CN105654429A - 基于透射率归一化的增强弱光图像清晰度的方法 - Google Patents

Abstract

本发明公开了一种基于透射率归一化的增强弱光图像清晰度的方法。本发明基于去雾框架对弱光图像进行增强，改进了暗原色的求解方法，由点暗原色代替块暗原色；在求取透射率的过程中，对点暗原色图像进行阈值调整得到比较平滑的暗原色图像，根据调整后的暗原色图像求解图像的透射率，并利用自适应维纳滤波对透射率进一步细化；最后弱光图像直接对估计得到的透射率进行归一化得到最后的增强图像。实验结果表明，本发明本发明提出的方法可针对传统基于去雾方法增强弱光图像所具有的缺陷，有效去除块暗原色带来的晕轮伪影，保留更多的图像细节，具有更好的视觉性，并大大降低方法的复杂度。

Description

基于透射率归一化的增强弱光图像清晰度的方法

技术领域

本发明涉及一种计算机图像处理方法，尤其涉及一种基于归一化透射率的弱光图像增强方法。

背景技术

夜晚或者阴天拍摄图像时，由于周围光照条件欠佳导致拍摄的图像整体灰度值和对比度降低并且丧失大量的细节信息，难以识别感兴趣的区域，给视频监控、室外目标识别与追踪、遥感成像等带来很大困难。因此，弱光图像增强问题在计算机视觉应用领域和数字图像处理领域亟待解决。

现有的弱光图像增强方法根据是否运用物理模型，可分为基于非物理模型的方法和基于物理模型的方法。非物理模型方法主要有直方图均衡化法^[1][2]、色调映射算法^[3]以及基于Retinex理论的图像增强方法^[4]等。基于物理模型的方法中最为典型和有效的是利用弱光图像和雾天图像可以相互转化，利用图像去雾方法实现弱光图像增强^[5]。该方法虽然能达到较好的弱光图像增强效果，但图像的整体色调偏暗，在图像边缘处块效应明显，增强后的图像噪点很多，有很强的人工处理痕迹，而且计算复杂。

[参考文献]

[1]T.K.Kim,J.K.Paik,B.S.Kang,Contrastenhancementsystemusingspatiallyadaptivehistogramequalizationwithtemporalfiltering,IEEETransactionsonConsumerElectronics,vol.44,no.1,pp.82-87,1998.

[2]S.M.Pizer,E.P.Amburn,J.D.Austin,etal.Adaptivehistogramequalizationanditsvariations.ComputerVision,Graphics,andImageProcessing,vol.39,no.31,pp,355-368,1987.

[3]C.Y.Yu,Y.C.Ouyang,C.M.Wang,C.I.Chang,Adaptiveinversehyperbolictangentalgorithmfordynamiccontrastadjustmentindisplayingscenes,EURASIPJournalonAdvancesinSignalProcessing,2010.

[4]J.Zhang,S.Kamata,Anadaptivetonemappingalgorithmforhighdynamicrangeimages,ComputationalColorImagingLectureNotesinComputerScience,pp.207-215,2009.

[5]X.Dong,J.T.Wen,W.X.Li,Anefficientandintegratedalgorithmforvideoenhancementinchallenginglightingconditions,inProceedingsofInstituteofElectricalandElectronicEngineersInternationalConferenceonComputerVisionandPatternRecognition,pp.1241-1249,2011.

[6]HeK,SunJ,TangX.Singleimagehazeremovalusingdarkchannelprior[J].PatternAnalysisandMachineIntelligence,IEEETransactionson,2011,33(12):2341-2353.

[7]M.Blanco,J.M.Hankey,T.A.Dingus,Evaluatingnewtechnologiestoenhancenightvisionbylookingatdetectionandrecognitiondistancesofnon-motoristsandobjects,inProceedingsoftheHumanFactorsandErgonomicsSocietyAnnualMeeting,vol.45,no.23,pp.1612-1616,2001.

