CN106296618A - 一种基于高斯函数加权直方图规定化的彩色图像去雾方法 - Google Patents
一种基于高斯函数加权直方图规定化的彩色图像去雾方法 Download PDFInfo
- Publication number
- CN106296618A CN106296618A CN201610830912.0A CN201610830912A CN106296618A CN 106296618 A CN106296618 A CN 106296618A CN 201610830912 A CN201610830912 A CN 201610830912A CN 106296618 A CN106296618 A CN 106296618A
- Authority
- CN
- China
- Prior art keywords
- image
- gaussian function
- histogram
- haze
- intensity
- 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 31
- 230000033228 biological regulation Effects 0.000 title claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000003379 elimination reaction Methods 0.000 claims description 16
- 239000003595 mist Substances 0.000 claims description 16
- 230000008030 elimination Effects 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 5
- 238000011084 recovery Methods 0.000 claims description 5
- 238000002474 experimental method Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 230000008859 change Effects 0.000 abstract description 3
- 238000011160 research Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 abstract 1
- 238000002835 absorbance Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004531 microgranule Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G06T5/73—
Landscapes
- Facsimile Image Signal Circuits (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于高斯函数加权直方图规定化的彩色图像去雾方法,通过对雾霾天图像的分析研究,在RGB通道转化HSI通道图像中,强度I图像受到影响比较严重,图像对比度比较低。为了解决这个问题,发现改变高斯函数中的方差和对高斯函数加权来替代原有直方图均衡化,可以解决原有的图像灰度级动态范围比较集中,图像偏暗的问题,进而通过DM6437平台实时显示。上述方式,其处理效果明显优于直方图规定化算法,而且计算量小、处理速度快、不需要人工干预,能够有效对彩色图像去除雾霾。
Description
技术领域
本发明涉及彩色图像去雾技术领域,特别是涉及一种基于高斯函数加权直方图规定化的彩色图像去雾方法。
背景技术
雾霾是由大量悬浮在近地面空气中的微小水滴或尘埃粒子组成的气溶胶系统,是近地面层空气中水汽和微粒凝结的产物。空气中杂质是雾霾形成的主要因素,也是图像产生退化的根本原因,导致图像质量下降,图像清晰度降低,这是由于成像景物反射光线与大气中随机介质作用而发生了散射,一部分光线偏离原来路径,造成目标反射光的衰减;另一方面,接收到的光线还混合有大气光。恶劣天气条件制约了室外机器视觉设备的推广。高速公路图像监视系统,由于受到雾霾天气的影响,设备采集到的图像信息辨识度非常低,有时无法用来辅助或监控交通;同样在遥感探测中,受到大气随机介质的影响,遥感图像严重退化,对后续的信息处理产生很大的干扰。在图像监控和计算机视觉领域,图像去雾有着广泛的需求。雾霾天能见度降低,捕获图像的目标对比度和颜色等特征被衰减,去雾能显著地提高景象的清晰度并且更正因空气杂质而带来的颜色失真。并且,大多数的计算机视觉算法,从低级别的图像分析,到高级别的目标识别,一般会假定输入图像即景物的原始光线会聚所成。
(1)非模型的图像增强方法,能够有效增加降质图像的对比度,突出图像中的某些细节,满足主观视觉要求,从而达到清晰化的目的。同时为了避免局部重叠,王萍提出了一种插值自适应直方图均衡化算法。詹翔提出了基于局部方差的保持灰度级和亮度的雾天图像增强算法。针对图像中天空区域的景物信息增强不够自然。
(2)基于模型的图像复原方法,该方法基于雾天成像的物理模型,通过反推成像过程,达到图像去雾的目的,但需要获得场景的深度信息,因而需要通过辅助信息或者多幅图像进行去雾处理。为了适应各种应用场合,基于单幅图像的去雾算法成为当前研究的热点。Tan利用最大化复原图像的局部对比度来达到去雾的目的,但是复原后图像颜色过于饱和;Fattal假设透射率和场景目标表面投影的局部不相关性来推导出透射率,但是复原后图像失真较大;He等人针对以上问题提出了一种基于暗原色先验的单幅图像去雾算法,但时间复杂度高的缺点限制了它的应用范围;张冰冰等人通过自适应调节透射率下限值和大气光值,扩大了去雾处理的适用范围。
直方图规定化是一种典型的非模型的图像增强方法,它以统计理论作基础,利用图像直方图作变换,即通过扩展图像的灰度动态范围来改善图像的视觉效果,以达到图像增强的目的。通过修正输入图像的直方图,使其趋向指定的形状,以增大图像灰度级的动态范围,达到图像对比度增强的目的。直方图规定化是在均衡化原理的基础上,建立原始图像与期望图像之间的关系,按照预先设定的某个形状来调整图像的直方图,使原始图像的直方图变成规定的形状,弥补了直方图均衡不具备交互作用的特性。根据雾霾图像灰度直方图的特点,以上提出的方法均不能实时高效的增强雾霾图像
发明内容
为了克服上述现有技术中的不足,本发明提供了一种能够实时高效的对彩色图像去雾处理的基于高斯函数加权直方图规定化的彩色图像去雾方法。
本发明的目的是这样实现的:
一种基于高斯函数加权直方图规定化的彩色图像去雾方法,其特征在于,包括如下步骤:
步骤一:从雾霾RGB图像中获取强度图像I
(1)视频摄像头捕获彩色雾霾图像;
(2)通过上位机将雾霾图像RGB模型转化为HSI模型图像;
(3)转化过程:
①其中
②
③
步骤二:对强度图像I做高斯函数加权直方图规定化处理
(1)计算强度图像I的最小均方误差,识别强度图像是否属于降质图像,如果计算得到图像的最小均方误差T小于设定的门限T0,则将此图像判为降质图像,否则,不作处理。
(2)对降质图像的直方图做高斯函数加权处理,其加权形式为Gweight=α*G1+β*G2,其中和α和β分别表示加权系数,且0≤α≤1,0≤β≤1,α+β=1。k11,k21分别为高斯函数的均值修正因子,k12,k22分别为高斯函数的方差修正因子。
(3)通过高斯函数加权直方图规定化,有目的的增加某个灰度区间的图像,获得感兴趣的信息,使图像的最小均方误差T大于等于T0,图像对比度增加。
步骤三:
(1)恢复过程:
①如果0°≤H<120°,则G=3I-(R+G);B=I(1-S);
②如果120°≤H<240°,则H=H-120°;R=I(1-S);
B=3I-(R+G);
③如果240°≤H≤360°,则H=H-240°;R=3I-(G+B);G=I(1-S);
(2)将增强后的强度图像I,同色调图像H和饱和度图像S结合,进而将HSI图像转化为RGB图像。
(3)获得最终去雾图像,直接将每一帧图像交由DM6437实验平台上实时显示。
积极有益效果:(1)通过与原有的直方图规定化去雾技术相比,本发明在有效性上得到提高,图像的整体对比度得到明显增强,同时对图像中的较暗区域也较好地进行了抑制;(2)对于摄像头捕获的彩色视频,将一秒30帧图像的数据流,经过DM6437开发板上的解码芯片解码后,送入DM6437进行处理,最后在显示器上显示。上位机采用TI CCS3.3开发环境对算法进行编译,通过仿真器写入开发板中。相比利用它进行图像处理算法的编程和测试非常方便,能加速整个开发的进程,提高工作效率;(3)通过雾霾图像对比,对现有RGB空间去雾算法进行分析,经过RGB空间转化到HSI空间,发现HSI空间的强度I是制约雾霾图像的主要通道,对I通道图像做加权高斯函数直方图规定化约束,为了减少失真和过饱和,并得到更有效的去雾图像。因此,在转化过程中精确计算各个通道模型参数。
附图说明
图1本发明所述方法的流程示意图;
图2是本发明一种基于高斯函数加权直方图规定化的彩色图像去雾方法一较佳实施例的立体结构示意图;
图3是一种基于高斯函数加权直方图规定化的彩色图像去雾方法所示的分解示意图;
图4是雾霾天拍摄照片示意图;
图5是经过传统方法去雾前后的图像对比示意图;
图6是本发明所述一种基于高斯函数加权直方图规定化的彩色图像去雾方法示意图;
图中为:视频摄像头1、以太网PHY(802.3,802.11)2、音频输入3、音频编解码器4、音频输出5、视频监控器(NTSC/PAL)6、无线手持终端7、DDR,SDRAM,266(32位)8、晶振/OSC,27MHZ9、SPI,EEPROM10、DAVINCI(DM6437)11、。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述,以使本发明的优点和特征能更易于被本领域技术人员理解,一种基于高斯函数加权直方图规定化的彩色图像去雾方法,其特征在于,如下步骤:
如图1-图6所述,步骤一:从雾霾RGB图像中获取强度图像I
(1)视频摄像头捕获彩色雾霾图像;
(2)通过上位机将雾霾图像RGB模型转化为HSI模型图像;
(3)转化过程:
①其中
②
③
步骤二:对强度图像I做高斯函数加权直方图规定化处理
(1)计算强度图像I的最小均方误差,识别强度图像是否属于降质图像,如果计算得到图像的最小均方误差T小于设定的门限T0,则将此图像判为降质图像,否则,不作处理。
(2)对降质图像的直方图做高斯函数加权处理,其加权形式为Gweight=α*G1+β*G2,其中和α和β分别表示加权系数,且0≤α≤1,0≤β≤1,α+β=1。k11,k21分别为高斯函数的均值修正因子,k12,k22分别为高斯函数的方差修正因子。
(3)通过高斯函数加权直方图规定化,有目的的增加某个灰度区间的图像,获得感兴趣的信息,使图像的最小均方误差T大于等于T0,图像对比度增加。
步骤三:
(1)恢复过程:
①如果0°≤H<120°,则G=3I-(R+G);B=I(1-S);
②如果120°≤H<240°,则H=H-120°;R=I(1-S);
B=3I-(R+G);
③如果240°≤H≤360°,则H=H-240°;R=3I-(G+B);G=I(1-S);
(2)将增强后的强度图像I,同色调图像H和饱和度图像S结合,进而将HSI图像转化为RGB图像。
(3)获得最终去雾图像,直接将每一帧图像交由DM6437实验平台上实时显示。在HSI模型中对图像的色调、色饱和度和亮度各个分量进行处理,用运RGB模型与HSI模型之间的各个分量的相互转换的公式,可以很方便的对RGB彩色图像进行图像增强的操作。直方图规定化利用图像直方图变换,扩展图像的灰度动态范围来改善图像的视觉效果,以达到图像增强的目的。为了达到既能有效扩展强度图像灰度的动态范围,又能实现对暗区的处理的目的。通过对不同高斯函数的加权达到优化直方图分布效果,实现强度图像I的增强,最终实现彩色图像去雾的目的。
为了验证本发明的有效性,针对大量雾霾图及无雾霾图像进行处理,已取得了较好的效果,很好地解决了雾霾天条件下拍摄的降质图像的恢复问题,其优势在于算法简单,计算复杂度低,处理速度快。可在DM6437系统中实时处理,具有广阔的应用前景和价值。
以上实施案例仅用于说明本发明的优选实施方式,但本发明并不限于上述实施方式,在所述领域普通技术人员所具备的知识范围内,本发明的精神和原则之内所作的任何修改、等同替代及改进等,均应视为本申请的保护范围。
Claims (1)
1.一种基于高斯函数加权直方图规定化的彩色图像去雾方法,包括如下步骤:
步骤一:从雾霾RGB图像中获取强度图像I
(1)视频摄像头捕获彩色雾霾图像;
(2)通过上位机将雾霾图像RGB模型转化为HSI模型图像;
(3)转化过程:
①其中
②
③
步骤二:对强度图像I做高斯函数加权直方图规定化处理
(1)计算强度图像I的最小均方误差,识别强度图像是否属于降质图像,如果计算得到图像的最小均方误差T小于设定的门限T0,则将此图像判为降质图像,否则,不作处理;
(2)对降质图像的直方图做高斯函数加权处理,其加权形式为Gweight=α*G1+β*G2,其中和α和β分别表示加权系数,且0≤α≤1,0≤β≤1,α+β=1;k11,k21分别为高斯函数的均值修正因子,k12,k22分别为高斯函数的方差修正因子;
(3)通过高斯函数加权直方图规定化,有目的的增加某个灰度区间的图像,获得感兴趣的信息,使图像的最小均方误差T大于等于T0,图像对比度增加;
步骤三:
(1)恢复过程:
①如果0°≤H<120°,则G=3I-(R+G);B=I(1-S);
②如果120°≤H<240°,则H=H-120°;R=I(1-S);
B=3I-(R+G);
③如果240°≤H≤360°,则H=H-240°;R=3I-(G+B);G=I(1-S);
(2)将增强后的强度图像I,同色调图像H和饱和度图像S结合,进而将HSI图像转化为RGB图像;
(3)获得最终去雾图像,直接将每一帧图像交由DM6437实验平台上实时显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610830912.0A CN106296618A (zh) | 2016-09-19 | 2016-09-19 | 一种基于高斯函数加权直方图规定化的彩色图像去雾方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610830912.0A CN106296618A (zh) | 2016-09-19 | 2016-09-19 | 一种基于高斯函数加权直方图规定化的彩色图像去雾方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106296618A true CN106296618A (zh) | 2017-01-04 |
Family
ID=57712733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610830912.0A Pending CN106296618A (zh) | 2016-09-19 | 2016-09-19 | 一种基于高斯函数加权直方图规定化的彩色图像去雾方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106296618A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107451977A (zh) * | 2017-08-07 | 2017-12-08 | 河南工业大学 | 一种图像去雾方法及其系统 |
CN107644403A (zh) * | 2017-08-23 | 2018-01-30 | 天津大学 | 恶劣环境条件下图像的非一致颜色校正方法 |
CN107767353A (zh) * | 2017-12-04 | 2018-03-06 | 河南工业大学 | 一种基于清晰度评价的自适应图像去雾方法 |
CN107886480A (zh) * | 2017-11-06 | 2018-04-06 | 北方工业大学 | 基于v系统的图像去雾方法 |
CN109003238A (zh) * | 2018-06-26 | 2018-12-14 | 西京学院 | 一种基于模型与直方图及灰度增强的图像雾霾去除方法 |
CN111339817A (zh) * | 2018-12-18 | 2020-06-26 | 安讯士有限公司 | 用于增强由热相机捕获的图像中的改变的方法、设备及系统 |
CN111489308A (zh) * | 2020-04-03 | 2020-08-04 | 南京理工大学 | 一种实时长波红外透雾性能增强算法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040240732A1 (en) * | 2003-05-28 | 2004-12-02 | Abbate Jeffrey Allan | Active color correction to compensate for near field color cast |
CN105303529A (zh) * | 2015-09-23 | 2016-02-03 | 成都融创智谷科技有限公司 | 一种基于直方图均衡化的数字图像去雾方法 |
-
2016
- 2016-09-19 CN CN201610830912.0A patent/CN106296618A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040240732A1 (en) * | 2003-05-28 | 2004-12-02 | Abbate Jeffrey Allan | Active color correction to compensate for near field color cast |
CN105303529A (zh) * | 2015-09-23 | 2016-02-03 | 成都融创智谷科技有限公司 | 一种基于直方图均衡化的数字图像去雾方法 |
Non-Patent Citations (2)
Title |
---|
王万国等: "基于直方图规定化的图像去雾算法", 《计算机技术与发展》 * |
高银: "雾天彩色视频图像的清晰化算法研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107451977A (zh) * | 2017-08-07 | 2017-12-08 | 河南工业大学 | 一种图像去雾方法及其系统 |
CN107451977B (zh) * | 2017-08-07 | 2020-08-21 | 河南工业大学 | 一种图像去雾方法及其系统 |
CN107644403A (zh) * | 2017-08-23 | 2018-01-30 | 天津大学 | 恶劣环境条件下图像的非一致颜色校正方法 |
CN107886480A (zh) * | 2017-11-06 | 2018-04-06 | 北方工业大学 | 基于v系统的图像去雾方法 |
