CN104599240A - 基于无人机海上航拍图像的自适应权重暗原色去雾算法 - Google Patents
基于无人机海上航拍图像的自适应权重暗原色去雾算法 Download PDFInfo
- Publication number
- CN104599240A CN104599240A CN201410298737.6A CN201410298737A CN104599240A CN 104599240 A CN104599240 A CN 104599240A CN 201410298737 A CN201410298737 A CN 201410298737A CN 104599240 A CN104599240 A CN 104599240A
- Authority
- CN
- China
- Prior art keywords
- aerial images
- image
- maritime
- marine
- unmanned plane
- 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.)
- Pending
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明针对海上航拍图像去雾领域提出了一种基于无人机海上航拍图像的自适应权重暗原色去雾算法。本发明充分考虑到海上航拍图像去雾的特殊性,即要考虑对海上特定目标的有效去雾,又要考虑对图像中的海面区域的快速有效正确去雾。本发明结合带雾图像降质的特点和海上航拍图像海域的特有特点提出了一种自适应权重的暗原色去雾算法,摒弃了传统的去雾方法,充分考虑到海上带雾图片海域存在的特殊性。主要包括一下四个方面:无人机海上航拍图像获取、暗原色去雾算法、自适应权重算法、无人机海上航拍图像去雾。该方法实现了无人机海上航拍图像的快速去雾,在海上或海岛航拍监测方面具有广阔前景。
Description
技术领域
本发明涉及一种图像处理领域的基于无人机海上航拍图像的去雾技术,尤其涉及到一种基于无人机海上航拍图像的自适应权重暗原色去雾算法。
背景技术
由于无人机的可控制、便携带、低成本、低损耗、可重复利用、风险小以及应用领域广等优势使得无人机应用在近些年得到了广泛的发展。无人机通过和遥感技术的融合,使无人机更加自动化和智能化,且由于无人机的特点使得无人机航拍具有了高时效、高分辨率等特点,使其应用领域进一步扩大。但是由于无人机航拍过程中当地的天气状况等原因,常常造成无人机航拍图像模糊、带有薄雾等现象,使无人机航拍图像的质量下降。尤其是在进行海上无人机航拍时,由于海上更容易形成海上雾气等等现象,从而给无人机航拍提出了新的问题,对无人机海上航拍图像的去雾处理提出了更高的要求。
近些年国内外众多相关学者提出了诸多图像去雾算法,具体可以分为两大类,一类是针对于带雾图像进行图像增强处理,以达到去雾效果;第二类是相较于图像增强对带雾的图像进行图像复原的图像处理方法,最终得到清晰的无雾图像。两种图像处理方法中,基于图像增强的图像去雾方法,不考虑引起图像降质的任何原因,它能够有效地使得带雾图像的对比度得到提高,带雾图像中的细节得到突出。与此同时,这种图像增强的图像去雾方法可以有效改善带雾图像的视觉效果,但可能会损失图像中的某些突出部分的信息。另一种基于图像复原的图像去雾方法,图像复原就是先对带雾图像降质形成的物理过程进行研究,并根据带雾图像的形成过程建立图像的雾天退化模型,在此基础上反演退化过程,同时对此反演退化过程所造成的失真进行补偿,最终获得针对未经退化的图像最优化估计值,最终达到改善带雾图像质量的目的。这种基于图像复原的去雾方法针对性较强,也能够得到比较自然的无雾图像,一般图像中不会有信息损失,这种基于图像复原的图像去雾方法的处理关键点在于对模型中参数的估计。
但是在图像去雾算法的实际应用中,尤其是针对于无人机海上航拍图像进行去雾处理时,这些方法都展现了不同的局限性。因为在实际无人机海上航拍中,海上海雾的影响尤为严重,海雾是一种危险的天气现象,其与雾霭作用严重影响目力助航, 同时使舰船、无人机等装载的成像系统无法获取能够提供数据的清晰图像。另外,无人机海上航拍图像除去目标物外只有海面,海面上的去雾一直都是比较难解决的问题。现有的图像去雾算法都不是单独针对海上图像进行去雾的,需要对无人机海上航拍图像进行特点分析,结合以往的图像去雾算法,寻找到一种真正适合于无人机海上航拍图像去雾的算法。
发明内容
本发明中的去雾算法能够克服上述缺陷,提出了一种在大气散射模型下,基于无人机海上航拍图像的自适应权重暗原色去雾算法,其能够针对无人机的海上航拍图像进行图像去雾处理,并得到清晰度高的无雾图像。
为实现上述方法,本发明采用了如下的具体图像去雾方法,其包括以下步骤:
