CN107886480A - 基于v系统的图像去雾方法 - Google Patents

基于v系统的图像去雾方法 Download PDF

Info

Publication number
CN107886480A
CN107886480A CN201711076400.0A CN201711076400A CN107886480A CN 107886480 A CN107886480 A CN 107886480A CN 201711076400 A CN201711076400 A CN 201711076400A CN 107886480 A CN107886480 A CN 107886480A
Authority
CN
China
Prior art keywords
image
images
component
mrow
defogging
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
Application number
CN201711076400.0A
Other languages
English (en)
Inventor
孙相东
宋瑞霞
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.)
North China University of Technology
Original Assignee
North China University of 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 North China University of Technology filed Critical North China University of Technology
Priority to CN201711076400.0A priority Critical patent/CN107886480A/zh
Publication of CN107886480A publication Critical patent/CN107886480A/zh
Pending legal-status Critical Current

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

Landscapes

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

Abstract

本发明公开一种基于V系统的图像去雾方法，包括：将雾天图像转换为HIS空间的雾天图像，该HIS空间的雾天图像包括色调分量H图像、饱和度分量S图像、亮度分量I图像；对饱和度分量S图像进行V变换，低频重构后得到新的饱和度分量S｀图像；对亮度分量I图像进行去雾处理，得到新的亮度分量I｀图像；将色调分量H图像、饱和度分量S｀图像、亮度分量I｀图像转换为去雾后的图像。本发明可实现图像的去雾处理，效果良好。

Description

基于V系统的图像去雾方法
技术领域
本发明涉及一种基于V系统的图像去雾方法，属于图像处理技术领域。
背景技术
近年来，全国多个省市出现雾霾天气，大气中的微粒对光线产生严重的散射作用，获取图像的对比度和分辨率严重下降，图像信息损失严重，给户外监测工作带来了极大的困难。
为了降低雾霾天气对户外监测等相关工作的影响，图像去雾技术成为研究热点。目前，图像去雾技术主要分为两类，一类是以图像增强为主，另一类是以大气散射模型为基础进行图像复原。以图像增强为主的去雾方法，由于其没有将雾天图像退化模型考虑在内，因而适用性比较广泛，能够有效地提高图像的视觉效果，图像的对比度和细节都能够得到很好的改善，但是会造成部分信息的缺失。以大气散射模型为基础的雾天图像复原方法，主要是通过建立雾天退化模型，探究雾天图像退化的物理机制，弥补退化过程造成的失真状况，从而改善雾天图像的质量。图像复原方法可以保留完整的图像信息，复原的无雾图像真实、稳定，因此成为主流的图像去雾研究方法。
发明内容
鉴于上述原因，本发明的目的在于提供一种基于V系统的图像去雾方法，可实现图像的去雾处理，效果良好。
为实现上述目的，本发明采用以下技术方案：
一种基于V系统的图像去雾方法，包括：
将雾天图像转换为HIS空间的雾天图像，该HIS空间的雾天图像包括色调分量H图像、饱和度分量S图像、亮度分量I图像；
对饱和度分量S图像进行V变换，低频重构后得到新的饱和度分量S`图像；
对亮度分量I图像进行去雾处理，得到新的亮度分量I`图像；
将色调分量H图像、饱和度分量S`图像、亮度分量I`图像转换为去雾后的图像。
对所述亮度分量I图像进行去雾处理的方法是：
计算亮度分量I图像的最小滤波图像；
计算最小滤波图像的透射率；
利用四叉树算法获取大气光值；
根据式(3)计算去雾后的亮度分量I图像：
其中，I(x)表示雾天图像，J(x)表示去雾后的图像，t(x)表示透射率，t0表示预设的最小透射率，A表示大气光值。
利用四叉树算法获取大气光值的方法是：将所述亮度分量I图像等分为四块，分别计算各块图像的像素均值，对于均值最大的图像块继续四等分，如此重复迭代，直至得到的图像块小于预设的阈值，将最后划分得到的最小图像块中的像素最大值作为大气光值。
将所述饱和度分量S`图像乘以一饱和度系数、亮度分量I`图像乘以一亮度系数以及色调分量H图像转换为去雾后的图像。
本发明的优点是：
本发明的基于V系统的图像去雾方法，将雾天图像转换为HIS空间的图像后，对其中的亮度分量I图像进行去雾处理，能够达到良好的去雾效果。
附图说明
图1是本发明的方法流程示意。
具体实施方式
以下结合附图和实施例对本发明作进一步详细的描述。
如图1所示，本发明公开的基于V系统的图像去雾方法，包括：
S1：将雾天图像的颜色空间由RGB空间转换为HIS空间；
S2：对HIS空间的雾天图像进行去雾处理；
HIS空间的雾天图像包括三个分量的图像：色调分量H图像、饱和度分量S图像、亮度分量I图像，对三个分量的图像分别进行如下处理：
S21：色调分量H图像不变；
S22：对饱和度分量S图像进行低频重构，得到新的饱和度分量S`图像；
k次V-系统是一个由无穷多个分段k次多项式构成的[0，1]空间上的正交完备函数系，同时，它还是一类正交多小波。将V-系统离散化，就可以得到正交V变换矩阵U。假设一幅图像的亮度矩阵为F＝(fij)，则Λ＝UFUT就是图像的V变换，得到的矩阵Λ的数值由左上角(低频)开始逐渐稀疏，其逆变换公式为：F＝UTΛU。
由于低频集中了图像的主要信息，因此，只需要保留矩阵Λ中的低频系数，再进行逆变换，就可以得到原图像的近似图像，相当于对原图像进行高频滤波后得到近似图像。
基于上述V系统及频域图像的原理，将饱和度分量S图像进行V变换，得到饱和度分量S的图像频域信息，从饱和度分量S的图像频域信息中分解出低频信息，利用低频信息重构出新的饱和度分量S`图像。
经低频重构的新的饱和度分量S`图像，降低了噪声、纹理等信息对饱和度的影响，为进一步提高图像饱和度，可以在新的饱和度分量S`图像基础上乘以饱和系数(如，取值5.5)，使得图像更加真实自然，视觉效果更加良好。
S23：对亮度分量I图像进行去雾处理；
具体包括：
1)计算亮度分量I图像的最小滤波图像
根据式(1)计算亮度分量I图像的最小滤波图像：
其中，x和y表示像素，Q(x)表示以像素x为中心的一个窗口，m(y)和I(y)表示像素值。
2)计算亮度分量I图像的透射率
根据式(2)得到透射率t(x)：
其中，ω为常数，一般取值为0.95；
3)利用四叉树算法获取大气光值A
将亮度分量I图像等分为四块，然后分别计算各块图像的像素均值，对于均值最大的图像块继续四等分，如此重复迭代，直至得到的图像块小于预设的阈值(如，40x40)，将最后划分得到的最小图像块中的像素最大值作为大气光值A。
4)利用暗原色先验原理对亮度分量I图像进行去雾处理
根据雾图形成模型I(x)＝t(x)J(x)+(1-t(x))A，得到去雾公式：
其中，I(x)表示雾天图像，J(x)表示去雾后的图像，t(x)表示透射率，t0表示最小透射率阈值，A表示大气光值；当透射率t(x)偏小时，会导致J(x)偏大，所以，一般最小透射率阈值的取值为t0＝0.1。
根据前述2)、3)计算得到的透射率、大气光值A，代入式(3)，计算得到去雾后的亮度分量I`图像。
为提高图像亮度，可在去雾后的亮度分量I`图像基础上乘以亮度系数(如，取值为1.1)。
S3：将去雾处理后的HIS空间的雾天图像，转换为RGB空间的去雾图像。
将色调分量H图像，新的饱和度分量S`图像以及新的亮度分量I`图像，转换为RGB颜色空间图像，得出去雾后的去雾图像。
以上所述是本发明的较佳实施例及其所运用的技术原理，对于本领域的技术人员来说，在不背离本发明的精神和范围的情况下，任何基于本发明技术方案基础上的等效变换、简单替换等显而易见的改变，均属于本发明保护范围之内。

Claims (4)

1.基于V系统的图像去雾方法，其特征在于，包括：
将雾天图像转换为HIS空间的雾天图像，该HIS空间的雾天图像包括色调分量H图像、饱和度分量S图像、亮度分量I图像；
对饱和度分量S图像进行V变换，低频重构后得到新的饱和度分量S`图像；
对亮度分量I图像进行去雾处理，得到新的亮度分量I`图像；
将色调分量H图像、饱和度分量S`图像、亮度分量I`图像转换为去雾后的图像。
2.根据权利要求1所述的基于V系统的图像去雾方法，其特征在于，对所述亮度分量I图像进行去雾处理的方法是：
计算亮度分量I图像的最小滤波图像；
计算最小滤波图像的透射率；
利用四叉树算法获取大气光值；
根据式(3)计算去雾后的亮度分量I图像：
<mrow> <mi>J</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <mi>I</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> <mo>-</mo> <mi>A</mi> </mrow> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>(</mo> <mi>x</mi> <mo>)</mo> <mo>,</mo> <msub> <mi>t</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>+</mo> <mi>A</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow>
其中，I(x)表示雾天图像，J(x)表示去雾后的图像，t(x)表示透射率，t0表示预设的最小透射率，A表示大气光值。
3.根据权利要求2所述的基于V系统的图像去雾方法，其特征在于，利用四叉树算法获取大气光值的方法是：将所述亮度分量I图像等分为四块，分别计算各块图像的像素均值，对于均值最大的图像块继续四等分，如此重复迭代，直至得到的图像块小于预设的阈值，将最后划分得到的最小图像块中的像素最大值作为大气光值。
4.根据权利要求2所述的基于V系统的图像去雾方法，其特征在于，将所述饱和度分量S`图像乘以一饱和度系数、亮度分量I`图像乘以一亮度系数以及色调分量H图像转换为去雾后的图像。
CN201711076400.0A 2017-11-06 2017-11-06 基于v系统的图像去雾方法 Pending CN107886480A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711076400.0A CN107886480A (zh) 2017-11-06 2017-11-06 基于v系统的图像去雾方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711076400.0A CN107886480A (zh) 2017-11-06 2017-11-06 基于v系统的图像去雾方法

Publications (1)

Publication Number Publication Date
CN107886480A true CN107886480A (zh) 2018-04-06

Family

ID=61778675

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711076400.0A Pending CN107886480A (zh) 2017-11-06 2017-11-06 基于v系统的图像去雾方法

Country Status (1)

Country Link
CN (1) CN107886480A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110175967A (zh) * 2019-06-05 2019-08-27 海南大学 图像去雾处理方法、系统、计算机设备和存储介质
CN111274952A (zh) * 2020-01-20 2020-06-12 新疆爱华盈通信息技术有限公司 背光人脸图像处理方法、人脸识别方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102436640A (zh) * 2011-09-21 2012-05-02 北京航空航天大学 一种基于HIS空间的多尺度Retinex模型的雾天图像清晰化方法
KR20140011118A (ko) * 2012-07-17 2014-01-28 경희대학교 산학협력단 평가 전달량에 기초한 안개 영상 보상 방법
CN103632339A (zh) * 2012-08-21 2014-03-12 张晓光 一种基于变分Retinex的单幅图像去雾方法及装置
CN103985091A (zh) * 2014-04-30 2014-08-13 西安理工大学 基于亮度暗先验与双边滤波的单幅图像去雾方法
CN106296618A (zh) * 2016-09-19 2017-01-04 河南工业大学 一种基于高斯函数加权直方图规定化的彩色图像去雾方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102436640A (zh) * 2011-09-21 2012-05-02 北京航空航天大学 一种基于HIS空间的多尺度Retinex模型的雾天图像清晰化方法
KR20140011118A (ko) * 2012-07-17 2014-01-28 경희대학교 산학협력단 평가 전달량에 기초한 안개 영상 보상 방법
CN103632339A (zh) * 2012-08-21 2014-03-12 张晓光 一种基于变分Retinex的单幅图像去雾方法及装置
CN103985091A (zh) * 2014-04-30 2014-08-13 西安理工大学 基于亮度暗先验与双边滤波的单幅图像去雾方法
CN106296618A (zh) * 2016-09-19 2017-01-04 河南工业大学 一种基于高斯函数加权直方图规定化的彩色图像去雾方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
宋瑞霞: "基于HSI颜色空间和暗原色先验的去雾算法", 《系统科学与数学》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110175967A (zh) * 2019-06-05 2019-08-27 海南大学 图像去雾处理方法、系统、计算机设备和存储介质
CN111274952A (zh) * 2020-01-20 2020-06-12 新疆爱华盈通信息技术有限公司 背光人脸图像处理方法、人脸识别方法

Similar Documents

Publication Publication Date Title
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
CN106910175B (zh) 一种基于深度学习的单幅图像去雾算法
CN108269244B (zh) 一种基于深度学习和先验约束的图像去雾系统
TWI514323B (zh) 基於混合暗通道先驗的影像除霧方法及其系統
US8774555B2 (en) Image defogging method and system
CN111161360B (zh) 基于Retinex理论的端到端网络的图像去雾方法
CN110378849B (zh) 基于深度残差网络的图像去雾去雨方法
CN103198459B (zh) 雾霾图像快速去雾方法
CN104091310A (zh) 一种图像去雾方法和装置
CN109993804A (zh) 一种基于条件生成对抗网络的道路场景去雾方法
CN103049888A (zh) 基于暗原色结合大气散射光的图像/视频去雾方法
CN111179189B (zh) 基于生成对抗网络gan的图像处理方法、装置以及电子设备、存储介质
CN110544213A (zh) 一种基于全局和局部特征融合的图像去雾方法
JP2014525617A (ja) 画像除霧方法及びシステム
CN107146209A (zh) 一种基于梯度域的单幅图像去雾方法
CN107292830A (zh) 低照度图像增强及评价方法
CN104021527B (zh) 一种图像中雨雪的去除方法
CN106023108A (zh) 基于边界约束和上下文正则化的图像去雾算法
CN102800059A (zh) 一种基于近红外图像辅助的图像可见性增强方法
CN108765323A (zh) 一种基于改进暗通道与图像融合的柔性去雾方法
CN105046670A (zh) 一种图像去雨方法及系统
CN114841885B (zh) 一种基于偏振图像数据的去雾融合处理方法
Qian et al. CIASM-Net: a novel convolutional neural network for dehazing image
CN107886480A (zh) 基于v系统的图像去雾方法
CN103778605A (zh) 一种雾天图像增强方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180406

WD01 Invention patent application deemed withdrawn after publication