CN107784636A - 一种远距离海上可见光图像去雾处理方法 - Google Patents
一种远距离海上可见光图像去雾处理方法 Download PDFInfo
- Publication number
- CN107784636A CN107784636A CN201710910145.9A CN201710910145A CN107784636A CN 107784636 A CN107784636 A CN 107784636A CN 201710910145 A CN201710910145 A CN 201710910145A CN 107784636 A CN107784636 A CN 107784636A
- Authority
- CN
- China
- Prior art keywords
- visible images
- mrow
- processing method
- remote
- defogging processing
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 238000002834 transmittance Methods 0.000 claims abstract description 35
- 230000015556 catabolic process Effects 0.000 claims abstract description 28
- 238000006731 degradation reaction Methods 0.000 claims abstract description 28
- 239000000443 aerosol Substances 0.000 claims abstract description 17
- 230000003287 optical effect Effects 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 10
- 230000005540 biological transmission Effects 0.000 claims abstract description 5
- 239000013535 sea water Substances 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 8
- 230000004313 glare Effects 0.000 claims description 7
- 230000002146 bilateral effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims 1
- 230000035699 permeability Effects 0.000 claims 1
- 238000009738 saturating Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 5
- 239000002245 particle Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000011514 reflex Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T2207/10024—Color 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
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种远距离海上可见光图像去雾处理方法,在构建的可见光图像退化模型中加入大气点扩散函数补偿由于光线远距离传输对图像质量造成的影响得到远距离补偿后的退化模型,然后分别计算场景辐射亮度及大气透过率并代入远距离补偿后的退化模型,从而得到复原图像。该方法考虑了远距离海上可见光图像“成像距离远”的特点,具有良好的去雾效果,复原图像更加真实。
Description
技术领域
本发明涉及数字图像处理领域,特别涉及一种远距离海上可见光图像去雾处理方法。
背景技术
应用可见光相机对远距离海上目标侦察的过程中,海上雾气中的气溶胶颗粒对光的吸收和散射影响严重,会使“透过光”强度衰减,从而使得光学传感器接收到的光强发生改变,直接导致图像对比度降低,动态范围缩小,图像细节信息不明显,许多特征信息被覆盖。远距离海上目标图像有两个特点,一是照相距离远,二是海上雾气大。这两个特点都使得雾气中的气溶胶颗粒对光的吸收和散射影响更加严重,目标信息的可辨识度将会大大降低。
为增强远距离海上目标图像信息的有效性和可用性,降低雾气条件对可见光相机成像的影响,进行远距离海上可见光图像的去雾技术研究有着迫切的需求,是可见光成像系统在恶劣天气条件下稳定、可靠工作的保证。
通常的图像去雾算法没有考虑远距离海上目标图像的特点,仅是通过一般的雾天图像退化模型进行去雾处理,图像去雾效果不佳。
发明内容
有鉴于此,本发明提供了一种远距离海上可见光图像去雾处理方法,该方法考虑了远距离海上可见光图像“成像距离远”的特点,具有良好的去雾效果,复原图像更加真实。
本发明的具体实施方案如下:
一种远距离海上可见光图像去雾处理方法,去雾处理方法为:在构建的可见光图像退化模型中加入大气点扩散函数补偿由于光线远距离传输对图像质量造成的影响得到远距离补偿后的退化模型,然后分别计算场景辐射亮度及大气透过率并代入远距离补偿后的退化模型,从而得到复原图像。
进一步地,所述场景辐射亮度利用暗原色先验规律来计算。
进一步地,去雾处理方法进一步包括,将海水表面对光线的反射亮度和太阳耀斑现象的反射亮度加入到场景辐射亮度中。
进一步地,表示修正后的场景辐射亮度,a、b、c分别代表非海水表面场景辐射亮度IM1、海水表面对光线的反射亮度IM2和太阳耀斑现象的反射亮度IM3的权重值。
进一步地,所述大气透过率利用暗原色先验规律来计算。
