CN106709876A - 一种基于暗像元原理的光学遥感图像去雾方法 - Google Patents
一种基于暗像元原理的光学遥感图像去雾方法 Download PDFInfo
- Publication number
- CN106709876A CN106709876A CN201510533132.5A CN201510533132A CN106709876A CN 106709876 A CN106709876 A CN 106709876A CN 201510533132 A CN201510533132 A CN 201510533132A CN 106709876 A CN106709876 A CN 106709876A
- Authority
- CN
- China
- Prior art keywords
- image
- defogging
- dark pixel
- remote sensing
- transmissivity
- 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
Links
Abstract
本发明一种基于暗像元原理的光学遥感图像去雾方法,先读入原始图像,规范化原始图像;自适应缩小原始图像,逐点获取缩小图像的暗像素,得到暗像素图;根据暗像素获取图像的透射率数据,并得到估算的透射率图;利用引导滤波器对图像的透射率进行引导滤波处理;对图像的透射率进行内插放大,得到与原始图像一样大小的透射率图像;对图像进行去雾处理,得到去雾后图像;对去雾后图像进行亮度增强处理,得到增强后图像。本发明对航空及航天遥感图像具备较好的去雾效果;效率高,改善了去雾后图像偏暗的现象。
Description
技术领域
本发明涉及数字图像处理领域,尤其涉及一种基于暗像元原理的光学遥感图像去雾方法。
背景技术
在雾、霭等恶劣气象条件下,大气散射大大降低了光学遥感图像的对比度和色彩保真度,成为制约可见光遥感数据获取与应用的重要因素之一。因此,如何滤除云雾的干扰,清晰地还原地物的原貌,提高数据的利用率,便成为相当重要的课题。
图像去雾处理技术是最近数字图像处理的一个热点,国内外学者取得了一系列研究成果,总体来说,图像去雾方法主要包括两大类:图像增强和图像复原。
由于增强的图像去雾技术并不考虑图像质量下降原因,不能针对图像退化的原因进行补偿,所以只能在一定程度上改善视觉效果,并不能有效去除雾的影响,而且不可避免会产生颜色失真。
近几年来国内外学者基于物理成像模型对雾天成像的退化过程进行了深入分析。在大气介质对光传输影响的研究中,将物理学中的传输理论应用于对雾天图像退化的建模当中,取得较好效果。通过多次散射模型,利用传输方程数值来构建退化模型,也能够取得较好的恢复效果。但以上图像恢复算法所需参数获取困难,因此在实际应用中,无法进行广泛推广使用。
近几年,基于先验信息的图像复原算法快速发展,何凯明的暗像元原理去雾技术最具代表性,其去雾技术在普通户外图像的去雾处理中获得了成功,达到非常好的去雾效果,但直接将其应用于大幅面的遥感图像处理仍然存在暗像元先验失效、计算效率低下和结果影像较暗等突出问题。
发明内容
本发明的目的是为了解决现有技术的不足,提供一种基于暗像元原理的光学遥感图像去雾方法。本发明的目的是通过以下技术方法实现的:
至少包括以下步骤:
(1)读入原始图像,规范化原始图像;
(2)自适应缩小原始图像,逐点获取缩小图像的暗像素,得到暗像素图;
(3)根据暗像素获取图像的透射率数据,并得到估算的透射率图;
(4)利用引导滤波器对图像的透射率进行引导滤波处理,消除块效应;
(5)对图像的透射率进行内插放大,得到与原始图像一样大小的透射率图像;
(6)对图像进行去雾处理,得到去雾后图像;
(7)对去雾后图像进行亮度增强处理,得到增强后图像。
上述的一种基于暗像元原理的光学遥感图像去雾方法,其中,所述步骤(1)中规范化原始图像的方法为:统计原始图像中每个波段的像素值,获取每个波段的最大像素值,将每个波段的像素除以对应的最大像素值,得到规范化的图像。
上述的一种基于暗像元原理的光学遥感图像去雾方法,其中,所述步骤(2)还包括:统计原始图像的均值和方差,根据方差,计算图像缩放系数,方差大,缩小系数小,方差小,缩小系数大。
上述的一种基于暗像元原理的光学遥感图像去雾方法,其中,所述步骤(2)中,暗像素的计算公式为:
()=;式中,()为缩小图像某点的暗像素;是以为中心的一片方形小区域。
上述的一种基于暗像元原理的光学遥感图像去雾方法,其中,所述步骤(3)中,根据暗像素获取图像的透射率采用的公式为:() = 1- ()。
上述的一种基于暗像元原理的光学遥感图像去雾方法,其中,所述步骤(6)中,对图像进行去雾处理所采用的公式为:
+ A ,
式中,J(x)是地面物体的实际反射值,A是全局范围内的大气光,为光照为A的透射率,I(x)是传感器接收到的亮度值,()为透射率,K为一引入的容差参数。
上述的一种基于暗像元原理的光学遥感图像去雾方法,其中,所述步骤(7)中,对去雾后图像进行亮度增强处理采用的公式为:
,
式中,和分别为原始图像和去雾后图像的灰度值;为原始图像的灰度均值;为去雾后图像的灰度均值。
综上所述,由于采用了上述技术方案,本发明与现有技术相比有以下优点:
(1)本发明具有更好的适应性,不仅对传统的户外图像有较好的去雾效果,而且对航空及航天遥感图像也具备较好的去雾效果,有效的减少天气状况的干扰和影响;
(2)在效率方面,由于暗像元的提取及优化是在缩小图像上进行的,使效率提高,从而使得大幅面遥感图像的高效处理成为现实,以5倍的缩放系数来算,上述两种功能计算效率提高了近25倍;
(3)通过对去雾后图像亮度的增强,使去雾后图像偏暗的现象也得到较大改善。
附图说明
图1为本发明一种基于暗像元原理的光学遥感图像去雾方法的流程图;
图2为本发明与现有技术的去雾处理比较图。
具体实施方式
下面结合附图对本发明的具体实施方式作详细介绍。
请参见图1,本发明至少包括包括以下步骤:
(1)读入原始影像I,统计原始图像的像素值,取整个影像中最亮像素的值作为,将所有像素除以得到规范化的图像,记为。
(2)求取图像的均值及方差,根据均值和方差,计算图像缩放系数,方差大,缩小系数小,方差小,缩小系数大;根据缩小系数自适应缩小原始图像,图像缩小得到图像,逐点对图像计算暗像素:
()=,得到暗像素图;式中,()为缩小图像某点的暗像素;是以为中心的一片方形小区域。
(3)根据暗像素获取图像的透射率数据,并得到估算的透射率图;透射率公式为:
() = 1- ()。
(4)利用引导滤波器对图像的透射率进行引导滤波处理,消除块效应。
(5)对图像的透射率进行内插放大,得到与原始图像一样大小的透射率图像。
(6)对图像进行去雾处理,得到去雾后图像。
(7)对去雾后图像进行亮度增强处理,得到增强后图像。
本发明基于暗像元原理,具体为:光学遥感图像的绝大部分区域中总会有一些像素的值很低。在这些区域中,若无雾气干扰,这些像素的光强最小值会很小并趋于零;在被雾气干扰后,这些暗像素的灰度值会变得较高。因此,这些暗像素能够直接用来评估雾光的透射信息。
对一个影像,定义:
(1)
其中,就是的暗像素;是以为中心的一片方形小区域。若是无雾的影像,那么的值应很小并趋近于零。
有雾影像的结构方程可描述如下:
(2)
其中,是传感器接收到的亮度值;是地面物体的实际反射值;是全局范围内的大气光;是描述在大气传输过程中没有被散射、到达镜头的那部分光线所占的比例。
假设大气光已知,并且在一片小区域中透射率是一个常量,将该区域的透射率表示为。在一个小区域中对有雾构像方程(2)式取像素的最小值,并将等式两边同除以大气光,得到
(3)
根据上述论述可知,无雾气干扰图像的暗像素项应该趋近于0,而大气光总是正数,那么
(4)
将式代入式中,可以得到估算透射率的表达式为
(5)
实际上,是规范化的有雾图像的暗像素。它直接提供了透射率的估计值。利用抠图技术,应用计算Laplacian矩阵对进行平滑修正处理,,修正后的图能够准确估计图像中场景深度的变换情况,得到透射率的最终估计值。
最后,估计出全局范围内的大气光,根据构像方程(2)便可得到去雾结构方程:
(6)。
本发明基于暗像元原理,对去雾结构方程进行了改进,去雾结构方程的改进主要是为了解决暗像元先验失效的问题。暗像元先验有一定的物理基础,但作为一种统计规律,在某些特殊的图像区域(如反射率较高的云、白色建筑物等),暗像元先验失效,利用式(6)会出现严重偏色的问题。
根据式(3),实际的大气透射率计算过程如下式所示:
(7)
在满足暗像元先验的区域,被简化为0,得到相应的大气透射率计算公式(5);暗像元先验失效的区域,不能简单地近似为0,否则会造成大气透射率低估,且A与I越接近,低估问题越严重。
由于大气透射率低估,即使原始图像中通道间相差几个灰度级,但除以一个很小的数,通道间的差异会被放大很多倍,使得最终图像与原始图像的色彩存在较大的落差。为消除暗像元先验失效引起的色彩失真问题,必须调整失效区域的大气透射率方程,使更加符合。
对此,本发明引入一容差机制来调整复原过程中的大气透射率数值,大气光照A基本上落在暗像元先验失效的区域,记光照为A的透射率为,引入一个容差参数K,对于|I-A|小于K的区域(失效区域),重新计算透射率,适当增加其值;对于对于|I-A|大于K的区域(满足先验区域),保持原始透射率不变。相应的公式表示为如下:
+ A (8)
当K=0是,式(8)等价于式(6)。
上述步骤(6)根据式(8)对图像进行去雾处理,得到去雾后图像J。
本发明还针对去雾后图像偏暗的问题进行了改进,上述步骤(7)利用此方法增强去雾后图像的亮度。先利用去雾后各个通道的最大、最小值进行线性拉伸处理;然后,用下列式(13)来调整增个影像的色彩,将去雾后图像的各个通道的灰度均值调整到原始图像相应通道的均值,使得去雾后图像处理与原始图像色彩近似。
(13),
式中,和分别为原始图像和去雾后图像的灰度值;为原始图像的灰度均值;为去雾后图像的灰度均值。
如图2显示,图(a)为原始图像,图(b)为直接利用暗像元原理处理的图像,图(c) 为采用本发明方法处理的图像。原始图像(a)受雾气干扰严重,直接利用暗像元原理对原始图像(a)进行去雾处理后,结果图像(b)存在严重偏色现象,且雾气去除不明显。从中可看出,图像(c)地物色彩正常,不存在偏色现象,且去雾效率及效果较图像(a)都有了较大提高。
综上所述,本发明与现有技术相比有以下优点:
(1)本发明具有更好的适应性,不仅对传统的户外图像有较好的去雾效果,而且对航空及航天遥感图像也具备较好的去雾效果,有效的减少天气状况的干扰和影响;
(2)在效率方面,由于暗像元的提取及优化是在缩小图像上进行的,使效率提高,从而使得大幅面遥感图像的高效处理成为现实,以5倍的缩放系数来算,上述两种功能计算效率提高了近25倍;
(3)通过对去雾后图像亮度的增强,使去雾后图像偏暗的现象也得到较大改善。
以上所述的实施例仅用于说明本专利的技术思想及特点,其目的在于使本领域内的技术人员能够了解本专利的内容并据以实施,不能仅以本实施例来限定本专利的专利范围,即凡依本专利所揭示的精神所作的同等变化或修饰,仍落在本专利的专利范围内。
Claims (7)
1. 一种基于暗像元原理的光学遥感图像去雾方法,其特征在于,至少包括以下步骤:
(1)读入原始图像,规范化原始图像;
(2)自适应缩小原始图像,逐点获取缩小图像的暗像素,得到暗像素图;
(3)根据暗像素获取图像的透射率数据,并得到估算的透射率图;
(4)利用引导滤波器对图像的透射率进行引导滤波处理,消除块效应;
(5)对图像的透射率进行内插放大,得到与原始图像一样大小的透射率图像;
(6)对图像进行去雾处理,得到去雾后图像;
(7)对去雾后图像进行亮度增强处理,得到增强后图像。
2. 根据权利要求1所述的一种基于暗像元原理的光学遥感图像去雾方法,其特征在于,所述步骤(1)中规范化原始图像的方法为:统计原始图像中每个波段的像素值,获取每个波段的最大像素值,将每个波段的像素除以对应的最大像素值,得到规范化的图像。
3. 根据权利要求1所述的一种基于暗像元原理的光学遥感图像去雾方法,其特征在于,所述步骤(2)还包括:统计原始图像的均值和方差,根据方差,计算图像缩放系数,方差大,缩小系数小,方差小,缩小系数大。
4. 根据权利要求1所述的一种基于暗像元原理的光学遥感图像去雾方法,其特征在于,所述步骤(2)中,暗像素的计算公式为:
()=;式中,()为缩小图像某点的暗像素;是以为中心的一片方形小区域。
5. 根据权利要求1所述的一种基于暗像元原理的光学遥感图像去雾方法,其特征在于,所述步骤(3)中,根据暗像素获取图像的透射率采用的公式为:() = 1- ()。
6. 根据权利要求1所述的一种基于暗像元原理的光学遥感图像去雾方法,其特征在于,所述步骤(6)中,对图像进行去雾处理所采用的公式为:
+ A ,
式中,J(x)是地面物体的实际反射值,A是全局范围内的大气光,为光照为A的透射率,I(x)是传感器接收到的亮度值,()为透射率,K为一引入的容差参数。
7. 根据权利要求1所述的一种基于暗像元原理的光学遥感图像去雾方法,其特征在于,所述步骤(7)中,对去雾后图像进行亮度增强处理采用的公式为:
,
