CN104809735A - 基于傅里叶变换实现图像雾霾评价的系统及方法 - Google Patents

Abstract

本发明涉及一种基于傅里叶变换实现图像雾霾评价的系统及方法，其中包括灰阶转换模块，用以读入当前图像信息并进行彩色到灰阶的转换；非局部均值滤波模块，用以以灰阶转换后的图像左上角的像素点为原点建立直角坐标系并对灰阶转换后的图像进行非局部均值滤波；傅里叶变换模块，用以将进行滤波后的图像进行傅里叶幅度值计算；图像熵计算模块，用以将经过傅里叶变换后的获得值进行图像熵的计算将获得的熵值作为雾霾图像评价结果。采用该种结构的基于傅里叶变换实现图像雾霾评价的系统及方法，通过频域变换和处理解决了时域下较难解决的问题，将图像雾霾有效地归一化中心幅度变化熵的问题，该熵值有效表征了雾霾图像评价结果，具有更广泛的应用范围。

Description

基于傅里叶变换实现图像雾霾评价的系统及方法

技术领域

本发明涉及图像质量评价技术领域，尤其涉及雾霾图像评价技术领域，具体是指一种基于傅里叶变换实现图像雾霾评价的系统及方法。

背景技术

雾霾图像评价是对图像中雾霾程度的评价分析过程。早期的雾霾图像评价技术往往采用人工比对的方法来判断雾霾图像评价结果的好坏。随着计算机技术的出现，基于计算机视觉和图像处理的方法极大地减少人工的干预，提高了工作的效率。基于计算机视觉和图像处理的方法通常分为：基于图像质量评价的方法和基于场景分析的方法。前者的处理对象主要是压缩图像的失真评价。而后者是通过图像的内容分析来评价增强效果。因此相对于一般意义上的图像质量评价，后者具有更好的目标针对性。

经过对现有技术的文献检索发现，基于图像质量评价的方法主要分为有参图像评价、部分参考图像评价和无参图像评价。对于图像对比度增强来说原参考图像很难获取，因此通常采用无参的图像质量评价方法。而目前现有的无参图像质量评价通常只针对某几种特定的失真类型(模糊、振铃、块效应等)如：HR.Sheikh,AC.Bovik,L.Cormack在《IEEE Transactionon Image Processing》(IEEE图像处理期刊)第14卷，第11期，第1918页到1927页发表的“No-reference quality assessment using natural scene statistics:JPEG2000”，一文中提出的压缩失真无参评价方法。AK.Moorthy,AC.Bovik在《Signal Processing Letters》(信号处理通讯)第17卷，第5期，第513页到516页发表的“A two-step framework for constructing blind imagequality indices”，一文提出的基于自然场景统计的二步法评价图像质量。MA.Saad,AC.Bovik,C.Charrier在《Signal Processing Letters》(信号处理通讯)第17卷，第6期，第583页到586页发表的“A DCT statistics-based blind image quality index”一文提出的离散余弦变换特征提取的方法分析图像质量。然而上述方法都是针对几种固定压缩失真类型，无法应用于雾霾图像评价。另外，由于无参图像质量评价方法采用的自然场景统计方法没有考虑到全局的图像降质，从而无法给出准确的评价结果。

发明内容

本发明的目的是克服了上述现有技术的缺点，提供了一种能够实现将图像雾霾有效归一化中心幅度变化熵、由熵值有效表征雾霾图像评价结果、具有更广泛应用范围的基于傅里叶变换实现图像雾霾评价的系统及方法。

