CN105809641A - 一种去雾图像的曝光补偿和边缘增强方法 - Google Patents

Abstract

本发明公开了一种去雾图像的曝光补偿和边缘增强方法，将一种改进的基于显著度引导的消色算法与伽马变换相结合，对去雾图像的亮度层进行修正补偿，从而有效改善了去雾图像曝光不足的问题；并且通过对导向滤波器的输入项进行边缘信息补偿的方法，有效改善了去雾图像边缘模糊的问题。

Description

一种去雾图像的曝光补偿和边缘增强方法

技术领域

本发明属于数字图像处理领域，具体涉及一种去雾图像的曝光补偿和边缘增强方法。

背景技术

有雾天气或者灰霾天气拍摄的图像和视频常常出现图像质量差清晰度低的现象。为改善图像的质量、提高图像的清晰度，需要对图像进行去雾处理。

基于暗通道优先(darkchannelprior)的图像去雾方法是基于雾模型去雾方法的一种，在实践中取得了较好的效果。由于这种方法中透射率估计偏低，并且需要用一种软抠图的方法进行优化，因此其主要缺点是计算复杂度较高，并且去雾图像较暗，即曝光不足。为了提高计算速度，可采用导向滤波器对粗糙透射率估计进行优化，但此时导向滤波器是导向图为模糊的的雾图像，因此得到的去雾图像会产生边缘模糊现象。

综合上述分析，采用暗通道优先和导向滤波器结合的方法(即GDCP去雾算法)的主要缺点表现为曝光不足和边缘模糊。

发明内容

有鉴于此，本发明提供了一种去雾图像的曝光补偿和边缘增强方法，能够有效改进去雾图像的曝光不足和边缘模糊问题。

实现本发明的技术方案如下：

一种去雾图像的曝光补偿和边缘增强方法，包括以下步骤：

步骤一、根据暗通道优先的定义计算待处理的雾图像I的暗通道I^dark；并根据暗通道I^dark估计大气光A；

步骤二、根据估计得到的大气光A计算I/A的暗通道；根据I/A的暗通道估算出初始透射率对初始透射率做高斯平滑处理得到平滑透射率t^s；

步骤三、采用图像金字塔技术求取雾图像I的第0层拉普拉斯金字塔L₀，并利用公式(3)对平滑透射率t^s进行优化得到t^e：

其中，表示导向滤波处理，ξ是预设的调整的比例参数，是雾图像I的第0层拉普拉斯金字塔L₀的亮度图像；

步骤四、根据估计得到的大气光A以及t^e计算出初始去雾图像J^L：

步骤五、分解出初始去雾图像J^L的亮度层L，根据亮度层L计算得到亮度图像对做标准化和融合处理得到消色图像I_dec：

步骤六、对消色图像I_dec作伽马变换得到L′；

步骤七、保持初始去雾图像J^L的色度层H和饱和度层S，将L′代替图像的亮度层L，重构得到最终的去雾图像。

进一步地，所述大气光A的估计方法为：先取待处理的雾图像I的暗通道I^dark中亮度最大的0.1％的像素集B，然后取像素集B对应在原图I中的像素集B_I，从B_I中选取RGB三个通道和最大的像素点作为A的估计。

进一步地，所述初始透射率估算方法是：

$\tilde{t}\left(x\right)=1-\mathrm{\ω}\underset{c\∈\{r,g,b\}}{\min }\left(\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min }\right(\frac{I^c\left(y\right)}{A^c}\left)\right)---\left(2\right)$

其中，ω是一个接近1但小于1的常量，c是雾图像I的颜色通道{r，g，b}中的某一个通道；Ω是一个以x为中心的局部窗口区域，y表示在Ω窗口中的像素，I^c(y)表示雾图像I在y处的第c颜色层的取值，A^c表示A的第c颜色层取值。

进一步地，所述根据亮度层L计算得到亮度图像具体为：

$M_{mask}\left(x\right)=G\[\left\{\begin{array}{cc}1& S\left(x\right)\≤\mathrm{\μ}andL\left(x\right)\≥v\\ 0& otherwise\end{array}\right.\]---\left(6\right)$

其中，G[·]是高斯羽化算子；M_mask(x)表示M_mask在x点的取值； 其中，S(x)≥μandL(x)≥v；H是色度层，S是饱和度层；参数κ为预设的周期调节参数，是补偿角度，τ为预设的用于减小饱和度影响的参数；μ和v是预设的阈值；N为区域Ω内的像素个数，S(x)表示在x点处的饱和度，L(x)表示在x点处的亮度。

