75GB内存；软件环境为:Windows XP Sp2+Matlab R2009b。去雾运行时间比较参见表1。 

表1 本发明方法与DCP方法运行时间比较 

为定量分析比较不同去雾方法的复原效果,采用平均梯度作为图像清晰度客观评价指标，平均梯度反映了图像中微小细节反差与纹理变化特征及清晰度，平均梯度越大表示边缘信息越丰富，图像越清晰,图像复原效果越好。平均梯度计算公式为： 

$T=\frac{1}{(M-1)(N-1)}\underset{i=1}{\overset{M-1}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{N-1}{\mathrm{\&Sigma;}}}\sqrt{\frac{{\mathrm{\&Delta;I}}_x^2+\mathrm{\&Delta;}{I}_y^2}{2}}$

$\left\{\begin{array}{c}{\mathrm{\&Delta;I}}_x=I(i+1,j)-I(i,j)\\ \mathrm{\&Delta;}{I}_y=I(i,j+1)-I(i,j)\end{array}\right.$

其中：T为图像I的平均梯度；I(i,j)表示图像在(i,j)位置的灰度值；M、N分别为图像的总行数和总列数。分别对测试1～测试2的彩色图中的红(R)、绿(G)、蓝(B)分量图及灰度图(Gray)求取平均梯度，对比结果如表2～表3所示。 

表2 测试1原图和去雾复原图的平均梯度值比较 

表3 测试2原图和去雾复原图的平均梯度值比较 

通过表1的实验数据可以看出，本发明方法计算速度明显高于DCP方法，二幅图像平均运行时间只有DCP方法的6.5％左右，因此本发明方法实时性好。 

在主观视觉方面，由测试1～测试2可以看出，本发明方法比DCP方法的去雾图像远景更加清晰，树木、青草等景物的颜色更加鲜艳,即图像复原效果更好。 

通过表2～表3的实验数据可以看出，本发明方法与DCP方法去雾后图像中R、G、B分量图及灰度图Gray的平均梯度都大于原图，说明这二种方法都具有去雾效果，而本发明方法比DCP方法的平均梯度值更高，清晰度更好。 

以上所举实施例为本发明的较佳实施方式，仅用来方便说明本发明，并非对本发明作任何形式上的限制，任何所属技术领域中具有通常知识者，若在不脱离本发明所提技术特征的范围内，利用本发明所揭示技术内容所作出局部更动或修饰的等效实施例，并且未脱离本发明的技术特征内容，均仍属于本发明技术特征的范围内。 

Claims (4)

1.一种基于像素点暗通道的快速图像去雾方法，其特征在于，包括下述步骤：

(1)计算有雾图像I(x)各个像素点的暗通道I_dark(x)；

(2)根据像素点暗通道I_dark(x)计算大气光强度值A；

(3)对像素点暗通道I_dark(x)进行平滑滤波去噪，其公式为其中，w(x)是以x为中心的3×3窗口；

(4)根据透射率计算公式计算像素点的透射率t(x)，所述透射率计算公式为：

$t\left(x\right)=1-\frac{{\stackrel{\&OverBar;}{I}}_{\mathrm{dark}}\left(x\right)}{A+\mathrm{\&beta;}{\stackrel{\&OverBar;}{I}}_{\mathrm{dark}}\left(x\right)}$

其中，β为去雾系数，0<β<0.4；

(5)根据大气光强度值A和透射率t(x)，依据大气散射模型进行去雾处理。

2.根据权利要求1所述的基于像素点暗通道的快速图像去雾方法，其特征在于，步骤(1)中像素点暗通道I_dark(x)的计算公式为所述像素点暗通道是指像素点的RGB三通道中最小值。

3.根据权利要求1所述的基于像素点暗通道的快速图像去雾方法，其特征在于，步骤(2)具体为：选取像素点暗通道I_dark(x)中最大的前4％像素区域Φ所对应的有雾图像平均灰度值，作为大气光强度A，其计算公式为：

I^gray(x)＝(I^R(x)+I^G(x)+I^B(x))/3

$A=\underset{x\&Element;\mathrm{\&Phi;}}{\mathrm{mean}}\left(I^{\mathrm{gray}}\left(x\right)\right).$

4.根据权利要求1所述的基于像素点暗通道的快速图像去雾方法，其特征在于，步骤(5)所述大气散射模型为：

I(x)＝J(x)t(x)+A(1-t(x))

其中，I(x)为观测到的图像像素颜色强度，J(x)表示景物光线强度，A是大气光强度，t(x)为场景的透射率分布；公式右边的第一项J(x)t(x)为景物光线的直接衰减项，第二项A(1-t(x))为大气光成分，去雾的目标就是从观测图像I(x)中恢复景物光线J(x)；图像复原公式为：

$J\left(x\right)=\frac{I\left(x\right)-A}{\max (t\left(x\right),0.1)}+A.$