CN104809697A - 一种改进的高提升滤波快速海雾图像增强方法 - Google Patents

Abstract

本发明属于图像增强领域，具体涉及一种改进的高提升滤波快速海雾图像增强方法。本发明包括：(1)海上图像获取；(2)去除基于改进的高提升滤波算法的图像海雾：(3)显示清晰图像。本发明适用于所有水面船只，其中所处理的水面有雾图像由安装在水面船只上的可见光摄像头获取；提出了一种改进的高提升滤波增强算法，能够极大的提高海雾模糊图像的可视性和对比度。经过本发明所提算法的处理，能够极大的提高水面船只的海上航行适应能力，能够极大的保障水面船只的航行安全。

Description

一种改进的高提升滤波快速海雾图像增强方法

技术领域

本发明属于图像增强领域，具体涉及一种改进的高提升滤波快速海雾图像增强方法。

背景技术

海上存在大量的水汽，由于水汽增发或暖气流受海面冷却等原因而造成海面出现非常浓烈的雾，且有雾区域面积大，持续时间极长，其最大的特点是能见度极小，往往几米开外的东西都很难看清，在如此短的距离，水面船只往往来不及减速和转弯，从而造成航船触礁或碰撞等严重灾难，严重影响着水面船只的安全运行。1993年5月2日，由于海雾的影响，我国一艘“向阳红16”号考察船被一艘3.8万吨的塞浦路斯籍“银角”号货轮在东海撞沉；2006年5月22日，我国货船“中海通号”和“航宇6号”在大连某一海域由于大雾影响而相撞；2008年4月6日，来自马绍尔群岛的货船“HUBSTELLA”和来自韩国的货船“WORLDDYNASTY”，因为浓雾影响，在香港水域以外相撞；2010年5月2日在成山头东海域，由于大雾影响，“Seasuccess”(海盛)轮与“Bright centary”(世纪之光)轮相碰撞并沉没；2012年5月11日，“辽盘渔15023”与寿光市泰瑞海运有限公司散货船“瑞泰369”在石岛东南由于海上大雾影响而发生碰撞后沉没。随着可见光摄像头技术的发展，其采集图像距离远大于人眼所能看到的距离，因此若能够利用可见光摄像头代替人眼，则能极大的提高海上远距离可视性；但是如同人眼一样，可见光摄像头仍然受到海雾等天气环境的影响，导致采集的图像仍然出现降质和模糊的现象，但是若能提出一种方法能够实时且极大的提高海雾模糊图像的可视性，则能有效降低海雾下撞船等海难发生的几率，因此研究和设计一种海雾下的图像增强方法意义重大。

目前的去雾方法大多都是针对陆地场景，且出现了许多能够有效提高陆地交通监控背景下的图像增强算法，而能够有效对海雾这种特殊场景的模糊图像进行增强的算法还不多见。在陆地场景去雾算法中，直方图均衡化、线性拉伸对比度增强和同态滤波等简单快速的图像增强方法，虽然能够快速的提高有雾图像的可视性，但往往会造成色彩失真和噪声增加的现象，甚至于造成恢复的图像中出现严重的光晕效应；为了解决以上这些问题，学者提出了许多改进的算法，其中近年来最受关注的是基于“Retinex”理论的图像增强算法和基于暗原色先验理论的大气散射物理模型还原算法。

其中典型的Retinex理论图像增强方法的去雾思路是首先利用大尺度的高斯滤波来估计亮度分量，然后求取反射分量，最后利用简单的线性拉伸来提高图像的可视性和对比度。该方法对有雾图像进行增强的本质是利用高斯滤波压缩图像的动态范围，提高模糊图像中目标和细节信息的比重，然后利用线性拉伸来提高图像的可视性。由于海雾图像一般很浓，且细节信息较少，所以简单的高斯滤波很难显著提高目标和细节信息的比重，导致最终线性拉伸后的图像可视性提升有限。

而基于暗原色先验理论的物理模型去雾复原的原理是根据图像的暗原色先验信息来求取物理模型的各个参数，从而求解物理模型得到清晰化的图像。然而由于海雾图像一般只包含天空区域、海面区域和目标区域，且经常出现目标区域较小的情况，天空区域和水面区域则一般较大，而天空区域和水面区域由于海雾的影响一般具有很大的像素值，导致暗原色先验规律失效，从而导致该方法很难求取正确的大气散射物理模型的参数，从而难以有效的对海面有雾图像进行增强。