(1) 针对无人机海上航拍图像,进行暗原色提取,获得大气光照强度并初步确定图像透射率范围。
(2) 根据自适应权重的计算方法和阈值判别的方法控制去雾处理窗口的大小,对航拍图像的透射率值进行修正。
(3) 针对无人机海上航拍图像,根据获得的图像透射率和大气光强参数值,对无人机海上航拍图像进行去雾处理。
(4) 综合考虑无人机海上航拍图像的特征对其进行去雾处理并与原始图像进行效果对比,突出显示无人机海上航拍图像的去雾效果。
针对无人机海上航拍图像的去雾算法,要充分考虑到无人机海上航拍图像的特殊性,海上航拍图像观测的目标物之外海域广阔且辨识度不高、航拍图像数据量大、处理时间长等难点。所以本发明就针对无人机海上航拍图像对去雾算法进行了最优规划。
所述步骤(1)中,本发明提出了一种图像去雾算法:即基于暗原色原理对海上航拍图像进行图像中透射率获得的算法,这样获得的图像去雾效果更加明显。并且可以针对无人机航拍图像数据量大的特点对去雾处理速度进行提高,减少去雾处理的时间。
所述步骤(2)中,要计算无人机海上航拍图像的透射率准确值,由于无人机航拍图像的目标海域辨识度不高,一般的去雾方法效果不佳等缺点,所以本发明主要考虑使用自适应权重的计算方法对图像的透射率进行修正。首先给出无人机海上航拍图像透射率的定义:表示图像中大气对光透过的程度,通常用透过后的光通量与入射光通量之比t来表征物体的透光性质,称为光透射率。
本发明根据无人机海上航拍图像的去雾需求,在对无人机海上航拍图像进行处理时,首先对图像中的像素信息进行分析处理,根据像素信息中颜色距离和空间距离确定暗原色先验原理去雾中的图像块的大小,也就是确定去雾处理窗口的大小,从而获取相应的透射率值,利用这种自适应权重的方法对透射率进行修正,可以获取更为真实、去雾效果更佳的无人机海上航拍图像。
所述步骤(3)中,在对无人机海上航拍图像进行去雾处理时,首先要根据暗原色原理对航拍图像进行处理获取大气光照值和初步的透射率值,然后利用经过自适应权重修正过的透射率值对航拍图像进行去雾处理,一是利用matlab读入原始无人机航拍图像,二是根据图像中的三原色原理对原始图像中的值进行提取,运用三原色原理对图像进行去雾处理。
所述步骤(4)中,本发明中选择的图像去雾方法是在暗原色原理的基础上,对算法进行了优化改进,使得该算法最终符合无人机海上航拍图像去雾的各种要求,最终获得了无人机海上航拍图像的无雾图像,并与海上航拍原带雾图像进行了比较。
本发明的有益效果在于:针对无人机海上航拍图像获得所面对的难题,克服了海上无人机航拍海雾天气所带来的图像降质的影响,解决了获取无人机航拍图像降质的问题,满足了无人机海上航拍图像对质量的高要求,尤其在无人机航拍用于海洋观测、海岸线状况观测等实际应用中效果显著。
附图说明
图1为无人机海上航拍图像的原始图像。
图2为无人机海上航拍图像进行去雾处理后和原图像对比的结果附图。
具体实施方式
本发明的基于无人机海上航拍图像的自适应权重暗原色去雾算法,包括以下步骤:
(1) 首先提取出无人机海上航拍图像的大气光照值和初步的大气透射率值。
(2) 根据对自适应权重算法的运用,像素信息中颜色距离和空间距离确定去雾中的图像块的大小,从而获取相应的透射率值对无人机航拍图像的透射率值进行修正。
(3) 根据前面获得的大气光照值和经过自适应权重算法修正后的透射率值对无人机海上航拍图像进行去雾处理。
(4) 综合考虑无人机海上航拍图像的各种特点对其进行去雾处理,将得到的无雾图像与原无人机海上航拍带雾图像进行对比。
一、 大气散射模型
对无人机海上航拍图像处理过程建立数学模型,即大气散射模型,它描述了雾化图像的退化过程:
I是无人机航拍图像的也就是观测到的图像的强度,J是被拍摄景物光线的强度,A是无穷远处的大气光的值,t为透射率。对航拍图像进行去雾处理,就是要从I中复原J。方程中的第一项 是直接衰减项, 是航拍图像中的大气光成分。
二、 暗原色先验理论
暗原色先验理论是通过对大量的户外无雾图像的统计观察得出的:在绝大多数图像的局部区域里,某一些像素总会有至少一个颜色通道具有很低的值。即该区域光强度的最小值是很小的数,对图像J定义:
代表J的某一个颜色通道,而 是以x为中心的一块方形区域。统计观察得出, 的强度总是很低,并且趋近于0.如果J是户外无雾图像,把 成为J的暗原色,并且把以上观察得出的经验性规律称为暗原色先验。
三、 无人机海上航拍图像大气光照值的获取
一般都是将图像中最高亮度的像素值作为整体大气光照值,但是在真实的拍摄图像中,目标物表现出来的颜色很有可能对图像中的最亮像素形成干扰,又因为衣一幅带雾无人机航拍图像的黑色通道的亮度大致接近于图像中雾霾的厚度,因此,我们采取基于暗原色原理对航拍图像中的整体大气光照值进行估算。首先,挑选航拍图像中暗原色通道中最亮的像素的0.1%,这些亮度是最朦胧、最不透明的;然后,原始雾霾图像中的这些像素中最亮的亮度值就被选定为整体大气光照值,这种基于暗原色通道的最亮像素的方法具有比较好的鲁棒性,可以针对无人机海上航拍图像获取更加准确的图像大气光照值。