进一步地,所述大气透过率的计算进一步包括,对大气透过率设定下限阈值,与计算出的大气透过率比较选择较大值作为可见光图像退化模型中的大气透过率。
进一步地,对所述大气透过率对应的大气透过率图进行优化,优化方法为软抠图算法、双边滤波算法、均值滤波算法或中值滤波算法。
进一步地,所述大气点扩散函数包括目标反射光的大气点扩散函数和环境杂光的大气点扩散函数。
进一步地,所述远距离补偿后的退化模型为:
式中,APSFd(x)代表目标反射光的大气点扩散函数,APSFa(x)代表环境杂光的大气点扩散函数,x代表像素点的坐标,A代表场景辐射亮度,t(x)代表大气透过率,I(x)和J(x)分别表示退化图像与清晰图像,代表卷积。
有益效果:
1、本发明考虑了远距离海上可见光图像“成像距离远”的特点,通过在可见光图像退化模型中加入大气点扩散函数补偿由于光线远距离传输对图像质量造成的影响,具有良好的去雾效果,复原图像更加真实。
2、本发明考虑了海水表面对光线有反射作用且存在太阳耀斑现象,将海水表面对光线的反射亮度和太阳耀斑现象的反射亮度加入到可见光图像退化模型中,修正了场景的辐射亮度,使得复原图像更加逼真。
3、本发明利用暗原色先验规律修正雾天条件下的大气透过率,有效简化退化模型得出复原图像。
4、本发明对大气透过率设定下限阈值,使得复原图像排除包含噪声的可能,更加真实。
附图说明
图1为本发明的流程图;
图2为本发明实施例中图像的物理模型;
图3为本发明实施例中修正后的远距离海上大气透过率图;
图4-1是本发明实施例中采用软抠图算法优化后的大气透过率图;
图4-2是本发明实施例中采用双边滤波算法优化后的大气透过率图;
图4-3是本发明实施例中采用均值滤波算法优化后的大气透过率图;
图4-4是本发明实施例中采用中值滤波算法优化后的大气透过率图;
图5是采用本发明去雾处理方法得到的复原图与原始图像的对比。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
本发明提供了一种远距离海上可见光图像去雾处理方法,流程如图1所示,去雾处理方法步骤如下:
S101、构建雾天条件下远距离海上可见光图像退化模型。
图2为本发明实施例中图像的物理模型,由此物理模型构建相应的数学公式,其中雾天条件下远距离海上可见光图像退化模型包括直接衰减项和大气杂光项。直接衰减项代表目标反射的光线经由气溶胶颗粒吸收和散射后进入探测器的光线,用J(x)t(x)表示;大气杂光项代表周围环境中其他进入探测器的光线,用A[1-t(x)]表示。
用I(x)和J(x)分别表示退化图像与清晰图像,则有如下关系:
I(x)=E∞(λ)ρe-β(λ)d+E∞(λ)(1-e-β(λ)d)
=J(x)t(x)+A[1-t(x)]
式中,E∞(λ)代表场景辐射亮度,ρ代表场景中目标反射率归一化后的结果,β(λ)代表波长为λ光的消光系数,d代表传输距离,x代表像素点的坐标,A代表简化后的场景辐射亮度,t(x)代表大气透过率。
S102、通过在可见光图像退化模型中加入大气点扩散函数补偿由于光线远距离传输对图像质量造成的影响得到远距离补偿后的退化模型。
加入大气点扩散函数后,图像的退化模型变为:
式中,APSFd(x)代表目标反射光的大气点扩散函数,APSFa(x)代表环境杂光的大气点扩散函数,代表卷积,APSFd(x)和APSFa(x)可通过实验测得。
S103、计算场景的辐射亮度并代入远距离补偿后的退化模型中。
结合暗原色先验规律来计算场景的辐射亮度,首先选取非海水表面暗原色图中部分亮度较大的点,取亮度值从高到低排列后的前1%个像素,即k个,记为Pk(Pk∈Idark)。然后在退化图像I中找出与Pk中的像素位置相同的点,记为Qk(Qk∈I),将Qk中对应点的平均值作为非海水表面场景辐射亮度,记为IM1,即为退化模型中的A。
海水表面对光线有反射作用且存在太阳耀斑现象,考虑到这种情况,优选地,将海水表面对光线的反射亮度IM2和太阳耀斑现象的反射亮度IM3加入到场景辐射亮度中,用表示修正后的场景辐射亮度。
a、b、c分别代表非海水表面场景辐射亮度IM1、海水表面对光线的反射亮度IM2和太阳耀斑现象的反射亮度IM3的权重值。a、b、c、IM2、IM3可以通过实验测得。
S104、计算雾天条件下的大气透过率代入退化模型中,得到对应的大气透过率图。
利用暗原色先验规律修正雾天条件下的大气透过率,暗原色先验来自对户外无雾图像数据库的统计规律,它基于观察得到这样一个事实:在绝大多数非天空的局部区域里,某一些像素总会有至少一个颜色通道具有很低的值。用公式描述定义为:
Jdark(x)为无雾图像J的暗原色,Jc代表J的某一个颜色通道,Ω(x)以像素点x为中心的一块方形区域,r、g、b分别代表红、绿、蓝三个通道。
对于无雾图像J,在非天空区域里,Jdark(x)的强度值总是很低并且趋近于0。
假定在局部区域Ω(x)内的大气透过率是恒定不变的,则根据雾天图像退化模型可以得到:
对上式左右两边取暗原色,有
根据暗原色先验规律大气透过率可以写成:
其中,操作符⊙代表解卷积操作。
当t(x)接近于0的时候,退化模型中的直接衰减项J(x)t(x)也会接近0。直接复原得到的原始图像倾向于包含噪声。因此,需要给大气透过率t(x)设定一个下限阈值t0,一般为0.05~0.1,与计算出的大气透过率t(x)比较选择较大值作为可见光图像退化模型中的最终的大气透过率,得到对应的大气透过率图,如图3所示。
S105、优化大气透过率图。
对最终的大气透过率所对应的大气透过率图进行优化,优化的方法为软抠图算法、双边滤波算法、均值滤波算法或中值滤波算法,效果图如图4-1、图4-2、图4-3、图4-4所示。
S106、求解去雾后的图像。
最后的复原图像通过下式实现:
如图5所示,为采用本发明提供的方法求解出的远距离海上可见光图像去雾复原图与原始图像的对比,具有良好的去雾效果。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种远距离海上可见光图像去雾处理方法,其特征在于,所述去雾处理方法为:在构建的可见光图像退化模型中加入大气点扩散函数补偿由于光线远距离传输对图像质量造成的影响得到远距离补偿后的退化模型,然后分别计算场景辐射亮度及大气透过率并代入远距离补偿后的退化模型,从而得到复原图像。
