CN105631823A - 基于阈值分割优化的暗原色天空区域去雾方法 - Google Patents

Abstract

本发明公开一种基于阈值分割优化的暗原色天空区域去雾方法，主要解决现有技术对雾天图像的天空区域处理效果不佳的情况。其实现步骤为：(1)输入任选的一幅含天空区域的带雾图像，依次计算该图像的暗通道值和大气光值；(2)求带雾图像的透射图；(3)对透射图进行导向滤波，得到优化后的透射图；(4)标记天空区域；(5)对天空区域的透射率进行放大，复原出去雾后的图像。本发明能有效的去除雾天图像的非天空区域的雾信息，同时，优化处理天空区域的效果，避免了天空区域出现色彩失真以及光晕的现象，可用于图像增强和视频监控。

Description

基于阈值分割优化的暗原色天空区域去雾方法

技术领域

本发明属于图像处理技术领域，更进一步的涉及图像去雾方法，可用于图像增强和视频监控。

背景技术

图像去雾的目的在于去除图像中的雾信息，提高图像的对比度，提高图像的质量。由于天气等因素的干扰，在图像的采集过程中可能会受到雾霾、烟雾等因素的影响从而使得图像的对比度下降，降低图像的质量，影响图像的后续处理及其使用价值。因此，图像去雾具有重要的意义。

芮义斌，李鹏，孙锦涛等发表的论文“一种交互式雾天图像去雾方法”中提出一种基于Retinex(Retinal-cortex-theory)理论的多尺度Retinex(MSR)去雾算法。Retinex理论是基于色彩恒常的一种代表性计算理论，其全称是视网膜皮层理论(Retinal-cortex-theory)。Retinex理论认为人类感知到的物体颜色与物体表面的反射性质有着密切的关系，而与投射到人眼的光的特性关系不大。该去雾方法的具体步骤是：首先，利用取对数的方式将原图像的照射分量和反射分量进行分离，并与高斯滤波函数进行卷积，得到低通滤波后的图像；之后用原图像减去低通滤波后的图像，得到高频增强的图像；最后对该图像进行取反对数并进行对比度增强，得到最终的结果图像。该方法虽然能够在一定程度上将图像的雾信息去除，但只是从图像增强上对图像进行去雾，没有考虑到图像中雾的本质，因此不能将图像中的雾信息去除干净，效果不佳。

何凯明等人在2009年发表的论文“SingleImageHazeRemovalUsingDarkChannelPrior”提出基于暗原色先验(DarkChannelPrior,DCP)的单幅图像去雾方法。该方法认为，户外清晰的图像总符合暗原色先验理论，该理论认为在一幅户外清晰图像上，总存在一些像素点的值很小，甚至趋近于0。该方法的具体步骤如下：首先，求取图像的暗通道图，之后根据暗通道图求取图像的透射率和大气光值，最后根据求得的透射率和大气光值复原图像。该方法从图像中雾的本质出发，当图像中没有高亮的天空区域时，能够很好的去除图像中的雾信息，去雾效果良好。但当图像有大量高亮天空区域时，暗原色先验理论不再适用于这些区域，导致复原效果不佳。

发明内容

本发明的目的在于针对上述现有技术的不足，提出一种基于阈值分割优化的暗原色天空区域去雾方法，以在使用暗原色这一理论有效去除非天空区域的雾信息的同时，优化处理天空区域的效果，获得复原效果好的去雾图像。

