CN108765323A - 一种基于改进暗通道与图像融合的柔性去雾方法 - Google Patents
一种基于改进暗通道与图像融合的柔性去雾方法 Download PDFInfo
- Publication number
- CN108765323A CN108765323A CN201810468466.2A CN201810468466A CN108765323A CN 108765323 A CN108765323 A CN 108765323A CN 201810468466 A CN201810468466 A CN 201810468466A CN 108765323 A CN108765323 A CN 108765323A
- Authority
- CN
- China
- Prior art keywords
- image
- transmissivity
- mist elimination
- defogging
- dark
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 239000003595 mist Substances 0.000 claims abstract description 38
- 230000008030 elimination Effects 0.000 claims abstract description 30
- 238000003379 elimination reaction Methods 0.000 claims abstract description 30
- 238000010586 diagram Methods 0.000 claims abstract description 11
- 238000012887 quadratic function Methods 0.000 claims abstract description 9
- 230000003044 adaptive effect Effects 0.000 claims abstract description 4
- 238000002310 reflectometry Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 239000000428 dust Substances 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 238000012880 independent component analysis Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 235000019504 cigarettes Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000002715 modification method Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000009738 saturating Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000000007 visual effect Effects 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
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
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改进暗通道与图像融合的柔性去雾方法，包括如下步骤：步骤1，计算有雾图像I(x,y)的暗通道图；步骤2，在暗通道图中选取亮度最大的前0.1％像素，然后选取它们在I(x,y)中对应的最大亮度值作为大气光A的估算值；步骤3，计算I(x,y)的粗略透射率；步骤4，使用盒式导向滤波细化粗略透射率；步骤5，基于二次函数修正细化透射率；步骤6，复原物体光线，得到初步去雾图像；步骤7，计算I(x,y)的伪去雾图像；步骤8，融合初步去雾图像与伪去雾图，得到最终的去雾图像。本发明具有计算速度快，改善了去雾图像在邻近天空区域的失真现象；自适应权重的图像融合，很好的均衡了去雾效果与图像色彩，改善了去雾图像颜色暗沉现象。
Description
技术领域
本发明属于数字图像处理技术领域，特别是一种基于改进暗通道与图像融合的柔性去雾方法。
背景技术
悬浮在大气中的烟、灰尘等物质形成的雾霾，会对个人户外拍照和计算机视觉应用方面造成极大地影响。因此，如何实现高质量的图像去雾，对于图像处理和计算机视觉应用具有非常重要的现实意义。目前,图像去雾已经得到了广泛的研究和应用。
通用的基于大气散射模型的去雾方法大致分为两类：多幅图像去雾和单幅图像去雾。多幅图像去雾方法常利用同一场景不同天气下的多幅图像或不同偏振程度的多幅图像，得到多个参照条件以实现去雾。由于多幅图像去雾需要同一场景下的多幅图像，其在实际应用中受到了限制。
单幅图像去雾方法通过采用单幅图像中包含的先验信息或提出一些合理的假设，实现图像去雾。Tan通过最大化局部对比度的方法实现去雾，该方法恢复出的场景图颜色易趋于过饱和，且场景复原不是建立在特定的物理模型上。Fattal通过假设物体表面反射率(Surface shading)和传输值(Transmission)局部统计不相关，利用独立成分分析(Independent component analysis，ICA)估计场景反射率。由于该方法是基于输入数据的统计特性的，这个统计特性对于浓雾和低信噪比情况将会失效。He首次提出了暗通道先验去雾方法并实现了良好的去雾效果。该算法通过对大量户外无雾图像的统计发现在大多数图像中，除天空部分外，总存在某些像素点在某个通道上有很低的强度值。根据这一特点估算透射率，并采用抠图算法对透射率进行细化，可以得到恢复的无雾图像。
He算法的去雾效果清晰、自然，能恢复出高质量的无雾图像。但是，由于该算法是建立在暗原色先验的基础之上，因而对于诸如天空、白云等不存在暗原色的明亮区域，恢复结果将会出现明显失真，影响了图像的视觉效果。此外，去雾后图像因场景的光线不再像大气光那样明亮，其整体强度值会在一定程度上有所下降，特别是对大雾图像进行去雾处理后，恢复的无雾图像会显得比较暗沉。
发明内容
本发明的目的在于提出了一种基于改进暗通道与图像融合的柔性去雾方法，改善了天空等区域去雾后的失真现象，增强了去雾后图像的色彩。
实现本发明目的的技术解决方案为：一种基于改进暗通道与图像融合的柔性去雾方法，包括如下步骤：
一种基于改进暗通道与图像融合的柔性去雾方法，包括如下步骤：
步骤1，获取有雾图像I(x,y)，计算有雾图像I(x,y)的暗通道图。
步骤2，在上述暗通道图中选取亮度最大的前0.1％像素，然后选取它们在有雾图像I(x,y)中对应的最大亮度值作为大气光A的估算值。
步骤3，计算有雾图像I(x,y)的粗略透射率t1(x，y)。
步骤4，使用盒式导向滤波细化粗略透射率t1(x，y)，细化后的透射率记为t2(x，y)。
步骤5，基于二次函数修正细化透射率t2(x，y)，计算公式如下：
其中，k为容差系数，t2(x，y)为细化后的透射率，t3(x，y)为修正后的透射率；修正参数t0取0.01-0.1，用以约束t3(x，y)。
步骤6，复原物体光线，得到初步去雾图像J1(x，y)。
步骤7，计算有雾图像I(x,y)的伪去雾图像J2(x，y)，计算公式如下：
其中，C为修正透射率t3(x，y)的平均值；修正系数ε取0.96。
步骤8，融合初步去雾图像J1(x)与伪去雾图J2(x，y)，得到最终的去雾图像J3(x，y)，计算公式如下：
J3(x，y)＝w1J1(x，y)+w2J2(x，y)
其中，w1和w2为自适应融合系数。
本发明与现有技术相比，其显著优点为：(1)基于二次函数的透射率修正方法，在改善去雾后图像颜色失真方面，特别是在邻近天空区域，有了较大的提高；(2)伪去雾图较好的保留了图像的色彩信息，利用伪去雾图像与初步去雾图像进行融合，增强了去雾图像的色彩；(3)自适应的图像融合权重，很好的均衡了去雾效果与图像色彩。
附图说明
图1是本发明基于改进暗通道与图像融合的柔性去雾方法的流程示意图。
图2是测试雾图。
图3是使用本方法去雾后的图像。
具体实施方式
下面结合附图对本发明作进一步详细描述。
结合图1，一种基于改进暗通道与图像融合的柔性去雾方法，步骤如下：
步骤1，获取有雾图像I(x,y)，计算有雾图像I(x,y)的暗通道图；
步骤2，在上述暗通道图中选取亮度最大的前0.1％像素，然后选取它们在有雾图像I(x,y)中对应的最大亮度值作为大气光A的估算值；
步骤3，计算有雾图像I(x,y)的粗略透射率t1(x，y)，为了使图像富有层次感而保留了一定的雾；
步骤4，使用盒式导向滤波细化粗略透射率t1(x，y)，导向滤波的窗口大小为15*15，细化后的透射率记为t2(x，y)；
步骤5，基于二次函数修正细化透射率t2(x，y)，具体如下：
引入可调参数k，定义为容差，|I(x，y)-A|＜k的区域为满足暗原色先验理论区域，此区域的透射率保持不变；|I(x，y)-A|＜k的区域为有雾图像中的明亮区域，其不满足暗原色先验，对其采用基于二次函数的透射率修正方式，具体的透射率修正公式如下：
步骤6，复原物体光线，得到初步去雾图像J1(x，y)；
步骤7，计算有雾图像I(x,y)的伪去雾图像J2(x，y)，具体过程如下：
在大气散射物理模型中：
I(x，y)＝J(x，y)×k1(x，y)+A(1-k2(x，y))
其中，I(x，y)为有雾图像，J(x，y)×k1(x，y)为场景透射项，表示的时场景反射光强衰减的过程，A（1-k2(x，y))为大气光附加因子，表示的是周围物体表面散射项；在步骤6求取初步去雾图像J1(x，y)时，取k1(x，y)＝k2(x，y)，但因场景表面的反射率和空气中微尘颗粒的反射率不一定相同，故k1(x，y)和k2(x，y)不一定完全相等；
令k1(x，y)＝t3(x，y)，1-k2(x，y)＝C，C为常数，这里取t3(x，y)的均值，则伪去雾图的求取公式为：
为了约束t3(x，y)，设置t3(x，y)的下限为ε，则伪去雾图的最终求取公式为：
步骤8，融合初步去雾图像J1(x)与伪去雾图J2(x，y)，得到最终的去雾图像J3(x，y)，具体过程如下：
采用基于加权平均算法对图像的R、G、B三通道分别进行融合，则计算(x,y)像素在某一通道的融合公式如下：
其中，w1和w2的取值由J1(x，y)和J2(x，y)的相似度决定，当时，取w1＝0.6、w2＝0.4；否则，则对强度值较小的图像赋予更大的权重，此时权重分别取0.8和0.2。
实施例1
结合图1、图2和图3，一种基于改进暗通道与图像融合的柔性去雾方法，步骤如下：
步骤1，获取有雾图像I(x,y)，其长、宽分别为m、n，遍历计算每一个像素R、G、B三通道中的最小值，然后使用最小值滤波，滤波半径为得到有雾图像I(x,y)的暗通道图。具体计算公式如下：
Idark(x，y)＝min(i，j)∈Ω(x，y)(minc∈{r，g，b}Ic(i，j))，
其中Ω(x，y)是以(x,y)像素为中心、边长为输入图像总像素值3％的方形区域；
步骤2，在步骤1获取的暗通道图中选取亮度最大的前0.1％像素，将其坐标映射到输入图像I(x,y)上，然后选取映射像素中亮度最大像素的值作为大气光A的估算值；
步骤3，计算规范化雾图的暗原色，得到有雾图像的粗略透射率t1(x，y)，计算公式如下：
其中，为了使图像富有层次感而保留了一定的雾，所以ω取定值0.96；
步骤4，使用盒式导向滤波细化透射率，导向滤波的窗口大小为15*15，细化后的透射率记为t2(x，y)；
步骤5，引入可调参数k，定义为容差。|I(x，y)-A|＜k的区域为图像中的明亮区域，该区域内容多为天空、白色反光物等，其不满足暗原色先验，对其采用基于二次函数的透射率修正方式；|I(x，y)-A|≥k的区域为满足暗原色先验理论区域，此区域的透射率保持不变。具体的透射率修正公式如下：
其中，k为容差系数，t2(x，y)为修正前的透射率，t3(x，y)为修正后的透射率，t0为一很小的常数，用以约束t3(x，y)。
步骤6，复原物体光线，得到初步去雾图像，计算公式如下：
步骤7，引入大气散射物理模型：
I(x，y)＝J(x，y)×k1(x，y)+A(1-k2(x，y))
其中，I(x，y)为输入雾图，J(x，y)×k1(x，y)为场景透射项，表示的时场景反射光强衰减的过程，A(1-k2(x，y))为大气光附加因子，表示的是周围物体表面散射项。在步骤6求取初步去雾图像时，取k1(x，y)＝k2(x，y)，但因场景表面的反射率和空气中微尘颗粒的反射率不一定相同，故k1(x，y)和k2(x，y)不一定完全相等。
令k1(x，y)＝t3(x，y)，1-k2(x，y)＝C(C为常数，这里取t3(x，y)的均值)，则伪去雾图的求取公式为：
为了约束t3(x，y)，设置t3(x，y)的下限为一很小的常数ε，则伪去雾图的最终求取公式为：
伪去雾图很好地保留了图像的色彩，得到的图像颜色鲜艳，但去雾效果却略逊于初步去雾图，步骤8为结合两者的优点，对图像进行融合。
步骤8，融合初步去雾图像J1(x)与伪去雾图J2(x，y)，为了减小算法复杂度以降低运算时间，采用基于加权平均算法对图像的R、G、B三通道分别进行融合，则计算(x,y)像素在某一通道的融合公式如下：
其中，J3(x，y)为融合后的图像，J1(x，y)为步骤6中得到的初步去雾图像，J2(x，y)为步骤7中得到的伪去雾图。w1和w2的取值由J1(x，y)和J2(x，y)的相似度决定，当时，取w1＝0.6、w2＝0.4；当差异很大时，则对强度值较小的图像赋予更大的权重，此时权重分别取0.8和0.2。
Claims (4)
1.一种基于改进暗通道与图像融合的柔性去雾方法，其特征在于，包括如下步骤：
步骤1，获取有雾图像I(x,y)，计算有雾图像I(x,y)的暗通道图；
步骤2，在上述暗通道图中选取亮度最大的前0.1％像素，然后选取它们在有雾图像I(x,y)中对应的最大亮度值作为大气光A的估算值；
步骤3，计算有雾图像I(x,y)的粗略透射率t1(x，y)；
步骤4，使用盒式导向滤波细化粗略透射率t1(x，y)，细化后的透射率记为t2(x，y)；
步骤5，基于二次函数修正细化透射率t2(x，y)，计算公式如下：
其中，k为容差系数，t2(x，y)为细化后的透射率，t3(x，y)为修正后的透射率；修正参数t0取0.01-0.1，用以约束t3(x，y)；
步骤6，复原物体光线，得到初步去雾图像J1(x，y)；
步骤7，计算有雾图像I(x,y)的伪去雾图像J2(x，y)，计算公式如下：
其中，C为修正透射率t3(x，y)的平均值；修正系数ε取0.96；
步骤8，融合初步去雾图像J1(x)与伪去雾图J2(x，y)，得到最终的去雾图像J3(x，y)，计算公式如下：
J3(x，y)＝w1J1(x，y)+w2J2(x，y)
其中，w1和w2为自适应融合系数。
2.根据权利要求1所述的基于改进暗通道与图像融合的柔性去雾方法，其特征在于，步骤5中所述的基于二次函数修正细化透射率t2(x，y)，具体步骤如下：
引入可调参数k，定义为容差，|I(x，y)-A|≥k的区域为满足暗原色先验理论区域，此区域的透射率保持不变；|I(x，y)-A|＜k的区域为有雾图像中的明亮区域，其不满足暗原色先验，对其采用基于二次函数的透射率修正方式，具体的透射率修正公式如下：
3.根据权利要求1所述的基于改进暗通道与图像融合的柔性去雾方法，其特征在于，步骤7中计算有雾图像I(x,y)的伪去雾图像J2(x，y)，其具体过程如下：
在大气散射物理模型中：
I(x，y)＝J(x，y)×k1(x，y)+A(1-k2(x，y))
其中，I(x，y)为有雾图像，J(x，y)×k1(x，y)为场景透射项，表示的时场景反射光强衰减的过程，A(1-k2(x，y))为大气光附加因子，表示的是周围物体表面散射项；在步骤6求取初步去雾图像J1(x，y)时，取k1(x，y)＝k2(x，y)，但因场景表面的反射率和空气中微尘颗粒的反射率不一定相同，故k1(x，y)和k2(x，y)不一定完全相等；
令k1(x，y)＝t3(x，y)，1-k2(x，y)＝C，C为常数，这里取t3(x，y)的均值，则伪去雾图的求取公式为：
为了约束t3(x，y)，设置t3(x，y)的下限为ε，则伪去雾图的最终求取公式为：
4.根据权利要求1所述的基于改进暗通道与图像融合的柔性去雾方法，其特征在于，步骤8中，融合初步去雾图像J1(x)与伪去雾图J2(x，y)，得到最终的去雾图像J3(x，y)，其具体过程如下：
采用基于加权平均算法对图像的R、G、B三通道分别进行融合，则计算(x,y)像素在某一通道的融合公式如下：
其中，w1和w2的取值由J1(x，y)和J2(x，y)的相似度决定，当时，取w1＝0.6、w2＝0.4；否则，则对强度值较小的图像赋予更大的权重，此时权重分别取0.8和0.2。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810468466.2A CN108765323A (zh) | 2018-05-16 | 2018-05-16 | 一种基于改进暗通道与图像融合的柔性去雾方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810468466.2A CN108765323A (zh) | 2018-05-16 | 2018-05-16 | 一种基于改进暗通道与图像融合的柔性去雾方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108765323A true CN108765323A (zh) | 2018-11-06 |
Family
ID=64008220
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810468466.2A Pending CN108765323A (zh) | 2018-05-16 | 2018-05-16 | 一种基于改进暗通道与图像融合的柔性去雾方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108765323A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110852957A (zh) * | 2019-10-10 | 2020-02-28 | 杭州欣禾圣世科技有限公司 | 一种基于视网膜特性的快速图像去雾方法 |
| CN111179200A (zh) * | 2019-12-31 | 2020-05-19 | 昆明理工大学 | 一种宽动态范围图像的增强算法 |
| CN111311502A (zh) * | 2019-09-04 | 2020-06-19 | 中国科学院合肥物质科学研究院 | 使用双向加权融合处理雾天图像的方法 |
| CN111598812A (zh) * | 2020-05-25 | 2020-08-28 | 中国科学院长春光学精密机械与物理研究所 | 一种基于rgb和hsv双颜色空间的图像去雾方法 |
| CN113962872A (zh) * | 2020-07-21 | 2022-01-21 | 四川大学 | 一种双通道联合优化的夜间图像去雾方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107767354A (zh) * | 2017-12-08 | 2018-03-06 | 福州大学 | 一种基于暗原色先验的图像去雾算法 |
-
2018
- 2018-05-16 CN CN201810468466.2A patent/CN108765323A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107767354A (zh) * | 2017-12-08 | 2018-03-06 | 福州大学 | 一种基于暗原色先验的图像去雾算法 |
Non-Patent Citations (2)
| Title |
|---|
| 唐美玲: "单幅图像去雾算法的研究与应用", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
| 高虎: "面向交通监控视频的去雾算法研究", 《中国优秀硕士学位论文全文数据库工程科技II辑》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111311502A (zh) * | 2019-09-04 | 2020-06-19 | 中国科学院合肥物质科学研究院 | 使用双向加权融合处理雾天图像的方法 |
| CN110852957A (zh) * | 2019-10-10 | 2020-02-28 | 杭州欣禾圣世科技有限公司 | 一种基于视网膜特性的快速图像去雾方法 |
| CN111179200A (zh) * | 2019-12-31 | 2020-05-19 | 昆明理工大学 | 一种宽动态范围图像的增强算法 |
| CN111598812A (zh) * | 2020-05-25 | 2020-08-28 | 中国科学院长春光学精密机械与物理研究所 | 一种基于rgb和hsv双颜色空间的图像去雾方法 |
| CN111598812B (zh) * | 2020-05-25 | 2022-03-01 | 中国科学院长春光学精密机械与物理研究所 | 一种基于rgb和hsv双颜色空间的图像去雾方法 |
| CN113962872A (zh) * | 2020-07-21 | 2022-01-21 | 四川大学 | 一种双通道联合优化的夜间图像去雾方法 |
| CN113962872B (zh) * | 2020-07-21 | 2023-08-18 | 四川大学 | 一种双通道联合优化的夜间图像去雾方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108765323A (zh) | 一种基于改进暗通道与图像融合的柔性去雾方法 | |
| CN102750674B (zh) | 基于自适应容差的视频图像去雾方法 | |
| 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 | |
| Tripathi et al. | Single image fog removal using bilateral filter | |
| Xu et al. | Removing rain and snow in a single image using guided filter | |
| Yoon et al. | Adaptive defogging with color correction in the HSV color space for consumer surveillance system | |
| CN103218778B (zh) | 一种图像和视频的处理方法及装置 | |
| Wang et al. | A fast single-image dehazing method based on a physical model and gray projection | |
| Peng et al. | Image haze removal using airlight white correction, local light filter, and aerial perspective prior | |
| CN105913390B (zh) | 一种图像去雾方法及系统 | |
| CN110544213A (zh) | 一种基于全局和局部特征融合的图像去雾方法 | |
| CN109993804A (zh) | 一种基于条件生成对抗网络的道路场景去雾方法 | |
| JP2012168936A (ja) | 動画処理装置及び動画処理方法 | |
| Kumari et al. | Single image fog removal using gamma transformation and median filtering | |
| Gao et al. | Haze filtering with aerial perspective | |
| Bansal et al. | A review of image restoration based image defogging algorithms | |
| Fu et al. | An anisotropic Gaussian filtering model for image de-hazing | |
| Ghate et al. | New approach to underwater image dehazing using dark channel prior | |
| CN110852971B (zh) | 基于暗原色先验和Retinex的视频去雾方法及存储介质 | |
| CN111091500B (zh) | 点光源多散射模型图像复原方法 | |
| Qing et al. | Underwater image enhancement with an adaptive dehazing framework | |
| Negru et al. | Exponential image enhancement in daytime fog conditions | |
| CN115170404A (zh) | 基于亮度补偿和图层分离的夜间图像去雾方法及装置 | |
| Kim et al. | Single image dehazing of road scenes using spatially adaptive atmospheric point spread function | |
| CN115439346A (zh) | 一种基于机载嵌入式fpga开发平台含雾图像去雾增强方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181106 |
|
| RJ01 | Rejection of invention patent application after publication |