由于海上环境复杂，出现海雾的几率特别大，与陆地场景相比，海上雾气浓度一般要远高于陆地场景雾气浓度，因此海上有雾图像一般更模糊；海上图像只包含海面、天空和目标三个区域，目标一般为船只、礁石和海岛等，由于天空区域和海面区域在海上图像中往往占据较大的区域，因此海上图像目标和细节信息远小于陆地场景图像。以上两种特殊情况严重增加了目前陆地去雾算法的去雾难度，且复杂的算法严重制约着算法的实时性，因此提出一种能够简单有效且快速的海雾去除方法具有重要的研究意义。

发明内容

本发明的目的在于提供一种提高海面有雾图像的对比度和可视性，能够极大的提高海雾图像的去雾效率的改进的高提升滤波快速海雾图像增强方法。

本发明的目的是这样实现的：

(1)海上图像获取：

由安装在水面船只上的可见光摄像头获取海雾图像；

(2)去除基于改进的高提升滤波算法的图像海雾：

(2.1)求取模糊图像：

利用引导滤波分别对原海雾图像的三个分量分别进行滤波，得到模糊图像，引导图像I和滤波的输出图像q在以k为中心的局部区域ω_k内存在线性关系：

       $q_i=a_k{I}_i+b_k,\∀i\∈{\mathrm{\ω}}_k;$

(a_k,b_k)是区域ω_k内的线性系数，其中ω_k是半径为r的方形模板区域，▽q＝a▽I，即滤波引导图像I和滤波输出图像q具有相似的边缘，消除图像中的噪声n，即滤波输出图像q与待滤波图像p之间关系为：

q_i＝p_i-n_i；

引导滤波通过最小化输入和输出之间的差异来求解线性系数(a_k,b_k)，并建立目标函数：

       $E(a_k,b_k)=\underset{i\∈{\mathrm{\ω}}_k}{\mathrm{\Σ}}({(a_k{I}_i+b_k-p_i)}^2+\mathrm{\ϵ}{a}_k^2);$

ε是一个防止系数a_k过大的约束参数：

       $a_k=\frac{\frac{1}{\left|\mathrm{\ω}\right|}{\mathrm{\Σ}}_{i\∈{\mathrm{\ω}}_k}{I}_i{p}_i-{\mathrm{\μ}}_k{\stackrel{-}{p}}_k}{{\mathrm{\σ}}_k^2+\mathrm{\ϵ}};$

       $b_k={\stackrel{-}{p}}_k-a_k{\mathrm{\μ}}_k;$

其中μ_k和σ_k分别为引导图像I中局部小区域ω_k内的均值和方差，|ω|表示该局部小区域内的像素总数；表示输入图像p对应的局部区域ω_k内的均值；

当得到每个窗口ω_k对应的系数a_k和b_k后，其最终滤波输出值为：

       $q_i=\frac{1}{\left|\mathrm{\ω}\right|}\underset{k|i\∈{\mathrm{\ω}}_k}{\mathrm{\Σ}}(a_k{I}_i+b_k);$

       ${\mathrm{\Σ}}_{k|i\∈{\mathrm{\ω}}_k}{a}_k={\mathrm{\Σ}}_{k\∈{\mathrm{\ω}}_i}{a}_k,$

       $q_i={\stackrel{-}{a}}_i{I}_i+{\stackrel{-}{b}}_i;$

       ${\stackrel{-}{a}}_i=\frac{1}{\left|\mathrm{\ω}\right|}{\mathrm{\Σ}}_{k\∈{\mathrm{\ω}}_i}{a}_k,{\stackrel{-}{b}}_i=\frac{1}{\left|\mathrm{\ω}\right|}{\mathrm{\Σ}}_{k\∈{\mathrm{\ω}}_i}{b}_k;$

引导滤波核函数为：

q_i＝∑_jW_ij(I)p_j；

其中核函数为： $W_{\mathrm{ij}}\left(I\right)=\frac{1}{{\left|\mathrm{\ω}\right|}^2}\underset{k:(i,j)\∈{\mathrm{\ω}}_k}{\mathrm{\Σ}}(1+\frac{(I_i-{\mathrm{\μ}}_k)(I_j-{\mathrm{\μ}}_k)}{{\mathrm{\σ}}^2+\mathrm{\ϵ}});$

(2.2)求取模板图像：

利用原海雾图像减去上一步求得的模糊图像，得到目标和细节的模板图像；原海雾图像I减去上一节得到的模糊图像q，得到模板图像f：

f＝I-q；

(2.3)求取增强图像：

将得到的模板图像以权重附加到原始模糊图像上，得到增强后的图像；得到最终改进的高提升滤波增强后的图像：

J＝I+a×f；

(3)显示清晰图像：

将上一步得到的模板图像以权重附加到原始模糊图像上，得到增强后的图像。

本发明的有益效果在于：

本发明适用于所有水面船只，其中所处理的水面有雾图像由安装在水面船只上的可见光摄像头获取；提出了一种改进的高提升滤波增强算法，能够极大的提高海雾模糊图像的可视性和对比度。经过本发明所提算法的处理，能够极大的提高水面船只的海上航行适应能力，能够极大的保障水面船只的航行安全。

附图说明

图1海雾图像增强算法流程图；

图2改进的高提升滤波增强算法流程图；

图3改进的高提升滤波海雾图像增强效果；

图4原海雾图像的模糊图像求取流程图。

具体实施方式

下面结合附图对本发明做进一步描述。

本发明涉及的是一种水面船只视觉系统的预处理技术，通过使用改进的高提升滤波增强算法能够极大的提高海面有雾图像的对比度和可视性，且本文改进的算法能够极大的提高海雾图像的去雾效率。

本方法要处理的对象是海雾下的模糊图像，该模糊图像由安装在船只上的可将光摄像头采集得到。对采集到的图像进行增强去雾处理。主要步骤是通过改进的高提升滤波对原海雾图像进行增强处理，从而得到增强后的清晰图像。

本发明所提出的方法能够有效增强海雾场景下的图像，而且适用于所有水面船只的可见光视觉系统。

本发明使用了一种改进的高提升滤波增强算法来增强海雾场景下的可见光模糊图像。

本发明使用了引导滤波器作为高提升滤波算法的滤波器。

本发明引导滤波的引导图像为待滤波的那个图像分量。

针对海雾下水面船只视觉系统采集的图像模糊降质的问题，本发明公开了一种改进的高提升滤波快速海雾图像增强方法，该去雾增强方法适用于所有水面船只，不仅能够极大的增强海雾下模糊图像的可视性，而且去雾速度很快，能够极大的提高水面船只视觉系统海面航行时对于环境的适应能力和安全性。本发明具有以下优点：能够极大的提高海雾模糊图像的可视性和对比度，提高图像中目标和细节的可视性；算法简单，运算快。本发明改进的高提升滤波增强算法主要包括基于引导滤波的模糊图像提取、模板提取和海雾图像增强等三个步骤，流程图如图2。

本发明的主要贡献和特点在于：(1)本发明适用于所有水面船只，其中所处理的水面有雾图像由安装在水面船只上的可见光摄像头获取；(2)提出了一种改进的高提升滤波增强算法，能够极大的提高海雾模糊图像的可视性和对比度。经过本发明所提算法的处理，能够极大的提高水面船只的海上航行适应能力，能够极大的保障水面船只的航行安全。

1海上图像获取

海雾图像为海雾天气下，由安装在水面船只上的可见光摄像头获取。

2基于改进的高提升滤波算法的图像海雾去除

原始高提升滤波算法的目的是为了锐化图像的细节，所以一般是使用一个小尺度的高斯滤波或中值滤波对图像进行滤波，但是正是由于采用了小尺度滤波，所以仅仅能够对目标边缘起到锐化作用，而无法实现图像增强的作用；而若简单的使用大尺度的高斯滤波，则会造成最终恢复的图像出现严重的边缘光晕效应。

为解决传统高提升滤波锐化中的缺陷，本发明中提出了一种改进的高提升滤波增强算法来增强海雾图像，其中高提升滤波的滤波器为引导滤波器。本发明所提的高提升滤波增强算法流程图如图2所示，简要步骤如下：

(1)求取模糊图像。利用引导滤波分别对原海雾图像的三个分量分别进行滤波，得到模糊图像；

(2)求取模板图像。利用原海雾图像减去上一步求得的模糊图像，得到目标和细节的模板图像；

(3)求取增强图像。将上一步得到的模板图像以一定的权重附加到原始模糊图像上，从而得到增强后的图像。

针对以上三个步骤以及具体参数的选取将会在下面详细介绍。

2.1模糊图像

本节我们将详细介绍模糊图像的求取过程。

假设引导图像I和滤波的输出图像q在以k为中心的局部区域ω_k内存在如下线性关系：

       $q_i=a_k{I}_i+b_k,\∀i\∈{\mathrm{\ω}}_k---\left(1\right)$

上式中(a_k,b_k)是区域ω_k内的线性系数，其中ω_k是半径为r的方形模板区域。

由式(1)可知，▽q＝a▽I，即滤波引导图像I和滤波输出图像q具有相似的边缘。滤波的目的是为了消除图像中的噪声n，即滤波输出图像q与待滤波图像p之间存在如下关系：

q_i＝p_i-n_i   (2)

