CN105118041B - 一种基于光照分离模型的数字图像去雾方法 - Google Patents
一种基于光照分离模型的数字图像去雾方法 Download PDFInfo
- Publication number
- CN105118041B CN105118041B CN201510609141.8A CN201510609141A CN105118041B CN 105118041 B CN105118041 B CN 105118041B CN 201510609141 A CN201510609141 A CN 201510609141A CN 105118041 B CN105118041 B CN 105118041B
- Authority
- CN
- China
- Prior art keywords
- component
- illumination
- image
- exp
- obtains
- 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
本发明公开了一种基于光照分离模型的数字图像去雾方法,属于数字图像去雾方法技术领域,解决现有方法中能有效提高雾化图像的对比度,突出图像的细节,改善图像的视觉效果的同时,突出部分的信息出现损失的问题。本发明的步骤为(1)获取原雾化图像;(2)将原雾化图像进行同态滤波,得到光照分量;(3)得到光照分量后,计算原雾化图像内的反射分量;(4)通过步骤(2)得到的光照分量和步骤(3)得到的反射分量相乘,得到最终图像。本发明用于数字图像去雾处理。
Description
技术领域
一种基于光照分离模型的数字图像去雾方法,用于数字图像去雾处理,属于数字图像去雾方法技术领域。
背景技术
户外景物的图像通常会因为大气中的混浊的媒介(比如分子,水滴等)而降质,雾、霭、蒸气都因大气吸收或散射造成此类现象。照相机接收到景物反射过来的光线经过了衰减,此外,得到的光线还混合有大气光(经大气分子反射的周围环境的光线)。降质的图像的对比度和颜色的保真度有所下降,造成模糊不清的现象,称之为图像雾化。在雾化情况下,由于场景的能见度降低,图像中目标对比度和颜色等特征被削弱,图像的清晰度和真实度降低,因此需要消除雾化对图像的影响。
目前对图像去雾的处理方法主要分为两类:雾化图像增强和雾化图像复原。对于每一类方法,按照去雾方法的相似性可以进一步归纳为不同的子类方法:基于图像处理的图像增强方法分为全局化的图像增强和局部化的图像增强;基于物理模型的雾化图像复原方法则包括基于偏微分方程的雾化图像复原、基于深度关系的雾化图像复原和基于先验信息的雾化图像复原。以上两种方法都可以不同程度的实现图像的去雾化,但是由于科技发展水平所限,目前两种方法都存在不同程度上的缺陷。雾化图像的增强方法不考虑图像降质原因,适用范围广,能有效提高雾化图像的对比度,突出图像的细节,改善图像的视觉效果,但对于突出部分的信息可能造成一定的损失。
发明内容
本发明针对现有技术的不足之处提供了一种基于光照分离模型的数字图像去雾方法,解决现有方法中能有效提高雾化图像的对比度,突出图像的细节,改善图像的视觉效果的同时,突出部分的信息出现损失的问题。
为了实现上述目的,本发明采用的技术方案为:
一种基于光照分离模型的数字图像去雾方法,其特征在于,如下步骤:
(1)获取原雾化图像;
(2)将原雾化图像进行同态滤波,得到光照分量;
(3)得到光照分量后,计算原雾化图像内的反射分量;
(4)通过步骤(2)得到的光照分量和步骤(3)得到的反射分量相乘,得到最终图像。
进一步,所述步骤(2)中,将原雾化图像进行同态滤波,得到光照分量可表示为:
一个相乘信号可以用分量i(x,y)及分量r(x,y)来表示,即f(x,y)=i(x,y)*r(x,y);
傅里叶变换是线性变换,对于式()中具有相乘关系的两分量无法分开,即F{f(x,y)}≠F{i(x,y)}*F{r(x,y)},式中F代表傅里叶变换,把式的两边取对数就可以把式中的乘性分量变成加性分量,再加以进一步处理,即z(x,y)=In f(x,y)=In i(x,y)+In r(x,y);再进行傅里叶变换,得F{z(x,y)}=F{In f(x,y)}=F{In i(x,y)}+F{In r(x,y)};
令Z(u,v)=F{z(x,y)},I(u,v)=F{In i(x,y)},R(u,v)=F{In r(x,y)},则Z(u,v)=I(u,v)+R(u,v),用一个传递函数H(u,v)的滤波器来处理Z(u,v),则S(u,v)=H(u,v)*Z(u,v)==H(u,v)*I(u,v)+H(u,v)*R(u,v);再以傅里叶逆变换,则s(x,y)=F-1{S(u,v)}=F-1{H(u,v)*I(u,v)}+F-1{H(u,v)*R(u,v)},令i’(x,y)=F-1{H(u,v)*I(u,v)},r’(x,y)=F-1{H(u,v)*R(u,v)},则s(x,y)=i’(x,y)+r’(x,y),通过与对数运算相反的指数运算来设置算法,即g(x,y)=exp{s(x,y)}=exp{i’(x,y)+r’(x,y)}=exp{i’(x,y)}*exp{r’(x,y)},令i0(x,y)=exp{i’(x,y)},r0(x,y)=exp{r’(x,y)},则g(x,y)=i0(x,y)*r0(x,y),式中g(x,y)就是得到的光照分量,g(x,y)可以用i0(x,y)和r0(x,y)的乘积来表示。
进一步,得到光照分量后,计算原雾化图像内的反射分量,反射分量可表示为r(x,y)=f(x,y)/i(x,y),其中,i(x,y)为光照分量;J[i(x,y)]=∫y∫xp(x,y)[i(x,y)-1]2dxdy+λ∫y∫x(ix 2-iy 2)2dxdy,其中i(x,y)和f(x,y)具有相似性,p(x,y)为权系数,λ用于控制两项的权重,利用欧拉-拉格朗日方程求解得:i(x,y)+λ/[p(x,y)(ixx+iyy)]=f(x,y),通过以上正则化的过程,光照分量i(x,y)被估计出来后,进而可以求得光照不变的反射分量。
