CN110533619A - 一种基于暗通道先验的图像去雾改进方法 - Google Patents
一种基于暗通道先验的图像去雾改进方法 Download PDFInfo
- Publication number
- CN110533619A CN110533619A CN201910830588.6A CN201910830588A CN110533619A CN 110533619 A CN110533619 A CN 110533619A CN 201910830588 A CN201910830588 A CN 201910830588A CN 110533619 A CN110533619 A CN 110533619A
- Authority
- CN
- China
- Prior art keywords
- image
- dark channel
- value
- defogging
- sub
- 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 41
- 230000015556 catabolic process Effects 0.000 claims abstract description 16
- 238000006731 degradation reaction Methods 0.000 claims abstract description 16
- 230000000694 effects Effects 0.000 claims abstract description 13
- 238000010586 diagram Methods 0.000 claims abstract description 12
- 125000001475 halogen functional group Chemical group 0.000 claims abstract description 9
- 230000003044 adaptive effect Effects 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 8
- 238000009499 grossing Methods 0.000 claims description 7
- 230000007850 degeneration Effects 0.000 claims 1
- 230000000149 penetrating effect Effects 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract 1
- 239000003595 mist Substances 0.000 description 4
- 239000002245 particle Substances 0.000 description 3
- 239000012535 impurity Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000000443 aerosol Substances 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003707 image sharpening Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 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
- G06T5/70—Denoising; Smoothing
-
- 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
本发明公布了一种基于暗通道先验的图像去雾改进方法。包括以下步骤:首先,在分析有雾图像天空区域灰度均值和方差特征基础上,基于二分搜索思想改进大气光值估计算法,可获得更为准确的大气光值;其次,提出一种改进的暗通道值计算方法,依据最小值图和暗通道图的灰度差,获取自适应阈值,确定景深变化剧烈的图像边缘位置并进行灰度值修正。最后,根据雾天图像退化模型对有雾图像进行复原。本发明的基于暗通道先验的图像去雾改进方法,能够有效去除复原图像光晕效应,纠正色偏,提高对比度,同时保留更多的细节信息。
Description
技术领域
本发明属于数字图像处理领域,具体涉及到一种基于暗通道先验的图像去雾改进方法。
背景技术