2.如权利要求1所述的远距离海上可见光图像去雾处理方法,其特征在于,所述场景辐射亮度利用暗原色先验规律来计算。
3.如权利要求2所述的远距离海上可见光图像去雾处理方法,其特征在于,所述去雾处理方法进一步包括,将海水表面对光线的反射亮度和太阳耀斑现象的反射亮度加入到场景辐射亮度中。
4.如权利要求3所述的远距离海上可见光图像去雾处理方法,其特征在于, 表示修正后的场景辐射亮度,a、b、c分别代表非海水表面场景辐射亮度IM1、海水表面对光线的反射亮度IM2和太阳耀斑现象的反射亮度IM3的权重值。
5.如权利要求1所述的远距离海上可见光图像去雾处理方法,其特征在于,所述大气透过率利用暗原色先验规律来计算。
6.如权利要求1或5所述的远距离海上可见光图像去雾处理方法,其特征在于,所述大气透过率的计算进一步包括,对大气透过率设定下限阈值,与计算出的大气透过率比较选择较大值作为可见光图像退化模型中的大气透过率。
7.如权利要求6所述的远距离海上可见光图像去雾处理方法,其特征在于,对所述大气透过率对应的大气透过率图进行优化,优化方法为软抠图算法、双边滤波算法、均值滤波算法或中值滤波算法。
8.如权利要求1所述的远距离海上可见光图像去雾处理方法,其特征在于,所述大气点扩散函数包括目标反射光的大气点扩散函数和环境杂光的大气点扩散函数。
9.如权利要求1所述的远距离海上可见光图像去雾处理方法,其特征在于,
所述远距离补偿后的退化模型为:
<mrow>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mo>&lsqb;</mo>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mi>t</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>&CircleTimes;</mo>
<msub>
<mi>APSF</mi>
<mi>d</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mo>{</mo>
<mi>A</mi>
<mo>&lsqb;</mo>
<mn>1</mn>
<mo>-</mo>
<mi>t</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>}</mo>
<mo>&CircleTimes;</mo>
<msub>
<mi>APSF</mi>
<mi>a</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
式中,APSFd(x)代表目标反射光的大气点扩散函数,APSFa(x)代表环境杂光的大气点扩散函数,x代表像素点的坐标,A代表场景辐射亮度,t(x)代表大气透过率,I(x)和J(x)分别表示退化图像与清晰图像,代表卷积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710910145.9A CN107784636A (zh) | 2017-09-29 | 2017-09-29 | 一种远距离海上可见光图像去雾处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710910145.9A CN107784636A (zh) | 2017-09-29 | 2017-09-29 | 一种远距离海上可见光图像去雾处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107784636A true CN107784636A (zh) | 2018-03-09 |
Family
ID=61434380
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710910145.9A Pending CN107784636A (zh) | 2017-09-29 | 2017-09-29 | 一种远距离海上可见光图像去雾处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107784636A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111091500A (zh) * | 2018-10-24 | 2020-05-01 | 天津工业大学 | 点光源多散射模型图像复原方法 |
CN113570522A (zh) * | 2021-07-28 | 2021-10-29 | 南京航空航天大学 | 一种基于混合约束条件的雾霾图像复原方法及终端 |
US20220103762A1 (en) * | 2020-09-30 | 2022-03-31 | Canon Kabushiki Kaisha | Imaging apparatus, imaging system, and imaging method |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050073682A1 (en) * | 2002-11-26 | 2005-04-07 | Srinivasa Narasimhan | Systems and methods for modeling the impact of a medium on the appearances of encompassed light sources |
CN104574412A (zh) * | 2015-01-22 | 2015-04-29 | 浙江大学 | 一种非均匀云雾条件下的遥感图像去雾方法 |
CN105701785A (zh) * | 2016-02-17 | 2016-06-22 | 天津大学 | 基于天空区域划分加权tv透射率优化的图像雾霾去除方法 |
CN106548463A (zh) * | 2016-10-28 | 2017-03-29 | 大连理工大学 | 基于暗通道与Retinex的海雾图像自动去雾方法及系统 |
-
2017
- 2017-09-29 CN CN201710910145.9A patent/CN107784636A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050073682A1 (en) * | 2002-11-26 | 2005-04-07 | Srinivasa Narasimhan | Systems and methods for modeling the impact of a medium on the appearances of encompassed light sources |
CN104574412A (zh) * | 2015-01-22 | 2015-04-29 | 浙江大学 | 一种非均匀云雾条件下的遥感图像去雾方法 |
CN105701785A (zh) * | 2016-02-17 | 2016-06-22 | 天津大学 | 基于天空区域划分加权tv透射率优化的图像雾霾去除方法 |
CN106548463A (zh) * | 2016-10-28 | 2017-03-29 | 大连理工大学 | 基于暗通道与Retinex的海雾图像自动去雾方法及系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111091500A (zh) * | 2018-10-24 | 2020-05-01 | 天津工业大学 | 点光源多散射模型图像复原方法 |
CN111091500B (zh) * | 2018-10-24 | 2024-03-12 | 天津工业大学 | 点光源多散射模型图像复原方法 |
US20220103762A1 (en) * | 2020-09-30 | 2022-03-31 | Canon Kabushiki Kaisha | Imaging apparatus, imaging system, and imaging method |
CN113570522A (zh) * | 2021-07-28 | 2021-10-29 | 南京航空航天大学 | 一种基于混合约束条件的雾霾图像复原方法及终端 |
CN113570522B (zh) * | 2021-07-28 | 2024-04-16 | 南京航空航天大学 | 一种基于混合约束条件的雾霾图像复原方法及终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Underwater image enhancement by dehazing and color correction | |
Wang et al. | Underwater image restoration via maximum attenuation identification | |
CN108765342A (zh) | 一种基于改进暗通道的水下图像复原方法 | |
CN105139347B (zh) | 一种结合暗通道先验原理的偏振成像去雾方法 | |
CN107895357B (zh) | 一种基于fpga的实时水面浓雾场景图像增强方法 | |
CN106210437B (zh) | 图像处理装置和投影仪 | |
CN107784636A (zh) | 一种远距离海上可见光图像去雾处理方法 | |
CN107079127B (zh) | 投影仪以及影像显示方法 | |
CN110135434B (zh) | 基于颜色线模型的水下图像质量提升方法 | |
CN112837233B (zh) | 一种基于差分偏振获取透射率的偏振图像去雾方法 | |
CN110322410B (zh) | 基于亮通道透射率补偿的水下图像去雾及偏色校正方法 | |
CN102170574A (zh) | 一种实时视频去雾处理系统 | |
CN107330870B (zh) | 一种基于场景光辐射准确估计的浓雾去除方法 | |
CA3079552C (en) | Method for restoring underground image on basis of ray reverse tracing technology | |
CN106023108A (zh) | 基于边界约束和上下文正则化的图像去雾算法 | |
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 | |
CN108269242A (zh) | 图像增强方法 | |
CN106412448A (zh) | 一种基于单帧图像的宽动态范围处理方法与系统 | |
Lu et al. | Single underwater image descattering and color correction | |
Gao et al. | Haze filtering with aerial perspective | |
CN107643591A (zh) | 一种反衰减透雾可见光镜头及实现方法 | |
CN109919889A (zh) | 一种基于双目视差的能见度检测算法 | |
CN111563852A (zh) | 一种基于低复杂度mf的暗通道先验去雾方法 | |
Ghate et al. | New approach to underwater image dehazing using dark channel prior | |
CN110349113A (zh) | 一种基于暗原色先验改进的自适应图像去雾方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180309 |