CN106408520A - 一种高颜色保真度的图像去雾方法 - Google Patents

一种高颜色保真度的图像去雾方法 Download PDF

Info

Publication number
CN106408520A
CN106408520A CN201610179995.1A CN201610179995A CN106408520A CN 106408520 A CN106408520 A CN 106408520A CN 201610179995 A CN201610179995 A CN 201610179995A CN 106408520 A CN106408520 A CN 106408520A
Authority
CN
China
Prior art keywords
image
hsi
formula
luminance component
component
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.)
Granted
Application number
CN201610179995.1A
Other languages
English (en)
Other versions
CN106408520B (zh
Inventor
葛鹏
单译琳
王洪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China University of Technology SCUT
Zhongshan Institute of Modern Industrial Technology of South China University of Technology
Original Assignee
South China University of Technology SCUT
Zhongshan Institute of Modern Industrial Technology of South China University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by South China University of Technology SCUT, Zhongshan Institute of Modern Industrial Technology of South China University of Technology filed Critical South China University of Technology SCUT
Publication of CN106408520A publication Critical patent/CN106408520A/zh
Application granted granted Critical
Publication of CN106408520B publication Critical patent/CN106408520B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/73Deblurring; Sharpening
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10004Still image; Photographic image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10024Color image

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Processing Of Color Television Signals (AREA)

Abstract

本发明公开一种高颜色保真度的图像去雾方法,包括如下步骤:将图像由RGB空间转换到HSI空间,得到一组新的雾天下的HSI成像模型;在HSI空间中对图像的亮度分量I进行基于图像增强的去雾处理并结合HSI成像模型得到新的亮度分量IJ;由新的亮度分量IJ进行修正并结合结合HSI成像模型得到图像的饱和度分量SJ;持色调分量不变,将去雾结果从HSI图像转换为RGB图像。本发明使得去雾图像有着较高的颜色保真度,本发明采用HSI空间对图像进行处理,可以很好的保持图像的颜色。

Description

一种高颜色保真度的图像去雾方法
技术领域
本发明涉及基于图像增强的去雾技术领域,具体涉及一种高颜色保真度的图像去雾方法。
背景技术
在雾天情况下,成像设备受到大气悬浮粒子的散射和吸收,以及大气光参与成像的影响,所成图像对比度下降,能见度降低,细节模糊不清,图像质量大幅度下降。其基本的成像模型如下:
I(x)=J(x)t(x)+A(1-t(x)) (20)
其中J(x)是原本无雾图像,I(x)是雾天图像,t(x)是场景的透射率,A是大气环境光。场景透射率t(x)反映了雾天图像的深度信息,t(x)越小表示影响图像的雾气更厚,受到的影响更大。
一般的基于图像增强的去雾算法,通常是在RGB颜色空间进行,通过将R,G,B三个通道分离,并单独作为灰度图像处理。但是由于在处理过程中,完全忽略了R,G,B三个通道之间的联系,很容易导致颜色的失真。
发明内容
本发明的目的在于克服现有技术存在的上述不足,提供一种高颜色保真度的图像去雾方法。
本发明的目的通过如下技术方案实现。
一种高颜色保真度的图像去雾方法,包括如下步骤:
(1)将图像由RGB空间转换到HSI空间,得到一组新的雾天下的HSI成像模型;
(2)在HSI空间中对图像的亮度分量I进行基于图像增强的去雾处理并结合HSI成像模型得到新的亮度分量IJ
(4)由新的亮度分量IJ进行修正并结合结合HSI成像模型得到图像的饱和度分量SJ
(4)保持色调分量不变,将去雾结果从HSI图像转换为RGB图像。
进一步地,图像由RGB空间到HSI空间的转换式为:
对于HSI分量中的色调分量H来说,由于雾气并不会对图像原本的色调造成影响,所以有:
HI=HJ (24)
在这里HI表示雾霾图像色调,HJ表示无雾图像色调。
但是对于分量S饱和度和I亮度来说,由于雾气的影响,饱和度S大幅度下降,而亮度I则整体上升,并且对比度降低,细节减少。接下来根据大气散射模型来对雾图和原图的饱和度、亮度分量关系进行推导。
首先,将(1)式的大气散射模型分离到R,G,B三个通道则有:
IR(x)=R(x)t(x)+A(1-t(x)) (25)
IG(x)=G(x)t(x)+A(1-t(x)) (26)
IB(x)=B(x)t(x)+A(1-t(x)) (27)
在这里假设透射率t(x)和大气环境光A对R,G,B三个通道的影响都是相同的。
通过对(6)、(7)、(8)求和可以得到:
IR+IG+IB=(R+G+B)t+A(1-t) (28)
结合(4)式子,本实例可以得到:
II=IJt+A(1-t) (29)
其中II表示雾图的亮度分量,IJ表示无雾图的亮度分量。
对(1)式子在R,G,B三通道中进行最小值操作。
Imin(R,G,B)=Jmin(R,G,B)t+Amin(R,G,B)(1-t) (30)
结合(1)式和(11)式,本实例可以得到:
实际上,对比式(3),式(12)左边实际就等于饱和度SI,而对式(12)右边分子分母同时除A,便可以得到项,而实际上雾天情况下该项可视为0,故省略。于是式(12)化简为:
式(13)两边同时除J进一步化简为:
这样便得到了雾天情况下HSI空间内的成像模型:
式(15)很好的展示了雾天情况下,HSI颜色空间模式下的图像的成像规律。我们可以进一步对(15)处理,以便得到更适合于图像增强的形式。结合式(14)和式(10)我们可以消除透射率t,得到:
其中
结合式(3)和式(16)我们可以得到:
于是我们就得到了一组新的雾天下的HSI成像模型:
这样,我们只需要对雾天图像的亮度图进行增强,使得结果接近min(R,G,B)便可以得到通过(16),(17)求得IJ分量和SJ分量。
进一步的,借由公式(18)我们可以将RGB空间中的图像增强的去雾算法,转换到HSI空间进行处理。
首先我们通过图像增强算法得到亮度分量I的去雾的灰度图像,并将结果作为min(R,G,B)带入(17)式,求得的结果作为新的亮度分量IJ。由于这样估算的亮度分量IJ并不是实际场景的图像,直接带入(16)式可能会造成所求饱和度的误差,因此在这里对估算的亮度分量IJ进行修正,引入一个修正系数m去修正公式(16),使其带入的亮度分量IJ值分布更接近实际的分布,这样便可以大致估算出饱和度SJ,并且由于饱和度SJ对细微变化和细节信息并不敏感,因此在这样处理后我们往往可以得到色彩保真度较好的结果:
由于经由图像增强的亮度IJ往往是比实际情况下的亮度分量要亮的,故m通常取正数,同时为了保证经处理后的亮度分量不会出现数据溢出的情况,将其最小约束至0.03。
进一步地,在试验过程中,往往假设大气光A恒为1,这里也可根据实际情况进行修正,但为了简化算法,本发明直接取1。
与现有技术相比,本发明具有如下优点和技术效果:
本发明提供一种高颜色保真度的图像去雾方法,主要是基于大气散射模型对HSI颜色空间模型进行优化,从而使得去雾图像有着较高的颜色保真度,本发明采用HSI空间对图像进行处理,可以很好的保持图像的颜色。本发明有效的改善图像的保真度,能取得较好的视觉效果。
附图说明
图1实施例一的原始雾霾图像。
图2在RGB颜色空间模型中使用局部直方图均衡化所得到的去雾结果图。
图3所求得的亮度分量IJ
图4所求得的饱和度分量SJ
图5实施例一的最终处理结果。
图6实施例二的原始雾霾图像。
图7在RGB颜色空间模型中使用MSR所得到的去雾结果。
图8所求得的亮度分量IJ
图9所求得的饱和度分量SJ
图10实施例二的最终处理结果。
图11为高颜色保真度的图像去雾方法的流程示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,从而详细阐述如何应用本发明的HSI颜色空间模型去优化各类图像增强去雾算法,并将使用该HSI颜色空间模型的图像增强的去雾算法和在RGB空间中的图像增强去雾算法做对比,从而凸显该颜色空间模型的优越性。
实施例一
实例1采用局部直方图均衡化算法作为基础的去雾算法。图1展示了本实例要进行去雾的雾霾图片。本实例先在RGB颜色空间直接对图像进行去雾处理,结果如图2所示,可以看到图像整体出现严重的颜色失真。接下来使用本实例的HSI颜色空间模型进行处理,具体步骤如下:
1)将图1转换成HSI图;
2)对亮度分量II进行局部直方图均衡化处理,并将结果作为min(R,G,B)带入(17)式,求得的结果作为新的亮度分量IJ,结果如图3所示;
3)将得到的IJ,带入式(19)从而求得饱和度分量SJ,结果如图4所示;
4)保持色调分量不变,并将结果转换回RGB图像,结果如图5所示。
本实例可以看到通过将局部直方图均衡算法转换到本实例的HSI颜色空间模型中去处理,可以有效的改善图像的保真度,取得较好的视觉效果。并且从运行时间上来说,在HSI颜色空间模型中处理时间仅有RGB颜色空间的51.5%(matlab R2015b,CPU i5-2410m@2.30GHz),可见该算法不仅具有优越的颜色保真度,而且还能有效的提高运行效率。
实施例二
实例2采用MSR算法作为基础的去雾算法。图6展示了本实例要进行去雾的雾霾图片。本实例先在RGB颜色空间直接对图像进行去雾处理,结果如图7所示,可以看到图像整体出现严重的颜色失真。接下来使用本实例的HSI颜色空间模型进行处理,具体步骤如下:
1)将图6转换成HSI图;
2)对亮度分量II进行局部直方图均衡化处理,并将结果作为min(R,G,B)带入(17)式,求得的结果作为新的亮度分量IJ,结果如图8所示;
3)将得到的IJ,带入式(19)从而求得饱和度分量SJ,结果如图9所示;
4)保持色调分量不变,并将结果转换回RGB图像,结果如图10所示。
可以看到通过将MSR算法转换到本实例的HSI颜色空间模型中去处理,可以有效的改善图像的保真度,取得较好的视觉效果。并且从运行时间上来说,在HSI颜色空间模型中处理时间仅有RGB颜色空间的49.8%(matlab R2015b,CPU i5-2410m@2.30GHz),更可以见得该算法的优越性以及通用性。大部分在RGB空间处理的图像增强类去雾算法都可以通过在该HSI颜色空间模型中处理来优化原有算法。
虽然本发明所揭露的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所揭露的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。

Claims (5)

1.一种高颜色保真度的图像去雾方法,其特征在于包括如下步骤:
(1)将图像由RGB空间转换到HSI空间,得到一组新的雾天下的HSI成像模型;
(2)在HSI空间中对图像的亮度分量I进行基于图像增强的去雾处理并结合HSI成像模型得到新的亮度分量IJ
(3)由新的亮度分量IJ进行修正并结合结合HSI成像模型得到图像的饱和度分量SJ
(4)保持色调分量不变,将去雾结果从HSI图像转换为RGB图像。
2.根据权利要求1所述的一种高颜色保真度的图像去雾方法,其特征在于步骤(1)具体包括:
雾天图像基本的成像模型如下:
I(x)=J(x)t(x)+A(1-t(x)) (1)
其中J(x)是原本无雾图像,I(x)是雾天图像,t(x)是场景的透射率,A是大气环境光;
图像由RGB空间到HSI空间的转换式为:
H = cos - 1 { 1 2 [ ( R - G ) + ( R - B ) ] ( R - G ) 2 + ( R - B ) ( G - B ) } - - - ( 2 )
S = 1 - 3 R + G + B min ( R + G + B ) - - - ( 3 )
I = 1 3 ( R + G + B ) - - - ( 4 )
对于HSI分量中的色调分量H来说,由于雾气并不会对图像原本的色调造成影响,有:
HI=HJ (5)
在这里HI表示雾霾图像色调,HJ表示无雾图像色调;
将(1)式的大气散射模型分离到R,G,B三个通道则有:
IR(x)=R(x)t(x)+A(1-t(x)) (6)
IG(x)=G(x)t(x)+A(1-t(x)) (7)
IB(x)=B(x)t(x)+A(1-t(x)) (8)
假设透射率t(x)和大气环境光A对R,G,B三个通道的影响都是相同的;
通过对(6)、(7)、(8)求和得到:
IR+IG+IB=(RG+B)t+A(1-t) (9)
结合(4)式子,可以得到:
II=IJt+A(1-t) (10)
其中II表示雾图的亮度分量,IJ表示无雾图的亮度分量;
对(1)式子在R,G,B三通道中进行最小值操作,
Imin(R,G,B)=Jmin(R,G,B)t+Amin(R,G,B)(1-t) (11)
结合(1)式和(11)式,得到:
I - 3 I min ( R , G , B ) I = ( J - 3 J min ( R , G , B ) ) t + ( A - 3 A min ( R , G , B ) ) ( 1 - t ) J t + A ( 1 - t ) - - - ( 12 )
式(12)化简为:
S I = ( J - 3 J min ( R , G , B ) ) t I - - - ( 13 )
式(13)两边同时除J进一步化简为:
S I = S J J t I - - - ( 14 )
得到了雾天情况下HSI空间内的成像模型:
H I = H J S I = S J J t 1 I I = I J t + A ( 1 - t ) - - - ( 15 )
结合式(14)和式(10)消除透射率t,得到:
S J = k ( A - J J ) - - - ( 16 )
其中
结合式(3)和式(16)可以得到:
I J = k A + m i n ( R , G , B ) 1 + k - - - ( 17 )
于是得到了一组新的雾天下的HSI成像模型:
H J = H I S J = k ( A - I J I J ) I J = k A + min ( R , G , B ) 1 + k - - - ( 18 ) .
3.根据权利要求2所述的所述的一种高颜色保真度的图像去雾方法,其特征在于步骤(2)具体包括:
由公式(18)能将RGB空间中的图像增强的去雾算法,转换到HSI空间进行处理;首先通过图像增强算法得到亮度分量I的去雾的灰度图像,并将结果作为min(R,G,B)带入(17)式,求得的结果作为新的亮度分量IJ
4.根据权利要求3所述的所述的一种高颜色保真度的图像去雾方法,其特征在于步骤(3)具体包括:
由于新的亮度分量IJ并不是实际场景的图像,直接带入(16)式可能会造成所求饱和度的误差,因此在这里对估算的新的亮度分量IJ进行修正,引入一个修正系数m去修正公式(16),使其带入的亮度分量IJ值分布更接近实际的分布,这样便估算出饱和度SJ,并且由于饱和度SJ对细微变化和细节信息并不敏感,因此能得到色彩保真度较好的结果:
S J = k ( A - m a x ( 0.03 , ( I J - m ) ) max ( 0.03 , ( I J - m ) ) ) - - - ( 19 )
由于经由图像增强的新的亮度分量IJ往往是比实际情况下的亮度分量要亮的,故m通常取正数。
5.根据权利要求3所述的所述的一种高颜色保真度的图像去雾方法,其特征在于步骤(3)中将m最小约束至0.03。
CN201610179995.1A 2015-12-27 2016-03-24 一种高颜色保真度的图像去雾方法 Expired - Fee Related CN106408520B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2015107074744 2015-12-27
CN201510707474 2015-12-27

Publications (2)

Publication Number Publication Date
CN106408520A true CN106408520A (zh) 2017-02-15
CN106408520B CN106408520B (zh) 2019-05-14

Family

ID=58007170

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610179995.1A Expired - Fee Related CN106408520B (zh) 2015-12-27 2016-03-24 一种高颜色保真度的图像去雾方法

Country Status (1)

Country Link
CN (1) CN106408520B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107454317A (zh) * 2017-07-27 2017-12-08 广东欧珀移动通信有限公司 图像处理方法、装置、计算机可读存储介质和计算机设备
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
CN110223253A (zh) * 2019-06-10 2019-09-10 江苏科技大学 一种基于图像增强的去雾方法
CN112082738A (zh) * 2020-08-24 2020-12-15 南京理工大学 彩色夜视相机性能评价测试系统及测试方法
US10896488B2 (en) 2018-02-23 2021-01-19 Mobile Drive Technology Co., Ltd. Electronic device and method for removing haze from image

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110135200A1 (en) * 2009-12-04 2011-06-09 Chao-Ho Chen Method for determining if an input image is a foggy image, method for determining a foggy level of an input image and cleaning method for foggy images
CN103632339A (zh) * 2012-08-21 2014-03-12 张晓光 一种基于变分Retinex的单幅图像去雾方法及装置
US20140140619A1 (en) * 2011-08-03 2014-05-22 Sudipta Mukhopadhyay Method and System for Removal of Fog, Mist, or Haze from Images and Videos
CN103985091A (zh) * 2014-04-30 2014-08-13 西安理工大学 基于亮度暗先验与双边滤波的单幅图像去雾方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110135200A1 (en) * 2009-12-04 2011-06-09 Chao-Ho Chen Method for determining if an input image is a foggy image, method for determining a foggy level of an input image and cleaning method for foggy images
US20140140619A1 (en) * 2011-08-03 2014-05-22 Sudipta Mukhopadhyay Method and System for Removal of Fog, Mist, or Haze from Images and Videos
CN103632339A (zh) * 2012-08-21 2014-03-12 张晓光 一种基于变分Retinex的单幅图像去雾方法及装置
CN103985091A (zh) * 2014-04-30 2014-08-13 西安理工大学 基于亮度暗先验与双边滤波的单幅图像去雾方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张红: "雾天图像的清晰化处理与颜色校正算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107454317A (zh) * 2017-07-27 2017-12-08 广东欧珀移动通信有限公司 图像处理方法、装置、计算机可读存储介质和计算机设备
US10896488B2 (en) 2018-02-23 2021-01-19 Mobile Drive Technology Co., Ltd. Electronic device and method for removing haze from image
TWI724375B (zh) * 2018-02-23 2021-04-11 富智捷股份有限公司 圖像去霧霾方法、電子設備及電腦可讀取記錄媒體
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
CN110223253A (zh) * 2019-06-10 2019-09-10 江苏科技大学 一种基于图像增强的去雾方法
CN110223253B (zh) * 2019-06-10 2023-02-28 江苏科技大学 一种基于图像增强的去雾方法
CN112082738A (zh) * 2020-08-24 2020-12-15 南京理工大学 彩色夜视相机性能评价测试系统及测试方法
CN112082738B (zh) * 2020-08-24 2022-08-16 南京理工大学 彩色夜视相机性能评价测试系统及测试方法

Also Published As

Publication number Publication date
CN106408520B (zh) 2019-05-14

Similar Documents

Publication Publication Date Title
CN106408520A (zh) 一种高颜色保真度的图像去雾方法
CN102750674B (zh) 基于自适应容差的视频图像去雾方法
CN106846263A (zh) 基于融合通道且对天空免疫的图像去雾方法
CN102063706B (zh) 一种快速去雾方法
CN106780356A (zh) 基于卷积神经网络和先验信息的图像去雾方法
CN103761720B (zh) 图像去雾方法以及图像去雾装置
CN104794697B (zh) 一种基于暗原色先验的图像去雾方法
CN107767354A (zh) 一种基于暗原色先验的图像去雾算法
CN105023256B (zh) 一种图像去雾方法及系统
CN102831591A (zh) 一种基于高斯滤波的单幅图像的实时去雾方法
CN106251301A (zh) 一种基于暗原色先验的单幅图像去雾方法
CN103996178A (zh) 一种沙尘天气彩色图像增强方法
Wang et al. Variational single nighttime image haze removal with a gray haze-line prior
CN107958465A (zh) 一种基于深度卷积神经网络的单幅图像去雾方法
CN107451966A (zh) 一种采用灰度图引导滤波实现的实时视频去雾方法
CN110136079A (zh) 基于场景深度分割的图像去雾方法
CN112200746B (zh) 一种雾天交通场景图像的去雾方法和设备
WO2024060576A1 (zh) 一种基于暗通道先验的图像去雾方法
CN104867121A (zh) 基于暗原色先验和Retinex理论的图像快速去雾法
CN103914820A (zh) 一种基于图像分层增强的图像去雾方法及系统
CN111598814B (zh) 基于极端散射通道的单图像去雾方法
CN104809700A (zh) 一种基于亮通道的低照度视频实时增强方法
CN107977941B (zh) 一种明亮区域色彩保真及对比度增强的图像去雾方法
CN107481211B (zh) 一种基于梯度域融合的夜间交通监控增强方法
CN105809641A (zh) 一种去雾图像的曝光补偿和边缘增强方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190514

Termination date: 20210324