大气中的微粒会对光线产生散射,使物体的反射光线发生衰减,对拍摄的图像造成的影响是对比度下降、颜色失真、细节模糊等。这种现象在有雾天气条件下更加严重,导致室外监控系统无法正常工作,给人们的生活带来极大不便。雾霾是由大量悬浮在近地面空气中的微小水滴或尘埃粒子组成的气溶胶系统,是近地面层空气中水汽和微粒凝结的产物。空气中杂质是雾霾形成的主要因素,也是图像产生退化的根本原因,导致图像质量下降,图像清晰度降低,这是由于成像景物反射光线与大气中随机介质作用而发生了散射,一部分光线偏离原来路径,造成目标反射光的衰减;另一方面,接收到的光线还混合有大气光。恶劣天气条件制约了室外机器视觉设备的推广。高速公路图像监视系统,由于受到雾霾天气的影响,设备采集到的图像信息辨识度非常低,有时无法用来辅助或监控交通;同样在遥感探测中,受到大气随机介质的影响,遥感图像严重退化,对后续的信息处理产生很大的干扰。在图像监控和计算机视觉领域,图像去雾有着广泛的需求。雾霾天能见度降低,捕获图像的目标对比度和颜色等特征被衰减,去雾能显著地提高景象的清晰度并且更正因空气杂质而带来的颜色失真。并且,大多数的计算机视觉算法,从低级别的图像分析,到高级别的目标识别,一般会假定输入图像即景物的原始光线会聚所成。图像去雾能显著提高图像中景物的清晰度,改正由雾而带来的色偏。同时,图像去雾会产生图像的深度信息,根据深度信息可以加深人们对景象的理解。因此,研究快速有效的去雾算法具有重要的现实意义。
目前主要的图像去雾方法可分为两类:基于非物理模型的方法和基于物理模型的方法。基于非物理型的方法实质是图像增强,旨在提高图像的对比度,增强退化图像的视觉效果;基于物理模型的方法其实质是图像复原,其核心是基于雾天图像退化的物理机理建立退化模型,即大气散射模型。通过已知的约束条件估计模型参量,最终复原出清晰自然的场景图像,能够较好地保持图像的边缘细节信息。何恺明等采用基于暗通道先验的图像去雾算法,可以直接从单幅图像中估计出大气光值和透射率,但是复原出的图像出现光晕效应。为了去除光晕效应,采用软抠图方法对透射率进行细化,取得了较好的去雾效果,但是软抠图方法又带来时间效率和空间效率过低的问题。后来,何恺明等使用引导滤波代替软抠图对透射率进行细化,效率得到很大提升,但复原的图像仍存在一定程度的雾。刘万军等提出了一种基于颜色饱和度的快速图像去雾算法,提高图像的清晰度和运算效率,但是去雾后的图像大多存在颜色过饱和现象。曾接贤等利用暗通道与双边滤波结合的方式对对图像进行去雾,该算法较好地改善了去雾算法的时间复杂度,保持图像边缘细节信息,但是复原出的图像仍存在光晕效应。
发明内容:
为了克服上述现有技术中的不足,消除基于暗通道先验方法进行有雾图像清晰化处理时产生的光晕效应,本发明公布了一种基于暗通道先验的图像去雾改进方法。包括以下步骤:首先采用基于区域均值-方差特征的二分搜索方法估计大气光值,快速获取准确的大气光值;再对暗通道图像边缘信息进行修正,获得改进的透射率;最后根据大气散射模型复原出清晰无雾的图像。通过对比实验,表明本文方法能有效抑制光晕效应,恢复图像的颜色和清晰度。我们方法的具体流程如下:
1.一种基于暗通道先验的图像去雾改进方法,其特征在于:包括以下步骤,
步骤(A)根据暗通道先验理论,获取待改进的暗通道图像;
步骤(B)针对光晕效应产生的原因,对暗通道图像进行边缘修正;
步骤(C)对边缘修正后的暗通道图像进行区域平滑处理,得到改进后的暗通道图像;
步骤(D)根据二分搜索方法估计可靠的大气光值;
步骤(E)依据雾天图像退化模型实现图像去雾。
2.根据权利要求1所述的一种基于暗通道先验的图像去雾改进方法,其特征在于:步骤(A),根据暗通道先验理论,获取待改进的暗通道图像,包括以下步骤,根据雾天图像退化模型:
I(x)=J(x)t(x)+A(1-t(x))
x为单个像素坐标,I(x)为有雾图像,J(x)为去雾后的图像,t(x)为透射率,A为大气光值,根据雾天退化模型,假设大气光值A给定,而且在以x为中心的一个局部区域Ω(x)中透射率是定值,记为t%(x),颜色通道c∈{r,g,b},对上式在三个颜色通道中取最小值然后再局部区域进行最小值滤波,得到暗通道图像:
3.根据权利要求1所述的一种基于暗通道先验的图像去雾改进方法,其特征在于:步骤(B),针对光晕效应,对暗通道图像进行边缘修正。包括以下步骤,将步骤(A)中设为最小值图,记为dark1(x),设为暗通道图,记为dark2(x),根据最小值图和暗通道图的灰度差h(x),获取自适应阈值T,
h(x)=abs(dark1(x)-dark2(x))
T=max(h(x))/4
在h中遍历x,当h(x)小于T,认为该像素点位于景深变化缓慢区域,即非边缘位置,暗通道值求取正确,仍取dark2(x)的值作为暗通道值;当h(x)大于等于T,认为该像素点位于景深变化剧烈位置,即边缘位置,此时取dark1(x)的值作为暗通道值,
得到的dark3(x)即为边缘修正后的暗通道图像。
4.根据权利要求1所述的一种基于暗通道先验的图像去雾改进方法,其特征在于:步骤(C),对边缘修正后的暗通道图像进行区域平滑处理,对步骤(B)的边缘修正后的暗通道图像dark3(x)进行均值滤波,实现对图像的区域平滑,得到改进的暗通道图像。
5.根据权利要求1所述的一种基于暗通道先验的图像去雾改进方法,其特征在于:步骤(D),根据二分搜索方法估计可靠的大气光值;有雾图像中天空区域灰度值的特征:图像中两个不重叠的面积相同的较大子图中(面积大于T1为较大子图),灰度均值较大的更有可能含有天空区域;图像中两个不重叠的面积相同的较小子图中(面积小于等于T2为较小子图),方差小的更有可能是天空区域;包括以下步骤,
对于一幅尺寸为r*c的图像,设阈值T1=(r*c)/2n,T2=(r*c)/2n+1,一般取n≥5;
若r>c,将待处理图像分为两个面积为(r/2)*c的子块,若r<c,将待处理图像分为两个面积为r*(c/2)的子块;
若子块面积大于T1,分别计算两个子块灰度值的总和,对比大小,灰度值总和较大的子块更有可能含有天空区域,将该子块作为待处理子块,返回上一步骤继续进行分块处理,否则进行下一步处理;
若子块面积大于T2,分别计算两个子块的方差,对比大小,将方差较小的子块作为待处理子块,继续进行分块处理,否则选取最后所得子块的均值作为最终的大气光值A。
6.根据权利要求1所述的一种基于暗通道先验的图像去雾改进方法,其特征在于:步骤(E),依据雾天图像退化模型实现图像去雾,对雾天图像退化模型在三个颜色通道中取最小值,然后再局部区域进行最小值滤波,得到
根据暗通道先验理论:无雾图像的暗通道灰度值很低,接近于0,由此得出透射率:
根据步骤(D)中得到的大气光值A,并将步骤(C)中得到的改进的暗通道图像dark(x)代替上式中的带入雾天图像退化模型,得到去雾后的图像。
附图说明:
如附图所示,图1为所述方法的流程示意图,图2为大气光值估计算法流程图,图3为一种基于暗通道先验的图像去雾改进方法所示的分步处理结果示意图,图4为传统方法去雾前后的图像对比示意图。
具体实施方式:
下面结合附图对本发明的较佳实施例进行详细阐述,以使本发明的优点和特征能更易于被本领域技术人员理解,一种基于暗通道先验的图像去雾改进方法,其特征在于,如下步骤:
步骤一:从有雾图像中获取暗通道图像。根据雾天图像退化模型:
I(x)=J(x)t(x)+A(1-t(x))
I(x)为有雾图像,x为单个像素坐标,J(x)为去雾后的图像,t(x)为透射率,A为大气光值。根据雾天退化模型,假设大气光值A给定,而且在以x为中心的一个局部区域Ω(x)中透射率是定值,记为t%(x),颜色通道c∈{r,g,b},对上式在三个颜色通道中取最小值然后再局部区域进行最小值滤波,得到暗通道图像:
步骤二:对暗通道图像做边缘位置灰度值修正处理。将设为最小值图,记为dark1(x),设为暗通道图,记为dark2(x),根据最小值图和暗通道图的灰度差h(x),获取自适应阈值T。
h(x)=abs(dark1(x)-dark2(x))
T=max(h(x))/4
在h中遍历x,当h(x)小于T,认为该像素点位于景深变化缓慢区域,即非边缘位置,暗通道值求取正确,仍取dark2(x)的值作为暗通道值;当h(x)大于等于T,认为该像素点位于景深变化剧烈位置,即边缘位置,此时取dark1(x)的值作为暗通道值。
得到边缘修正后的暗通道图像dark3(x)。对dark3(x)进行均值滤波,实现对图像的区域平滑,得到改进的暗通道图像
步骤三:根据二分搜索方法估计可靠的大气光值。设待处理图像的行与列的像素数分别为r、c,子图A、B、C、D的灰度均值分别为mA、mB、mC和mD,方差分别为fA、fB、fC和fD。具体操作流程如附图中的图2所示,最终会得到mA、mB、mC或mD中的一个值,即为估计出的大气光值。
步骤四:获得复原出的清晰图像。对雾天图像退化模型:
I(x)=J(x)t(x)+A(1-t(x))
在三个颜色通道中取最小值,然后再局部区域进行最小值滤波,得到
根据暗通道先验理论:无雾图像的暗通道灰度值很低,接近于0。由此得出透射率:
根据步骤三中得到的大气光值,并将步骤二中得到的改进的暗通道图像dark(x)代替上式中的带入雾天图像退化模型,得到去雾后的图像。
为了验证本发明的有效性,针对大量雾霾图及无雾霾图像进行处理,已取得了较好的效果,很好地解决了雾霾天气条件下拍摄的降质图像的恢复问题,其优势在于算法简单,计算复杂度低,处理速度快,具有广阔的应用前景和价值。
Claims (6)
1.本发明公布了一种基于暗通道先验的图像去雾改进方法,其特征在于:包括以下步骤,
步骤(A)根据暗通道先验理论,获取待改进的暗通道图像;
步骤(B)针对光晕效应产生的原因,对暗通道图像进行边缘修正;
步骤(C)对边缘修正后的暗通道图像进行区域平滑处理,得到改进后的暗通道图像;
步骤(D)根据二分搜索方法估计可靠的大气光值;
步骤(E)依据雾天图像退化模型实现图像去雾。
2.根据权利要求1所述的一种基于暗通道先验的图像去雾改进方法,其特征在于:步骤(A),根据暗通道先验理论,获取待改进的暗通道图像,包括以下步骤,根据雾天图像退化模型:
I(x)=J(x)t(x)+A(1-t(x))
x为单个像素坐标,I(x)为有雾图像,J(x)为去雾后的图像,t(x)为透射率,A为大气光值,根据雾天退化模型,假设大气光值A给定,而且在以x为中心的一个局部区域Ω(x)中透射率是定值,记为颜色通道c∈{r,g,b},对上式在三个颜色通道中取最小值然后再局部区域进行最小值滤波,得到暗通道图像:
3.根据权利要求1所述的一种基于暗通道先验的图像去雾改进方法,其特征在于:步骤(B),针对光晕效应,对暗通道图像进行边缘修正;包括以下步骤,将步骤(A)中设为最小值图,记为dark1(x),设为暗通道图,记为dark2(x),根据最小值图和暗通道图的灰度差h(x),获取自适应阈值T,
h(x)=abs(dark1(x)-dark2(x))
T=max(h(x))/4
在h中遍历x,当h(x)小于T,认为该像素点位于景深变化缓慢区域,即非边缘位置,暗通道值求取正确,仍取dark2(x)的值作为暗通道值;当h(x)大于等于T,认为该像素点位于景深变化剧烈位置,即边缘位置,此时取dark1(x)的值作为暗通道值:
得到的dark3(x)即为边缘修正后的暗通道图像。
4.根据权利要求1所述的一种基于暗通道先验的图像去雾改进方法,其特征在于:步骤(C),对边缘修正后的暗通道图像进行区域平滑处理,对步骤(B)的边缘修正后的暗通道图像dark3(x)进行均值滤波,实现对图像的区域平滑,得到改进的暗通道图像
5.根据权利要求1所述的一种基于暗通道先验的图像去雾改进方法,其特征在于:步骤(D),根据二分搜索方法估计可靠的大气光值;有雾图像中天空区域灰度值的特征:图像中两个不重叠的面积相同的较大子图中(面积大于T1为较大子图),灰度均值较大的更有可能含有天空区域;图像中两个不重叠的面积相同的较小子图中(面积小于等于T2为较小子图),方差小的更有可能是天空区域;包括以下步骤,
对于一幅尺寸为r*c的图像,设阈值T1=(r*c)/2n,T2=(r*c)/2n+1,一般取n≥5;
若r>c,将待处理图像分为两个面积为(r/2)*c的子块,若r<c,将待处理图像分为两个面积为r*(c/2)的子块;
若子块面积大于T1,分别计算两个子块灰度值的总和,对比大小,灰度值总和较大的子块更有可能含有天空区域,将该子块作为待处理子块,返回上一步骤继续进行分块处理,否则进行下一步处;
若子块面积大于T2,分别计算两个子块的方差,对比大小,将方差较小的子块作为待处理子块,继续进行分块处理,否则选取最后所得子块的均值作为最终的大气光值A。
6.根据权利要求1所述的一种基于暗通道先验的图像去雾改进方法,其特征在于:步骤(E),依据雾天图像退化模型实现图像去雾。对雾天图像退化模型在三个颜色通道中取最小值,然后再局部区域进行最小值滤波,得到
根据暗通道先验理论:无雾图像的暗通道灰度值很低,接近于0,由此得出透射率:
根据步骤(D)中得到的大气光值A,并将步骤(C)中得到的改进的暗通道图像dark(x)代替上式中的带入雾天图像退化模型,得到去雾后的图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910830588.6A CN110533619A (zh) | 2019-09-04 | 2019-09-04 | 一种基于暗通道先验的图像去雾改进方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910830588.6A CN110533619A (zh) | 2019-09-04 | 2019-09-04 | 一种基于暗通道先验的图像去雾改进方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110533619A true CN110533619A (zh) | 2019-12-03 |
Family
ID=68666651
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910830588.6A Pending CN110533619A (zh) | 2019-09-04 | 2019-09-04 | 一种基于暗通道先验的图像去雾改进方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110533619A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112927157A (zh) * | 2021-03-08 | 2021-06-08 | 电子科技大学 | 采用加权最小二乘滤波的改进暗通道去雾方法 |
CN115409740A (zh) * | 2022-11-01 | 2022-11-29 | 国网湖北省电力有限公司 | 一种基于暗通道先验引导图像滤波去除图像雾霾的方法 |
-
2019
- 2019-09-04 CN CN201910830588.6A patent/CN110533619A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112927157A (zh) * | 2021-03-08 | 2021-06-08 | 电子科技大学 | 采用加权最小二乘滤波的改进暗通道去雾方法 |
CN112927157B (zh) * | 2021-03-08 | 2023-08-15 | 电子科技大学 | 采用加权最小二乘滤波的改进暗通道去雾方法 |
CN115409740A (zh) * | 2022-11-01 | 2022-11-29 | 国网湖北省电力有限公司 | 一种基于暗通道先验引导图像滤波去除图像雾霾的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110232666B (zh) | 基于暗原色先验的地下管道图像快速去雾方法 | |
CN106157267B (zh) | 一种基于暗通道先验的图像去雾透射率优化方法 | |
CN107301623B (zh) | 一种基于暗通道和图像分割的交通图像去雾方法及系统 | |
CN106204491B (zh) | 一种基于暗通道先验的自适应图像去雾方法 | |
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 | |
CN109255759A (zh) | 基于天空分割和透射率自适应修正的图像去雾方法 | |
CN107798670B (zh) | 一种利用图像引导滤波器的暗原色先验图像去雾方法 | |
CN107067375A (zh) | 一种基于暗通道先验和边缘信息的图像去雾方法 | |
CN106056557B (zh) | 一种基于改进大气散射模型的单幅图像快速去雾方法 | |
CN103578083A (zh) | 基于联合均值漂移的单幅图像去雾方法 | |
CN110211067A (zh) | 一种用于uuv近海面可见光图像去雾方法 | |
CN110533619A (zh) | 一种基于暗通道先验的图像去雾改进方法 | |
CN111598814B (zh) | 基于极端散射通道的单图像去雾方法 | |
CN111598788B (zh) | 一种基于四叉树分解与非局部先验的单幅图像去雾方法 | |
CN109118440A (zh) | 基于透射率融合与自适应大气光估计的单幅图像去雾方法 | |
CN105913391B (zh) | 一种基于形状可变形态学重构的去雾方法 | |
Pan et al. | Single-image dehazing via dark channel prior and adaptive threshold | |
CN111325688A (zh) | 融合形态学聚类优化大气光的无人机图像去雾方法 | |
CN112419163A (zh) | 一种基于先验知识和深度学习的单张图像弱监督去雾方法 | |
CN112801021B (zh) | 基于多级语义信息的车道线检测方法及系统 | |
CN113421210A (zh) | 一种基于双目立体视觉的表面点云重建方法 | |
CN108898561A (zh) | 一种含天空区域雾天图像的去雾方法、服务器及系统 | |
CN112465720A (zh) | 一种基于图像天空分割的图像去雾方法、装置和存储介质 | |
CN109949239B (zh) | 一种适用于多浓度多场景雾霾图像的自适应清晰化方法 | |
CN116229404A (zh) | 一种基于距离传感器的图像去雾优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191203 |