CN107274369A - 一种基于频域分解的单幅图像去雾加速方法 - Google Patents

一种基于频域分解的单幅图像去雾加速方法 Download PDF

Info

Publication number
CN107274369A
CN107274369A CN201710458571.3A CN201710458571A CN107274369A CN 107274369 A CN107274369 A CN 107274369A CN 201710458571 A CN201710458571 A CN 201710458571A CN 107274369 A CN107274369 A CN 107274369A
Authority
CN
China
Prior art keywords
image
layer
defogging
frequency components
pixel
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
CN201710458571.3A
Other languages
English (en)
Other versions
CN107274369B (zh
Inventor
顾振飞
张登银
鞠铭烨
袁小燕
单祝鹏
李秋
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.)
Nanjing Vocational College Of Information Technology
Original Assignee
Nanjing Vocational College Of Information 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 Nanjing Vocational College Of Information Technology filed Critical Nanjing Vocational College Of Information Technology
Priority to CN201710458571.3A priority Critical patent/CN107274369B/zh
Publication of CN107274369A publication Critical patent/CN107274369A/zh
Application granted granted Critical
Publication of CN107274369B publication Critical patent/CN107274369B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20064—Wavelet transform [DWT]

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于频域分解的单幅图像去雾加速方法，具体包括以下步骤：第一步，获取有雾图像；第二步，对有雾图像进行k层小波分解，获得1个低频分量Il和k个高频分量第三步，使用图像去雾方法对低频分量Il进行去雾处理，得到去雾低频分量；第四步，利用尺寸调节模型分别对k个高频分量进行处理，获得k个新高频分量；第五步，将获得的去雾低频分量和k个新高频分量进行小波重构，获得去雾后的图像。与现有图像去雾方法相比，本发明方法计算时间短，计算效率高，适合用于实时图像去雾处理。