式中,和分别为原始图像和去雾后图像的灰度值;为原始图像的灰度均值;为去雾后图像的灰度均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510533132.5A CN106709876B (zh) | 2015-08-27 | 2015-08-27 | 一种基于暗像元原理的光学遥感图像去雾方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510533132.5A CN106709876B (zh) | 2015-08-27 | 2015-08-27 | 一种基于暗像元原理的光学遥感图像去雾方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106709876A true CN106709876A (zh) | 2017-05-24 |
CN106709876B CN106709876B (zh) | 2020-04-14 |
Family
ID=58918631
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510533132.5A Active CN106709876B (zh) | 2015-08-27 | 2015-08-27 | 一种基于暗像元原理的光学遥感图像去雾方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106709876B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108309708A (zh) * | 2018-01-23 | 2018-07-24 | 李思霈 | 盲人拐杖 |
CN111539891A (zh) * | 2020-04-27 | 2020-08-14 | 高小翎 | 单张遥感图像的波段自适应除雾优化处理方法 |
CN112750089A (zh) * | 2020-12-27 | 2021-05-04 | 同济大学 | 基于局部块最大和最小像素先验的光学遥感影像去雾方法 |
CN115829887A (zh) * | 2023-02-24 | 2023-03-21 | 执鼎医疗科技(杭州)有限公司 | 血管图像的处理方法、装置和电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0645736A2 (en) * | 1993-09-27 | 1995-03-29 | Canon Kabushiki Kaisha | Image processing apparatus |
CN1458791A (zh) * | 2002-04-25 | 2003-11-26 | 微软公司 | 分段分层的图像系统 |
CN103761720A (zh) * | 2013-12-13 | 2014-04-30 | 中国科学院深圳先进技术研究院 | 图像去雾方法以图像去雾装置 |
CN104063848A (zh) * | 2014-06-19 | 2014-09-24 | 中安消技术有限公司 | 一种低照度图像增强方法和装置 |
CN104303208A (zh) * | 2012-05-15 | 2015-01-21 | Sk电信有限公司 | 用于去除包含在视频中的雾的图像处理装置及其方法 |
CN104318535A (zh) * | 2014-11-20 | 2015-01-28 | 广东欧珀移动通信有限公司 | 图像去雾的方法、装置及移动终端 |
-
2015
- 2015-08-27 CN CN201510533132.5A patent/CN106709876B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0645736A2 (en) * | 1993-09-27 | 1995-03-29 | Canon Kabushiki Kaisha | Image processing apparatus |
CN1458791A (zh) * | 2002-04-25 | 2003-11-26 | 微软公司 | 分段分层的图像系统 |
CN104303208A (zh) * | 2012-05-15 | 2015-01-21 | Sk电信有限公司 | 用于去除包含在视频中的雾的图像处理装置及其方法 |
CN103761720A (zh) * | 2013-12-13 | 2014-04-30 | 中国科学院深圳先进技术研究院 | 图像去雾方法以图像去雾装置 |
CN104063848A (zh) * | 2014-06-19 | 2014-09-24 | 中安消技术有限公司 | 一种低照度图像增强方法和装置 |
CN104318535A (zh) * | 2014-11-20 | 2015-01-28 | 广东欧珀移动通信有限公司 | 图像去雾的方法、装置及移动终端 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108309708A (zh) * | 2018-01-23 | 2018-07-24 | 李思霈 | 盲人拐杖 |
CN111539891A (zh) * | 2020-04-27 | 2020-08-14 | 高小翎 | 单张遥感图像的波段自适应除雾优化处理方法 |
CN112750089A (zh) * | 2020-12-27 | 2021-05-04 | 同济大学 | 基于局部块最大和最小像素先验的光学遥感影像去雾方法 |
CN115829887A (zh) * | 2023-02-24 | 2023-03-21 | 执鼎医疗科技(杭州)有限公司 | 血管图像的处理方法、装置和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN106709876B (zh) | 2020-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110148095B (zh) | 一种水下图像增强方法及增强装置 | |
US11127122B2 (en) | Image enhancement method and system | |
CN106251300B (zh) | 一种基于Retinex的快速夜间雾天图像复原方法 | |
CN104240194B (zh) | 一种基于抛物线函数的低照度图像增强算法 | |
WO2016206087A1 (zh) | 一种低照度图像处理方法和装置 | |
Gao et al. | Sand-dust image restoration based on reversing the blue channel prior | |
Pang et al. | Improved single image dehazing using guided filter | |
CN109255759B (zh) | 基于天空分割和透射率自适应修正的图像去雾方法 | |
CN108765342A (zh) | 一种基于改进暗通道的水下图像复原方法 | |
CN109816608B (zh) | 一种基于噪声抑制的低照度图像自适应亮度增强方法 | |
CN104253930A (zh) | 一种实时视频去雾方法 | |
KR102182697B1 (ko) | 영상 처리 장치 및 방법 | |
CN106709876A (zh) | 一种基于暗像元原理的光学遥感图像去雾方法 | |
CN107067375A (zh) | 一种基于暗通道先验和边缘信息的图像去雾方法 | |
CN105631854A (zh) | 一种基于fpga平台的自适应图像清晰度评价算法 | |
TW202226141A (zh) | 圖像去霧方法和使用圖像去霧方法的圖像去霧設備 | |
CN109523474A (zh) | 一种基于雾天退化模型的低照度图像增强方法 | |
CN104899836A (zh) | 一种基于近红外多光谱成像的雾天图像增强装置及方法 | |
CN111462022B (zh) | 一种水下图像清晰化增强方法 | |
CN110827221A (zh) | 一种基于双通道先验和侧窗导向滤波的单幅图像去雾方法 | |
Park et al. | Nighttime image dehazing with local atmospheric light and weighted entropy | |
CN109345479B (zh) | 一种视频监控数据的实时预处理方法及存储介质 | |
CN112053298A (zh) | 一种图像去雾方法 | |
CN106327439B (zh) | 一种快速雾霾天图像清晰化方法 | |
CN109859138B (zh) | 一种基于人眼视觉特性的红外图像增强方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |