CN105741246A - 一种去除沙尘和雾对光学图片影响的方法 - Google Patents

Abstract

本发明公开的一种去除沙尘和雾对光学图片影响的方法，包括以下步骤：建立受沙尘和雾影响图片模型；计算整体大气亮度；计算透射系数；恢复清晰图片。本发明的方法既可以去除沙尘对光学成像影响又可以去除雾对光学成像影响，同时具有去除沙尘影响和雾影响两项功能，可以使受沙尘或雾影响的图片恢复成清晰图片，改善图片视觉效果，提高图片清晰度，使图片包含更丰富的场景信息，方便图片后期的处理利用。在采集的图片未受到沙尘或者雾影响的情况下，该方法对图像的处理不影响图像的清晰度。

Description

一种去除沙尘和雾对光学图片影响的方法

技术领域

本发明属于图像处理技术领域，具体是一种去除沙尘和雾对光学图片影响的方法。

背景技术

随着计算机视觉技术的发展，其应用也越来越广泛，在安全监控、交通以及军事领域等都有广泛的应用。然而，在有沙尘或者雾的天气下采集图像质量比较低，图像的颜色偏灰白色，对比度比较低，视觉效果差，这会影响依靠光学成像工作的系统，如室外监控系统、航拍系统、目标识别系统和遥感系统等。因此，急需要解决沙尘或雾对光学成像图片干扰的问题，改善图像质量。

目前，对于去雾的方法研究比较多，主要有基于物理模型的方法和基于图像增强的方法。基于物理模型的方法在研究雾对反射光散射影响基础上，建立雾干扰下成像模型，根据建立模型的机理，推导出未被雾干扰的原本清晰图像。基于图像增强的方法是对受雾影响的图片直接进行处理，如增强图像对比度、进行相关滤波等图像处理方法。这种直接处理的方法存在的问题是容易使图像部分信息丢失，造成图像失真。而对于去除沙尘影响的研究比较少，已有的研究存在处理时间长、需要预先测量图像中某些物体相对摄像仪器距离信息等问题。这些方法都是单一针对沙尘或者雾的处理方法。

发明内容

本发明要解决的问题是提供一种既可以去除沙尘对光学成像影响又可以去除雾对光学成像影响的方法，该方法保真度高，能够保证依靠光学成像仪器工作系统所采集图像的质量。

本发明公开的一种去除沙尘和雾对光学图片影响的方法，首先对受沙尘或雾影响的图片建立数学模型，受沙尘或雾影响的图片是指光学成像仪器在沙尘环境或雾环境下采集的图片，这种图片在模型构造上分成两部分，即直接衰减项与大气光成分。直接衰减项是指实际场景反射光受沙尘或雾影响后到达成像仪器镜头部分，其模型构建方式为清晰图片与透射系数之积；大气光成分是指实际场景反射光受沙尘或雾影响产生散射导致的颜色偏移，其模型表现形式为整体大气亮度与非透射比例部分系数之积。

然后计算大气整体亮度，构造输入图像最小值图像，在最小值图像上进等分，计算等分后子图像块均值，选取均值最大的图像块继续进行等分，重复划分迭代，直至子图像块的面积小于指定阈值面积时，记录图像块均值最大部分。在此基础上，在初始输入图像中寻找相同位置图像块，计算图像块各个通道均值，选取图像块各通道均值作为整体大气整体亮度。

计算透射系数，对光学成像仪器采集的图片进行两次取最小值操作：首先对光学成像仪器采集的图片在各个颜色通道取最小值，形成图像的最小值图像，各个颜色通道为图像像素点对应的各个通道；然后使用设定尺寸阈值的滤波区域对最小值图像进行最小值滤波，尺寸区域阈值根据实际需要确定，形成图像的暗原色图；依据暗通道原理，暗通道的取值趋向于零，模型中直接衰减项消除，剩下输入图片与大气光成分项；整体大气亮度已通过计算获得，进而求出透射系数。

最后，恢复清晰图片，首先由模型导出清晰图片的恢复公式；然后在导出公式中透射系数设定最小值下限为0.1，防止因透射系数过小趋近于零时导致恢复图像强度过大趋向于噪声信号；当透射系数的值小于0.1时，透射系数自动取0.1，确定最终恢复公式，根据恢复公式完成恢复清晰图片。

进一步的，所述受沙尘或雾影响的图片数学模型描述为：

IP(x)＝CP(x)ρ(x)+G(1-ρ(x))(1)

其中，IP(x)为受沙尘或雾影响的图片，CP(x)是实际场景在不受沙尘或雾影响时应该呈现出的清晰图片，即期待获取的清晰图像，ρ(x)为透射系数，描述的是实际场景反射光线受沙尘或雾影响后能被光学成像仪器感知的比例；x为图像的像素点；G为整体大气亮度。

另一种改进，所述步骤3)的图像暗原色图表示为：

$\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min }\left(\underset{c\∈\{r,g,b\}}{\min }\frac{{\mathrm{IP}}^c\left(y\right)}{G^c}\right)=\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min }\left(\underset{c\∈\{r,g,b\}}{\min }\right(\stackrel{\‾}{\mathrm{\ρ}}\left(x\right)\frac{{\mathrm{CP}}^c\left(y\right)}{G^c}\left)\right)+1-\stackrel{\‾}{\mathrm{\ρ}}\left(x\right)---\left(2\right)$

根据暗通道原理，趋于零，求得透射系数

$\stackrel{\‾}{\mathrm{\ρ}}\left(x\right)=1-\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min }\left(\underset{c\∈\{r,g,b\}}{\min }\frac{{\mathrm{IP}}^c\left(y\right)}{G^c}\right)---\left(3\right)$

其中，IP(x)为受沙尘或雾影响的图片，CP(x)是实际场景在不受沙尘或雾影响时应该呈现出的清晰图片，即期待获取的清晰图像，x、y均为图像的像素点，c代表图像的某一通道，r、g、b分别为图像的相应通道，Ω(x)为滤波区域，G为大气光，为滤波区域内的透射系数，并且在一块滤波区域内假定为恒值。

所述滤波区域尺寸阈值可设置为10×10～20×20，单位为像素。

根据公式(1)和(3)，清晰图像恢复公式为：

$CP\left(x\right)=\frac{IP\left(x\right)-G}{\mathrm{\ρ}\left(x\right)}+G---\left(4\right)$

当透射参数ρ(x)趋于零时，对应恢复图像像素点趋向于噪声点，设置避免产生噪声点的ρ(x)最小值界限为ρ₀＝0.1，所述恢复清晰图片的恢复公式为：

$CP\left(x\right)=\frac{IP\left(x\right)-G}{\max \left(\mathrm{\ρ}\right(x),{\mathrm{\ρ}}_0)}+G---\left(5\right)$

其中IP为受沙尘或雾影响的图像，CP为实际场景在不受沙尘或雾影响时应该呈现出的清晰图片，即期待获取的清晰图像，ρ为透射系数，G为整体大气光，x为图像的像素点，ρ₀为透射系数的最小值界限。

本发明所述的一种去除沙尘和雾对光学图片影响的方法具有以下优点和技术效果：

1.在沙尘天气或者存在沙尘干扰的环境中，利用光学成像仪器采集的图片存在图片质量下降的情况，采用该方法可以去除沙尘对图片的影响，恢复出清晰的图片，使图片包含更丰富的信息。

2.在有雾的天气下，利用光学成像仪器采集的图片颜色偏灰白色，图片中的场景因受到雾的干扰不清晰，不容易辨认。采用该方法可以去除雾的影响，复原出清晰的图像，改善视觉效果，方便对于图像后期的进一步处理及利用。

3.该方法既可以将受沙尘影响的图片恢复成清晰的图片也可以将受雾影响的图片恢复成清晰的图片，应用范围比一般的图像处理方法更广泛。

4.该算法简单有效，既可以离线应用，也可以经过优化处理实时应用。

5.在采集的图片未受到沙尘或者雾影响的情况下，该方法对图像的处理不影响图像的清晰度。

附图说明

图1为本发明一种去除沙尘和雾对光学图片影响的方法流程图；

图2为本发明受沙尘或雾影响图片模型结构框图；

图3为本发明整体大气亮度计算方法流程图；

图4为本发明透射系数计算方法流程图；

图5本发明清晰图片恢复方法流程图。

具体实施方式

下面结合附图，对本发明提出的一种去除沙尘和雾对光学图片影响的方法进行详细说明。

如图1所示，本发明公开的一种去除沙尘和雾对光学图片影响的方法，包括以下步骤：对受沙尘或雾影响的图片建立数学模型；计算大气整体亮度；计算透射系数；恢复清晰图片。

如图2所示，首先对受沙尘或雾影响的图片建立数学模型，受沙尘或雾影响的图片是指光学成像仪器在沙尘环境或雾天采集的图片，这种图片在模型构造上分成两部分，即直接衰减项与大气光成分。直接衰减项是指实际场景反射光受沙尘或雾影响后到达成像仪器镜头部分，其模型构建方式为清晰图片与透射系数之积；大气光成分是指实际场景反射光受沙尘或雾影响产生散射导致的颜色偏移，其模型表现形式为整体大气亮度与非透射比例部分系数之积。所述受沙尘或雾影响的图片数学模型描述为：

IP(x)＝CP(x)ρ(x)+G(1-ρ(x))(1)

其中，IP(x)为受沙尘或雾影响的图片，CP(x)是实际场景在不受沙尘或雾影响时应该呈现出的清晰图片，即期待获取的清晰图像，ρ(x)为透射系数，描述的是实际场景反射光线受沙尘或雾影响后能被光学成像仪器感知的比例；x为图像的像素点；G为整体大气亮度。

如图3所示，然后计算大气整体亮度。计算输入图像各个通道的最小值，构成最小值图像；对最小值图像进行四等分，计算四个子图像块均值，选取均值最大的图像块继续进行四等分，重复划分迭代，直至子图像块的面积小于指定阈值面积(阈值面积设定为初始图像面积的1％-5％)时，记录图像块均值最大部分。对最小值图像进行六等分、八等分、十六等分也可实现。在此基础上，在初始输入图像中寻找相同位置图像块，计算图像块各个通道均值，选取图像块各通道均值作为整体大气整体亮度。

如图4所示，计算透射系数。对光学成像仪器采集的图片进行两次取最小值操作：首先对光学成像仪器采集的图片在各个颜色通道取最小值，形成图像的最小值图像，各个颜色通道为图像像素点对应的各个通道；然后使用设定尺寸阈值的滤波区域对最小值图像进行最小值滤波，尺寸区域阈值根据实际需要确定，本发明取滤波区域尺寸阈值设置为15×15，单位为像素，形成图像的暗原色图，选择10×10、20×20等尺寸也可以。

所述步骤3)的图像暗原色图表示为：

$\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min }\left(\underset{c\∈\{r,g,b\}}{\min }\frac{{\mathrm{IP}}^c\left(y\right)}{G^c}\right)=\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min }\left(\underset{c\∈\{r,g,b\}}{\min }\right(\stackrel{\‾}{\mathrm{\ρ}}\left(x\right)\frac{{\mathrm{CP}}^c\left(y\right)}{G^c}\left)\right)+1-\stackrel{\‾}{\mathrm{\ρ}}\left(x\right)---\left(2\right)$

根据暗通道原理，趋于零，模型中直接衰减项消除，剩下输入图片与大气光成分项；整体大气亮度已通过计算获得，求得透射系数：

$\stackrel{\‾}{\mathrm{\ρ}}\left(x\right)=1-\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min }\left(\underset{c\∈\{r,g,b\}}{\min }\frac{{\mathrm{IP}}^c\left(y\right)}{G^c}\right)---\left(3\right)$

其中，IP(x)为受沙尘或雾影响的图片，CP(x)是实际场景在不受沙尘或雾影响时应该呈现出的清晰图片，即期待获取的清晰图像，x、y均为图像的像素点，c代表图像的某一通道，r、g、b分别为图像的相应通道，Ω(x)为滤波区域，G为大气光，为滤波区域内的透射系数，并且在一块滤波区域内假定为恒值。

如图5所示，恢复清晰图片，首先由模型导出清晰图片的恢复公式。

根据公式(1)和(3)，清晰图像恢复公式为：

$CP\left(x\right)=\frac{IP\left(x\right)-G}{\mathrm{\ρ}\left(x\right)}+G---\left(4\right)$

然后在导出公式中透射系数设定最小值下限为0.1，防止因透射系数过小趋近于零时导致恢复图像强度过大趋向于噪声信号；当透射系数的值小于0.1时，透射系数自动取0.1，确定最终恢复公式。

当透射系数ρ(x)趋于零时，对应恢复图像像素点趋向于噪声点，设置避免产生噪声点的ρ(x)最小值界限为ρ₀＝0.1，所述恢复清晰图片的恢复公式为：

$CP\left(x\right)=\frac{IP\left(x\right)-G}{\max \left(\mathrm{\ρ}\right(x),{\mathrm{\ρ}}_0)}+G---\left(5\right)$

其中IP为受沙尘或雾影响的图像，CP为实际场景在不受沙尘或雾影响时应该呈现出的清晰图片，即期待获取的清晰图像，ρ为透射系数，G为整体大气光，x为图像的像素点，ρ₀为透射系数的最小值界限。

最后根据恢复公式完成恢复清晰图片。

本发明具体应用途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进，这些改进也应视为本发明的保护范围。

Claims (6)

1.一种去除沙尘和雾对光学图片影响的方法，其特征在于，包括以下步骤：1)对受沙尘或雾影响的图片建立数学模型，所述模型构造上分成两部分，即直接衰减项与大气光成分；直接衰减项是指实际场景反射光受沙尘或雾影响后到达成像仪器镜头部分，其模型构建方式为清晰图片与透射系数之积；大气光成分是指实际场景反射光受沙尘或雾影响产生散射导致的颜色偏移，其模型表现形式为整体大气亮度与非透射比例部分系数之积；

2)计算大气整体亮度：首先计算输入图像各个通道的最小值，构成最小值图像；然后对最小值图像进行等分，计算等分后子图像块均值，选取均值最大的图像块继续进行等分，重复划分迭代，直至子图像块的面积小于指定阈值面积时，记录图像块中均值最大图像块；在此基础上，在初始输入图像中寻找相同位置图像块，计算图像块各个通道均值，选取图像块各通道均值作为整体大气整体亮度；

3)计算透射系数：对光学成像仪器采集的图片进行两次取最小值操作，首先对光学成像仪器采集的图片在各个颜色通道取最小值，形成图像的最小值图像；然后使用设定尺寸阈值的滤波区域对最小值图像进行最小值滤波，形成图像的暗原色图；依据暗通道原理，暗通道的取值趋向于零，模型中直接衰减项消除，剩下输入图片与大气光成分项，求出透射系数；

4)恢复清晰图片，首先由模型导出清晰图片的恢复公式；然后在导出公式中透射系数设定最小值下限为0.1，防止因透射系数过小趋近于零时导致恢复图像强度过大趋向于噪声信号；当透射系数的值小于0.1时，透射系数自动取0.1，确定最终恢复公式，根据恢复公式完成恢复清晰图片。

2.根据权利要求1所述的去除沙尘和雾对光学图片影响的方法，其特征在于，所述步骤1)受沙尘或雾影响图片的数学模型描述为：

IP(x)＝CP(x)ρ(x)+G(1-ρ(x))(1)

其中，IP(x)为受沙尘或雾影响的图片，CP(x)是实际场景在不受沙尘或雾影响时应该呈现出的清晰图片，即期待获取的清晰图像，ρ(x)为透射系数，描述的是实际场景反射光线受沙尘或雾影响后能被光学成像仪器感知的比例；x为图像的像素点；G为整体大气亮度。

3.根据权利要求1所述的去除沙尘和雾对光学图片影响的方法，其特征在于，所述步骤2)中的指定阈值面积设定为初始图像面积的1％-5％。

4.根据权利要求1所述的去除沙尘和雾对光学图片影响的方法，其特征在于，所述步骤3)中所述滤波区域尺寸阈值可设置为10×10～20×20，单位为像素。

5.根据权利要求1所述的去除沙尘和雾对光学图片影响的方法，其特征在于，所述步骤3)中图像暗原色图表示为：

$\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min }\left(\underset{c\∈\{r,g,b\}}{\min }\frac{{\mathrm{IP}}^c\left(y\right)}{G^c}\right)=\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min }\left(\underset{c\∈\{r,g,b\}}{\min }\right(\stackrel{\‾}{\mathrm{\ρ}}\left(x\right)\frac{{\mathrm{CP}}^c\left(y\right)}{G^c}\left)\right)+1-\stackrel{\‾}{\mathrm{\ρ}}\left(x\right)---\left(2\right)$

根据暗通道原理，趋于零，求得透射系数

$\stackrel{\‾}{\mathrm{\ρ}}\left(x\right)=1-\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min }\left(\underset{c\∈\{r,g,b\}}{\min }\frac{{\mathrm{IP}}^c\left(y\right)}{G^c}\right))---\left(3\right)$

其中，IP(x)为受沙尘或雾影响的图片，CP(x)是实际场景在不受沙尘或雾影响时应该呈现出的清晰图片，即期待获取的清晰图像，x、y均为图像的像素点，c代表图像的某一通道，r、g、b分别为图像的相应通道，Ω(x)为滤波区域，G为大气光，为滤波区域内的透射系数，并且在一块滤波区域内假定为恒值。

6.根据权利要求1所述的去除沙尘和雾对光学图片影响的方法，其特征在于，所述步骤4)恢复清晰图片的恢复公式为：

$CP\left(x\right)=\frac{IP\left(x\right)-G}{\max \left(\mathrm{\ρ}\right(x),{\mathrm{\ρ}}_0)}+G---\left(5\right)$

其中IP为受沙尘或雾影响的图像，CP为实际场景在不受沙尘或雾影响时应该呈现出的清晰图片，即期待获取的清晰图像，ρ为透射系数，G为整体大气光，x为图像的像素点，ρ₀为透射系数的最小值界限。