CN106127706A - 一种基于非线性聚类的单一图像去雾方法 - Google Patents
一种基于非线性聚类的单一图像去雾方法 Download PDFInfo
- Publication number
- CN106127706A CN106127706A CN201610457462.5A CN201610457462A CN106127706A CN 106127706 A CN106127706 A CN 106127706A CN 201610457462 A CN201610457462 A CN 201610457462A CN 106127706 A CN106127706 A CN 106127706A
- Authority
- CN
- China
- Prior art keywords
- image
- mist
- class
- obtains
- defogging method
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 239000003595 mist Substances 0.000 claims abstract description 22
- 230000015572 biosynthetic process Effects 0.000 claims description 5
- 230000008030 elimination Effects 0.000 claims description 5
- 238000003379 elimination reaction Methods 0.000 claims description 5
- 238000003786 synthesis reaction Methods 0.000 claims description 5
- 230000002194 synthesizing effect Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 7
- 238000006243 chemical reaction Methods 0.000 abstract 1
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000003475 lamination Methods 0.000 description 2
- 230000001603 reducing effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000007704 transition Effects 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)
Abstract
本发明公开了一种基于非线性聚类的单一图像去雾方法,包括如下步骤:S1获得有雾RGB图像,并将其转换为HSV图像,S2对转换的图像进行分块,得到每个分块的深度图,S3对深度图利用非线性聚类方法进行聚类,输出远、中及近三类,对于远类,求出其透视率图,然后对中类及近类的图,根据RGB图像的暗通道图,求出其对应的透视率图,S4将所得透视率图合并,计算整幅图的大气光值,输出无雾图像。本发明能有效避免暗原色先验去雾方法存在的边缘效应以及色彩偏差。
Description
技术领域
本发明涉及计算机视觉领域,具体涉及一种基于非线性聚类的单一图像去雾方法。
背景技术
随着计算机技术的不断发展,软硬件算法等的日新月异,计算机对有雾天气图像进行去雾优化已经成为可能,并且在对去雾后输出的图像的清晰度、色彩还原度、图像真实感提出了更高的要求,在有雾天气的情况下,由于空气中的相对湿度较高、大气中的尘埃粒子较多,随着摄像机与实物距离的增大,大气粒子的散射作用对摄像机成像的影响增大,通过摄像机拍摄出的图像存在对比度、饱和度较低,色彩发生偏移,这不单单影响图像的视觉效果,在当前模式识别等技术不断发展的情况下,其还严重影响着计算机对图像的理解、分析的性能。如上所述,由于雾天对户外图像数据采集产生严重影响,致使户外摄像、勘察监控等工作带来十分恶劣的影响,大大降低了这些工作的效率,因此对雾天图像上景物的无雾还原的研究具有重大的意义。
发明内容
为了克服现有技术存在的缺点与不足,本发明提供一种基于非线性聚类的单一图像去雾方法,
本发明解决传统去雾方法处理时造成的图像色彩失真以及边缘效应问题。
本发明采用如下技术方案:
一种基于非线性聚类的单一图像去雾方法,包括如下步骤:
S1获得有雾RGB图像,并将有雾RGB图像转换为HSV图像;
S2HSV图像进行分块,根据每个分块亮度和饱和度得到每个分块的深度图;
S3对深度图利用非线性聚类方法进行聚类,输出远、中及近三类;
S4对于远类的深度图,求出其透视率图t1(x)=e-βd(x),其中,β为大气散射系数,d(x)为每个像素点的深度值;
S5对于中类及近类的图,求出其RGB图像的暗通道图,进一步求出其对应的透视率图t2(x)及t3(x);
S6由t=t1+t2+t3得到三类的合成透视率图,根据合成透视率图计算整幅图的大气光值,根据大气光模型输出无雾图像。
所述S6中得到合成透视率图后进行导向滤波处理。
所述大气光模型具体为:
其中I为原图即有雾图像,A为大气光值,t'(x)为透视率t分布,t0为t的下限边界,边界设定是为了防止过渡去雾。
所述远类为深度值最高的类。
本发明的有益效果:
本发明提供的去雾方法,能有效避免暗原色先验去雾方法存在的边缘效应以及色彩偏差,获得较高质量的无雾图像,色彩得到较为自然的还原,视觉效果较原图像有较大提高。
附图说明
图1是本发明的工作流程图。
具体实施方式
下面结合实施例及附图,对本发明作进一步地详细说明,但本发明的实施方式不限于此。
实施例
如图1所示,一种基于非线性聚类的单一图像去雾方法,包括如下步骤:
S1获得有雾RGB图像,并将有雾RGB图像转换为HSV图像,具体为:
由场景深度,雾浓度与亮度及饱和度满足关系d(x)∝c(x)∝v(x)-s(x),则可把原RGB图像先转换成HSV图像,由d(x)=θ0+θ1v(x)+θ2s(x)+ε(x)。
S2HSV图像进行分块,根据每个分块的亮度和饱和度得到每个分块的深度图;
S3对深度图根据非线性聚类方法(K-means),按照深度值由远及近对深度图进行分类,分别为远类,中类及近类;
S4由于从暗原色先验去雾方法得出的效果中,发现其输出图像中远处部分对比度过高,存在颜色失真问题。因此,先对最远处即聚类结果中深度值最高的类进行处理,对该部分深度由t1(x)=e-βd(x)求出其透视率图t1。
