CN106408526A - 一种基于多层矢量图的能见度检测方法 - Google Patents

Abstract

本发明涉及一种基于多层矢量图的能见度检测方法，以大气散射模型为基础，通过计算图像暗通道的方法对模型中的未知参数透射率及环境光进行了估计，以此来恢复原始的图像，并且考虑到仅通过单一尺度来恢复原始的图像，会引入伪影等问题，同时会造成对图像中高频边缘信息的破坏，因此本发明采用在不同的尺度下计算出相应的原始矢量图，通过双边交叉滤波将三种不同尺度的矢量图进行合成，并对输出结果进行对比度增强处理获取最终的原始图像。

Description

一种基于多层矢量图的能见度检测方法

技术领域

本发明涉及一种基于多层矢量图的能见度检测方法，属于图像处理能见度检测技术领域。

背景技术

随着社会的高速发展，各种负面问题也逐渐出现在人们的日常生活之中，其中频繁出现的雾霾天气，极大地影响了人们的日常生活，对人们出行安全造成危害，因此设计一套准确度高、易于推广的能见度检测系统，并可以及时预警，将减少很多不必要的损失。

大气散射模型是描述相距一定距离处物体的初始亮度与在大气中传输一段距离后的观测亮度之间关系的方程。其通过引入透射率、环境光以及大气消光系数等参量，描述了在客观世界中光传播及衰减的特性。通过应用大气散射模型，通过求解其中未知的参量，即可实现对于物体原有亮度的恢复，目前已经广泛应用于能见度检测、图像去雾。

对于利用图像处理，实现能见度检测方面，查询目前已公布的相关专利，《基于图像学习的能见度测量方法》中采用机器学习的方法，选取符合人眼视觉特性的特征进行机器学习，可以实现多种条件下的能见度检测，但并未考虑实际的光传输的物理模型，且需要大量训练数据推广型较差；《基于数字摄像法的能见度测量系统及方法》通过目标定位算法提取目标物的亮度值，并通过双目标双亮度差对比算法求解能见度值，但是因为其擦用了目标定位算法，则存在匹配过程即需要算法的时间复杂度较大，并且整个算法依赖于目标物工作，则其推广应不好。

发明内容

本发明所要解决的技术问题是提供一种集多种图像检测技术为一体，实现仅通过一张采集图像，实现能见度检测，提高工作效率的基于多层矢量图的能见度检测方法。

本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种基于多层矢量图的能见度检测方法，由观测图像实现能见度的检测，包括如下步骤：

步骤001.获得观测图像中各个像素点的暗通道数值I^dark(p)，并进入步骤002，其中，p＝{1、…、P}，p表示观测图像中的像素点，P表示观测图像中像素点的总个数；

步骤002.获得观测图像中各个像素点的亮度值，并针对各个像素点，按亮度值由高到低的顺序进行排序，然后按照由高至低的顺序，选取观测图像中像素点总数预设百分比例数量的像素点，构成高亮度像素点集合G，并进入步骤003；

步骤003.根据观测图像中各个像素点的暗通道数值I^dark(p)，获得高亮度像素点集合G中各像素点所对应暗通道数值中的最大暗通道数值，作为环境光亮度A，然后进入步骤004；

步骤004.分别针对观测图像中的各个像素点，以像素点p为中心，选取至少三个不同预设比例n*n的窗口区域，分别获得该像素点p所对应各预设比例n*n窗口区域的透射率t_n*n(p)，进而获得观测图像中各个像素点分别所对应各预设比例n*n窗口区域的透射率，然后进入步骤005；

步骤005.分别针对观测图像中的各个像素点，根据像素点p的亮度I(p)、环境光亮度A和该像素点p所对应各预设比例n*n窗口区域的透射率t_n*n(p)，分别获得该像素点p所对应各预设比例n*n的矢量图J_n*n(p)，进而获得观测图像中各个像素点分别所对应各预设比例n*n的矢量图，然后进入步骤006；

步骤006.分别针对观测图像中的各个像素点，以像素点p所对应最小预设比例的矢量图为参考矢量图，根据像素点p所对应各预设比例n*n的矢量图J_n*n(p)，获得像素点p的原始光强度J(p)并计算各个像素点的原始光强度，然后将观测图像的光强度还原至原始光强度，获得原始光强度观测图像；然后进入步骤007；

步骤007.针对原始光强度观测图像进行对比度增强，获得原始恢复图像，然后进入步骤008；

步骤008.根据观测图像和原始恢复图像获得能见度值，实现能见度检测。

作为本发明的一种优选技术方案：所述步骤001中，根据如下公式：

获得观测图像中各个像素点的暗通道数值I^dark(p)，式中，I^c(p)表示观测图像中像素点p在r,g,b通道中一个通道的光强度，μ_c∈{r,g,b}表示观测图像r,g,b通道中一个通道的平均值，Ω'(p)表示以p点为中心的第一预设比例区域，σ_rgb表示观测图像r,g,b通道光强度的标准差。

作为本发明的一种优选技术方案：所述步骤步骤003中，根据观测图像中各个像素点的暗通道数值I^dark(p)，按如下公式：

获得高亮度像素点集合G中各像素点所对应暗通道数值中的最大暗通道数值，作为环境光亮度A。

作为本发明的一种优选技术方案：所述步骤004中，分别针对观测图像中的各个像素点，以像素点p为中心，选取至少三个不同预设比例n*n的窗口区域，该像素点p的各个预设比例n*n的窗口区域构成集合Ω(p)，根据如下公式：

分别获得该像素点p所对应各预设比例n*n窗口区域的透射率t_n*n(p)，进而获得观测图像中各个像素点分别所对应各预设比例n*n窗口区域的透射率，式中，ω表示预设晴朗天气条件下人眼视觉特性对于检测影响常数。

作为本发明的一种优选技术方案：所述步骤005中，分别针对观测图像中的各个像素点，根据像素点p的亮度I(p)、环境光亮度A和该像素点p所对应各预设比例n*n窗口区域的透射率t_n*n(p)，按如下公式：

分别获得该像素点p所对应各预设比例n*n的矢量图J_n*n(p)，进而获得观测图像中各个像素点分别所对应各预设比例n*n的矢量图，式中，t₀表示预设透光率上限值。

作为本发明的一种优选技术方案：所述步骤006中，分别针对观测图像中的各个像素点，以像素点p所对应最小预设比例的矢量图为参考矢量图，根据像素点p所对应各预设比例n*n的矢量图J_n*n(p)，按如下公式：

获得像素点p的原始亮度J(p)，进而获得观测图像中各个像素点的原始亮度，式中，B表示预设归一化因子，J_min(n*n)(p)表示像素点p所对应最小预设比例的矢量图，l＝{1、…、L}，L表示像素点p所对应各预设比例矢量图中，除最小预设比例矢量图外其余矢量图的个数，v表示预设噪声常数。

作为本发明的一种优选技术方案：所述步骤007中，按如下公式：

分别针对原始亮度观测图像中的各个像素点进行对比度增强，获得原始恢复图像，式中，a、b、c分别表示预设增强对比度系数。

作为本发明的一种优选技术方案：所述步骤008，具体包括如下步骤：

步骤00801.根据如下公式：

获得观测图像的均方根对比度表示C，并进入步骤00802，式中，μ_P表示观测图像亮度均值；

步骤00802.获得观测图像相对原始恢复图像的峰值信噪比PSNR，然后进入步骤00803；

步骤00803.建立观测图像的均方根对比度表示C与观测图像相对原始恢复图像峰值信噪比PSNR之间的映射关系，实现能见度检测。

作为本发明的一种优选技术方案：所述步骤00802中，根据如下公式：

获得观测图像相对原始恢复图像的峰值信噪比PSNR，式中，MSE表示观测图像与原始恢复图像之间的均方误差。

本发明所述基于多层矢量图的能见度检测方法采用以上技术方案与现有技术相比，具有以下技术效果：本发明所设计基于多层矢量图的能见度检测方法，采用大气散射模型与暗通道计算相结合的方式，从原理上对雾霾降低图像质量的成因进行了描述，使得能见度检测结果更加准确可靠；在应用时无需进行过多的人工干预，在安装检测系统后可以进行单点的检测，也可安装于多个监测点对大范围的区域进行检测，并将数据技术汇总；相较于传统的目测及仪器测量法，本发明具有成本低、可靠性高适合大范围推广的特点；并与其它通过图像处理检测能见度的方法相比，本方法无需进行标定操作即可进行能见度的检测，综上所述，本发明所设计基于多层矢量图的能见度检测方法，使用大气耗散模型准确的描述了在经大气传播后物体亮度的衰减情况，为准确的获得能见度的数值奠定了基础；同时本发明所采用的算法在时间及空间复杂度上都较低，可运行在嵌入式系统上，使得其在准确高效的基础上又具有很好地推广能力，适合大范围应用；并且本发明在实际使用场景中，可依据大量数据对系统的参数进行进一步优化，提高其精确性。

附图说明

图1是本发明设计的一种基于多层矢量图的能见度检测方法的架构示意图。

具体实施方式

下面结合说明书附图对本发明的具体实施方式作进一步详细的说明。

大气散射模型描述降质图像，对于雾霾或是其他烟尘条件下拍摄到的景物，可用下式表示其观测到的亮度与物体原有亮度之间的关系：

I(p)＝J(p)t_n*n(p)+A(1-t_n*n(p))

其中，I(p)表示在像素点p处观测到的光强度，J(p)表示在像素点p处的原始标准图像，A是环境光亮度，由大气散射模型中可以看出，为了实现对于原始标准图像的恢复，对于透射率t_n*n(p)及环境光A的求解变成了关键，下面将详细介绍其求解过程。

如图1所示，本发明所设计的一种基于多层矢量图的能见度检测方法，在实际应用过程当中，由观测图像实现能见度的检测，其特征在于，包括如下步骤：

步骤001.通过图像暗通道先验技术可实现对大气散射模型中未知参数的有效估计，并且为了更好的得出原始标准图像，减轻伪影对其影响，因此，根据如下公式：

获得观测图像中各个像素点的暗通道数值I^dark(p)，并进入步骤002，其中，p＝{1、…、P}，p表示观测图像中的像素点，P表示观测图像中像素点的总个数，I^c(p)表示观测图像中像素点p在r,g,b通道中一个通道的光强度，μ_c∈{r,g,b}表示观测图像r,g,b通道中一个通道的平均值，Ω'(p)表示以p点为中心的第一预设比例区域，σ_rgb表示观测图像r,g,b通道光强度的标准差。

步骤002.获得观测图像中各个像素点的亮度值，并针对各个像素点，按亮度值由高到低的顺序进行排序，然后按照由高至低的顺序，选取观测图像中像素点总数预设百分比例数量的像素点，构成高亮度像素点集合G，并进入步骤003。这里在实际应用中，我们可以按照由高至低的顺序，选取观测图像中像素点总数的1％数量的像素点。

步骤003.根据观测图像中各个像素点的暗通道数值I^dark(p)，按如下公式：

获得高亮度像素点集合G中各像素点所对应暗通道数值中的最大暗通道数值，作为环境光亮度A，然后进入步骤004。

为了进一步提高恢复的原始图像质量，采用如下定义计算t_n*n(p)。首先对大气散射模型进行如下操作：

并考虑图像中的r、g、b颜色通道则有：

依据图像暗通道的定义则上式为：

因此，进一步按如下执行步骤004。

步骤004.分别针对观测图像中的各个像素点，以像素点p为中心，选取至少三个不同预设比例n*n的窗口区域，该像素点p的各个预设比例n*n的窗口区域构成集合Ω(p)，根据如下公式：

分别获得该像素点p所对应各预设比例n*n窗口区域的透射率t_n*n(p)，进而获得观测图像中各个像素点分别所对应各预设比例n*n窗口区域的透射率，然后进入步骤005，式中，ω表示预设晴朗天气条件下人眼视觉特性对于检测影响常数。

在具体的实际应用中，我们可以具体设计分别针对观测图像中的各个像素点，以像素点p为中心，选取三个不同预设比例3*3、5*5及7*7的窗口区域，即最终上述步骤004获得观测图像中各个像素点的t_3*3(p)、t_5*5(p)、t_7*7(p)。

步骤005.分别针对观测图像中的各个像素点，根据像素点p的亮度I(p)、环境光亮度A和该像素点p所对应各预设比例n*n窗口区域的透射率t_n*n(p)，按如下公式：

分别获得该像素点p所对应各预设比例n*n的矢量图J_n*n(p)，进而获得观测图像中各个像素点分别所对应各预设比例n*n的矢量图，然后进入步骤006，式中，t₀表示预设透光率上限值，实际应用中，我们通常可以设计采用t₀＝0.1。

步骤006.采用交叉双边滤波方法，分别针对观测图像中的各个像素点，以像素点p所对应最小预设比例的矢量图为参考矢量图，根据像素点p所对应各预设比例n*n的矢量图J_n*n(p)，按如下公式：

获得像素点p的原始光强度J(p)并计算各个像素点的原始光强度，然后将观测图像的光强度还原至原始光强度，获得原始光强度观测图像；然后进入步骤007，式中，B表示预设归一化因子，J_min(n*n)(p)表示像素点p所对应最小预设比例的矢量图，l＝{1、…、L}，L表示像素点p所对应各预设比例矢量图中，除最小预设比例矢量图外其余矢量图的个数，v表示预设噪声常数。

由于雾的存在，会使拍摄到的雾霾图像的饱和度以及对比度有所下降，经过上述的处理过程恢复了图像的饱和度，即亮度，但对比度相较于原始图像还有所降低，则对需要对其进行对比度增强的操作，因此执行下述步骤007的操作。

步骤007.按如下公式：

分别针对原始光强度观测图像中的各个像素点进行对比度增强，获得原始恢复图像，然后进入步骤008，式中，a、b、c分别表示预设增强对比度系数。

步骤008.根据观测图像和原始恢复图像获得能见度值，实现能见度检测。

上述步骤008具体包括如下步骤：

步骤00801.根据如下公式：

获得观测图像的均方根对比度表示C，并进入步骤00802，式中，μ_P表示观测图像亮度均值。

步骤00802.峰值信噪比(PSNR)作为一种评价图像质量的客观评价准则，其在图像增强领域有着广泛的使用，因此这里，设计根据如下公式：

获得观测图像相对原始恢复图像的峰值信噪比PSNR，然后进入步骤00803，式中，MSE表示观测图像与原始恢复图像之间的均方误差。

步骤00803.建立观测图像的均方根对比度表示C与观测图像相对原始图像峰值信噪比PSNR之间的映射关系D＝f(C，PSNR)，实现能见度检测。

本发明所设计基于多层矢量图的能见度检测方法，属于能见度检测技术，辅以交叉滤波，提出一种新的基于多层次矢量图的能见度检测方法，以大气散射模型为基础，通过计算图像暗通道的方法对模型中的未知参数透射率及环境光进行了估计，以此来恢复原始的图像，并且考虑到仅通过单一尺度来恢复原始的图像，会引入伪影等问题，同时会造成对图像中高频边缘信息的破坏，因此本发明采用在不同的尺度下计算出相应的原始矢量图，通过双边交叉滤波将三种不同尺度的矢量图进行合成，并对输出结果进行对比度增强处理获取最终的原始图像。

本发明所设计基于多层矢量图的能见度检测方法，采用大气散射模型与暗通道计算相结合的方式，从原理上对雾霾降低图像质量的成因进行了描述，使得能见度检测结果更加准确可靠；在应用时无需进行过多的人工干预，在安装检测系统后可以进行单点的检测，也可安装于多个监测点对大范围的区域进行检测，并将数据技术汇总；相较于传统的目测及仪器测量法，本发明具有成本低、可靠性高适合大范围推广的特点；并与其它通过图像处理检测能见度的方法相比，本方法无需进行标定操作即可进行能见度的检测，综上所述，本发明所设计基于多层矢量图的能见度检测方法，使用大气耗散模型准确的描述了在经大气传播后物体亮度的衰减情况，为准确的获得能见度的数值奠定了基础；同时本发明所采用的算法在时间及空间复杂度上都较低，可运行在嵌入式系统上，使得其在准确高效的基础上又具有很好地推广能力，适合大范围应用；并且本发明在实际使用场景中，可依据大量数据对系统的参数进行进一步优化，提高其精确性。

上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (9)

1.一种基于多层矢量图的能见度检测方法，由观测图像实现能见度的检测，其特征在于，包括如下步骤：

步骤001.获得观测图像中各个像素点的暗通道数值I^dark(p)，并进入步骤002，其中，p＝{1、…、P}，p表示观测图像中的像素点，P表示观测图像中像素点的总个数；

步骤002.获得观测图像中各个像素点的亮度值，并针对各个像素点，按亮度值由高到低的顺序进行排序，然后按照由高至低的顺序，选取观测图像中像素点总数预设百分比例数量的像素点，构成高亮度像素点集合G，并进入步骤003；

步骤003.根据观测图像中各个像素点的暗通道数值I^dark(p)，获得高亮度像素点集合G中各像素点所对应暗通道数值中的最大暗通道数值，作为环境光亮度A，然后进入步骤004；

步骤004.分别针对观测图像中的各个像素点，以像素点p为中心，选取至少三个不同预设比例n*n的窗口区域，分别获得该像素点p所对应各预设比例n*n窗口区域的透射率t_n*n(p)，进而获得观测图像中各个像素点分别所对应各预设比例n*n窗口区域的透射率，然后进入步骤005；

步骤005.分别针对观测图像中的各个像素点，根据像素点p的亮度I(p)、环境光亮度A和该像素点p所对应各预设比例n*n窗口区域的透射率t_n*n(p)，分别获得该像素点p所对应各预设比例n*n的矢量图J_n*n(p)，进而获得观测图像中各个像素点分别所对应各预设比例n*n的矢量图，然后进入步骤006；

步骤006.分别针对观测图像中的各个像素点，以像素点p所对应最小预设比例的矢量图为参考矢量图，根据像素点p所对应各预设比例n*n的矢量图J_n*n(p)，获得像素点p的原始光强度J(p)并计算各个像素点的原始光强度，然后将观测图像的光强度还原至原始光强度，获得原始光强度观测图像；然后进入步骤007；

步骤007.针对原始光强度观测图像进行对比度增强，获得原始恢复图像，然后进入步骤008；

步骤008.根据观测图像和原始恢复图像获得能见度值，实现能见度检测。

2.根据权利要求1所述一种基于多层矢量图的能见度检测方法，其特征在于：所述步骤001中，根据如下公式：

$I^{dark}\left(p\right)=\underset{p\∈{\mathrm{\Ω}}^{\′}\left(p\right)}{\min }\left(\right(1-{\mathrm{\σ}}_{rgb})*{\mathrm{\μ}}_{c\∈\{r,g,b\}}(I^c\left(p\right)\left)\right)$

获得观测图像中各个像素点的暗通道数值I^dark(p)，式中，I^c(p)表示观测图像中像素点p在r,g,b通道中一个通道的光强度，μ_c∈{r,g,b}表示观测图像r,g,b通道中一个通道的平均值，Ω'(p)表示以p点为中心的第一预设比例区域，σ_rgb表示观测图像r,g,b通道光强度的标准差。

3.根据权利要求1所述一种基于多层矢量图的能见度检测方法，其特征在于：所述步骤步骤003中，根据观测图像中各个像素点的暗通道数值I^dark(p)，按如下公式：

$A=\underset{g\∈G}{\max }{I}^{dark}\left(g\right)$

获得高亮度像素点集合G中各像素点所对应暗通道数值中的最大暗通道数值，作为环境光亮度A。

4.根据权利要求1所述一种基于多层矢量图的能见度检测方法，其特征在于：所述步骤004中，分别针对观测图像中的各个像素点，以像素点p为中心，选取至少三个不同预设比例n*n的窗口区域，该像素点p的各个预设比例n*n的窗口区域构成集合Ω(p)，根据如下公式：

$t_{n*n}\left(p\right)=1-\mathrm{\ω}\underset{c\∈\{r,g,b\}}{\min }\left(\underset{p\∈\mathrm{\Ω}\left(p\right)}{\min }\right(\frac{I^c\left(p\right)}{A}\left)\right)$

分别获得该像素点p所对应各预设比例n*n窗口区域的透射率t_n*n(p)，进而获得观测图像中各个像素点分别所对应各预设比例n*n窗口区域的透射率，式中，ω表示预设晴朗天气条件下人眼视觉特性对于检测影响常数。

5.根据权利要求1所述一种基于多层矢量图的能见度检测方法，其特征在于：所述步骤005中，分别针对观测图像中的各个像素点，根据像素点p的亮度I(p)、环境光亮度A和该像素点p所对应各预设比例n*n窗口区域的透射率t_n*n(p)，按如下公式：

$J_{n*n}\left(p\right)=\frac{I\left(p\right)-A}{max\left(t_{n*n}\right(p),t_0)}+A$

分别获得该像素点p所对应各预设比例n*n的矢量图J_n*n(p)，进而获得观测图像中各个像素点分别所对应各预设比例n*n的矢量图，式中，t₀表示预设透光率上限值。

6.根据权利要求1所述一种基于多层矢量图的能见度检测方法，其特征在于：所述步骤006中，分别针对观测图像中的各个像素点，以像素点p所对应最小预设比例的矢量图为参考矢量图，根据像素点p所对应各预设比例n*n的矢量图J_n*n(p)，按如下公式：

$J\left(p\right)=\frac{1}{B}{\mathrm{\Σ}}_{l=1}^L\{{\mathrm{ve}}^{-|J_{\min (n*n)}\left(p\right)-J_{n*n}\left(p\right){|}^2}*J_{n*n}\left(p\right)\}$

获得像素点p的原始亮度J(p)，进而获得观测图像中各个像素点的原始亮度，式中，B表示预设归一化因子，J_min(n*n)(p)表示像素点p所对应最小预设比例的矢量图，l＝{1、…、L}，L表示像素点p所对应各预设比例矢量图中，除最小预设比例矢量图外其余矢量图的个数，v表示预设噪声常数。

7.根据权利要求1所述一种基于多层矢量图的能见度检测方法，其特征在于：所述步骤007中，按如下公式：

$J_{final}\left(p\right)=a+\frac{ln\[J\left(p\right)+1\]}{b\ln c}$

分别针对原始亮度观测图像中的各个像素点进行对比度增强，获得原始恢复图像，式中，a、b、c分别表示预设增强对比度系数。

8.根据权利要求1所述一种基于多层矢量图的能见度检测方法，其特征在于：所述步骤008，具体包括如下步骤：

步骤00801.根据如下公式：

$C=\sqrt{\frac{1}{P}\underset{p=1}{\overset{P}{\Σ}}{\left(I\right(p)-{\mathrm{\μ}}_P)}^2}$

获得观测图像的均方根对比度表示C，并进入步骤00802，式中，μ_P表示观测图像亮度均值；

步骤00802.获得观测图像相对原始恢复图像的峰值信噪比PSNR，然后进入步骤00803；

步骤00803.建立观测图像的均方根对比度表示C与观测图像相对原始恢复图像峰值信噪比PSNR之间的映射关系，实现能见度检测。

9.根据权利要求8所述一种基于多层矢量图的能见度检测方法，其特征在于：所述步骤00802中，根据如下公式：

$PSNR=10*{\log }_{10}\left(\frac{{(2^n-1)}^2}{MSE}\right)$

获得观测图像相对原始恢复图像的峰值信噪比PSNR，式中，MSE表示观测图像与原始恢复图像之间的均方误差。