CN107451962A - 一种图像去雾方法及装置 - Google Patents
一种图像去雾方法及装置 Download PDFInfo
- Publication number
- CN107451962A CN107451962A CN201710533121.6A CN201710533121A CN107451962A CN 107451962 A CN107451962 A CN 107451962A CN 201710533121 A CN201710533121 A CN 201710533121A CN 107451962 A CN107451962 A CN 107451962A
- Authority
- CN
- China
- Prior art keywords
- transmissivity
- coarse
- image
- defogging
- atmosphere light
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 239000003595 mist Substances 0.000 claims abstract description 38
- 230000008030 elimination Effects 0.000 claims abstract description 3
- 238000003379 elimination reaction Methods 0.000 claims abstract description 3
- 238000005457 optimization Methods 0.000 claims description 20
- 238000010586 diagram Methods 0.000 claims description 12
- 238000002834 transmittance Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000000205 computational method Methods 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 description 5
- 230000006866 deterioration Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Classifications
-
- G06T5/73—
Abstract
本发明涉及一种图像去雾方法及装置,方法包括:步骤(1):对输入图像划分为不同等级的雾浓度区域;步骤(2):对不同等级的雾浓度区域分别估计局部大气光值;步骤(3):利用所述局部大气光值计算粗糙透射率;步骤(4):根据所述局部大气光值以及粗糙透射率,对输入图像进行去雾操作,若得到的去雾图像符合预期,则停止操作;若不符合预期,则返回步骤(3),继续对输入图像进行去雾操作,直到得到符合预期的无雾图像。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种图像去雾方法及装置。
背景技术
目前,图像去雾方法可分为两类:一类是基于增强的图像去雾方法;一类是基于物理模型的图像去雾方法。其中,第一类方法主要通过利用已经成熟的图像处理技术对有雾图像进行对比度的增强,突出图像中有价值的信息,但是这类方法会造成图像部分信息损失,使图像失真。第二类方法通过研究图像降质的物理机理,建立图像降质模型,从而反演复原出无雾图像。例如,Fattal等通过假定透射率和表面投影在局部不相关来推断透射率图及恢复无雾图像。该方法取得了一定的复原效果,但是不能很好地处理浓雾图像。He等人通过对无雾图像的统计特征的观察,发现了暗原色先验规律。利用此先验知识估计出透射率,结合软抠图方法对透射率进行优化,从而实现去雾。这种基于暗原色先验的方法被广泛认可,但是该方法存在细节模糊的不足,对透射率的优化过程大大增加了时间复杂度。基于He的方法,许多研究者提出了利用其他优化透射率方法来代替软抠图方法,虽然降低了时间复杂度,但是图像质量有所下降。
综上,需要研究一种图像去雾方法,使其既具有较低的时间复杂度,又能复原出高质量无雾图像。
发明内容
针对现有技术中存在的不足,本发明提供了一种图像去雾方法,可以实现复原出的图像结构更加清晰,细节更加丰富,色彩更加真实,且方法时间复杂度低。
本发明采用下面的技术方案:
一种图像去雾方法,包括:
步骤(1):对输入图像划分为不同等级的雾浓度区域;
步骤(2):对不同等级的雾浓度区域分别估计局部大气光值;
步骤(3):利用所述局部大气光值计算粗糙透射率;