为实现本发明目的的技术方案包括如下：

(1)输入任选的一幅含有天空区域的带雾图像I，依次计算该带雾图像的暗通道值和大气光值A；

(2)计算带雾图像每个像素点的透射率，并将各像素点的透射率组合为雾天图像的透射图t；

(3)对透射图t进行导向滤波，得到优化后的透射图t'；

(4)求优化后的透射图t'的灰度分布直方图，并根据该直方图分布规律选取一个阈值T，将优化后的透射图t'中像素值小于T的区域标记为天空区域；

(5)按照下式对天空区域的透射率进行放大：

t'(x)＝μt'(x)，

其中，t'(x)为像素点x的透射率，μ值为大于1的数，取值为μ＝1.5；

(6)根据上述所求得的大气光值A以及像素点x的透射率t'(x)，按照下式得到最终的去雾图像：

$J\left(x\right)=\frac{I\left(x\right)-A}{max\left(t^{\′}\right(x),t_0)}+A,$

其中，t₀为边界约束条件，取值为t₀＝0.1，I(x)为带雾图像I的像素点x的值，J(x)为最终的去雾图像J的像素点x的值。

本发明与现有技术相比具有以下优点：

第一，本发明通过求优化后的透射图的灰度分布直方图，并根据该直方图的分布规律，选取一个阈值，可以准确的对天空区域进行标记；

第二，本发明通过对天空区域的透射率进行放大，优化处理天空区域的效果，避免天空区域出现色彩失真、光晕等现象，获得复原效果好的去雾图像。

附图说明

图1是本发明的实现流程图；

图2是本发明仿真使用的一幅户外带有部分天空区域的有雾图像，

图3是本发明仿真使用的一幅户外带有大片天空区域的有雾图像；

图4是用本发明与现有技术对测试图像2的实验结果对比图；

图5是用本发明与现有技术对测试图像3的实验结果对比图。

具体实施方式

下面结合附图对本发明做进一步的描述。

参照图1，本发明的具体步骤如下：

步骤1：输入任选的一幅含有天空区域的带雾图像I，依次计算该带雾图像的暗通道值和大气光值A：

(1a)从图2和图3中任选一幅带天空区域的有雾图像作为输入的一幅带雾图像I；

(1b)对带雾图像I的R，G，B即红蓝绿三个通道分别进行9×9的最小值滤波；

(1c)对带雾图像的每个像素点，取(1a)中滤波后的R，G，B三个通道在该点上的最小值，作为带雾图像在该点的暗通道值，如下式：

$I^{dark}\left(x\right)=\underset{c\∈(r,g,b)}{\min }\left(\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min }\right(I^c\left(y\right)\left)\right),$

其中，I^dark(x)表示带雾图像I在像素点x的暗通道值，c表示图像的通道，Ω(x)表示以x为中心的9×9矩形区域。

(1d)在求得的带雾图像的暗通道图上选取前0.1％的最亮点；

(1e)在带雾图像中寻找与(1d)中选取的点位置相对应的点，再从这些对应的点中选取亮度最大的像素点值，作为大气光值。

步骤2：计算带雾图像每个像素点的透射率，并将各像素点的透射率组合为雾天图像的透射图。

(2a)将雾天图像的大气散射模型表示如下：

I(x)＝J(x)t(x)+A(1-t(x))，<1>

其中，I(x)为带雾图像I的像素点x的值，J(x)为最终的去雾图像J的像素点x的值，t(x)为像素点x的透射率，A为大气光值；对式<1>中的雾天图像I以及去雾图像J求其暗通道值：

$\underset{c}{\min }\left(\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{min}\right(\frac{I^c\left(y\right)}{A}\left)\right)=t\left(x\right)\underset{c}{\min }\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{min}\left(\frac{J^c\left(y\right)}{A}\right)+(1-t(x\left)\right),---<2>$

其中，c表示图像的通道，y表示图像中的像素点，Ω(x)表示以x为中心的9×9的矩形区域，I^c(y)表示图像I在像素点y处的通道c的值，J^c(y)表示图像J在像素点y处的通道c的值；

(2b)根据暗原色理论，可以认为式<2>中的因此将式<2>化简为：

$\underset{c}{\min }\left(\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{min}\right(\frac{I^c\left(y\right)}{A^c}\left)\right)=(1-t(x)),---<3>$

对式<3>进行移项求得雾天图像I的各像素点的透射率：

$t\left(x\right)=1-\underset{c}{\min }\left(\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{min}\right(\frac{I^c\left(y\right)}{A^c}\left)\right).$

步骤3：对透射图t进行导向滤波，得到优化后的透射图t'。

步骤4：求优化后的透射图t'的灰度分布直方图，

(4a)统计优化后的透射图的所有像素点在各灰度级上的分布个数；

(4b)以灰度级为横坐标，以像素点的个数为纵坐标绘制优化后的透射图的灰度分布直方图。

步骤5：根据该直方图分布规律选取一个阈值T，将优化后的透射图t'中像素值小于T的区域标记为天空区域。

因为天空区域的灰度值比较大，不存在某一像素点的暗通道值趋近于0的情况，暗原色理论并不适用于天空区域，因此根据暗原色理论求得的天空区域的透射率比非天空区域的透射率要小，故在(5b)中的灰度分布直方图的波谷位置选取一个阈值T，将优化后的透射图t'中像素值小于T的区域标记为天空区域。

步骤6：按照下式对天空区域的透射率进行放大：

t'(x)＝μt'(x)，

其中，t'(x)为像素点x的透射率，μ值为大于1的数，取值为μ＝1.5。

步骤7：根据上述所求得的大气光值A以及像素点x的透射率t'(x)，按照下式得到最终的去雾图像：

$J\left(x\right)=\frac{I\left(x\right)-A}{max\left(t^{\&prime;}\right(x),t_0)}+A,$

其中，t₀为边界约束条件，取值为t₀＝0.1，I(x)为带雾图像I的像素点x的值，J(x)为最终的去雾图像J的像素点x的值。

本发明的效果可通过以下仿真进一步说明。

1.仿真条件：

本实验的硬件平台是：IntelCore3CPU，主频2.40GHz，内存8.00GB，软件平台为：Windows8专业版操作系统和MatlabR2013a。测试图像为两幅带有天空区域的有雾图像如图2和图3所示。

2.仿真方法

方法1：芮义斌等人在文献“一种交互式雾天图像去雾方法[J].计算机应用,2006,26(11):2733-2735”中提出的基于Retinex理论的多尺度Retinex去雾方法，简称为MSR方法；

方法2：何开明等人在文献“SingleImageHazeRemovalUsingDarkChannelPrior[C].ProceedingsofIEEEConferenceonComputerVisionandPatternRecognition,2009,1956-1963”中提出的基于暗通道先验的去雾方法，简称为DCP方法；

方法3：本发明方法。

3.仿真内容与结果分析

仿真1：

将本发明与现有的两个方法对图2进行去雾处理，结果如图4所示。其中，图4(a)为采用MSR方法对图2的去雾结果，图4(b)为采用DCP方法对图2的去雾结果，图4(c)为采用本发明方法对图2的去雾结果。

从图4可以明显的看出，MSR方法对图2的去雾其中间区域的房子和树木出现泛白现象，并且还残留着一些雾气，上方的天空区域也偏暗；DCP方法对图2的去雾其上方的天空区域出现色彩失真现象；相比于现有技术，本发明对于带有天空区域的有雾图像的去雾效果最好，对非天空区域的雾信息去除最干净，同时天空区域的色彩保持的最好，没有出现色彩失真现象。

仿真2：

用本发明与现有的两个方法对图3进行去雾处理，结果如图5所示。其中，图5(a)为采用MSR方法对图3的去雾结果，图5(b)为采用DCP方法对图3的去雾结果，图5(c)为采用本发明方法对图3的去雾结果。

从图5可以明显的看出，MSR方法对图3的去雾其右下角区域的树木呈黑色，色彩失真严重，中间大部分区域也都存留着一些雾气；DCP方法对图3的去雾其上方的天空区域出现光晕与色彩失真的现象；相比于现有技术，本发明对带有天空区域的有雾图像的去雾效果最好，对雾信息的去除最干净，同时天空区域的色彩保持的最好，没有出现色彩失真、光晕现象。

Claims (5)

1.一种基于阈值分割优化的暗原色天空区域去雾方法，包括：

(1)输入任选的一幅含有天空区域的带雾图像I，依次计算该带雾图像的暗通道值和大气光值A；

(2)计算带雾图像每个像素点的透射率，并将各像素点的透射率组合为雾天图像的透射图t；

(3)对透射图t进行导向滤波，得到优化后的透射图t'；

(4)求优化后的透射图t'的灰度分布直方图，并根据该直方图分布规律选取一个阈值T，将优化后的透射图t'中像素值小于T的区域标记为天空区域；

(5)按照下式对天空区域的透射率进行放大：

t'(x)＝μt'(x)，

其中，t'(x)为像素点x的透射率，μ值为大于1的数，取值为μ＝1.5；

(6)根据上述所求得的大气光值A以及像素点x的透射率t'(x)，按照下式得到最终的去雾图像：

$J\left(x\right)=\frac{I\left(x\right)-A}{max\left(t^{\&prime;}\right(x),t_0)}+A,$

其中，t₀为边界约束条件，取值为t₀＝0.1，I(x)为带雾图像I的像素点x的值，J(x)为最终的去雾图像J的像素点x的值。

2.根据权利要求1所述基于阈值分割优化的暗原色天空区域去雾方法，其特征在于，步骤(1)中求带雾图像的暗通道值按如下步骤进行：

(1a)对带雾图像I的R，G，B即红蓝绿三个通道分别进行最小值滤波；

(1b)对带雾图像的每个像素点，取(2a)中滤波后的R，G，B三个通道在该点上的最小值，作为带雾图像在该点的暗通道值。

3.根据权利要求1所述基于阈值分割优化的暗原色天空区域去雾方法，其特征在于，步骤(1)中求大气光值A，按如下步骤进行：

(1c)在步骤(1)求得的暗通道图上选取前0.1％的最亮点；

(1d)在带雾图像I中寻找与(3a)中选取的点位置相对应的点，再从这些对应的点中选取亮度最大的像素点值，作为大气光值A。

4.根据权利要求1所述基于阈值分割优化的暗原色天空区域去雾方法，其特征在于，步骤(2)中计算带雾图像的各像素点的透射率，按如下步骤进行：

(2a)将雾天图像的大气散射模型表示如下：

I(x)＝J(x)t(x)+A(1-t(x))，<1>

其中，I(x)为带雾图像I的像素点x的值，J(x)为去雾图像J的像素点x的值，t(x)为像素点x的透射率，A为大气光值；对式<1>中的雾天图像I以及去雾图像J求其暗通道值：

$\underset{c}{min}\left(\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{\min }\right(\frac{I^c\left(y\right)}{A}\left)\right)=t\left(x\right)\underset{c}{min}\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{\min }\left(\frac{J^c\left(y\right)}{A}\right)+(1-t(x\left)\right),---<2>$

其中，c表示图像的通道，y表示图像中的像素点，Ω(x)表示以x为中心的9×9的矩形区域，I^c(y)表示图像I在像素点y处的通道c的值，J^c(y)表示图像J在像素点y处的通道c的值；

(2b)根据暗原色理论，可以认为式<2>中的因此将式<2>化简为：

$\underset{c}{min}\left(\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{min}\right(\frac{I^c\left(y\right)}{A}\left)\right)=(1-t(x\left)\right),---<3>$

对式<3>进行移项求得雾天图像I的各像素点的透射率：

$t\left(x\right)=1-\underset{c}{\min }\left(\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{min}\right(\frac{I^c\left(y\right)}{A}\left)\right).$

5.根据权利要求1所述基于阈值分割优化的暗原色天空区域去雾算法，其特征在于，所述步骤(4)中对天空区域进行标记按如下步骤进行：

(5a)统计优化后的透射图的所有像素点在各灰度级上的分布个数；

(5b)以灰度级为横坐标，以像素点的个数为纵坐标绘制优化后的透射图的灰度分布直方图；

(5c)根据(5b)中的灰度分布直方图的波谷位置选取一个阈值T，将优化后的透射图t'中像素值小于T的区域标记为天空区域。