Description

一种基于频域分解的单幅图像去雾加速方法
技术领域
本发明属于数字图像处理技术领域，具体涉及一种基于频域分解的单幅图像去雾加速方法。
背景技术
雾天环境下，由于受到大气中悬浮颗粒的影响，成像设备所采集的图像颜色退化，对比度下降，清晰度严重不足。因此，对雾天降质图像的清晰化处理具有重要的现实意义。现有的图像去雾方法很多，比如Tarel,J.P.，Hautiere,N提出的Tarel方法[1]，Zhu,Q.，Mai,J.，Shao,L提出的Zhu方法[2]，Ju,M.,Zhang,D.,和Wang,X.提出的Ju方法[3]，Meng,G.,Wang,Y.,Duan,J.,Xiang,S.,和Pan,C提出的Meng方法[4]，Gu,Z.F.；Ju,M.Y.；和Zhang,D.Y.提出的Gu方法[5]等，然而，现有的图像去雾方法数据处理量大、计算效率低、实时性差。
参考文献
[1]Tarel,J.P.,Hautiere,N.Fast visibility restoration from a singlecolor or gray level image.Computer Vision,2009,12,2201-2208.
[2]Zhu,Q.,Mai,J.,Shao,L.A fast single image haze removal algorithmusing color attenuation prior.IEEE Transactions on Image Processing,2015,24,3522–3533.
[3]Ju,M.,Zhang,D.,&Wang,X.(2016).Single image dehazing via animproved atmospheric scattering model.The Visual Computer,2016,1-13.
[4]Meng,G.,Wang,Y.,Duan,J.,Xiang,S.,&Pan,C.Efficient image dehazingwith boundary constraint and contextual regularization.IEEE internationalconference on computer vision,2013,617-624.
[5]Gu,Z.F.,Ju,M.Y.,Zhang,D.Y.A single image dehazing method usingaverage saturation prior.Math.Probl.Eng,2017,2017,1–17.
发明内容
为解决上述问题，本发明提出了一种基于频域分解的单幅图像去雾加速方法，相比于现有去雾图像方法，该方法计算时间短，计算效率高，可实时对有雾图像进行处理。
本发明的具体技术方案如下：一种基于频域分解的单幅图像去雾加速方法，具体包括以下步骤：
第一步，获取有雾图像；
第二步，对有雾图像进行k层小波分解，获得1个低频分量Il和k个高频分量其中k为正整数，表示第1层高频分量，表示第2层高频分量，表示第k层高频分量；
第三步，使用图像去雾方法对低频分量Il进行去雾处理，得到去雾低频分量Il-dehazed；
第四步，利用尺寸调节模型分别对k个高频分量进行处理，获得k个新高频分量，尺寸调节模型如下式：
其中，表示第i层高频分量，表示对第i层高频分量调节后获得的新第i层高频分量，Mi表示第i层尺寸矩阵，Mi＝(k-i)·ηi，ηi表示第i层调节矩阵，该调节矩阵由所有像素的调节比组成，每个像素的调节比ζi(x,y)表示对有雾图像进行2·i下采样后每个像素(x,y)的像素可视差，ξi(x,y)表示对有雾图像进行2·i下采样后每个像素(x,y)的真实像素差：
其中I(x,y)表示像素(x,y)的强度值，Ω(x,y)表示以像素(x,y)为中心半径为1的局部像素块，(x',y')表示局部像素块Ω(x,y)中的任意一个像素，I(x',y')表示像素(x',y')的强度值，表示像素(x,y)的强度的梯度分量；
第五步，将获得的去雾低频分量Il-dehazed和k个新高频分量进行小波重构，获得去雾后的图像。
考虑到加速效果和去雾效果的平衡，第二步中优选k＝3。
本发明的有益效果：本发明方法将有雾图像进行小波分解，得到的低频分量通过现有的图像去雾方法进行处理，使得图像去雾方法数据处理量减小，同时得到的高频分量进行尺寸调节，最后将处理后的低频分量和高频分量进行小波重构，获得去雾后的图像。与现有图像去雾方法相比，本发明方法计算时间短，计算效率高，适合用于实时图像去雾处理。
附图说明
图1是本发明方法的流程图。
图2是本发明具体实施例一中的有雾图像。
图3是本发明具体实施例一中对图2进行去雾的加速效果图。
图4是本发明具体实施例二中的有雾图像。
图5是本发明具体实施例二中对图4进行去雾的加速效果图。
图6是本发明具体实施例三中的有雾图像。
图7是本发明具体实施例三中对图6进行去雾的加速效果图。
图8是本发明具体实施例四中的有雾图像。
图9是本发明具体实施例四中对图8进行去雾的加速效果图。
具体实施方式
本发明提出了一种基于频域分解的单幅图像去雾加速方法，如图1所示，具体包括以下步骤：
第一步，获取有雾图像。
第二步，对有雾图像进行k层小波分解，获得低频分量Il和高频分量
对有雾图像进行k层小波分解，得到1个低频分量Il和k个高频分量其中第1层高频分量是对有雾图像进行第一层小波分解后得到的高频分量，第2层高频分量是对第一层小波分解得到的低频分量进行第二层小波分解后得到的高频分量，以此类推，第k层高频分量是对第k-1层小波分解得到的低频分量进行第k层小波分解后得到的高频分量，低频分量Il是对第k-1层小波分解得到的低频分量进行第k层小波分解后得到的低频分量。
第三步，使用图像去雾方法对低频分量Il进行去雾处理，得到去雾低频分量Il-dehazed。
可使用背景技术中介绍的Tarel方法、Zhu方法，Ju方法、Meng方法或者Gu方法对低频分量Il进行去雾处理，上述图像去雾方法均为现有技术，在此不再描述使用上述方法进行去雾处理的具体过程。
第四步，利用尺寸调节模型分别对k个高频分量进行处理，获得k个新高频分量，如下式：
其中，表示第i层高频分量，表示对第i层高频分量调节后获得的新第i层高频分量，Mi表示第i层尺寸矩阵，Mi＝(k-i)·(ηi+1)，ηi表示第i层调节矩阵，该调节矩阵由所有像素的调节比组成，每个像素的调节比ζi(x,y)表示对有雾图像进行2·i下采样后的图像中的每个像素(x,y)的像素可视差，ξi(x,y)表示对有雾图像进行2·i下采样后的图像中的每个像素(x,y)的像素可视差， I(x,y)表示像素(x,y)的强度值，Ω(x,y)表示以像素(x,y)为中心半径为1的局部像素块，(x',y')表示局部像素块Ω(x,y)中的任意一个像素，I(x',y')表示像素(x',y')的强度值，表示像素(x,y)的强度的梯度分量。
第五步，将获得的去雾低频分量Il-dehazed和k个新高频分量进行小波重构，获得去雾后的图像。需要说明的是，第二步中的小波分解和对应的该步中小波重构为现有技术，在此不再描述小波分解及小波重构的具体流程。
考虑到加速效果和去雾效果的平衡，第二步中优选k＝3，即对有雾图像进行3层小波分解，获得低频分量Il和高频分量
下面结合具体实施例说明本发明方法的流程和有益效果，以下实施例均在MATLAB环境下编程实现。
具体实施例一
获得有雾图像如图2所示，该图像分辨率为845×496；考虑到计算复杂度，优选小波变换中最简单的哈尔小波变化方法，对该有雾图像进行3层小波分解，得到1个低频分量和3个高频分量；使用Tarel方法对低频分量进行去雾处理；使用尺寸调节模型对3个高频分量进行调节；最后将获得的去雾低频分量和3个新高频分量进行小波重构，从而获得去雾后图像，记录获得去雾后图像的计算时间。其余不变，第二步中对有雾图像分别进行6层、9层、12层和15层小波分解，第三步中分别使用Zhu方法、Ju方法、Meng方法和Gu方法对低频分量进行去雾处理，记录对应的获得去雾后图像的计算时间，结果如图3所示。图3中的横坐标为小波分解层数，k＝0对应的是仅仅使用Tarel方法、Zhu方法、Ju方法、Meng方法或Gu方法对图2所示的有雾图像进行去雾获得去雾后图像的计算时间。从图3可以看出，本发明方法有效地提高了现有图像去雾方法的计算效率。
具体实施例二
获得有雾图像如图4所示，该图像分辨率为768×497，对该有雾图像进行3层小波分解，得到1个低频分量和3个高频分量，使用Tarel方法对低频分量进行去雾处理，对3个高频分量进行调节，最后将获得的去雾低频分量和3个新高频分量进行小波重构，从而获得去雾后图像，记录获得去雾后图像的计算时间。其余不变，第二步中对有雾图像分别进行6层、9层、12层和15层小波分解，第三步中分别使用Zhu方法、Ju方法、Meng方法和Gu方法对低频分量进行去雾处理，记录对应的获得去雾后图像的计算时间，结果如图5所示。图5中k＝0对应的是仅仅分别使用Tarel方法、Zhu方法、Ju方法、Meng方法和Gu方法对图4所示的有雾图像进行去雾获得去雾后图像的计算时间。从图5可以看出，本发明方法有效地提高了现有图像去雾方法的计算效率。
具体实施例三
获得有雾图像如图6所示，该图像分辨率为400×600，对该有雾图像进行3层小波分解，得到1个低频分量和3个高频分量，使用Tarel方法对低频分量进行去雾处理，对3个高频分量进行调节，最后将获得的去雾低频分量和3个新高频分量进行小波重构，从而获得去雾后图像，记录获得去雾后图像的计算时间。其余不变，第二步中对有雾图像分别进行6层、9层、12层和15层小波分解，第三步中分别使用Zhu方法、Ju方法、Meng方法和Gu方法对低频分量进行去雾处理，记录对应的获得去雾后图像的计算时间，结果如图7所示。图7中k＝0对应的是仅仅分别使用Tarel方法、Zhu方法、Ju方法、Meng方法和Gu方法对图6所示的有雾图像进行去雾获得去雾后图像的计算时间。从图7可以看出，本发明方法有效地提高了现有图像去雾方法的计算效率。
具体实施例四
获得有雾图像如图8所示，该图像分辨率为512×460，对该有雾图像进行3层小波分解，得到1个低频分量和3个高频分量，使用Tarel方法对低频分量进行去雾处理，对3个高频分量进行调节，最后将获得的去雾低频分量和3个新高频分量进行小波重构，从而获得去雾后图像，记录获得去雾后图像的计算时间。其余不变，第二步中对有雾图像分别进行6层、9层、12层和15层小波分解，第三步中分别使用Zhu方法、Ju方法、Meng方法和Gu方法对低频分量进行去雾处理，记录对应的获得去雾后图像的计算时间，结果如图9所示。图9中k＝0对应的是仅仅分别使用Tarel方法、Zhu方法、Ju方法、Meng方法和Gu方法对图8所示的有雾图像进行去雾获得去雾后图像的计算时间。从图9可以看出，本发明方法有效地提高了现有图像去雾方法的计算效率。

Claims (2)

1.一种基于频域分解的单幅图像去雾加速方法，其特征在于，具体包括以下步骤：
第一步，获取有雾图像；
第二步，对有雾图像进行k层小波分解，获得1个低频分量Il和k个高频分量其中k为正整数，表示第1层高频分量，表示第2层高频分量，表示第k层高频分量；
第三步，使用图像去雾方法对低频分量Il进行去雾处理，得到去雾低频分量Il-dehazed；
第四步，利用尺寸调节模型分别对k个高频分量进行处理，获得k个新高频分量，尺寸调节模型如下式：
<mrow> <msubsup> <mover> <mi>I</mi> <mo>~</mo> </mover> <mi>h</mi> <mi>i</mi> </msubsup> <mo>=</mo> <msup> <mi>M</mi> <mi>i</mi> </msup> <mo>&amp;CenterDot;</mo> <msubsup> <mi>I</mi> <mi>h</mi> <mi>i</mi> </msubsup> <mo>,</mo> <mi>i</mi> <mo>&amp;Element;</mo> <mo>{</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>k</mi> <mo>}</mo> </mrow>
其中，表示第i层高频分量，表示对第i层高频分量调节后获得的新第i层高频分量，Mi表示第i层尺寸矩阵，Mi＝(k-i)·ηi，ηi表示第i层调节矩阵，该调节矩阵由所有像素的调节比组成，每个像素的调节比ζi(x,y)表示对有雾图像进行2·i下采样后每个像素(x,y)的像素可视差，ξi(x,y)表示对有雾图像进行2·i下采样后每个像素(x,y)的真实像素差：I(x,y)表示像素(x,y)的强度值，Ω(x,y)表示以像素(x,y)为中心半径为1的局部像素块，(x',y')表示局部像素块Ω(x,y)中的任意一个像素，I(x',y')表示像素(x',y')的强度值，表示像素(x,y)的强度的梯度分量；
第五步，将获得的去雾低频分量Il-dehazed和k个新高频分量进行小波重构，获得去雾后的图像。
2.根据权利要求1所述的基于频域分解的单幅图像去雾加速方法，其特征在于，第二步中k等于3。
CN201710458571.3A 2017-06-16 2017-06-16 一种基于频域分解的单幅图像去雾加速方法 Active CN107274369B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710458571.3A CN107274369B (zh) 2017-06-16 2017-06-16 一种基于频域分解的单幅图像去雾加速方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710458571.3A CN107274369B (zh) 2017-06-16 2017-06-16 一种基于频域分解的单幅图像去雾加速方法

Publications (2)

Publication Number Publication Date
CN107274369A true CN107274369A (zh) 2017-10-20
CN107274369B CN107274369B (zh) 2020-06-26

Family

ID=60066446

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710458571.3A Active CN107274369B (zh) 2017-06-16 2017-06-16 一种基于频域分解的单幅图像去雾加速方法

Country Status (1)

Country Link
CN (1) CN107274369B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109886959A (zh) * 2019-03-19 2019-06-14 新疆大学 检测图像变化的方法及装置
CN114187209A (zh) * 2022-02-16 2022-03-15 深圳清瑞博源智能科技有限公司 图像去雾方法、装置、设备及存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101359399A (zh) * 2008-09-19 2009-02-04 常州工学院 光学图像去云方法
CN103440623A (zh) * 2013-08-02 2013-12-11 中北大学 基于成像模型提高雾天图像清晰度的方法
GB2507899A (en) * 2011-08-30 2014-05-14 Fujitsu Ltd Image defogging method and system
CN104200437A (zh) * 2014-09-04 2014-12-10 北京工业大学 一种图像去雾处理方法
CN104268868A (zh) * 2014-09-23 2015-01-07 上海交通大学 基于小波域的自适应高频滤波方法
CN105096272A (zh) * 2015-08-19 2015-11-25 常州工学院 一种基于双树复小波的除雾方法
CN105184761A (zh) * 2015-08-28 2015-12-23 中国科学院深圳先进技术研究院 一种基于小波分析的图像去雨方法及系统
CN105303532A (zh) * 2015-10-21 2016-02-03 北京工业大学 一种小波域Retinex图像去雾方法
CN105701781A (zh) * 2016-01-11 2016-06-22 浙江传媒学院 一种基于多分辨率奇异值分解的图像去噪方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101359399A (zh) * 2008-09-19 2009-02-04 常州工学院 光学图像去云方法
GB2507899A (en) * 2011-08-30 2014-05-14 Fujitsu Ltd Image defogging method and system
CN103440623A (zh) * 2013-08-02 2013-12-11 中北大学 基于成像模型提高雾天图像清晰度的方法
CN104200437A (zh) * 2014-09-04 2014-12-10 北京工业大学 一种图像去雾处理方法
CN104268868A (zh) * 2014-09-23 2015-01-07 上海交通大学 基于小波域的自适应高频滤波方法
CN105096272A (zh) * 2015-08-19 2015-11-25 常州工学院 一种基于双树复小波的除雾方法
CN105184761A (zh) * 2015-08-28 2015-12-23 中国科学院深圳先进技术研究院 一种基于小波分析的图像去雨方法及系统
CN105303532A (zh) * 2015-10-21 2016-02-03 北京工业大学 一种小波域Retinex图像去雾方法
CN105701781A (zh) * 2016-01-11 2016-06-22 浙江传媒学院 一种基于多分辨率奇异值分解的图像去噪方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
XIE CONG-HUA 等: "Single image dehazing algorithm using wavelet decomposition and fast kernel regression model", 《JOURNAL OF ELECTRONIC IMAGING》 *
ZHENFEI GU 等: "A Single Image Dehazing Method Using Average Saturation Prior", 《MATHEMATICAL PROBLEMS IN ENGINEERING》 *
ZHU RONG 等: "Improved wavelet transform algorithm for single image dehazing", 《OPTIK》 *
曹永妹 等: "图像去雾的小波域Retinex算法", 《江苏科技大学学报(自然科学版)》 *
韩涛 等: "基于二维小波变换的图像除雾技术", 《电子设计工程》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109886959A (zh) * 2019-03-19 2019-06-14 新疆大学 检测图像变化的方法及装置
CN114187209A (zh) * 2022-02-16 2022-03-15 深圳清瑞博源智能科技有限公司 图像去雾方法、装置、设备及存储介质
CN114187209B (zh) * 2022-02-16 2022-05-24 深圳清瑞博源智能科技有限公司 图像去雾方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN107274369B (zh) 2020-06-26

Similar Documents

Publication Publication Date Title
CN101860667B (zh) 一种快速去除图像中混合噪声的方法
Wang et al. Dehazing for images with large sky region
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
CN111161360B (zh) 基于Retinex理论的端到端网络的图像去雾方法
CN104992415B (zh) 一种基于全变差和小波变换的图像去噪方法及系统
CN108564597A (zh) 一种融合高斯混合模型和h-s光流法的视频前景目标提取方法
CN112561804A (zh) 基于多尺度细节增强的低光照水下图像增强方法
CN104182939B (zh) 一种医疗影像图像细节增强方法
CN103093433A (zh) 基于区域划分和字典学习的自然图像去噪方法
CN107784638A (zh) 一种优化的东巴古籍图像增强方法
CN110533614B (zh) 一种结合频域和空域的水下图像增强方法
CN109300098B (zh) 一种基于小波变换的多聚焦显微图像融合方法
CN104881847A (zh) 一种基于小波分析和伪彩色处理的比赛视频图像增强方法
CN112991450B (zh) 一种基于小波的细节增强无监督深度估计方法
CN107274369B (zh) 一种基于频域分解的单幅图像去雾加速方法
CN104616259B (zh) 一种噪声强度自适应的非局部均值图像去噪方法
CN109919922B (zh) 一种基于空间域与形态学相结合的硅硅直接键合的质量检测方法
CN106375675A (zh) 一种航空相机多曝光图像融合方法
CN110175959B (zh) 一种台风云图增强方法
CN107301625B (zh) 基于亮度融合网络的图像去雾方法
CN109872289A (zh) 基于改进的非下采样Contourlet变换的图像增强方法
Zhang et al. A novel method of medical image enhancement based on wavelet decomposition
CN116385312A (zh) 基于相位相关的低照度图像去噪方法
CN110717869B (zh) 一种水下浑浊图像清晰化方法
CN105096274B (zh) 基于非下采样轮廓波域混合统计模型的红外图像降噪方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20171020

Assignee: Wuxi Wangfeng Internet of things Technology Research Institute Co.,Ltd.

Assignor: Nanjing Vocational College of Information Technology

Contract record no.: X2020980008364

Denomination of invention: An acceleration method for single image defogging based on frequency domain decomposition

Granted publication date: 20200626

License type: Common License

Record date: 20201123

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20171020

Assignee: Nanjing Yunkai Data Technology Co.,Ltd.

Assignor: Nanjing Vocational College of Information Technology

Contract record no.: X2021980017414

Denomination of invention: A single image defogging acceleration method based on frequency domain decomposition

Granted publication date: 20200626

License type: Common License

Record date: 20220104

EE01 Entry into force of recordation of patent licensing contract