步骤(4):根据所述局部大气光值以及粗糙透射率,对输入图像进行去雾操作,若得到的去雾图像符合预期,则停止操作;若不符合预期,则返回步骤(3),继续对输入图像进行去雾操作,直到得到符合预期的无雾图像。
进一步的,步骤(3)还包括:对所述粗糙透射率进行优化处理,并根据局部大气光值以及优化后的粗糙透射率,对输入图像进行去雾操作。
进一步的,所述步骤(1)包括:首先计算输入图像每个像素的RGB三个通道的最小值,得到最小值灰度图,然后将最小值灰度图分割成相同尺寸图像块,将每一个小块中像素最小值赋给该图像块中每一个像素,得到暗通道图,最后通过阈值T1和T2将暗通道图划分成不同等级的雾浓度区域。
进一步的,对输入图像划分为轻雾、雾、浓雾三个雾浓度区域。
进一步的,优化处理包括:采用公式对粗糙透射率进行优化,其中bk×k为最小灰度图中的图像块,为对应的最小化后的图像块,t”和t分别为粗糙透射率和优化后的粗糙透射率,参数α是比例系数。
进一步的,所述阈值T1和T2的计算方法为:T1=min+(max-min)/3,T2=min+2×((max-min)/3),其中max为暗通道图中的最大值,min为暗通道图中的最小值
进一步的,所述最小灰度图中的图像块尺寸在5*5像素范围以内。
进一步的,步骤(4)中根据所述局部大气光值以及粗糙透射率,对输入图像进行去雾操作包括:采用迭代关系式:
其中A为局部大气光值,t为优化后的粗糙透射率,J1,J2…Jn-1为有雾图像,Jn为最终复原得到的无雾图像,w为调节参数,用于保持去雾后的景深;c为颜色通道;n表示迭代次数。
本发明还提供了一种图像去雾装置,包括:
雾浓度划分模块,用于对输入图像划分为不同等级的雾浓度区域;
局部大气光值估计模块,用于对不同等级的雾浓度区域分别估计局部大气光值;
粗糙透射率计算模块,利用所述局部大气光值计算粗糙透射率;
复原模块:用于针对不同等级的雾浓度区域,根据所述局部大气光值以及粗糙透射率,对输入图像进行去雾操作,得到无雾图像。
进一步的,本装置还包括优化模块,用于对粗糙透射率进行优化处理。
进一步的,所述复原模块包括迭代模块,用于对所述输入图像进行以局部大气光值以及粗糙透射率为基础的迭代去雾操作。
本发明的有益效果:
本发明所用图像去雾方法分别对不同区域估计局部大气光值,利用局部大气光值,结合暗原色先验知识,计算不同雾浓度区域的局部初始透射率图,并使用本发明提出的透射率优化方法代替软抠图,最后,根据雾图降质物理模型,结合局部大气光值和优化后的初始透射率图,对不同雾浓度区域利用迭代算法达到去雾目的。本发明的方法简单,能够得到结构清晰、色彩真实、细节丰富的复原图像,同时可以实现实时去雾。
附图说明
图1是本发明提供的图像去雾方法的流程图;
图2是本发明实施例1提供的有雾图像;
图3是图2对应的雾浓度区域划分图;
图4(a)是图2初始透射率图;
图4(b)是图2优化后的初始透射率图;
图5(a)第一次迭代后的去雾后图像;
图5(b)第一次迭代后的去雾后图像对应的透射率图;
图5(c)第二次迭代后的去雾后图像;
图5(d)第二次迭代后的去雾后图像对应的透射率图;
图6是复原得到的无雾图像。
具体实施方式:
下面结合附图与实施例对本发明作进一步说明:
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
图1为本发明提供的图像去雾方法的算法流程图,以对图2进行去雾为例,采用本发明提供的图像去雾方法,步骤如下:
步骤1:首先计算有雾图像每个像素的RGB三个通道的最小值,得到最小值灰度图,然后将最小值灰度图分割成尺寸大小为3×3的图像块,将每一个小块中像素最小值赋给该图像块中每一个像素,得到暗通道图,最后通过阈值T1=min+(max-min)/3和T2=min+2×((max-min)/3)将暗通道图划分成不同雾浓度区域,其中max为暗通道图中的最大值,min为暗通道图中的最小值,图2对应的雾浓度划分如图3所示。
步骤2:针对不同的雾浓度区域,根据何凯名等人估计大气光方法分别估计局部大气光值A1,A2,A3。
步骤3:计算不同雾浓度区域大气光粗糙透射率初始值图2对应的初始粗糙透射率如图4(a)。
步骤4:采用公式对初始粗糙透射率优化,对应图2优化后的粗糙透射率如图4(b)。其中b3×3为最小灰度图中的图像块,为对应的最小化后的图像块,t”和t分别为初始粗糙透射率和优化后的粗糙透射率,参数α=0.001。
步骤5:根据去雾迭代关系式进行去雾,该去雾过程为一个反复迭代的过程,每次去雾操作后,判断是否为无雾图像或者图像是否符合预期,若此时图像已经符合无雾图像的要求,则视为得到了无雾图像;若迭代去雾操作得到的无雾图像尚未符合预期,则返回到步骤3,再次利用局部大气光值计算各区域的粗糙透射率,根据图像降质物理模型,对图像继续进行去雾操作。
上述公式中,为保持去雾后景深引入参数w来减小去雾程度,c为颜色通道,n表示迭代次数。图2对应的第一次迭代去雾后的图像如图5(a),图5(a)对应的优化后的透射率图如图5(b),图2对应的第二次迭代去雾后的图像如图5(c),图5(c)对应的优化后的透射率图如图5(d),图2对应的最终复原的无雾图像如图6。
本发明的再一实施例是一种图像去雾装置,包括:
雾浓度划分模块,用于对输入图像划分为不同等级的雾浓度区域;
局部大气光值估计模块,用于对不同等级的雾浓度区域分别估计局部大气光值;
粗糙透射率计算模块,利用所述局部大气光值计算粗糙透射率;
复原模块:用于针对不同等级的雾浓度区域,根据所述局部大气光值以及粗糙透射率,对输入图像进行去雾操作,得到无雾图像。
本装置还包括优化模块,用于对粗糙透射率进行优化处理。
其中,复原模块包括迭代模块,用于对所述输入图像进行以局部大气光值以及粗糙透射率为基础的迭代去雾操作。
本装置可以应用于各种图像处理装置中,以计算机存储介质为媒介,无需软抠图,既可以实现图像去雾。
与现有技术相比,本发明所用图像去雾方法首先将有雾图像根据暗通道值划分轻雾、雾和浓雾区域,然后分别对不同区域估计局部大气光值,进一步利用局部大气光值,结合暗原色先验知识,计算不同雾浓度区域的局部初始透射率图,并使用新的透射率优化方法代替软抠图,最后,根据雾图降质物理模型,结合局部大气光值和优化后的初始透射率图,对不同雾浓度区域利用迭代算法达到去雾目的。本发明的方法简单,能够得到结构清晰、色彩真实、细节丰富的复原图像,同时可以实现实时去雾。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种图像去雾方法,其特征在于,包括:
步骤(1):对输入图像划分为不同等级的雾浓度区域;
步骤(2):对不同等级的雾浓度区域分别估计局部大气光值;
步骤(3):利用所述局部大气光值计算粗糙透射率;
步骤(4):根据所述局部大气光值以及粗糙透射率,对输入图像进行去雾操作,若得到的去雾图像符合预期,则停止操作;若不符合预期,则返回步骤(3),继续对输入图像进行去雾操作,直到得到符合预期的无雾图像。
2.根据权利要求1所述的方法,其特征在于:步骤(3)还包括:对所述粗糙透射率进行优化处理,并根据局部大气光值以及优化后的粗糙透射率,对输入图像进行去雾操作。
3.根据权利要求1所述的方法,其特征在于:所述步骤(1)包括:首先计算输入图像每个像素的RGB三个通道的最小值,得到最小值灰度图,然后将最小值灰度图分割成相同尺寸图像块,将每一个小块中像素最小值赋给该图像块中每一个像素,得到暗通道图,最后通过阈值T1和T2将暗通道图划分成不同等级的雾浓度区域。
4.根据权利要求1所述的方法,其特征在于:对输入图像划分为轻雾、雾、浓雾三个雾浓度区域。
5.根据权利要求2所述的方法,其特征在于,优化处理包括:采用公式对粗糙透射率进行优化,其中bk×k为最小灰度图中的图像块,为对应的最小化后的图像块,t”和t分别为粗糙透射率和优化后的粗糙透射率,参数α是比例系数。
6.根据权利要求3所述的方法,其特征在于,所述阈值T1和T2的计算方法为:T1=min+(max-min)/3,T2=min+2×((max-min)/3),其中max为暗通道图中的最大值,min为暗通道图中的最小值。
7.根据权利要求3或5所述的方法,其特征在于,所述最小灰度图中的图像块尺寸在5*5像素范围以内。
8.根据权利要求1所述的方法,其特征在于:步骤(4)中根据所述局部大气光值以及粗糙透射率,对输入图像进行去雾操作包括:采用迭代关系式:
其中A为局部大气光值,t为优化后的粗糙透射率,J1,J2…Jn-1为有雾图像,Jn为最终复原得到的无雾图像,w为调节参数,用于保持去雾后的景深;c为颜色通道;n表示迭代次数。
9.一种图像去雾装置,其特征在于,包括:
雾浓度划分模块,用于对输入图像划分为不同等级的雾浓度区域;
局部大气光值估计模块,用于对不同等级的雾浓度区域分别估计局部大气光值;
局部粗糙透射率计算模块,利用所述局部大气光值计算粗糙透射率;
复原模块:用于针对不同等级的雾浓度区域,根据所述局部大气光值以及粗糙透射率,对输入图像进行去雾操作,得到无雾图像。
10.根据权利要求9所述的装置,其特征在于,还包括优化模块,用于对粗糙透射率进行优化处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710533121.6A CN107451962B (zh) | 2017-07-03 | 2017-07-03 | 一种图像去雾方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710533121.6A CN107451962B (zh) | 2017-07-03 | 2017-07-03 | 一种图像去雾方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107451962A true CN107451962A (zh) | 2017-12-08 |
CN107451962B CN107451962B (zh) | 2020-05-05 |
Family
ID=60488116
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710533121.6A Active CN107451962B (zh) | 2017-07-03 | 2017-07-03 | 一种图像去雾方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107451962B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019205707A1 (zh) * | 2018-04-26 | 2019-10-31 | 长安大学 | 基于暗通道的线状自适应改进全局大气光的图像去雾方法 |
CN111091501A (zh) * | 2018-10-24 | 2020-05-01 | 天津工业大学 | 一种大气散射去雾模型的参数估计方法 |
CN116630349A (zh) * | 2023-07-25 | 2023-08-22 | 山东爱福地生物股份有限公司 | 基于高分辨率遥感图像的秸秆还田区域快速分割方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101783012A (zh) * | 2010-04-06 | 2010-07-21 | 中南大学 | 一种基于暗原色的自动图像去雾方法 |
CN102411774A (zh) * | 2011-08-08 | 2012-04-11 | 安防科技(中国)有限公司 | 一种基于单幅图像去雾的处理方法、装置及系统 |
CN104063853A (zh) * | 2014-07-07 | 2014-09-24 | 南京通用电器有限公司 | 一种基于暗通道技术的提高交通视频图像清晰度方法 |
CN104134192A (zh) * | 2014-07-23 | 2014-11-05 | 中国科学院深圳先进技术研究院 | 图像去雾方法和系统 |
CN104318524A (zh) * | 2014-10-15 | 2015-01-28 | 烟台艾睿光电科技有限公司 | 一种基于YCbCr色彩空间的图像增强方法、装置及系统 |
CN104809709A (zh) * | 2015-05-13 | 2015-07-29 | 北京邮电大学 | 基于域变换与带权四叉树分解的单幅图像自适应去雾方法 |
-
2017
- 2017-07-03 CN CN201710533121.6A patent/CN107451962B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101783012A (zh) * | 2010-04-06 | 2010-07-21 | 中南大学 | 一种基于暗原色的自动图像去雾方法 |
CN102411774A (zh) * | 2011-08-08 | 2012-04-11 | 安防科技(中国)有限公司 | 一种基于单幅图像去雾的处理方法、装置及系统 |
CN104063853A (zh) * | 2014-07-07 | 2014-09-24 | 南京通用电器有限公司 | 一种基于暗通道技术的提高交通视频图像清晰度方法 |
CN104134192A (zh) * | 2014-07-23 | 2014-11-05 | 中国科学院深圳先进技术研究院 | 图像去雾方法和系统 |
CN104318524A (zh) * | 2014-10-15 | 2015-01-28 | 烟台艾睿光电科技有限公司 | 一种基于YCbCr色彩空间的图像增强方法、装置及系统 |
CN104809709A (zh) * | 2015-05-13 | 2015-07-29 | 北京邮电大学 | 基于域变换与带权四叉树分解的单幅图像自适应去雾方法 |
Non-Patent Citations (5)
Title |
---|
LARK KWON CHOI等: "Referenceless Prediction of Perceptual Fog Density and Perceptual Image Defogging", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
MANPREET KAUR SAGGU AND SATBIR SINGH: "A Review on Various Haze Removal Techniques for Image Processing", 《INTERNATIONAL JOURNAL OF CURRENT ENGINEERING AND TECHNOLOGY》 * |
张秋雨: "含雾数字图像的清晰化算法研究", 《万方数据》 * |
陈莹 等: "结合物理模型和Retinex的图像去雾算法", 《小型微型计算机系统》 * |
鞠铭烨等: "基于雾气浓度估计的图像去雾算法", 《自动化学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019205707A1 (zh) * | 2018-04-26 | 2019-10-31 | 长安大学 | 基于暗通道的线状自适应改进全局大气光的图像去雾方法 |
US11257194B2 (en) | 2018-04-26 | 2022-02-22 | Chang'an University | Method for image dehazing based on adaptively improved linear global atmospheric light of dark channel |
CN111091501A (zh) * | 2018-10-24 | 2020-05-01 | 天津工业大学 | 一种大气散射去雾模型的参数估计方法 |
CN116630349A (zh) * | 2023-07-25 | 2023-08-22 | 山东爱福地生物股份有限公司 | 基于高分辨率遥感图像的秸秆还田区域快速分割方法 |
CN116630349B (zh) * | 2023-07-25 | 2023-10-20 | 山东爱福地生物股份有限公司 | 基于高分辨率遥感图像的秸秆还田区域快速分割方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107451962B (zh) | 2020-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102750674B (zh) | 基于自适应容差的视频图像去雾方法 | |
CN107767354B (zh) | 一种基于暗原色先验的图像去雾算法 | |
CN104253930B (zh) | 一种实时视频去雾方法 | |
CN104867121B (zh) | 基于暗原色先验和Retinex理论的图像快速去雾法 | |
CN106251300A (zh) | 一种基于Retinex的快速夜间雾天图像复原方法 | |
CN106548461B (zh) | 图像去雾方法 | |
CN105976337B (zh) | 一种基于中值引导滤波的图像去雾方法 | |
CN109255759A (zh) | 基于天空分割和透射率自适应修正的图像去雾方法 | |
CN103942758A (zh) | 基于多尺度融合的暗通道先验图像去雾方法 | |
CN110544213A (zh) | 一种基于全局和局部特征融合的图像去雾方法 | |
CN110675340A (zh) | 一种基于改进的非局部先验的单幅图像去雾方法及介质 | |
CN108022225A (zh) | 基于快速导向滤波改进的暗通道先验图像去雾算法 | |
CN107451962A (zh) | 一种图像去雾方法及装置 | |
WO2024060576A1 (zh) | 一种基于暗通道先验的图像去雾方法 | |
CN102646267B (zh) | 退化图像复原方法及系统 | |
CN105023246B (zh) | 一种基于对比度和结构相似度的图像增强方法 | |
Kim et al. | Single image haze removal using hazy particle maps | |
CN111598814B (zh) | 基于极端散射通道的单图像去雾方法 | |
CN104299198A (zh) | 基于像素点暗通道的快速图像去雾方法 | |
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 | |
CN107085830B (zh) | 基于传播滤波的单幅图像去雾方法 | |
CN109345479B (zh) | 一种视频监控数据的实时预处理方法及存储介质 | |
CN102968767A (zh) | 带有白平衡校正的雾天降质图像实时复原方法 | |
CN109767407A (zh) | 一种去雾过程中大气透射率图像的二次估计方法 | |
CN104715456B (zh) | 一种图像的去雾方法 |
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 |