其中,β为大气散射系数,d(x)为每个像素点的深度值。
S5对剩下的中、近两类,在大气模型I(x)=J(x)t(x)+A(1-t(x))中由求出其暗通道图,再由且可得即可求得其透视率图t2(x)及t3(x)。
S6由t=t1+t2+t3得到三类的合成透视率图,由于对不同的深度作出了不同的透视率求解,因此得出的合并透视率图很可能出现分层问题,因此需要对合并透视率图作一次导向滤波处理,消除分层问题,得出透视率图t'(x)。
根据原图计算整幅图的大气光值,根据大气光模型输出无雾图像。
所述大气光模型为:
本发明提供的去雾方法,能有效避免暗原色先验去雾方法存在的边缘效应以及色彩偏差,获得较高质量的无雾图像,色彩得到较为自然的还原,视觉效果较原图像有较大提高,如表1及表2所示。
表1信息熵对比
原图 | 暗原色先验 | 基于深度估计 | 本发明 |
12.69849 | 14.50423523 | 13.82987075 | 14.47022047 |
10.46822 | 11.97272035 | 11.50093191 | 11.76447429 |
10.51885 | 12.13952734 | 11.46503144 | 11.85815758 |
15.24238 | 15.76526505 | 15.42654188 | 15.79550784 |
14.43702 | 15.78751794 | 15.39418577 | 15.73651195 |
10.41759 | 10.92955811 | 11.76145696 | 11.20884274 |
表2
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受所述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (4)
1.一种基于非线性聚类的单一图像去雾方法,其特征在于,包括如下步骤:
S1获得有雾RGB图像,并将有雾RGB图像转换为HSV图像;
S2HSV图像进行分块,根据每个分块亮度和饱和度得到每个分块的深度图;
S3对深度图利用非线性聚类方法进行聚类,输出远、中及近三类;
S4对于远类的深度图,求出其透视率图t1(x)=e-βd(x),其中,β为大气散射系数,d(x)为每个像素点的深度值;
S5对于中类及近类的图,求出其RGB图像的暗通道图,进一步求出其对应的透视率图t2(x)及t3(x);
S6由t=t1+t2+t3得到三类的合成透视率图,根据合成透视率图计算整幅图的大气光值,根据大气光模型输出无雾图像。
2.根据权利要求1所述的单一图像去雾方法,其特征在于,所述S6中得到合成透视率图后进行导向滤波处理。
3.根据权利要求1所述的单一图像去雾方法,其特征在于,所述大气光模型具体为:
其中I为原图即有雾图像,A为大气光值,t'(x)为透视率t分布,t0为t的下限边界,边界设定是为了防止过度去雾。
4.根据权利要求1所述的单一图像去雾方法,其特征在于,所述远类为深度值最高的类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610457462.5A CN106127706A (zh) | 2016-06-20 | 2016-06-20 | 一种基于非线性聚类的单一图像去雾方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610457462.5A CN106127706A (zh) | 2016-06-20 | 2016-06-20 | 一种基于非线性聚类的单一图像去雾方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106127706A true CN106127706A (zh) | 2016-11-16 |
Family
ID=57269346
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610457462.5A Pending CN106127706A (zh) | 2016-06-20 | 2016-06-20 | 一种基于非线性聚类的单一图像去雾方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106127706A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780390A (zh) * | 2016-12-27 | 2017-05-31 | 西安电子科技大学 | 基于边缘分类加权融合的单幅图像去雾方法 |
CN108038831A (zh) * | 2017-12-19 | 2018-05-15 | 北京理工大学 | 一种基于大气散射模型的彩色视频去雾方法 |
CN109214993A (zh) * | 2018-08-10 | 2019-01-15 | 重庆大数据研究院有限公司 | 一种雾霾天气智能车视觉增强方法 |
CN109242784A (zh) * | 2018-08-10 | 2019-01-18 | 重庆大数据研究院有限公司 | 一种雾霾天气大气覆盖率预测方法 |
CN109816610A (zh) * | 2019-01-31 | 2019-05-28 | 上海工程技术大学 | 一种图像去雾系统 |
WO2021082735A1 (zh) * | 2019-10-31 | 2021-05-06 | 华为技术有限公司 | 一种雾特征识别方法、装置及相关设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831591A (zh) * | 2012-06-27 | 2012-12-19 | 北京航空航天大学 | 一种基于高斯滤波的单幅图像的实时去雾方法 |
CN104134193A (zh) * | 2014-07-23 | 2014-11-05 | 中国科学院深圳先进技术研究院 | 图像去雾方法和系统 |
CN104346783A (zh) * | 2014-10-29 | 2015-02-11 | 中国科学院深圳先进技术研究院 | 一种图像去雾的处理方法及装置 |
CN104794688A (zh) * | 2015-03-12 | 2015-07-22 | 北京航空航天大学 | 基于深度信息分离天空区域的单幅图像去雾方法及装置 |
