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

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I_J；由新的亮度分量I_J进行修正并结合结合HSI成像模型得到图像的饱和度分量S_J；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I_J；

(4)由新的亮度分量I_J进行修正并结合结合HSI成像模型得到图像的饱和度分量S_J；

(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：

H_I＝H_J (24)

在这里H_I表示雾霾图像色调，H_J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:

I_R(x)＝R(x)t(x)+A(1-t(x)) (25)

I_G(x)＝G(x)t(x)+A(1-t(x)) (26)

I_B(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：

I_R+I_G+I_B＝(R+G+B)t+A(1-t) (28)

结合(4)式子，本实例可以得到：

I_I＝I_Jt+A(1-t) (29)

其中I_I表示雾图的亮度分量，I_J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。

I_min(R,G,B)＝J_min(R,G,B)t+A_min(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S_I，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I_J分量和S_J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I_J。由于这样估算的亮度分量I_J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I_J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I_J值分布更接近实际的分布，这样便可以大致估算出饱和度S_J，并且由于饱和度S_J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I_J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I_J。

图4所求得的饱和度分量S_J。

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I_J。

图9所求得的饱和度分量S_J。

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I_I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I_J,结果如图3所示；

3)将得到的I_J,带入式(19)从而求得饱和度分量S_J，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I_I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I_J,结果如图8所示；

3)将得到的I_J,带入式(19)从而求得饱和度分量S_J，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I_J；

(3)由新的亮度分量I_J进行修正并结合结合HSI成像模型得到图像的饱和度分量S_J；

(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}\left\{\frac{\frac{1}{2}\[(R-G)+(R-B)\]}{\sqrt{{(R-G)}^2+\left(R-B\right)\left(G-B\right)}}\right\}---\left(2\right)$

$S=1-\frac{3}{R+G+B}\min \left(R+G+B\right)---\left(3\right)$

$I=\frac{1}{3}\left(R+G+B\right)---\left(4\right)$

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：

H_I＝H_J (5)

在这里H_I表示雾霾图像色调，H_J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:

I_R(x)＝R(x)t(x)+A(1-t(x)) (6)

I_G(x)＝G(x)t(x)+A(1-t(x)) (7)

I_B(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：

I_R+I_G+I_B＝(RG+B)t+A(1-t) (9)

结合(4)式子，可以得到：

I_I＝I_Jt+A(1-t) (10)

其中I_I表示雾图的亮度分量，I_J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，

I_min(R,G,B)＝J_min(R,G,B)t+A_min(R,G,B)(1-t) (11)

结合(1)式和(11)式，得到:

$\frac{I-3I_{\min \left(R,G,B\right)}}{I}=\frac{\left(J-3J_{\min \left(R,G,B\right)}\right)t+\left(A-3A_{\min \left(R,G,B\right)}\right)\left(1-t\right)}{Jt+A\left(1-t\right)}---\left(12\right)$

式(12)化简为：

$S_I=\frac{(J-3J_{\min (R,G,B)})t}{I}---\left(13\right)$

式(13)两边同时除J进一步化简为:

$S_I=\frac{S_{J}Jt}{I}---\left(14\right)$

得到了雾天情况下HSI空间内的成像模型:

$\left\{\begin{array}{c}{H}_I=H_J\\ S_I=\frac{S_{J}Jt}{1}\\ I_I=I_{J}t+A(1-t)\end{array}\right.---\left(15\right)$

结合式(14)和式(10)消除透射率t，得到:

$S_J=k\left(\frac{A-J}{J}\right)---\left(16\right)$

其中

结合式(3)和式(16)可以得到:

$I_J=\frac{kA+min(R,G,B)}{1+k}---\left(17\right)$

于是得到了一组新的雾天下的HSI成像模型:

$\left\{\begin{array}{c}{H}_J=H_I\\ S_J=k\left(\frac{A-I_J}{I_J}\right)\\ I_J=\frac{kA+\min (R,G,B)}{1+k}\end{array}\right.---\left(18\right).$

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I_J。

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I_J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I_J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I_J值分布更接近实际的分布，这样便估算出饱和度S_J，并且由于饱和度S_J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:

$S_J=k\left(\frac{A-max(0.03,(I_J-m\left)\right)}{\max (0.03,(I_J-m\left)\right)}\right)---\left(19\right)$

由于经由图像增强的新的亮度分量I_J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。