CN107767353A (zh) * | 2017-12-04 | 2018-03-06 | 河南工业大学 | 一种基于清晰度评价的自适应图像去雾方法 |
CN109003238A (zh) * | 2018-06-26 | 2018-12-14 | 西京学院 | 一种基于模型与直方图及灰度增强的图像雾霾去除方法 |
CN109003238B (zh) * | 2018-06-26 | 2021-06-25 | 西京学院 | 一种基于模型与直方图及灰度增强的图像雾霾去除方法 |
CN111339817A (zh) * | 2018-12-18 | 2020-06-26 | 安讯士有限公司 | 用于增强由热相机捕获的图像中的改变的方法、设备及系统 |
CN111339817B (zh) * | 2018-12-18 | 2021-07-20 | 安讯士有限公司 | 用于增强由热相机捕获的图像中的改变的方法、设备及系统 |
CN111489308A (zh) * | 2020-04-03 | 2020-08-04 | 南京理工大学 | 一种实时长波红外透雾性能增强算法 |
CN111489308B (zh) * | 2020-04-03 | 2022-09-06 | 南京理工大学 | 一种实时长波红外透雾性能增强算法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106296618A (zh) | 一种基于高斯函数加权直方图规定化的彩色图像去雾方法 | |
CN106296612B (zh) | 一种图像质量评价和天气状况引导的分级式监控视频清晰化系统及方法 | |
Huang et al. | Efficient contrast enhancement using adaptive gamma correction with weighting distribution | |
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 | |
CN103279931B (zh) | 基于透射率的去雾图像去噪方法 | |
CN107767353A (zh) | 一种基于清晰度评价的自适应图像去雾方法 | |
CN109300090A (zh) | 一种基于亚像素和条件对抗生成网络的单幅图像去雾方法 | |
CN104867121B (zh) | 基于暗原色先验和Retinex理论的图像快速去雾法 | |
CN110163807B (zh) | 一种基于期望亮通道的低照度图像增强方法 | |
CN111598791B (zh) | 一种基于改进动态大气散射系数函数的图像去雾方法 | |
CN110334660A (zh) | 一种雾天条件下基于机器视觉的森林火灾监测方法 | |
CN104318529A (zh) | 处理在恶劣环境中所拍摄低照度图像的方法 | |
CN110288550A (zh) | 基于先验知识引导条件生成对抗网络的单张图像去雾方法 | |
CN110288539A (zh) | 一种结合颜色空间移动与暗通道先验的水下图像清晰方法 | |
CN108305225A (zh) | 基于暗通道先验的交通监控图像快速去雾方法 | |
Gao et al. | Haze filtering with aerial perspective | |
CN108093175B (zh) | 一种实时高清视频自适应去雾方法及装置 | |
CN112070691A (zh) | 一种基于U-Net的图像去雾方法 | |
CN111598814A (zh) | 基于极端散射通道的单图像去雾方法 | |
CN105913391B (zh) | 一种基于形状可变形态学重构的去雾方法 | |
Cui et al. | A novel underwater image restoration method based on decomposition network and physical imaging model | |
CN112419163A (zh) | 一种基于先验知识和深度学习的单张图像弱监督去雾方法 | |
CN110223240A (zh) | 基于颜色衰减先验的图像去雾方法、系统及存储介质 | |
CN104915933A (zh) | 一种基于apso-bp耦合算法的雾天图像增强方法 | |
CN106327439B (zh) | 一种快速雾霾天图像清晰化方法 |
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: 20170104 |
|
RJ01 | Rejection of invention patent application after publication |