四、 暗原色先验去雾
首先根据暗原色先验原理求得航拍图像的整体大气光照值,进一步假定在一个局部区域的透射率恒定不变,对方程(1)使用区最小运算符,并同时除以A,得到:
三个颜色通道中使用最小运算,有:
根据暗原色先验的规律,无雾自然图像的暗原色项 QUOTE 应接近于0:
由于A为正数,导出:
综合上式,可以简单的估算出透射率t的值:
如果彻底地去除雾的存在,图像会看起来不真实,并且深度感会丢失。所以可以通过在方程中引入一个常数,保留一部分覆盖遥远景物的雾:
由以上方法的出来的透射率是粗略的,为了提高精度,针对 无人机海上航拍图像,我们选取自适应权重的算法对透射率进行修正。
五、 根据自适应权重算法对透射率进行修正
在自适应权重算法中,利用相似性原则和接近性原则进行局部匹配窗口中各像素的权重因子的计算。权重因子的确定主要依靠各像素的相似性和接近性的聚类强度,聚类强度越高,则权重因子越大。以图像中各像素的颜色属性表征相似性,以像素间距离表征接近性,则颜色相似性越高的像素,其权重因子越大;距离越近的像素,其权重因子越大。因此像素的自适应权重的计算可以表示为:
其中 代表像素点p与q之间的颜色距离,代表像素点p与q之间的空间距离。当 和 确定后,,代表分别通过相似性与接近性进行聚类强度的运算。其中, 和的计算是相互独立的,因此对于聚合强度的计算可以表示为:
其中代表基于相似性的聚合强度计算;代表基于接近性的聚合强度计算。
本专利在获取无人机航拍图像透射率的过程中,根据图像中各个像素间的颜色距离和空间距离来确定权重,从而根据暗原色原理对图像相应区域的透射率进行确定,根据以上方法确定像素之间的颜色距离和空间距离 ,当相似性的局和强度和接近性聚合强度都达到设定好的阈值时,我们根据阈值判别得到的结果选择设定好的获取透射率t的像素块分大小,可以为的正方形像素区域,即选择去雾处理窗口的大小,从而针对不同像素的图片区域,获取更为准确的透射率值。当与值较小时,选取较大的像素块来提高图像的处理速度,当其值较大时,选取较大的像素块来提图像处理的精度,从而做到自适应权重的透射率值t的提取。最快速最大精度的获取无人机海上航拍无雾图像。
六、 实施实例
首先,由以上分析,先要将获取无人机海上航拍图像,应用暗原色原理对航拍图像中的整体大气光和透射率进行获取,应用自适应权重的算法对航拍图像的透射率进行修正,利用获得的大气光照值和透射率值应用暗原色去雾的原理利用matlab进行编程实现,对航拍图像进行去雾处理,最终得到无雾图像。并将此得到的无雾图像与只使用暗原色原理进行图像去雾的效果进行对比,得到此种方法进行航拍图像去雾的优点和优化后的效果。
本仿真实验中,应用无人机对青岛港口海岸线进行航拍的图像为处理对象,以matlab为处理软件,根据图像的三原色原理、暗原色先验原理对大气光照值进行获取,同时应用暗原色原理和自适应权重的算法对图像中的透射率进行修正,获得较准确的透射率值,利用获得的值应用暗原色去雾原理对其进行去雾处理,最终获得无雾图像。
仿真结果说明了此种基于无人机海上航拍图像的自适应权重暗原色去雾算法对于无人机海上航拍图像的去雾处理应用有着较好的处理效果和应用前景。
Claims (3)
1.一种基于暗原色和自适应权重匹配的海上航拍图片去雾方法,其特征在于,图片上目标区域的特殊性,该方法主要包括无人机海上航拍图像的暗原色去雾、自适应权重透射率的计算、无人机海上航拍图像去雾,效果对比及展示等四个流程,其中:
(1) 对带雾的海上航拍图片进行暗原色的提取,获得大气光照强度并初步确定透射率的范围;
(2) 自适应权重透射率的计算主要用于对透射率的修正;
(3) 海上图像去雾模块用于对海上图像进行去雾处理;
(4) 海上航拍图像去雾效果对比及展示。
2.根据权利要求1所述的基于暗原色和自适应权重匹配的海上航拍图片去雾方法,其特征在于:所述步骤(2)中,要计算无人机海上航拍图像的透射率准确值,由于无人机海上航拍图像的目标海域辨识度不高,在对无人机海上航拍图像进行处理时,根据像素信息中颜色距离和空间距离确定去雾中的图像块的大小,从而获取相应的透射率值,利用这种自适应权重的方法对透射率进行修正,可以获取更为真实、去雾效果更佳的无人机海上航拍图像。
3.根据权利要求1所述的基于暗原色和自适应权重匹配的海上航拍图片去雾方法,其特征在于:所述步骤(3)中的复杂情况综合考虑即结合实际提出了一种新型的海上图片的去雾算法,此方法可以有效的对海上航拍图片进行去雾处理,得到目标图片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410298737.6A CN104599240A (zh) | 2014-06-30 | 2014-06-30 | 基于无人机海上航拍图像的自适应权重暗原色去雾算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410298737.6A CN104599240A (zh) | 2014-06-30 | 2014-06-30 | 基于无人机海上航拍图像的自适应权重暗原色去雾算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104599240A true CN104599240A (zh) | 2015-05-06 |
Family
ID=53124990
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410298737.6A Pending CN104599240A (zh) | 2014-06-30 | 2014-06-30 | 基于无人机海上航拍图像的自适应权重暗原色去雾算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104599240A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108846806A (zh) * | 2018-05-14 | 2018-11-20 | 北京洛斯达数字遥感技术有限公司 | 图像处理方法、图像处理装置以及记录介质 |
CN109978799A (zh) * | 2019-04-15 | 2019-07-05 | 武汉理工大学 | 一种基于深度学习的海事无人机视频图像去雾方法 |
CN117196971A (zh) * | 2023-08-14 | 2023-12-08 | 上海为旌科技有限公司 | 基于大气散射模型的图像去雾方法、装置及可读存储介质 |
CN117196971B (zh) * | 2023-08-14 | 2024-05-31 | 上海为旌科技有限公司 | 基于大气散射模型的图像去雾方法、装置及可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254313A (zh) * | 2011-07-14 | 2011-11-23 | 浙江大学 | 基于雾天图像复原和图像融合的图像去雾方法 |
CN102609909A (zh) * | 2012-01-13 | 2012-07-25 | 安科智慧城市技术(中国)有限公司 | 一种单幅图像去雾方法及装置 |
CN102982513A (zh) * | 2012-12-04 | 2013-03-20 | 电子科技大学 | 一种基于纹理的自适应图像去雾方法 |
CN103116876A (zh) * | 2013-02-22 | 2013-05-22 | 北京京东世纪贸易有限公司 | 一种图像去雾的方法和装置 |
CN103279931A (zh) * | 2013-06-03 | 2013-09-04 | 中国人民解放军国防科学技术大学 | 基于透射率的去雾图像去噪方法 |
-
2014
- 2014-06-30 CN CN201410298737.6A patent/CN104599240A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254313A (zh) * | 2011-07-14 | 2011-11-23 | 浙江大学 | 基于雾天图像复原和图像融合的图像去雾方法 |
CN102609909A (zh) * | 2012-01-13 | 2012-07-25 | 安科智慧城市技术(中国)有限公司 | 一种单幅图像去雾方法及装置 |
CN102982513A (zh) * | 2012-12-04 | 2013-03-20 | 电子科技大学 | 一种基于纹理的自适应图像去雾方法 |
CN103116876A (zh) * | 2013-02-22 | 2013-05-22 | 北京京东世纪贸易有限公司 | 一种图像去雾的方法和装置 |
CN103279931A (zh) * | 2013-06-03 | 2013-09-04 | 中国人民解放军国防科学技术大学 | 基于透射率的去雾图像去噪方法 |
Non-Patent Citations (2)
Title |
---|
冯骢,达飞鹏,陈璋雯: "一种改进的基于暗原色理论的去雾方法", 《东南大学学报(自然科学版)》 * |
刘楠,程咏梅,赵永强: "基于加权暗通道的图像去雾方法", 《光子学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108846806A (zh) * | 2018-05-14 | 2018-11-20 | 北京洛斯达数字遥感技术有限公司 | 图像处理方法、图像处理装置以及记录介质 |
CN108846806B (zh) * | 2018-05-14 | 2020-11-10 | 北京洛斯达科技发展有限公司 | 图像处理方法、图像处理装置以及记录介质 |
CN109978799A (zh) * | 2019-04-15 | 2019-07-05 | 武汉理工大学 | 一种基于深度学习的海事无人机视频图像去雾方法 |
CN117196971A (zh) * | 2023-08-14 | 2023-12-08 | 上海为旌科技有限公司 | 基于大气散射模型的图像去雾方法、装置及可读存储介质 |
CN117196971B (zh) * | 2023-08-14 | 2024-05-31 | 上海为旌科技有限公司 | 基于大气散射模型的图像去雾方法、装置及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106157267B (zh) | 一种基于暗通道先验的图像去雾透射率优化方法 | |
CN102170574B (zh) | 一种实时视频去雾处理系统 | |
Tripathi et al. | Single image fog removal using bilateral filter | |
CN104299192B (zh) | 一种基于大气光散射物理模型的单幅图像去雾方法 | |
CN107301623B (zh) | 一种基于暗通道和图像分割的交通图像去雾方法及系统 | |
CN103077504B (zh) | 一种基于自适应光照计算的图像去雾方法 | |
CN103985091A (zh) | 基于亮度暗先验与双边滤波的单幅图像去雾方法 | |
CN108596853A (zh) | 基于背景光统计模型和传输地图优化的水下图像增强方法 | |
CN104318524A (zh) | 一种基于YCbCr色彩空间的图像增强方法、装置及系统 | |
CN102831591A (zh) | 一种基于高斯滤波的单幅图像的实时去雾方法 | |
Zhu et al. | An single image dehazing algorithm using sky detection and segmentation | |
Yeh et al. | Efficient image/video dehazing through haze density analysis based on pixel-based dark channel prior | |
CN107527325B (zh) | 一种基于暗通道优先的单目水下视觉增强方法 | |
Wang et al. | Variational single nighttime image haze removal with a gray haze-line prior | |
CN104166968A (zh) | 一种图像去雾的方法、装置及移动终端 | |
CN107392095A (zh) | 一种基于掩码图像的红外弱小目标检测算法 | |
CN104966274B (zh) | 一种采用图像检测与区域提取的局部模糊复原方法 | |
CN106530240A (zh) | 一种基于多尺度融合和全变分优化的图像去雾方法 | |
CN105447825A (zh) | 图像去雾方法及其系统 | |
CN104331867A (zh) | 图像去雾的方法、装置及移动终端 | |
CN105631825B (zh) | 基于滚动导向的图像去雾方法 | |
CN106657948A (zh) | 低照度Bayer图像的增强方法及增强装置 | |
CN104599240A (zh) | 基于无人机海上航拍图像的自适应权重暗原色去雾算法 | |
Han et al. | A fast dark channel prior-based depth map approximation method for dehazing single images | |
CN107248146B (zh) | 一种uuv近海面可见光图像去雾方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150506 |
|
RJ01 | Rejection of invention patent application after publication |