为了实现上述目的，本发明的基于傅里叶变换实现图像雾霾评价的系统及方法具有如下构成：

该基于傅里叶变换实现图像雾霾评价的系统，其主要特点是，所述的系统包括：

灰阶转换模块，用以读入当前图像信息并进行彩色到灰阶的转换；

非局部均值滤波模块，用以以灰阶转换后的图像左上角的像素点为原点建立直角坐标系并对所述的灰阶转换后的图像进行非局部均值滤波；

傅里叶变换模块，用以将进行滤波后的图像进行傅里叶幅度值计算；

图像熵计算模块，用以将经过傅里叶变换后的获得值进行图像熵的计算将获得的熵值作为雾霾图像评价结果。

本发明还涉及一种基于傅里叶变换实现图像雾霾评价的方法，其特征在于，所述的方法包括以下步骤：

(1)所述的灰阶转换模块读入当前图像信息并进行彩色到灰阶的转换；

(2)所述的非局部均值滤波模块以灰阶转换后的图像左上角的像素点为原点建立直角坐标系并对所述的灰阶转换后的图像进行非局部均值滤波；

(3)所述的傅里叶变换模块将进行滤波后的图像进行傅里叶幅度值计算；

(4)所述的图像熵计算模块将经过傅里叶变换后的获得值进行图像熵的计算；

(5)所述的图像熵计算模块将获得的熵值作为雾霾图像评价结果。

较佳地，所述的进行彩色到灰阶的转换，具体为：

根据以下公式进行彩色到灰阶的转换：

Y＝0.299×R+0.587×G+0.114×B

其中，R、G、B分别为所述的图像信息中各个像素点的红色、绿色、蓝色的数值，Y为灰阶转换后图像的各个像素点的数值。

较佳地，所述的对所述的灰阶转换后的图像进行非局部均值滤波，具体为：

根据如下公式对所述的灰阶转换后的图像进行非局部均值滤波：

       $I_i^{\′}=\frac{1}{\underset{j\∈N_i}{\mathrm{\Σ}}{W}_j}\underset{j\∈N_i}{\mathrm{\Σ}}{W}_S^{\left(j\right)}\·W_R^{\left(j\right)}\·I_j$

其中，i,j为像素点索引，N_i为像素点i的相邻点索引，W_j为归一化的加权因子，且W_S为几何距离的高斯加权W_R为灰度变化的高斯加权I表示某一像素点的灰度值，h为衰减控制参数。

较佳地，所述的将进行滤波后的图像进行傅里叶幅度值计算，具体为：

(3-1)根据如下公式将进行滤波后的图像进行快速傅里叶变换：

       $I_K=\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{I}_n\·e^{-i2\mathrm{\πkn}/N};$

其中，N为采样点个数，k为像素点索引；

(3-2)计算快速傅里叶变换的结果I_K的幅度值|I_K|，并在|I_K|中的中心频率处进行左右互换得到中心傅里叶幅值图|I_K|^▽。

较佳地，所述的将经过傅里叶变换后的获得值进行图像熵的计算，具体为：

根据如下公式将经过傅里叶变换后的获得值进行图像熵的计算：

       $H=-\underset{i=0}{\overset{255}{\mathrm{\Σ}}}{\left|I_K\right|}_i^{\▿}\log p\left({\left|I_K\right|}_i^{\▿}\right)$

其中，H为图像傅里叶变换幅度值图像的熵，p(·)为|I_K|^▽在0～255范围内的概率分布。

较佳地，所述的步骤(4)和(5)之间，还包括以下步骤：

(4-1)所述的图像熵计算模块判断计算得到的熵值是否大于系统预设阈值，如果是，则继续步骤(5)，否则继续步骤(2)。

采用了该发明中的基于傅里叶变换实现图像雾霾评价的系统及方法，通过傅里叶频域变换，引入了非局部均值滤波和图像熵值计算模型，有效地解决了雾霾图像评价问题；通过频域变换和处理解决了时域下较难解决的问题，将图像雾霾有效地归一化中心幅度变化熵的问题，该熵值有效表征了雾霾图像评价结果，利用非均值滤波、中心傅里叶幅度变换及图像熵模型，建立了图像雾霾检测的统一框架，克服了传统方法中需要人工判断的问题，进而可以大大提高工作效率，具有更广泛的应用范围。