与现有技术相比,本发明的优点在于:
一、同态滤波属于图像频率域处理范畴,其作用是对图像灰度范围进行调整,通过消除图像上照明不均的问题,增强暗区的图像细节,同时又不损伤亮区的图像细节;
二、通过对光照分量和反射分量的研究可知光照分量一般反映灰度的恒定分量,类似于频域中的低频信息,减弱光照函数(入射光)就可以起到缩小图像灰度范围的作用;而反射光与物体的边界特性是密切相关的,类似于频域中的高频信息。增强反射光就可以起到提高图像对比度的作用。
附图说明
图1为本发明的流程框架示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
一种基于光照分离模型的数字图像去雾方法,步骤如下:
(1)获取原雾化图像;
(2)图像的灰度由照射分量和反射分量合成。反射分量反映图象内容,随图像细节不同在空间上作快速变化。照射分量在空间上通常均具有缓慢变化的性质。照射分量的频谱落在空间低频区域,反射分量的频谱落在空间高频区域。将原雾化图像进行同态滤波,得到光照分量;将原雾化图像进行同态滤波,得到光照分量可表示为:
一个相乘信号可以用分量i(x,y)及分量r(x,y)来表示,即f(x,y)=i(x,y)*r(x,y);
傅里叶变换是线性变换,对于式()中具有相乘关系的两分量无法分开,即F{f(x,y)}≠F{i(x,y)}*F{r(x,y)},式中F代表傅里叶变换,把式的两边取对数就可以把式中的乘性分量变成加性分量,再加以进一步处理,即z(x,y)=In f(x,y)=In i(x,y)+In r(x,y);再进行傅里叶变换,得F{z(x,y)}=F{In f(x,y)}=F{In i(x,y)}+F{In r(x,y)};
令Z(u,v)=F{z(x,y)},I(u,v)=F{In i(x,y)},R(u,v)=F{In r(x,y)},则Z(u,v)=I(u,v)+R(u,v),用一个传递函数H(u,v)的滤波器来处理Z(u,v),则S(u,v)=H(u,v)*Z(u,v)==H(u,v)*I(u,v)+H(u,v)*R(u,v);再以傅里叶逆变换,则s(x,y)=F-1{S(u,v)}=F-1{H(u,v)*I(u,v)}+F-1{H(u,v)*R(u,v)},令i’(x,y)=F-1{H(u,v)*I(u,v)},r’(x,y)=F-1{H(u,v)*R(u,v)},则s(x,y)=i’(x,y)+r’(x,y),通过与对数运算相反的指数运算来设置算法,即g(x,y)=exp{s(x,y)}=exp{i’(x,y)+r’(x,y)}=exp{i’(x,y)}*exp{r’(x,y)},令i0(x,y)=exp{i’(x,y)},r0(x,y)=exp{r’(x,y)},则g(x,y)=i0(x,y)*r0(x,y),式中g(x,y)就是得到的光照分量,g(x,y)可以用i0(x,y)和r0(x,y)的乘积来表示。根据不同的图像特性和需要,选用不用的H(u,v),可以得到满意的结果,细节对比度差,分辨不清的图像用同态滤波进行处理后,图像画面亮度比较均匀,细节得以增强。
(3)得到光照分量后,计算原雾化图像内的反射分量,反射分量可表示为r(x,y)=f(x,y)/i(x,y),其中,i(x,y)为光照分量;J[i(x,y)]=∫y∫xp(x,y)[i(x,y)-1]2dxdy+λ∫y∫x(ix 2-iy 2)2dxdy,其中i(x,y)和f(x,y)具有相似性,p(x,y)为权系数,λ用于控制两项的权重,利用欧拉-拉格朗日方程求解得:i(x,y)+λ/[p(x,y)(ixx+iyy)]=f(x,y),通过以上正则化的过程,光照分量i(x,y)被估计出来后,进而可以求得光照不变的反射分量。
(4)通过步骤(2)得到的光照分量和步骤(3)得到的反射分量相乘,得到最终图像。
雾化图像的复原是研究雾化图像降质的物理过程,并建立雾化图像退化模型,反演退化过程,补偿退化过程造成的失真,以便获得未经干扰退化的无雾图像或无雾图像的最优估计值,从而改善雾化图像质量,这种方法针对性强,得到的去雾效果自然,一般不会有信息损失。
Claims (2)
1.一种基于光照分离模型的数字图像去雾方法,其特征在于,如下步骤:
(1)获取原雾化图像;
(2)将原雾化图像进行同态滤波,得到光照分量;
(3)得到光照分量后,计算原雾化图像内的反射分量,反射分量可表示为r(x,y)=f(x,y)/i(x,y),其中,i(x,y)为光照分量;
J[i(x,y)]=∫y∫xp(x,y)[i(x,y)-1]2dxdy+λ∫y∫x(ix 2-iy 2)2dxdy,其中i(x,y)和f(x,y)具有相似性,p(x,y)为权系数,λ用于控制两项的权重,利用欧拉-拉格朗日方程求解得:i(x,y)+λ/[p(x,y)(ixx+iyy)]=f(x,y),通过以上正则化的过程,光照分量i(x,y)被估计出来后,进而可以求得光照不变的反射分量;
(4)通过步骤(2)得到的光照分量和步骤(3)得到的反射分量相乘,得到最终图像。
2.根据权利要求1所述的一种基于光照分离模型的数字图像去雾方法,其特征在于,所述步骤(2)中,将原雾化图像进行同态滤波,得到光照分量可表示为:
一个相乘信号可以用分量i(x,y)及分量r(x,y)来表示,即f(x,y)=i(x,y)*r(x,y);
傅里叶变换是线性变换,对于式()中具有相乘关系的两分量无法分开,即F{f(x,y)}≠F{i(x,y)}*F{r(x,y)},式中F代表傅里叶变换,把式的两边取对数就可以把式中的乘性分量变成加性分量,再加以进一步处理,即
z(x,y)=In f(x,y)=In i(x,y)+In r(x,y);再进行傅里叶变换,得F{z(x,y)}=F{Inf(x,y)}=F{In i(x,y)}+F{In r(x,y)};
令Z(u,v)=F{z(x,y)},I(u,v)=F{In i(x,y)},R(u,v)=F{In r(x,y)},则Z(u,v)=I(u,v)+R(u,v),用一个传递函数H(u,v)的滤波器来处理Z(u,v),则S(u,v)=H(u,v)*Z(u,v)==H(u,v)*I(u,v)+H(u,v)*R(u,v);再以傅里叶逆变换,则s(x,y)=F-1{S(u,v)}=F-1{H(u,v)*I(u,v)}+F-1{H(u,v)*R(u,v)},令i’(x,y)=F-1{H(u,v)*I(u,v)},r’(x,y)=F-1{H(u,v)*R(u,v)},则s(x,y)=i’(x,y)+r’(x,y),通过与对数运算相反的指数运算来设置算法,即
g(x,y)=exp{s(x,y)}=exp{i’(x,y)+r’(x,y)}=exp{i’(x,y)}*exp{r’(x,y)},令i0(x,y)=exp{i’(x,y)},r0(x,y)=exp{r’(x,y)},则g(x,y)=i0(x,y)*r0(x,y),式中g(x,y)就是得到的光照分量,g(x,y)可以用i0(x,y)和r0(x,y)的乘积来表示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510609141.8A CN105118041B (zh) | 2015-09-23 | 2015-09-23 | 一种基于光照分离模型的数字图像去雾方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510609141.8A CN105118041B (zh) | 2015-09-23 | 2015-09-23 | 一种基于光照分离模型的数字图像去雾方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105118041A CN105118041A (zh) | 2015-12-02 |
CN105118041B true CN105118041B (zh) | 2019-06-07 |
Family
ID=54666016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510609141.8A Active CN105118041B (zh) | 2015-09-23 | 2015-09-23 | 一种基于光照分离模型的数字图像去雾方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105118041B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111091509A (zh) * | 2019-12-11 | 2020-05-01 | 苏州新光维医疗科技有限公司 | 内窥镜图像烟雾去除方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101102399A (zh) * | 2007-07-26 | 2008-01-09 | 上海交通大学 | 带有去噪功能的实时数字图像处理增强方法 |
CN103218778A (zh) * | 2013-03-22 | 2013-07-24 | 华为技术有限公司 | 一种图像和视频的处理方法及装置 |
CN103914820A (zh) * | 2014-03-31 | 2014-07-09 | 华中科技大学 | 一种基于图像分层增强的图像去雾方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6941028B2 (en) * | 2001-04-30 | 2005-09-06 | Hewlett-Packard Development Company, L.P. | System and method for image enhancement, dynamic range compensation and illumination correction |
-
2015
- 2015-09-23 CN CN201510609141.8A patent/CN105118041B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101102399A (zh) * | 2007-07-26 | 2008-01-09 | 上海交通大学 | 带有去噪功能的实时数字图像处理增强方法 |
CN103218778A (zh) * | 2013-03-22 | 2013-07-24 | 华为技术有限公司 | 一种图像和视频的处理方法及装置 |
CN103914820A (zh) * | 2014-03-31 | 2014-07-09 | 华中科技大学 | 一种基于图像分层增强的图像去雾方法及系统 |
Non-Patent Citations (1)
Title |
---|
"采用FFTW的Retinex及其在扫描地形图匀光中的应用";付仲良等;《应用科学学报》;20100531;第28卷(第3期);第298页第1节第2段及第298页第2.2节第1段-第299页第2段,图1 |
Also Published As
Publication number | Publication date |
---|---|
CN105118041A (zh) | 2015-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hu et al. | Single image defogging based on illumination decomposition for visual maritime surveillance | |
Ancuti et al. | I-HAZE: A dehazing benchmark with real hazy and haze-free indoor images | |
Singh et al. | Image dehazing using Moore neighborhood-based gradient profile prior | |
KR102104403B1 (ko) | 단일영상 내의 안개 제거 방법 및 장치 | |
Ma et al. | Multi-scale retinex with color restoration image enhancement based on Gaussian filtering and guided filtering | |
Yao et al. | The Retinex-based image dehazing using a particle swarm optimization method | |
Kumari et al. | Real time visibility enhancement for single image haze removal | |
Kumari et al. | Single image fog removal using gamma transformation and median filtering | |
Ling et al. | Perception oriented transmission estimation for high quality image dehazing | |
Manu | Rain removal from still images using L0 gradient minimization technique | |
Xiao et al. | Single image rain removal based on depth of field and sparse coding | |
CN105118041B (zh) | 一种基于光照分离模型的数字图像去雾方法 | |
Josephus et al. | Multilayered contrast limited adaptive histogram equalization using frost filter | |
Ein-shoka et al. | Enhancement of IR images using homomorphic filtering in fast discrete curvelet transform (FDCT) | |
Trongtirakul et al. | Fractional Contrast Stretching for Image Enhancement of Aerial and Satellite Images. | |
Wang et al. | Rapid nighttime haze removal with color-gray layer decomposition | |
Zhang et al. | Muti-scale image enhancement based on properties of human visual system | |
Negru et al. | Exponential image enhancement in daytime fog conditions | |
Huang et al. | An improved image clearness algorithm based on dark channel prior | |
Sun et al. | Adaptive bilateral filter considering local characteristics | |
Sari et al. | Development of denoising method for digital image in low-light condition | |
CN109801229A (zh) | 一种基于暗通道先验与小波变换的水下图像增强方法 | |
Agrawal et al. | Linear Fusion of Multi-Scale Transmissions for Image Dehazing | |
CN112752064A (zh) | 电力通信光缆监控视频的处理方法和系统 | |
CN113393408A (zh) | 一种基于双树复数小波和卷积神经网络的多聚焦图像处理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20190507 Address after: Room 1003, Building 1, 100 Qinzhou Road, Xuhui District, Shanghai 200030 Applicant after: Shanghai Benxi Network Technology Co., Ltd. Address before: 610000 Sichuan Chengdu high tech Zone, Tianfu Avenue 1388 1 1 10 floor 1058 Applicant before: CHENGDU RONGCHUANG ZHIGU SCIENCE & TECHNOLOGY CO., LTD. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |