CN109919879B - 一种基于暗通道先验与亮通道先验的图像去雾方法 - Google Patents

Abstract

本发明涉及一种基于暗通道先验与亮通道先验的图像去雾方法，属于图像处理领域，包括以下步骤：S1：获取图像中各处大气光值有变化的大气光图；S2：对图像暗通道先验失效区域进行判定，并选择亮通道图对暗通道失效区域透射率进行补偿；S3：将大气光图和透射率代入改进的大气散射模型公式计算出无雾图像。本发明用一个各处大气光值有变化的大气光图来代替单一的大气光，并对暗通道先验失效区域进行鉴别和自适应补偿该区域透射率，去雾后整体色彩明亮，天空区域无失真现象，细节清晰，有效改善了暗通道先验去雾算法的不足。

Description

一种基于暗通道先验与亮通道先验的图像去雾方法

技术领域

本发明属于图像处理领域，涉及一种基于暗通道先验与亮通道先验的图像去雾方法。

背景技术

图像去雾可以分为图像增强和图像复原两种方法。在图像复原领域，基于先验知识的图像去雾方法有较深的研究进展。Tan利用无雾图像比有雾图像对比度高的特性，通过最大化恢复图像的局部对比度来去雾，但该方法在无雾区域容易产生色彩失真；Tarel等假设大气耗散函数在可行域中逼近最大值，且局部变化平缓，利用中值滤波估计耗散函数，但该方法在景物边缘容易产生光晕现象。Fattal将图像的场景辐射分解为反照率和阴影，然后基于独立分量分析，假设阴影和场景深度在局部不相关，估计景物反照率，来推断景物光在空气中传播时的透射率，但该方法不适用与浓雾区域的处理。Zhu等根据统计得到任意区域雾的浓度与该区域像素点的亮度和饱和度之差成正相关，通过建立景深信息与亮度和饱和度的线性模型并用机器学习算法求解模型中的参数，但该方法在处理雾霾非均匀分布图像时往往会失效。

在众多基于先验知识的去雾算法中，基于暗通道先验的图像去雾算法，被认为是最有效的去雾方法之一。该算法利用统计学得来的先验知识，基于无雾图像中每块小区域总会有一些像素的某个颜色通道值接近于0，通过最小值滤波估计大气散射模型中的相关参数，以实现良好的去雾效果。

大气散射模型

大气散射模型被广泛应用在计算机视觉和图形学中。该模型能描述光从场景点到观测点传播过程中的能量衰减情况，因此可用来描述受到雾影响所导致的图像降质过程。大气散射模型公式为：

I(x)＝J(x)t(x)+A(1+t(x)) (1)

式中(x)为图像的像素坐标，I(x)为观测到的有雾图像，J(x)为无雾图像，t(x)为透射率，A是大气光的强度。

暗通道先验理论

暗通道先验理论基于对大量户外无雾图像进行观察：在大部分不含天空的区域里，一些像素中至少存在一个颜色通道的像素值非常低，接近于0。对于任意一张图像J，它的暗通道可以定义为：

式中J^c是J的一个颜色通道，Ω(x)是以x为中心的邻域。

暗通道先验去雾算法

首先假设大气光强度A已知，并假设透射率在区域Ω(x)内是恒定的。对式(1)两侧取最小值运算并同时除以A，可得：

根据暗通道先验理论，J^dark(x)趋近于0，又知A为正数，可得：

为了避免因过度去雾而导致图像远处景象的不真实性，通常引入一个常数ω(0＜ω＜1)，透射率t(x)变为：

式(5)估算出的透射率因最小值滤波的原因，会有块效应，较为粗糙。为解决块效应的问题，HE使用软抠图算法来细化透射率图。记细化后的透射率为t'(x)。

HE等人基于暗通道给出了一个简单的大气光值求取方法：选取暗通道中亮度最大的0.1％的像素，在对应的输入图像中，取这些像素中最大的像素值作为A的估计值。在估算出透射率t'(x)和大气光值A后，根据(1)式得出雾天图像的复原公式为：

式(6)中t₀是透射率设定的下限值，可避免去雾结果中包含噪声。

但是暗通道先验去雾算法存在大气光估计不准确，并且不适用于天空等大面积高亮区域的问题。将单一的大气光值作为全局大气光存在去雾后色彩暗淡的现象。同时，在天空等大面积高亮区域，暗通道先验理论是无效的，这会导致透射率估计不准确，引起颜色失真现象。

发明内容

有鉴于此，本发明的目的在于将单幅有雾图像进行去雾处理，以达到色彩鲜明，细节清晰，可视性提升的目的。本发明在基于暗通道先验算法的基础上对暗通道先验在大气光估计不准确，导致去雾后色彩暗淡和天空等大面积高亮区域暗通道先验失效，从而导致颜色失真的两个问题进行改进。本发明去雾后整体色彩明亮，天空区域无失真现象，细节清晰，有效改善了暗通道先验去雾算法的不足。

为达到上述目的，本发明提供如下技术方案：

一种基于暗通道先验与亮通道先验的图像去雾方法，包括以下步骤：

S1：获取图像中各处大气光值有变化的大气光图A(x)；

S2：对图像暗通道先验失效区域进行判定，并选择亮通道图对暗通道失效区域透射率t(x)进行补偿；

S3：将大气光图A(x)和透射率t(x)代入改进的大气散射模型公式计算出无雾图像：

I(x)＝J(x)t(x)+A(x)(1-t(x))

其中J(x)表示雾天图像的复原公式：

其中t₀是透射率设定的下限值，以避免去雾结果中包含噪声。

进一步，步骤S1包括以下步骤：

S11：利用四叉树算法求取基准大气光值A'，具体包括以下步骤：

S111：将输入图像划分为四个相等的矩形区域；

S112：然后在每个区域内用像素的平均值减去这些像素的标准差；

S113：选择差值较大的区域，继续分割为更小的四个区域；

S114：重复步骤S111-S113直到分割后的区域小于预先设定的阈值S；

S115：在被选中的区域，选择最大强度的像素值来作为基准大气光A'；

S12：计算有雾图像的亮通道图I^bright(x)：

类似于暗通道先验，亮通道先验理论是基于对大量户外图像进行观察：在图像的每个区域内，一些像素中至少存在一个颜色通道的像素值非常高，接近于1，对于任意一张图像，它的亮通道定义为：

式中I^c是I的一个颜色通道，Ω(x)是以x为中心的邻域，I^bright(x)为亮通道；

S13：生成大气光图：

A(x)＝αA'+βI^bright(x)

式中α和β为调节因子，α+β≤1.0。

进一步，步骤S2包括以下步骤：

S21：获得有雾图像的透射率与亮通道的直方图；

S22：在透射率和亮通道图的直方图中，分别选取波峰旁的波谷处的灰度值作为判定阈值；

S23：由于最小值滤波的原因，亮通道与透射率具有块效应，在场景边缘的计算会产生误差，所以使用引导滤波细化后的亮通道和透射率估计失效区域，记细化后的亮通道图为I^bf(x)，细化后的透射率为t^f(x)；

S24：判定暗通道先验失效区域，如下式所示：

I^bf(x)-t^f(x)＞T_b-T_t

式中T_b-T_t为判定因子，若满足该公式，则判断该区域为暗通道先验失效的大面积高亮区域；

S25：选择亮通道图对暗通道先验失效透射率进行补偿，补偿公式为：

式中t^c(x)为暗通道先验失效区域的补偿透射率，(I^bf(x)-t^f(x))表示透射率需要补偿的程度；

S26：整合得出整幅图像的透射率，最终结合后整幅图像的透射率为：

本发明的有益效果在于：(1)现有基于暗通道先验的图像去雾算法，在大气光估计时，往往将大气光取为单一值。但是，图像中会存在一些亮度较低背光区域，很明显这些区域的大气光值与天空区域的大气光值不相近。同时在实际去雾处理中发现，即使大气光的位置选择正确，当图像景深变化较大时，去雾后的图像往往偏暗且对比度不明显。

因此单一的大气光值并不适用于整幅图像，大气光在图像的不同区域应当有差别。故本发明用一个各处大气光值有变化的大气光图来代替单一的大气光，利用四叉树算法结合亮通道图生成可反映图像亮度信息的大气光图。

(2)基于暗通道先验的图像去雾算法，在天空等大面积高亮区域暗通道先验是失效的。现有方法有通过聚类鉴别失效区域，有通过大气光值与图像亮度值大小鉴别失效区域。本发明的好处在于可以通过图像高亮区域透射率与亮通道的特性，有效鉴别失效区域，并利用图像自身信息补偿失效区域透射率。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：

图1为本发明所述基于暗通道先验与亮通道先验的图像去雾方法流程图；

图2为本发明实施例中透射率与亮通道图的灰度分布示意图；

图2(a)为有雾图像；

图2(b)为透射率；

图2(c)为亮通道图；

图2(d)为透射率的直方图；

图2(e)为亮通道图的直方图；

图3为暗通道先验失效区域判定效果示意图；

图4为透射率补偿前后对比图；

图4(a)为补偿前的透射率；

图4(b)为补偿后的透射率。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

为了实现上述目的，本发明利用暗通道先验与亮通道先验理论，首先对大气光进行改进，然后对暗通道先验失效区域进行鉴别并补偿透射率，提供一种基于暗通道先验与亮通道先验的图像去雾方法，如图1所示：

1.大气光的改进

本发明用一个各处大气光值有变化的大气光图来代替单一的大气光，用A(x)来表示大气光图。那么式(1)将被改写为：

I(x)＝J(x)t(x)+A(x)(1-t(x)) (8)

式中，A(x)为大气光图。

本发明提出一种新的大气光求解方法，首先用四叉树算法求基准大气光值A'，然后基准大气光值与能反映图像亮度信息的亮通道图相结合，求出整幅图像的大气光A(x)。具体步骤如下：

步骤一：四叉树算法求取基准大气光值。

1)将输入图像划分为四个相等的矩形区域；

2)然后在每个区域内用像素的平均值减去这些像素的标准差；

3)选择差值较大的区域，继续分割为更小的四个区域；

4)重复上述步骤直到分割后的区域小于预先设定的阈值S。

5)在被选中的区域，选择最大强度的像素值来作为基准大气光A'。

步骤二:亮通道图计算。

利用式(7)计算有雾图像的亮通道图I^bright(x)。

步骤三：大气光图生成。

大气光图计算公式为：

A(x)＝αA'+βI^bright(x) (9)

式中α和β为调节因子，α+β≤1.0。

2.暗通道先验失效区域鉴别及透射率补偿

本发明利用有雾图像透射率和亮通道图的直方图特性，建立亮通道先验失效区域判定公式并对失效区域透射率进行补偿。如图2(a)-(e)所示，具体步骤如下：

步骤一:有雾图像的透射率与亮通道的直方图求取。

步骤二：在透射率和亮通道图的直方图中，分别选取波峰旁的波谷处的灰度值作为判定阈值，如图2(c)中的T_t和图2(d)的T_b。

步骤三：由于最小值滤波的原因，亮通道与透射率具有块效应，在场景边缘的计算会产生误差，所以使用引导滤波细化后的亮通道和透射率估计失效区域，记细化后的亮通道图为I^bf(x)，细化后的透射率为t^f(x)。

步骤四：暗通道先验失效区域的判定，如下式所示：

I^bf(x)-t^f(x)＞T_b-T_t (10)

式中T_b-T_t为判定因子。若满足公式(10)，则判断该区域为暗通道先验失效的大面积高亮区域。

步骤五：选择亮通道图对暗通道先验失效透射率进行补偿。补偿公式为：

式中t^c(x)为暗通道先验失效区域的补偿透射率。(I^bf(x)-t^f(x))可以表示透射率需要补偿的程度。

步骤六：整合得出整幅图像的透射率。

最终结合后整幅图像的透射率为：

最后，将上述求得得到大气光图和求得的透射率带入式(8)，即可求得复原后的无雾图像。

暗通道先验失效区域判定及补偿。根据式(10)对图2(a)进行判定，判定结果如图3所示，白色区域为不符合暗通道先验的大面积高亮区域，黑色区域为符合暗通道先验的区域。图3可证明所提判定方法的有效性。

补偿前后的透射率对比如图4所示。由对比看出，改进算法可以准确识别天空区域，并对透射率进行补偿，非天空区域透射率不发生变化。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (2)

1.一种基于暗通道先验与亮通道先验的图像去雾方法，其特征在于：包括以下步骤：

S1：获取图像中各处大气光值有变化的大气光图A(x)；

S2：对图像暗通道先验失效区域进行判定，并选择亮通道图对暗通道失效区域透射率t(x)进行补偿；

S21：获得有雾图像的透射率与亮通道的直方图；

S22：在透射率和亮通道图的直方图中，分别选取波峰旁的波谷处的灰度值作为判定阈值；

S23：使用引导滤波细化后的亮通道和透射率估计失效区域，记细化后的亮通道图为I^bf(x)，细化后的透射率为t^f(x)；

S24：判定暗通道先验失效区域，如下式所示：

I^bf(x)-t^f(x)＞T_b-T_t

式中T_b-T_t为判定因子，若满足该公式，则判断该区域为暗通道先验失效的大面积高亮区域；

S25：选择亮通道图对暗通道先验失效透射率进行补偿，补偿公式为：

式中t^c(x)为暗通道先验失效区域的补偿透射率，(I^bf(x)-t^f(x))表示透射率需要补偿的程度；

S26：整合得出整幅图像的透射率，最终结合后整幅图像的透射率为：

S3：将大气光图A(x)和透射率t(x)代入改进的大气散射模型公式计算出无雾图像：

I(x)＝J(x)t(x)+A(x)(1-t(x))

其中J(x)表示雾天图像的复原公式：

其中t₀是透射率设定的下限值，以避免去雾结果中包含噪声。

2.根据权利要求1所述的基于暗通道先验与亮通道先验的图像去雾方法，其特征在于：步骤S1包括以下步骤：

S11：利用四叉树算法求取基准大气光值A'，具体包括以下步骤：

S111：将输入图像划分为四个相等的矩形区域；

S112：在每个区域内用像素的平均值减去这些像素的标准差；

S113：选择差值较大的区域，继续分割为更小的四个区域；

S114：重复步骤S111-S113直到分割后的区域小于预先设定的阈值S；

S115：在被选中的区域，选择最大强度的像素值来作为基准大气光A'；

S12：计算有雾图像的亮通道图I^bright(x)：

式中I^c是I的一个颜色通道，Ω(x)是以x为中心的邻域，I^bright(x)为亮通道；

S13：生成大气光图：

A(x)＝αA'+βI^bright(x)

式中α和β为调节因子，α+β≤1.0。

Images