附图说明

图1为本发明的基于傅里叶变换实现图像雾霾评价的系统的结构示意图。

图2为本发明的基于傅里叶变换实现图像雾霾评价的方法的流程图。

图3为两个测试图像。

图4为图3的两个测试图像的熵值计算结果示意图。

具体实施方式

为了能够更清楚地描述本发明的技术内容，下面结合具体实施例来进行进一步的描述。

如图1所示，本发明的进行图像雾霾评价的系统包括：

灰阶转换模块，用以读入当前图像信息并进行彩色到灰阶的转换；

非局部均值滤波模块，用以以灰阶转换后的图像左上角的像素点为原点建立直角坐标系并对所述的灰阶转换后的图像进行非局部均值滤波；

傅里叶变换模块，用以将进行滤波后的图像进行傅里叶幅度值计算；

图像熵计算模块，用以将经过傅里叶变换后的获得值进行图像熵的计算将获得的熵值作为雾霾图像评价结果。

本发明是通过以下技术方案实现的，具体包括如下步骤：

步骤一，非局部均值滤波处理，

使用双边滤波器对图像进行平滑和降噪处理，双边滤波器结构为

       $I_i^{\′}=\frac{1}{\underset{j\∈N_i}{\mathrm{\Σ}}{W}_j}\underset{j\∈N_i}{\mathrm{\Σ}}{W}_S^{\left(j\right)}\·W_R^{\left(j\right)}\·I_j---\left(1\right)$

i,j是像素点索引，N_i是像素点i的相邻点索引，W_j是归一化的加权因子

       $W_j=W_S^{\left(j\right)}\·W_R^{\left(j\right)}---\left(2\right)$

W_S是几何距离的高斯加权W_R是灰度变化的高斯加权I表示某一像素点的灰度值，h为衰减控制参数。

步骤二，傅里叶幅度值计算。首先对步骤一得到的图像进行快速傅里叶变换

       $I_K=\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{I}_n\·e^{-i2\mathrm{\πkn}/N}---\left(3\right)$

在上式中，N为采样点个数(为最接近图像宽度×图像高度的2的幂次)，k为像素点索引。计算I_K的幅度值|I_K|，并在|I_K|中的中心频率处进行左右互换得到中心傅里叶幅值图|I_K|^▽

步骤三，计算整个图像信息熵，

       $H=-\underset{i=0}{\overset{255}{\mathrm{\Σ}}}{\left|I_K\right|}_i^{\▿}\log p\left({\left|I_K\right|}_i^{\▿}\right)---\left(4\right)$

H为图像傅里叶变换幅度值图像的熵，p(·)为|I_K|^▽在0～255范围内的概率分布。我们用H值最终表征雾霾图像评价结果。

下面以一个具体实施例来进一步介绍本发明。本实施例中对图像大小为400×277像素，算法流程如图2所示，包括如下步骤：

第一步，读入当前图像并做RGB到灰阶的转换,采用如下公式

Y＝0.299×R+0.587×G+0.114×B

第二步，以图像中左上角的像素点为原点建立直角坐标系，进行非局部均值滤波。具体计算公式如下

       $I_i^{\′}=\frac{1}{\underset{j\∈N_i}{\mathrm{\Σ}}{W}_j}\underset{j\∈N_i}{\mathrm{\Σ}}{W}_S^{\left(j\right)}\·W_R^{\left(j\right)}\·I_j$

搜索窗大小N取值为5×5，几何距离高斯加权和灰度变化高斯加权计算中衰减参数取值为1.7

第三步，计算傅里叶变换中心幅度值图

       $I_K=\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{I}_n\·e^{-i2\mathrm{\πkn}/N}$

在上式中，采样点N为65536。计算I_K的幅度值|I_K|，并在|I_K|中的中心频率处进行左右互换得到中心傅里叶幅值图|I_K|^▽

第四步，将第三步获得值代入如下熵计算公式

       $H=-\underset{i=0}{\overset{255}{\mathrm{\Σ}}}{\left|I_K\right|}_i^{\▿}\log p\left({\left|I_K\right|}_i^{\▿}\right)$

若计算结果小于0.5，则需要回到第一步重新迭代计算。图4是图3的两个测试图像熵值计算图，可以明显发现雾霾越小的图像幅度中心区域越大，对应的熵值也越大(分别为0.92，1.56)。

采用了该发明中的基于傅里叶变换实现图像雾霾评价的系统及方法，通过傅里叶频域变换，引入了非局部均值滤波和图像熵值计算模型，有效地解决了雾霾图像评价问题；通过频域变换和处理解决了时域下较难解决的问题，将图像雾霾有效地归一化中心幅度变化熵的问题，该熵值有效表征了雾霾图像评价结果，利用非均值滤波、中心傅里叶幅度变换及图像熵模型，建立了图像雾霾检测的统一框架，克服了传统方法中需要人工判断的问题，进而可以大大提高工作效率，具有更广泛的应用范围。

在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。

Claims (7)

1.一种基于傅里叶变换实现图像雾霾评价的系统，其特征在于，所述的系统包括：

灰阶转换模块，用以读入当前图像信息并进行彩色到灰阶的转换；

非局部均值滤波模块，用以以灰阶转换后的图像左上角的像素点为原点建立直角坐标系并对所述的灰阶转换后的图像进行非局部均值滤波；

傅里叶变换模块，用以将进行滤波后的图像进行傅里叶幅度值计算；

图像熵计算模块，用以将经过傅里叶变换后的获得值进行图像熵的计算将获得的熵值作为雾霾图像评价结果。

2.一种根据权利要求1所述的系统基于傅里叶变换实现图像雾霾评价的方法，其特征在于，所述的方法包括以下步骤：

(1)所述的灰阶转换模块读入当前图像信息并进行彩色到灰阶的转换；

(2)所述的非局部均值滤波模块以灰阶转换后的图像左上角的像素点为原点建立直角坐标系并对所述的灰阶转换后的图像进行非局部均值滤波；

(3)所述的傅里叶变换模块将进行滤波后的图像进行傅里叶幅度值计算；

(4)所述的图像熵计算模块将经过傅里叶变换后的获得值进行图像熵的计算；

(5)所述的图像熵计算模块将获得的熵值作为雾霾图像评价结果。

3.根据权利要求2所述的基于傅里叶变换实现图像雾霾评价的方法，其特征在于，所述的进行彩色到灰阶的转换，具体为：

根据以下公式进行彩色到灰阶的转换：

Y＝0.299×R+0.587×G+0.114×B

其中，R、G、B分别为所述的图像信息中各个像素点的红色、绿色、蓝色的数值，Y为灰阶转换后图像的各个像素点的数值。

4.根据权利要求2所述的基于傅里叶变换实现图像雾霾评价的方法，其特征在于，所述的对所述的灰阶转换后的图像进行非局部均值滤波，具体为：

根据如下公式对所述的灰阶转换后的图像进行非局部均值滤波：

$I_i^{\′}=\frac{1}{\underset{j\∈N_i}{\mathrm{\Σ}}{W}_j}\underset{j\∈N_i}{\mathrm{\Σ}}{W}_S^{\left(j\right)}\·W_R^{\left(j\right)}\·I_j$

其中，i,j为像素点索引，N_i为像素点i的相邻点索引，W_j为归一化的加权因子，且W_S为几何距离的高斯加权W_R为灰度变化的高斯加权I表示某一像素点的灰度值，h为衰减控制参数。

5.根据权利要求2所述的基于傅里叶变换实现图像雾霾评价的方法，其特征在于，所述的将进行滤波后的图像进行傅里叶幅度值计算，具体为：

(3-1)根据如下公式将进行滤波后的图像进行快速傅里叶变换：

$I_K=\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{I}_n\·e^{-i2\mathrm{\πkn}/N};$

其中，N为采样点个数，k为像素点索引；

(3-2)计算快速傅里叶变换的结果I_K的幅度值|I_K|，并在|I_K|中的中心频率处进行左右互换得到中心傅里叶幅值图

6.根据权利要求2所述的基于傅里叶变换实现图像雾霾评价的方法，其特征在于，所述的将经过傅里叶变换后的获得值进行图像熵的计算，具体为：

根据如下公式将经过傅里叶变换后的获得值进行图像熵的计算：

$H=-\underset{i=0}{\overset{255}{\mathrm{\Σ}}}{\left|I_K\right|}_i^{\▿}\log p\left({\left|I_K\right|}_i^{\▿}\right)$

其中，H为图像傅里叶变换幅度值图像的熵，p(·)为在0～255范围内的概率分布。

7.根据权利要求2所述的基于傅里叶变换实现图像雾霾评价的方法，其特征在于，所述的步骤(4)和(5)之间，还包括以下步骤：

(4-1)所述的图像熵计算模块判断计算得到的熵值是否大于系统预设阈值，如果是，则继续步骤(5)，否则继续步骤(2)。