[8]Z.Wang,Y.Feng,Fastsinglehazeimageenhancement,Computers&ElectricalEngineering[J],Volume40,Issue3,April2014,Pages785-795,ISSN0045-7906

[9]DiwakarM,KumarM.CTimagenoisereductionbasedonadaptivewienerfilteringwithWaveletpacketthresholding[C]//Parallel,DistributedandGridComputing(PDGC),2014InternationalConferenceon.IEEE,2014:94-98.

发明内容

针对上述问题，本发明提出一种基于透射率归一化的增强弱光图像清晰度的方法。首先根据弱光图像的反转图像所具有的大气光常数特性，简化去雾模型；然后为了获得更多的图像细节，用点暗原色代替块暗原色，并对暗原色图进行中值滤波以保持图像良好的局部平滑特性，由此得到更精准的透射率估计；最后利用自适应维纳滤波对估计得到的透射率进行细化来简化运算量。该方案不仅能够有效恢复图像的亮度、对比度，显著改善视觉效果，同时保留更多的图像细节信息，并大大降低运算复杂度。

为了解决上述技术问题，本发明提出一种基于透射率归一化的增强弱光图像清晰度的方法，包括以下步骤：

步骤一、将输入的弱光图像I反转后得到图像I_inv：

I_inv＝255-I

步骤二、计算图像I_inv的点暗原色：

${\hat{J}}_L^{dark}\left(x\right)=\underset{c\∈\{r,g,b\}}{min}\left(I_{inv}^c\right(x\left)\right)$

表示图像I_inv中R,G,B三通道中的一个颜色通道；

步骤三、对步骤二得到的点暗原色图像进行中值滤波，从而得到图像

$J_L^{med}\left(x\right)={\mathrm{Med}}_S\left({\hat{J}}_L^{dark}\right(x\left)\right)$

步骤四、使用局部标准差方法求解点暗原色图像的局部纹理，并对标准差进行中值滤波：

$J_L^{\det ail}\left(x\right)={\mathrm{Med}}_S\left(\right|{\hat{J}}_L^{dark}\left(x\right)-J_L^{med}\left(x\right)\left|\right)$

步骤五、对图像进行平滑运算：

步骤六、对点暗原色图像进行阈值调整得到点暗原色图像

其中，μ为固定参数，μ＝0.95；

步骤八、求解点暗原色图像的透射率：t_L(x)＝1-ωv(x)；其中，ω为常数参量，其取值范围是0<ω<1，

步骤九、对弱光图像I进行增强处理后得到图像：

与现有技术相比，本发明的有益效果是：

本发明基于去雾框架对弱光图像进行增强，可以将弱光图像直接对估计得到的透射率进行归一化得到最后的增强图像，在求取透射率的过程中，改进了暗原色求取方法，并利用自适应维纳滤波对透射率图进一步细化简化运算复杂度。

附图说明

图1(a)是弱光图像Street；

图1(b)是通过Dong方法对图1(a)所示弱光图像增强处理后的结果；

图1(c)是采用本发明方法对图1(a)所示弱光图像增强处理后的结果；

图1(d)是图1(b)中方框部分局部放大图；

图1(e)是图1(c)中方框部分局部放大图；

图2(a)是弱光图像Tourist；

图2(b)是Dong方法对图2(a)所示弱光图像增强处理后的结果；

图2(c)本采用本发明对图2(a)所示弱光图像增强处理后的结果；

图2(d)是图2(b)中方框部分局部放大图；

图2(e)是图2(c)中方框部分局部放大图；

图3(a)是图1(a)所示弱光图像Street灰度分布直方图；

图3(b)是图1(b)所示图像的灰度分布直方图；

图3(c)是图1(c)所示图像的灰度分布直方图；

图4(a)是图2(a)所示弱光图像Tourist灰度分布直方图；

图4(b)是图2(b)所示图像的灰度分布直方图；

图4(c)是图2(c)所示图像的灰度分布直方图。

具体实施方式

现有技术中一种采用Dong方法实现图像去雾的基本原理是：基于暗通道先验的图像去雾被普遍认为是当前最有效的图像去雾方法，Dong方法基于对弱光图像的反转图像进行去雾，实现弱光图像增强。

根据大气散射模型：

I(x)＝J(x)t(x)+(1-t(x))A(1)

其中，I(x)为有雾图像，J(x)为清晰图像，t(x)为透射率，A为背景光强度。

根据暗通道先验理论^[6]，可得雾天图像的透射率：

$t\left(x\right)=1-\underset{c\&Element;\{r,g,b\}}{min}\left(\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{min}\right(\frac{I\left(x\right)}{A}\left)\right)---\left(2\right)$

进而得到去雾图像：

$J\left(x\right)=\frac{I\left(x\right)-A}{max\left(t\right(x),t_0)}+A---\left(3\right)$

对于弱光图像I_L(x)，先对其进行反转：

R_L(x)＝255-I_L(x)(4)

后将R_L(x)代入去式(3)得到：

$J_L\left(x\right)=\frac{R_L\left(x\right)-A}{\max \left(t_L\right(x),t_0)}+A---\left(5\right)$

对J_L(x)进行再次反转，得到最后的增强图像。

该Dong方法虽然能达到较好的弱光图像增强效果，但由于块暗原色值比点暗原色值大，导致图像的整体色调偏暗；又因为是在局部图像块内估计透射率，得到的透射率在块内是恒定的，但是在实际图像处理中，块内的透射率并不总是恒定不变的，在产生大跳跃的边缘，会导致透射率图出现严重的块效应，并且有很强的人工处理痕迹，并且增强后的图像噪点很多。图像计算量复杂。

本发明基于透射率归一化的增强弱光图像清晰度的方法的设计思路是：虽然图像经反转后和雾天图像有很大相似性，但是弱光图像反转后整体亮度明显高于雾天图像，且在大部分区域显示为白色，而雾天图像中只有雾浓度特别高的区域才接近白色。对随机选取的30幅弱光图像进行反转，分别利用文献[6]和文献[7]估计其大气光，估计得到的大气光值大部分都接近于1。而对于一般自然光照下的雾天图像，其大气光值并不具有该规律。因此，将A＝1代入式(5)并将J_L(x)反转，得到增强图像为因此，直接对弱光图像估计得到的透射率进行归一化即可得到最后的增强图像，显著减少可计算量。

在本发明中，使用点暗原色^[8]代替块暗原色，可以显著提高图像的整体色调；为了获得更多的图像细节(诸如至少包括纹理)使用改进的点暗原色和局部自适应维纳滤波估计透射率，可以保持透射率局部平滑性，避免块效应和人工效应；最后为减少运算复杂度，利用自适应维纳滤波^[9]对估计得到的透射率进行细化。

下面结合附图和具体实施例对本发明技术方案作进一步详细描述，所描述的具体实施例仅对本发明进行解释说明，并不用以限制本发明。

实施例1

利用本发明提出的一种基于透射率归一化的增强弱光图像清晰度的方法对弱光图像Street进行增强处理，具体步骤如下：

步骤1、输入的弱光图像I为如图1(a)所述的弱光图像Street，将图像I反转得：

I_inv＝255-I

步骤2、计算反转后图像I_inv的点暗原色：

${\hat{J}}_L^{dark}\left(x\right)=\underset{c\&Element;\{r,g,b\}}{min}\left(I_{inv}^c\right(x\left)\right)$

表示图像I_inv中R，G，B三通道中的一个颜色通道；

步骤3、对点暗原色进行中值滤波：

$J_L^{med}\left(x\right)={\mathrm{Med}}_S\left(J_L^{dark}\right(x\left)\right)$

步骤4、用局部标准差方法求解点暗原色图像的局部纹理，并对标准差进行中值滤波：

$J_L^{\det ail}\left(x\right)={\mathrm{Med}}_S\left(\right|J_L^{med}\left(x\right)-J_L^{dark}\left(x\right)\left|\right)$

步骤5、对图像进行平滑运算

步骤6、由于块暗原色小于点暗原色，对点暗原色图像进行阈值调整得到点暗原色图像

μ＝0.95，本发明中该固定参数μ的取值主要是考虑到增强后的图像要有高对比度，经过多次实验，对μ分别取值为0.8、0.825、0.85、0.875、0.9、0.925、0.95、0.975、1进行结果比较，发现当μ＝0.95时效果最好，因此本发明将该固定参数μ的数值限定为0.95；为调整后的暗原色，后续用v(x)表示；

步骤8、利用上述调整后的暗原色计算方法，求解点暗原色图像的透射率，得到t_L(x)＝1-ωv(x)，其中，引入常数参量ω(0<ω<1)是为了对远距离的物体保持少量的雾，使图像看起来更自然，常数参量ω具体取值基于实际应用而定,本实施例中ω＝0.9；

步骤9、增强后的弱光图像为：如图1(c)所示即为得到增强处理后的图像。图1(c)是采用本发明方法对图1(a)所示弱光图像Street增强处理后的结果；图1(e)是图1(c)中方框部分局部放大图。

按照前述的Dong方法对弱光图像Street进行增强处理；图1(b)是通过Dong方法对图1(a)所示弱光图像Street增强处理后的结果，图1(d)是图1(b)中方框部分局部放大图。

实施例2

分别利用本发明方法和Dong方法对如图图2(a)所示弱光图像Tourist进行增强处理，图2(b)是Dong方法对图2(a)所示弱光图像Tourist增强处理后的结果，图2(d)是图2(b)中方框部分局部放大图；图2(c)本采用本发明对图2(a)所示弱光图像Tourist增强处理后的结果；图2(e)是图2(c)中方框部分局部放大图。

为了验证本发明提出的弱光图像增强方法的有效性，对采用本发明方法和Dong方法的增强处理结果进行对比。通过图1(c)与图1(d)及图2(c)与图2(d)的对比可以看出，本发明方法相比Dong的方法可显著提高图像亮度，有效去除块暗原色带来的晕轮伪影，并可恢复出更多的图像细节，具有更好的视觉效果可视性。

为客观评价本发明方法，计算增强后图像的灰度均值、标准差和熵值。如表1所示。由表1均值和方差数据显示，本发明方法可有效提高图像的整体亮度和局部对比度；由熵值结果可看出，本发明方法增强后的图像可包含更多的信息，保留更多的细节。另外，图3(a)至图3(c)和图4(a)至图4(c)分别给出的弱光图像Street和弱光图像Touris增强前后的灰度分布直方图，可以看出，本发明方法增强后的图像灰度分布值分布更广，更符合自然图像灰度分布规律。

表1客观指标比较结果

综上，本发明提出的方法可针对传统基于去雾方法增强弱光图像所具有的缺陷，有效去除块暗原色带来的晕轮伪影，保留更多的图像细节，具有更好的视觉性，并大大降低方法的复杂度。

尽管上面结合附图对本发明进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨的情况下，还可以做出很多变形，这些均属于本发明的保护之内。

Claims (1)

1.一种基于透射率归一化的增强弱光图像清晰度的方法，其特征在于：包括以下步骤：

步骤一、将输入的弱光图像I反转后得到图像I_inv：

I_inv＝255-I

步骤二、计算图像I_inv的点暗原色：

${\hat{J}}_L^{dark}\left(x\right)=\underset{c\&Element;\{r,g,b\}}{min}\left(I_{inv}^c\right(x\left)\right)$

表示图像I_inv中R，G，B三通道中的一个颜色通道；

步骤三、对步骤二得到的点暗原色图像进行中值滤波，从而得到图像

$J_L^{med}\left(x\right)={\mathrm{Med}}_S\left({\hat{J}}_L^{dark}\right(x\left)\right)$

步骤四、使用局部标准差方法求解点暗原色图像的局部纹理，并对标准差进行中值滤波：

$J_L^{\det ail}\left(x\right)={\mathrm{Med}}_S\left(\right|{\hat{J}}_L^{dark}\left(x\right)-J_L^{med}\left(x\right)\left|\right)$

步骤五、对图像进行平滑运算： $J_L^{smooth}\left(x\right)=J_L^{med}\left(x\right)-J_L^{\det ail}\left(x\right);$

步骤六、对点暗原色图像进行阈值调整得到点暗原色图像

其中，μ为固定参数，μ＝0.95；

步骤八、求解点暗原色图像的透射率：t_L(x)＝1-ωv(x)；其中，ω为常数参量，其取值范围是0<ω<1，

步骤九、对弱光图像I进行增强处理后得到图像：