US20160005152A1 (en) * | 2014-07-01 | 2016-01-07 | Adobe Systems Incorporated | Multi-Feature Image Haze Removal |
-
2016
- 2016-06-20 CN CN201610457462.5A patent/CN106127706A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831591A (zh) * | 2012-06-27 | 2012-12-19 | 北京航空航天大学 | 一种基于高斯滤波的单幅图像的实时去雾方法 |
US20160005152A1 (en) * | 2014-07-01 | 2016-01-07 | Adobe Systems Incorporated | Multi-Feature Image Haze Removal |
CN104134193A (zh) * | 2014-07-23 | 2014-11-05 | 中国科学院深圳先进技术研究院 | 图像去雾方法和系统 |
CN104346783A (zh) * | 2014-10-29 | 2015-02-11 | 中国科学院深圳先进技术研究院 | 一种图像去雾的处理方法及装置 |
CN104794688A (zh) * | 2015-03-12 | 2015-07-22 | 北京航空航天大学 | 基于深度信息分离天空区域的单幅图像去雾方法及装置 |
Non-Patent Citations (1)
Title |
---|
邵长艳: "视频监控图像去雾方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780390A (zh) * | 2016-12-27 | 2017-05-31 | 西安电子科技大学 | 基于边缘分类加权融合的单幅图像去雾方法 |
CN106780390B (zh) * | 2016-12-27 | 2019-10-11 | 西安电子科技大学 | 基于边缘分类加权融合的单幅图像去雾方法 |
CN108038831A (zh) * | 2017-12-19 | 2018-05-15 | 北京理工大学 | 一种基于大气散射模型的彩色视频去雾方法 |
CN109214993A (zh) * | 2018-08-10 | 2019-01-15 | 重庆大数据研究院有限公司 | 一种雾霾天气智能车视觉增强方法 |
CN109242784A (zh) * | 2018-08-10 | 2019-01-18 | 重庆大数据研究院有限公司 | 一种雾霾天气大气覆盖率预测方法 |
CN109214993B (zh) * | 2018-08-10 | 2021-07-16 | 重庆大数据研究院有限公司 | 一种雾霾天气智能车视觉增强方法 |
CN109816610A (zh) * | 2019-01-31 | 2019-05-28 | 上海工程技术大学 | 一种图像去雾系统 |
WO2021082735A1 (zh) * | 2019-10-31 | 2021-05-06 | 华为技术有限公司 | 一种雾特征识别方法、装置及相关设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106127706A (zh) | 一种基于非线性聚类的单一图像去雾方法 | |
CN103955905B (zh) | 基于快速小波变换和加权图像融合的单幅图像去雾方法 | |
US9142021B1 (en) | Aligning ground based images and aerial imagery | |
CN102802005B (zh) | 三维视频内容产生方法 | |
CN101950416B (zh) | 基于双边滤波的实时图像去雾增强方法 | |
CN103996174B (zh) | 一种对Kinect深度图像进行空洞修复的方法 | |
CN112837233B (zh) | 一种基于差分偏振获取透射率的偏振图像去雾方法 | |
Wang et al. | Variational single nighttime image haze removal with a gray haze-line prior | |
CN108269244B (zh) | 一种基于深度学习和先验约束的图像去雾系统 | |
CN106060493A (zh) | 多源投影无缝边缘拼接方法及系统 | |
CN106127690A (zh) | 一种无人机遥感图像快速拼接方法 | |
CN103268596B (zh) | 一种降低图像噪声和使颜色接近标准的方法 | |
CN110766024B (zh) | 基于深度学习的视觉里程计特征点提取方法及视觉里程计 | |
CN102063706A (zh) | 一种快速去雾方法 | |
CN110428371A (zh) | 基于超像素分割的图像去雾方法、系统、存储介质及电子设备 | |
CN104751432A (zh) | 一种基于图像重构的可见光与红外图像融合方法 | |
US20150195510A1 (en) | Method of integrating binocular stereo video scenes with maintaining time consistency | |
CN103198459A (zh) | 雾霾图像快速去雾方法 | |
CN113160053B (zh) | 一种基于位姿信息的水下视频图像复原与拼接方法 | |
CN102436666A (zh) | 基于ihs变换的对象与场景融合方法 | |
CN105989583B (zh) | 一种图像去雾方法 | |
CN110838086A (zh) | 一种基于相关性模板匹配的室外图像拼接方法 | |
CN108765323A (zh) | 一种基于改进暗通道与图像融合的柔性去雾方法 | |
CN109166178B (zh) | 一种视觉特性与行为特性融合的全景图像显著图生成方法及系统 | |
CN108550124B (zh) | 一种基于仿生螺线的光照补偿及图像增强方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161116 |
|
RJ01 | Rejection of invention patent application after publication |