引导滤波通过最小化输入和输出之间的差异来求解线性系数(a_k,b_k)，并建立如下目标函数：

       $E(a_k,b_k)=\underset{i\∈{\mathrm{\ω}}_k}{\mathrm{\Σ}}({(a_k{I}_i+b_k-p_i)}^2+\mathrm{\ϵ}{a}_k^2)---\left(3\right)$

上式中ε是一个防止系数a_k过大的约束参数，通过对式(3)微分求解得到：

       $a_k=\frac{\frac{1}{\left|\mathrm{\ω}\right|}{\mathrm{\Σ}}_{i\∈{\mathrm{\ω}}_k}{I}_i{p}_i-{\mathrm{\μ}}_k{\stackrel{-}{p}}_k}{{\mathrm{\σ}}_k^2+\mathrm{\ϵ}}---\left(4\right)$

       $b_k={\stackrel{-}{p}}_k-a_k{\mathrm{\μ}}_k---\left(5\right)$

其中μ_k和σ_k分别为引导图像I中局部小区域ω_k内的均值和方差，而|ω|表示该局部小区域内的像素总数；表示输入图像p对应的局部区域ω_k内的均值。

由于图像中每个像素点i可能被许多不同的窗口ω_k覆盖，对于不同的窗口会得到当前坐标点的不同的输出值，一种简单的策略就是取所有输出值的平均值作为该点最终的滤波输出值，即当得到每个窗口ω_k对应的系数a_k和b_k后，其最终滤波输出值为：

       $q_i=\frac{1}{\left|\mathrm{\ω}\right|}\underset{k|i\∈{\mathrm{\ω}}_k}{\mathrm{\Σ}}(a_k{I}_i+b_k)---\left(6\right)$

上式中即上式可化简为：

       $q_i={\stackrel{-}{a}}_i{I}_i+{\stackrel{-}{b}}_i---\left(7\right)$

上式中 ${\stackrel{-}{a}}_i=\frac{1}{\left|\mathrm{\ω}\right|}{\mathrm{\Σ}}_{k\∈{\mathrm{\ω}}_i}{a}_k,{\stackrel{-}{b}}_i=\frac{1}{\left|\mathrm{\ω}\right|}{\mathrm{\Σ}}_{k\∈{\mathrm{\ω}}_i}{b}_k.$

引导滤波可表示为如下简单的核函数形式：

q_i＝∑_jW_ij(I)p_j   (8)

其中核函数为： $W_{\mathrm{ij}}\left(I\right)=\frac{1}{{\left|\mathrm{\ω}\right|}^2}\underset{k:(i,j)\∈{\mathrm{\ω}}_k}{\mathrm{\Σ}}(1+\frac{(I_i-{\mathrm{\μ}}_k)(I_j-{\mathrm{\μ}}_k)}{{\mathrm{\σ}}^2+\mathrm{\ϵ}});$

在本发明的算法中，利用式(8)的引导滤波对原海雾图像的三个通道分别进行引导滤波处理，且引导滤波的引导图像为待滤波的那个分量，从而得到引导滤波模糊后的模糊图像q，模糊图像如图3(b)所示。求取模糊图像的流程图如图4所示。在本发明中的引导滤波参数ε＝0.008，滤波窗口尺寸|ω|＝30。

2.2模板图像

利用原海雾图像I减去上一节得到的模糊图像q，得到模板图像f：

f＝I-q   (9)

其中得到的模板图像如图3(c)所示。

2.3增强图像

将上一节得到的模板图像以一定的比例或权重附加到原始海雾图像上，从而得到最终改进的高提升滤波增强后的图像：

J＝I+a×f   (10)

上式中a决定了高提升滤波的锐化的提升程度，该值大于1时才会有锐化效果，而值越大，锐化越明显，相应的噪声也会增加。在本发明中，权重a＝6，此时能够极大的提高图像的去雾效果和对比度。

经过本文改进的高提升滤波算法增强后的图像如图3(d)所示。

3清晰图像输出显示

将经过第2节改进的高提升滤波算法增强后的图像进行输出显示。

总的来说，本发明从图像增强角度设计了一种改进的高提升滤波增强算法，该算法能够有效提高海雾图像的可视性和对比度，而且本文改进的高提升滤波增强算法对于海雾图像处理的速度很快，对于图3(a)的处理只需要0.1298s，其中软件环境为matlab2010b，硬件环境为联想Z480笔记本，内存4G，处理器为2.5Ghz因特尔酷睿i5-3210M。且从图3(d)的处理结果可以明显看出，本发明所提方法能够极大的提高海雾图像可视性，适用于各种水面船只，也适用于各种对于实时性要求较高的场合。

Claims (1)

1.一种改进的高提升滤波快速海雾图像增强方法，其特征在于，包括如下步骤：

(1)海上图像获取：

由安装在水面船只上的可见光摄像头获取海雾图像；

(2)去除基于改进的高提升滤波算法的图像海雾：

(2.1)求取模糊图像：

利用引导滤波分别对原海雾图像的三个分量分别进行滤波，得到模糊图像，引导图像I和滤波的输出图像q在以k为中心的局部区域ω_k内存在线性关系：

$q_i=a_k{I}_i+b_k,\∀i\∈{\mathrm{\ω}}_k;$

(a_k,b_k)是区域ω_k内的线性系数，其中ω_k是半径为r的方形模板区域，▽q＝a▽I，即滤波引导图像I和滤波输出图像q具有相似的边缘，消除图像中的噪声n，即滤波输出图像q与待滤波图像p之间关系为：

q_i＝p_i-n_i；

引导滤波通过最小化输入和输出之间的差异来求解线性系数(a_k,b_k)，并建立目标函数：

$E(a_k,b_k)=\underset{i\∈\mathrm{\ω}}{\mathrm{\Σ}}({(a_k{I}_i+b_k-p_i)}^2+{\mathrm{\ϵa}}_k^2);$

ε是一个防止系数a_k过大的约束参数：

$a_k=\frac{\frac{1}{\left|\mathrm{\ω}\right|}{\mathrm{\Σ}}_{{i\∈\mathrm{\ω}}_k}{I}_i{p}_i-{\mathrm{\μ}}_k{\stackrel{\‾}{p}}_k}{{\mathrm{\σ}}_k^2+\mathrm{\ϵ}};$

$b_k={\stackrel{\‾}{p}}_k-a_k{\mathrm{\μ}}_k;$

其中μ_k和σ_k分别为引导图像I中局部小区域ω_k内的均值和方差，|ω|表示该局部小区域内的像素总数；表示输入图像p对应的局部区域ω_k内的均值；当得到每个窗口ω_k对应的系数a_k和b_k后，其最终滤波输出值为：

$q_i=\frac{1}{\left|\mathrm{\ω}\right|}\underset{k|i\∈{\mathrm{\ω}}_k}{\mathrm{\Σ}}(a_k{I}_i+b_k);$

${\mathrm{\Σ}}_{{k|i\∈\mathrm{\ω}}_k}{a}_k={\mathrm{\Σ}}_{{k\∈\mathrm{\ω}}_i}{a}_k,$

$a_i={\stackrel{\‾}{a}}_i{I}_i+{\stackrel{\‾}{b}}_i;$

${\stackrel{\‾}{a}}_i=\frac{1}{\left|\mathrm{\ω}\right|}{\mathrm{\Σ}}_{{k\∈\mathrm{\ω}}_i}{a}_k,$ ${\stackrel{\‾}{b}}_i=\frac{1}{\left|\mathrm{\ω}\right|}{\mathrm{\Σ}}_{{k\∈\mathrm{\ω}}_i}{b}_k;$

引导滤波核函数为：

q_i＝∑_jW_ij(I)p_j；

其中核函数为： $W_{\mathrm{ij}}\left(I\right)=\frac{1}{{\left|\mathrm{\ω}\right|}^2}\underset{k:(i,j)\∈{\mathrm{\ω}}_k}{\mathrm{\Σ}}(1+\frac{(I_i-{\mathrm{\μ}}_k)(I_j-{\mathrm{\μ}}_k)}{{\mathrm{\σ}}^2+\mathrm{\ϵ}});$

(2.2)求取模板图像：

利用原海雾图像减去上一步求得的模糊图像，得到目标和细节的模板图像；原海雾图像I减去上一节得到的模糊图像q，得到模板图像f：

f＝I-q；

(2.3)求取增强图像：

将得到的模板图像以权重附加到原始模糊图像上，得到增强后的图像；得到最终改进的高提升滤波增强后的图像：

J＝I+a×f；

(3)显示清晰图像：

将上一步得到的模板图像以权重附加到原始模糊图像上，得到增强后的图像。