进一步地，所述做标准化和融合处理方法分别为：

其中，为标准化亮度图像，χ为预设的用来调整全局强度避免图像过曝或欠曝的参数；η为预设的控制L和的混合比例参数。

有益效果：

本发明提出了一种针对GDCP去雾算法的曝光补偿和边缘增强的改进算法。在本发明中，将一种改进的基于显著度引导的消色算法与伽马变换相结合，对去雾图像的亮度层进行修正补偿，从而有效改善了去雾图像曝光不足的问题；并且通过对导向滤波器的输入项进行边缘信息补偿的方法，有效改善了去雾图像边缘模糊的问题。

附图说明

图1为本发明图像去雾方法的流程示意图。

具体实施方式

下面结合附图并举实施例，对本发明进行详细描述。

如图1所示，本发明提供了一种去雾图像的曝光补偿和边缘增强方法，包括以下步骤：

步骤一、根据暗通道优先的定义计算待处理的雾图像I的暗通道I^dark；并根据雾图像I的暗通道I^dark估计大气光A；

暗通道的计算公式可以表述为：

$I^{dark}\left(x\right)=\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min }\left(\underset{c\∈\{r,g,b\}}{\min }{I}^c\right(y\left)\right)---\left(1\right)$

其中，c是雾图像I的颜色通道{r，g，b}中的某一个通道；Ω是一个以x为中心的局部窗口区域，y表示在Ω窗口中的像素；I^dark(x)即为I(x)的暗通道图。I^c(y)表示雾图像I在y处的第c颜色层的取值。

大气光A的估计方法为：先取待处理的雾图像I的暗通道I^dark中亮度最大的0.1％的像素集B，然后取像素集B对应在原图I中的像素集B_I，从B_I中选取RGB三个通道和最大的像素点作为A的估计。

步骤二、根据估计得到的大气光A计算I/A的暗通道；根据I/A的暗通道估算出初始透射率对初始透射率做高斯平滑处理得到平滑透射率t^s；

初始透射率的计算公式为：

$\tilde{t}\left(x\right)=1-\mathrm{\ω}\underset{c\∈\{r,g,b\}}{\min }\left(\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min }\right(\frac{I^c\left(y\right)}{A^c}\left)\right)---\left(2\right)$

其中，ω是一个接近1但小于1的常量。此时，ω相当于适度地为远处场景保留一定景深。通常，ω的值设为0.95比较合适。A^c表示A的第c颜色层取值。

由于初始透射率图像存在方块效应，为了减少这些方块边缘信息传递，这里对初始透射率做高斯平滑处理。

步骤三、采用图像金字塔技术求取雾图像I的第0层拉普拉斯金字塔L₀，并利用公式(3)对平滑透射率t^s进行优化得到t^e：

其中，表示导向滤波处理，ξ是预设的调整的比例参数，本发明中ξ取值为1。是雾图像I的第0层拉普拉斯金字塔L₀的亮度图像，即L₀各颜色通道的平均值。

实际上，GDCP去雾算法导致去雾图像模糊的根本原因是，采用导向滤波器对透射率进行优化过程中，导向图是雾图像I(x)，而I(x)是模糊的，且边缘信息不够明显。因此，本文在导向滤波器的输入项加入了能够反映边缘信息的拉普拉斯金字塔，对边缘信息进行补偿。这里选择第0层拉普拉斯金字塔的亮度图像L₀，是因为需要和平滑透射率t^s的分辨率相同。

又由于导向滤波器是局部线性滤波器，所以增强细节后的透射率图像又可表达为：

其中，

这意味着只需要计算一次导向滤波器，因此在边缘增强的同时，并没有增加计算复杂度。

步骤四、根据估计得到的大气光A以及t^e计算出初始去雾图像J^L：

计算公式为：

$J^L\left(x\right)=\frac{I\left(x\right)-A}{t^e\left(x\right)}+A---\left(5\right)$

步骤五、分解出初始去雾图像J^L的亮度层L，根据公式(6)和(7)得到亮度图像对做标准化和融合处理得到消色图像I_dec：

$M_{mask}\left(x\right)=G\[\left\{\begin{array}{cc}1& S\left(x\right)\≤\mathrm{\μ}andL\left(x\right)\≥v\\ 0& otherwise\end{array}\right.\]---\left(6\right)$

其中，G[·]是高斯羽化算子；M_mask(x)表示M_mask在x点的取值； 其中，S(x)≥μandL(x)≥v；H是色度层，S是饱和度层；参数κ为预设的周期调节参数，能够保持对立色，是补偿角度，τ为预设的用于减小饱和度影响的参数，作用相当于一个控制色度对比度调制器；μ和v是预设的阈值，用来滤除显著区域的不连续点；本发明中，这两个参数的缺省值为：μ＝0.1，ν＝0.6

N为区域Ω内的像素个数，S(x)表示在x点处的饱和度，L(x)表示在x点处的亮度；

其中，为标准化亮度图像，参数χ用来调整全局强度避免图像过曝或欠曝；η为控制L和的混合比例参数。

基于显著度引导消色算法的一个缺点是，当图像中存在平滑明亮区域时，计算得到的消色图像会存在不连续现象。这里，对这两个不连续区域进行融合，能有效消除不连续的边缘。

步骤六、对消色图像I_dec作伽马变换得到L′；

步骤七、保持初始去雾图像J^L的色度层H和饱和度层S，将L′代替图像的亮度层L，重构得到最终的去雾图像。

从步骤五到步骤七，是对初始去雾图像进行曝光补偿。传统的曝光补偿方法是对去雾图像采用简单的伽马变换。这样处理的结果是，虽然图像的整体亮度有所改善，但图像的色度对比度将会受到影响。本设计提出的曝光补偿方法，在采用伽马变换前，用基于显著度引导的消色算法对原始去雾图像的色度进行增强。这样，曝光补偿后的图像能够较好的保持原图像的色度对比度。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种去雾图像的曝光补偿和边缘增强方法，其特征在于，包括以下步骤：

步骤一、计算待处理的雾图像I的暗通道I^dark；并根据暗通道I^dark估计大气光A；

步骤二、根据估计得到的大气光A计算I/A的暗通道；根据I/A的暗通道估算出初始透射率对初始透射率做高斯平滑处理得到平滑透射率t^s；

步骤三、采用图像金字塔技术求取雾图像I的第0层拉普拉斯金字塔L₀，并利用公式(3)对平滑透射率t^s进行优化得到t^e：

其中，表示导向滤波处理，ξ是预设的调整的比例参数，是雾图像I的第0层拉普拉斯金字塔L₀的亮度图像；

步骤四、根据估计得到的大气光A以及t^e计算出初始去雾图像J^L：

步骤五、分解出初始去雾图像J^L的亮度层L，根据亮度层L计算得到亮度图像对做标准化和融合处理得到消色图像I_dec：

步骤六、对消色图像I_dec作伽马变换得到L′；

步骤七、保持初始去雾图像J^L的色度层H和饱和度层S，将L′代替图像的亮度层L，重构得到最终的去雾图像。

2.如权利要求1所述的一种去雾图像的曝光补偿和边缘增强方法，其特征在于，大气光A的估计方法为：先取待处理的雾图像I的暗通道I^dark中亮度最大的0.1％的像素集B，然后取像素集B对应在原图I中的像素集B_I，从B_I中选取RGB三个通道和最大的像素点作为A的估计。

3.如权利要求1所述的一种去雾图像的曝光补偿和边缘增强方法，其特征在于，初始透射率估算方法是：

$\tilde{t}\left(x\right)=1-\mathrm{\ω}\underset{c\∈\{r,g,b\}}{\min }\left(\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min }\right(\frac{I^C\left(y\right)}{A^C}\left)\right)---\left(2\right)$

其中，ω是一个接近1但小于1的常量，c是雾图像I的颜色通道{r,g,b}中的某一个通道；Ω是一个以x为中心的局部窗口区域，y表示在Ω窗口中的像素，I^c(y)表示雾图像I在y处的第c颜色层的取值，A^c表示A的第c颜色层取值。

4.如权利要求1所述的一种去雾图像的曝光补偿和边缘增强方法，其特征在于，所述根据亮度层L计算得到亮度图像具体为：

$M_{mask}\left(x\right)=G\[\left\{\begin{array}{cc}1& S\left(x\right)\≤\mathrm{\μ}andL\left(x\right)\≥v\\ 0& otherwise\end{array}\right.\]---\left(6\right)$

其中，G[·]是高斯羽化算子；M_mask(x)表示M_mask在x点的取值； 其中，S(x)≥μandL(x)≥v；H是色度层，S是饱和度层；参数κ为预设的周期调节参数，是补偿角度，τ为预设的用于减小饱和度影响的参数；μ和v是预设的阈值；N为区域Ω内的像素个数，S(x)表示在x点处的饱和度，L(x)表示在x点处的亮度。

5.如权利要求1所述的一种去雾图像的曝光补偿和边缘增强方法，其特征在于，做标准化和融合处理方法分别为：

其中，为标准化亮度图像，为预设的用来调整全局强度避免图像过曝或欠曝的参数；η为预设的控制L和的混合比例参数。