CN105488769A - 一种实时视频去雾方法 - Google Patents
一种实时视频去雾方法 Download PDFInfo
- Publication number
- CN105488769A CN105488769A CN201510894609.2A CN201510894609A CN105488769A CN 105488769 A CN105488769 A CN 105488769A CN 201510894609 A CN201510894609 A CN 201510894609A CN 105488769 A CN105488769 A CN 105488769A
- Authority
- CN
- China
- Prior art keywords
- dark
- image
- filtering
- carry out
- value
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000001914 filtration Methods 0.000 claims abstract description 29
- 239000003595 mist Substances 0.000 claims description 28
- 230000008030 elimination Effects 0.000 claims description 17
- 238000003379 elimination reaction Methods 0.000 claims description 17
- 238000005457 optimization Methods 0.000 claims description 7
- 230000000903 blocking effect Effects 0.000 abstract 1
- 239000003086 colorant Substances 0.000 abstract 1
- 230000002708 enhancing effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Processing Of Color Television Signals (AREA)
- Facsimile Image Signal Circuits (AREA)
- Image Analysis (AREA)
Abstract
本发明提出了一种实时视频去雾方法,能够满足去雾性能的要求,且计算复杂度较低和实时性能较高。该方法首先对输入有雾视频图像进行红绿蓝三通道逐像素进行最小值求解,再进行并行化的快速局部最小值滤波,得到暗通道初值图像;依次进行按行分块和按列分块,滤波得到最终的暗通道图像;然后进行直方图统计,设定暗通道阈值,对输入的有雾图像按照暗通道阈值进行划分,只统计对应暗通道数值大于暗通道阈值的点的平均颜色为大气颜色参数;最后,按照暗通道物理模型进行反向求解,得到去雾增强后的视频图像作为输出。
Description
技术领域:
本发明属于计算机视频处理领域,特别是涉及一种实时视频去雾增强的方法。
背景技术:
随着计算机技术与视频图像技术的发展,机载视频源在雾霾、雨雪、沙尘等复杂环境下,成像质量大为下降,极为影响人眼对环境的感知和判断。传统的视频去雾算法由于其计算复杂度较高,难以满足机载实时处理的要求。而一般简单的图像增强算法并不能满足视频去雾的性能要求。在很多情景下,对输出有雾图像并没有起到去雾增强的作用,反而使得视频画面质量下降。因此,需要一种既要满足去雾性能的要求,又要保证其计算复杂度较低和实时性能较高的视频数据处理方法。
发明内容:
本发明提出了一种实时视频去雾方法,能够满足去雾性能的要求,且计算复杂度较低和实时性能较高。
本发明的技术方案是:
一种实时视频去雾方法,首先对输入视频画面进行暗通道初值估计,该过程包括红绿蓝三通道的最小值计算以及局部最小值的计算;再进行暗通道细节优化,该过程包括并行化的迭代梯度行方向滤波以及一次迭代梯度列方向滤波;最后通过大气传播模型进行反向求解,得到去雾增强图像。
具体可按照以下步骤实现:
1)对输入的有雾视频图像进行红绿蓝三通道逐像素进行最小值求解,得到最小值图像;
2)对最小值图像进行并行化的快速局部最小值滤波,得到暗通道初值图像;
3)对暗通道初值图像按行分块,进行并行化的梯度迭代滤波,得到暗通道行方向优化图像;
4)对行方向优化后的暗通道图像进行列方向分块,并行化地进行列方向的梯度迭代滤波得到最终的暗通道图像;
5)对最终的暗通道图像进行直方图统计,设定亮度前n个像素点中最低亮度数值为暗通道阈值;
6)对步骤1)中输入的有雾图像按照步骤5)确立的暗通道阈值进行划分,统计对应暗通道数值大于暗通道阈值的点的平均颜色为大气颜色参数;
7)按照暗通道物理模型,根据步骤4)得到的暗通道图像以及步骤6)统计设定的大气颜色参数进行求解,得到去雾增强后的视频图像作为输出。
其中,步骤2)中所述快速局部最小值滤波,可采用O(1)计算复杂度的VanHerk最小值滤波算法,并利用分块处理的方式进行并行加速。
本发明具有以下优点:
实现了视频去雾算法的实时性加速,能够在嵌入式多核系统或者GPU多核系统中充分利用并行计算能力达到较高的计算加速比。
由于考虑了视频图像中的细节变化,利用迭代梯度滤波的方式保证细节信息不失真,避免了传统算法中的光晕等人工痕迹,具有较好的计算效果。
利用该方法得到的视频去雾增强画面,有效地增加了信息的辨识度。
附图说明:
图1为本发明的原理框图。
具体实施方式:
以某型DSP嵌入式系统为例,该方法采用多核编程方式执行,采用了固定复杂度的计算方式进行视频图像实时去雾增强操作,包括以下步骤:
第一步,按照多核并行,分块地对输入有雾图像进行逐点扫描,求出红绿蓝三通道的最小值存储为最小值图像。
第二步,利用VanHerk最小值滤波算法进行最小值图像的局部最小值滤波,由于最小值滤波可分离的特性,对图像进行一次行方向的滤波之后,再进行一次列方向滤波求出区域最小值作为暗通道初值存储。
第三步,对输入暗通道初值图像进行导向滤波,以输入有雾图像作为导向纹理图像,按照行方向进行并行迭代梯度滤波。
第四步,对第三步输出的图像再进行一次列方向导向滤波,同样以有雾图像作为导向纹理,输出暗通道优化图像。
第五步,对暗通道进行直方图统计,直方图亮度前1000数值的最小值作为暗通道阈值参数。
第六步,对输入有雾视频图像进行颜色平均值计算,参与计算的像素点所对应的暗通道数值大于第五步中计算出的暗通道阈值参数。
第七步,利用优化的暗通道图像以及颜色参数进行反向求解,计算出去雾增强后的图像作为输出。
对输入的有雾视频图像首先进行暗通道的初值估计,首先进行红绿蓝三通道最小值计算
之后再对最小值进行局部最小值滤波,
该滤波方式采用O(1)计算复杂度的VanHerk最小值滤波算法,并且利用分块处理的方式进行了并行加速。
利用并行化的梯度迭代滤波算法对暗通道初值图像进行导向滤波,使得暗通道图像的细节更加接近输入视频图像。
对每个像素点来说,当前的输出y[i]仅仅与当前的输出x[i]以及上一个像素点的输出y[i-1]相关。即
y[i]=(1-a)·x[i]+a·y[i-1]
其中a为反馈常数。
同样利用分块计算的策略进行并行化加速。经过优化后的暗通道记为D(i),对暗通道进行直方图统计得到直方图为:
hist(i),0≤i≤255
找到其亮度分布的最高点之后,按照亮度直方图从高到低进行计数,当计数数值大于1000时,停止计数,此时认为当前亮度数值为直方图阈值。即
利用该阈值T对原始输入视频图像进行颜色统计,仅统计对应暗通道数值大于暗通道阈值的像素点的平均颜色作为大气颜色。此时大气颜色为
对应得大气常数为
在求得暗通道参数D,大气颜色参数Ar、Ag、Ab以及大气常数A之后,利用暗通道物理模型可以得到对应的去雾后彩色图像。
其中Ir、Ig、Ib为输入有雾视频图像,Jr、Jg、Jb为输出去雾增强视频图像。
以上方法通过对输入视频图像进行红绿蓝三通道最小值计算后再进行O(1)计算复杂度的局部最小值滤波操作得到图像暗通道的初值。通过具有导向滤波功能的迭代梯度双边滤波器进行暗通道数值的优化。通过直方图统计的方式计算出视频图像的暗通道阈值参数后,对原始视频图像进行阈值统计,得到大气颜色参数。最后通过大气传播模型反向求解出去雾视频图像。整个算法利用并行编程的方式,对局部最小值计算、迭代梯度滤波算法都进行了并行化优化,取得了较高的多核加速比,使得1024*768分辨率视频图像处理时间达到30毫秒以内。
Claims (3)
1.一种实时视频去雾方法,其特征在于:首先对输入视频画面进行暗通道初值估计,该过程包括红绿蓝三通道的最小值计算以及局部最小值的计算;再进行暗通道细节优化,该过程包括并行化的迭代梯度行方向滤波以及一次迭代梯度列方向滤波;最后通过大气传播模型进行反向求解,得到去雾增强图像。
2.根据权利要求1所述的实时视频去雾方法,其特征在于,具体包括以下步骤:
1)对输入的有雾视频图像进行红绿蓝三通道逐像素进行最小值求解,得到最小值图像;
2)对最小值图像进行并行化的快速局部最小值滤波,得到暗通道初值图像;
3)对暗通道初值图像按行分块,进行并行化的梯度迭代滤波,得到暗通道行方向优化图像;
4)对行方向优化后的暗通道图像进行列方向分块,并行化地进行列方向的梯度迭代滤波得到最终的暗通道图像;
5)对最终的暗通道图像进行直方图统计,设定亮度前n个像素点中最低亮度数值为暗通道阈值;
6)对步骤1)中输入的有雾图像按照步骤5)确立的暗通道阈值进行划分,统计对应暗通道数值大于暗通道阈值的点的平均颜色为大气颜色参数;
7)按照暗通道物理模型,根据步骤4)得到的暗通道图像以及步骤6)统计设定的大气颜色参数进行求解,得到去雾增强后的视频图像作为输出。
3.根据权利要求2所述的实时视频去雾方法,其特征在于:步骤2)中所述快速局部最小值滤波,采用O(1)计算复杂度的VanHerk最小值滤波算法,并利用分块处理的方式进行并行加速。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510894609.2A CN105488769B (zh) | 2015-12-08 | 2015-12-08 | 一种实时视频去雾方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510894609.2A CN105488769B (zh) | 2015-12-08 | 2015-12-08 | 一种实时视频去雾方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105488769A true CN105488769A (zh) | 2016-04-13 |
CN105488769B CN105488769B (zh) | 2019-02-19 |
Family
ID=55675735
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510894609.2A Active CN105488769B (zh) | 2015-12-08 | 2015-12-08 | 一种实时视频去雾方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105488769B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106469440A (zh) * | 2016-09-08 | 2017-03-01 | 西安电子科技大学 | 基于OpenCL的暗通道去雾并行优化方法 |
CN108133461A (zh) * | 2017-12-07 | 2018-06-08 | 中国航空工业集团公司西安航空计算技术研究所 | 一种实时视频低照度增强方法 |
CN108259708A (zh) * | 2018-01-17 | 2018-07-06 | 国家安全生产监督管理总局通信信息中心 | 有雾视频处理方法及计算机可读存储介质 |
CN108288247A (zh) * | 2017-12-07 | 2018-07-17 | 中国航空工业集团公司西安航空计算技术研究所 | 一种多核dsp平台上的实时图像细节增强方法 |
CN117078562A (zh) * | 2023-10-16 | 2023-11-17 | 四川中科友成科技有限公司 | 一种视频图像去雾方法、装置、计算机设备及介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013018101A1 (en) * | 2011-08-03 | 2013-02-07 | Indian Institute Of Technology, Kharagpur | Method and system for removal of fog, mist or haze from images and videos |
CN103136735A (zh) * | 2013-03-07 | 2013-06-05 | 中国科学院光电技术研究所 | 一种基于双尺度暗通道的单幅图像去雾方法 |
CN103700079A (zh) * | 2013-12-17 | 2014-04-02 | 中国科学院深圳先进技术研究院 | 图像去雾方法及装置 |
CN104166968A (zh) * | 2014-08-25 | 2014-11-26 | 广东欧珀移动通信有限公司 | 一种图像去雾的方法、装置及移动终端 |
CN104299192A (zh) * | 2014-09-28 | 2015-01-21 | 北京联合大学 | 一种基于大气光散射物理模型的单幅图像去雾方法 |
CN104732494A (zh) * | 2015-03-23 | 2015-06-24 | 无锡中科智能农业发展有限责任公司 | 一种基于图像去雾的组培监控方法及系统 |
CN104751421A (zh) * | 2015-03-10 | 2015-07-01 | 西安理工大学 | 一种在fpga上实现的图像去雾方法 |
CN105069757A (zh) * | 2015-08-17 | 2015-11-18 | 长安大学 | 无人机载红外获取沥青图像的双向迭代双边滤波方法 |
-
2015
- 2015-12-08 CN CN201510894609.2A patent/CN105488769B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013018101A1 (en) * | 2011-08-03 | 2013-02-07 | Indian Institute Of Technology, Kharagpur | Method and system for removal of fog, mist or haze from images and videos |
CN103136735A (zh) * | 2013-03-07 | 2013-06-05 | 中国科学院光电技术研究所 | 一种基于双尺度暗通道的单幅图像去雾方法 |
CN103700079A (zh) * | 2013-12-17 | 2014-04-02 | 中国科学院深圳先进技术研究院 | 图像去雾方法及装置 |
CN104166968A (zh) * | 2014-08-25 | 2014-11-26 | 广东欧珀移动通信有限公司 | 一种图像去雾的方法、装置及移动终端 |
CN104299192A (zh) * | 2014-09-28 | 2015-01-21 | 北京联合大学 | 一种基于大气光散射物理模型的单幅图像去雾方法 |
CN104751421A (zh) * | 2015-03-10 | 2015-07-01 | 西安理工大学 | 一种在fpga上实现的图像去雾方法 |
CN104732494A (zh) * | 2015-03-23 | 2015-06-24 | 无锡中科智能农业发展有限责任公司 | 一种基于图像去雾的组培监控方法及系统 |
CN105069757A (zh) * | 2015-08-17 | 2015-11-18 | 长安大学 | 无人机载红外获取沥青图像的双向迭代双边滤波方法 |
Non-Patent Citations (1)
Title |
---|
白林亭, 武永卫, 谢建春, 文鹏程, 刘小剑: "多核DSP图像去雾优化方法", 《电光与控制》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106469440A (zh) * | 2016-09-08 | 2017-03-01 | 西安电子科技大学 | 基于OpenCL的暗通道去雾并行优化方法 |
CN106469440B (zh) * | 2016-09-08 | 2019-07-16 | 西安电子科技大学 | 基于OpenCL的暗通道去雾并行优化方法 |
CN108133461A (zh) * | 2017-12-07 | 2018-06-08 | 中国航空工业集团公司西安航空计算技术研究所 | 一种实时视频低照度增强方法 |
CN108288247A (zh) * | 2017-12-07 | 2018-07-17 | 中国航空工业集团公司西安航空计算技术研究所 | 一种多核dsp平台上的实时图像细节增强方法 |
CN108288247B (zh) * | 2017-12-07 | 2021-04-20 | 中国航空工业集团公司西安航空计算技术研究所 | 一种多核dsp平台上的实时图像细节增强方法 |
CN108259708A (zh) * | 2018-01-17 | 2018-07-06 | 国家安全生产监督管理总局通信信息中心 | 有雾视频处理方法及计算机可读存储介质 |
CN108259708B (zh) * | 2018-01-17 | 2020-05-12 | 国家安全生产监督管理总局通信信息中心 | 有雾视频处理方法及计算机可读存储介质 |
CN117078562A (zh) * | 2023-10-16 | 2023-11-17 | 四川中科友成科技有限公司 | 一种视频图像去雾方法、装置、计算机设备及介质 |
CN117078562B (zh) * | 2023-10-16 | 2023-12-26 | 四川中科友成科技有限公司 | 一种视频图像去雾方法、装置、计算机设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105488769B (zh) | 2019-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105488769A (zh) | 一种实时视频去雾方法 | |
CN104200470B (zh) | 一种蓝屏抠图方法 | |
CN103593830B (zh) | 一种低照度视频图像增强方法 | |
CN104751432B (zh) | 一种基于图像重构的可见光与红外图像融合方法 | |
CN103778900B (zh) | 一种图像处理方法及系统 | |
CN109685072A (zh) | 一种基于生成对抗网络的复合降质图像高质量重建方法 | |
CN107016691A (zh) | 基于超像素特征的运动目标检测方法 | |
CN105118027B (zh) | 一种图像的去雾方法 | |
CN108805839A (zh) | 基于卷积神经网络的联合估计图像去雾方法 | |
CN109829868B (zh) | 一种轻量级深度学习模型图像去雾方法、电子设备及介质 | |
CN103700078B (zh) | 少量背景含雾图像的去雾方法 | |
CN108416745A (zh) | 一种具有色彩恒常性的图像自适应去雾增强方法 | |
CN112312106B (zh) | 一种基于色彩空间转换的投影图像颜色校正方法 | |
CN104980625A (zh) | 视频转场检测的方法和装置 | |
CN104392479A (zh) | 一种利用灯光索引号对像素进行光照着色的方法 | |
CN106530265A (zh) | 一种基于色度坐标的自适应图像融合方法 | |
CN105681775A (zh) | 一种白平衡方法和装置 | |
CN103839245B (zh) | 基于统计规律的Retinex夜间彩色图像增强方法 | |
CN106933579A (zh) | 基于cpu+fpga的图像快速去雾方法 | |
CN105184757A (zh) | 基于颜色空间特点的食物图像色彩增强方法 | |
CN102446345A (zh) | 一种对于白板彩色图像进行颜色增强的方法、装置及系统 | |
CN112907457A (zh) | 图像处理方法、图像处理装置及计算机设备 | |
CN103413331B (zh) | 一种支持编辑传播的高分辨率视频图像内容稀疏表达方法 | |
CN103295205B (zh) | 一种基于Retinex的微光图像快速增强方法和装置 | |
CN104715456B (zh) | 一种图像的去雾方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |