CN111091501A - 一种大气散射去雾模型的参数估计方法 - Google Patents

一种大气散射去雾模型的参数估计方法 Download PDF

Info

Publication number
CN111091501A
CN111091501A CN201811237983.5A CN201811237983A CN111091501A CN 111091501 A CN111091501 A CN 111091501A CN 201811237983 A CN201811237983 A CN 201811237983A CN 111091501 A CN111091501 A CN 111091501A
Authority
CN
China
Prior art keywords
sky
image
atmospheric
transmittance
value
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
CN201811237983.5A
Other languages
English (en)
Inventor
汤春明
廉政
孙瑞宇
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.)
Tianjin Polytechnic University
Original Assignee
Tianjin Polytechnic University
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 Tianjin Polytechnic University filed Critical Tianjin Polytechnic University
Priority to CN201811237983.5A priority Critical patent/CN111091501A/zh
Publication of CN111091501A publication Critical patent/CN111091501A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding

Landscapes

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

Abstract

涉及一种大气散射去雾模型的参数估计方法。该方法首先根据天空的图像特点对天空与非天空进行分割，再从天空与非天空的交界处寻找大气光估计值，然后针对以往天空区域透射率较低的缺点，对其进行了改进和修正，最后获得更准确的大气散射模型参数估计。本文利用一种新的大气散射模型大气光估计方法和对透射率的改进，使去雾图像具有噪声低和色彩恢复度高的优点，尤其是在天空与非天空交界处复原效果最好，丰富了细节且颜色真实自然。

Description

一种大气散射去雾模型的参数估计方法
技术领域
本文涉及一种大气散射去雾模型的参数估计方法，该方法获得的大气散射模型参数在对图像去雾时，对色彩恢复度高，降低噪声，尤其是在天空与非天空交界处复原效果更好，丰富了细节且颜色真实自然。
背景技术
近年来受雾霾等恶劣天气的影响，室外场景拍摄的图像和视频质量会严重下降，十分影响我们的视觉感受和对细节的感知，这迫切需要我们通过图像处理的手段恢复降质图像。对降质图像的恢复方法一般分为两类，一是通过图像增强的方法突出目标与背景的差别，以降低雾霾的影响；一是考虑光成像及图像退化原理，通过大气散射模型对图像进行复原，以得到清晰的无雾图像。目前研究表明模型去雾效果优于前者。但在该模型中，很多方法对大气光的估计比较粗糙，一般是在暗通道图中选取最亮的点或区域来估计大气光。它的最大问题是容易受到大面积强光或者白色物体如车灯、雪地以及水光等的干扰，尤其是那些含有天空的图像。这是由于天空区域整体亮度高，会严重影响对大气光的估计，而大气光估计不准又会导致对天空区域的透射率估计不准。而且因为天空景深大，这部分区域的透射率一般都会被过低的估计，使去雾后的天空区域过增强，导致颜色失真。为了解决以上问题，设计一种更准确的大气散射去雾模型的参数估计方法具有重要的意义。
发明内容
本文的目的是解决一般的大气散射去雾模型算法在天空与非天空区域恢复失真的问题，为该模型提供一种新的参数估计方法。为此，本文采用如下的技术方案。
一种大气散射去雾模型的参数估计方法，包括下列步骤：
1.根据天空的图像特点，设定梯度与灰度阈值，对图中天空与非天空区域分割，得到二值图像；
2.计算新的暗通道图；
3.结合分割后的二值图像，在原图的天空与非天空交界处的附近范围内，寻找大气光的估计值；
4.针对以往算法天空区域透射率低的缺点，对其改进修正；
本文具有如下的技术效果：
1.参数估计准确性高。本文通过对大气散射去雾模型的成像原理和透视原理的分析，发现在天空与非天空交界处附近的范围内寻找大气光估计值，更符合理论上的结果。所以，结合天空分割的方法在天空与非天空交界处附近的范围内寻找大气光估计值可以提高准确性。
2.通过本文的方法估计参数而得到的去雾图像，颜色更真实，图像整体更符合人眼视觉特性。
附图说明
图1：本文的大气散射去雾模型参数估计方法流程图。
图2：原图。
图3：天空分割后的图像。
图4：大气光估计值的位置。图4-1为何恺明的估计结果，图4-2为我们的估计结果。
图5：透射率优化前后对比。图5-1为优化前的透射率，图5-2为优化后的透射率。
图6：去雾结果对比。图6-1为何恺明的去雾结果，图6-2为我们的去雾结果。
具体实施方式
本文的流程如图1所示，该方法首先依据天空的特点，确定亮度和梯度阈值，对图像的天空和非天空区域做分割处理，得到二值化图像，然后利用雾气浓度分布图，对其做最小值滤波得到新的暗通道图，再结合分割后的图像，在天空与非天空交界处寻找暗通道图中最亮的点，该点所对应在原图中的RGB值作为大气光的估计值。得到大气光的估计值后，根据暗通道先验理论计算透射率，并针对天空区域透射率估计较差的缺点，优化透射率。下面结合附图，对本文技术方案的具体实施过程加以说明。
1.图像天空区域的分割
由于图像中天空区域的梯度较平滑，亮度较高，经过大量实验积累的经验确定好梯度阈值和亮度阈值，对图像二值化分割。
Figure BSA0000172529520000021
Figure BSA0000172529520000022
其中Ib表示分割后的二值图；τ1和τ2分别表示灰度和梯度阈值，τ2＝0.004为经验值，Ig，G分别表示I(x)的灰度和它的标准邻域差分梯度；Ωsky表示预估的天空区域，我们先假设图像顶部1/5区域为天空(如果天空区域小于图像的五分之一，去雾后天空失真的情况很少，对算法影响不大，可当作无天空图像处理)；把Ωsky区域的灰度均值
Figure BSA0000172529520000023
作为阈值，为防止该值过大而造成误检，通过设置b来限定τ1，b取I(x)的平均灰度的1/7。
2.估计大气光值
大气散射去雾模型描述的是在雾霾等天气下的图像退化过程如下：
I(x)＝J(x)t(x)+A(1-t(x))
其中I(x)为拍摄到的降质图像，J(x)为复原图，A为大气光，t(x)为透射率。目前对大气光A的估计方法都是按照何恺明的方法在暗通道图中选最亮的点或区域。根据大气散射去雾模型，当场景距离为无穷远时，t(x)为零，此时I(x)等于A，即无穷远处物体的反射光在传播过程中经大气介质的散射而衰减为零，只剩大气光A被光学传感器捕捉到。所以理论上A应在图像无穷远点。所以在天空与非天空交界处的邻域内，寻找暗通道图中亮度最强的点作为对大气光A的估值。我们先在原图的基础上根据鞠铭烨的方法获得雾气浓度分布图后，对其做最小值滤波，得到新的暗通道图像，相比何恺明的暗通道图，该图不容易受到强光的干扰，从而造成对大气光的错误估计。
3.透射率的优化
再确定了大气光A之后，按照下式对透射率进行初估计，得到
Figure BSA0000172529520000031
Figure BSA0000172529520000032
为了更准确的估计透射率，我们对
Figure BSA0000172529520000039
做了进一步的优化得到
Figure BSA0000172529520000033
Figure BSA0000172529520000034
Figure BSA0000172529520000035
其中参数ω控制去雾程度，它越接近于1，去雾效果越明显，但同时会使图像颜色趋于过饱和。根据光衰减程度和目标可见度随景深距离变化而变化这一光学特性，我们把景深分为三段，每个像素点根据其透射率与景深的映射关系取相应的值来自适应地调整参数ω，使最终的复原图能够产生由远及近的自然景深效果。
这时得到的天空区域透射率通常会偏低，会导致天空区域过增强，因此要对天空区域的透射率做进一步的限制：
Figure BSA0000172529520000036
其中σ表示天空与非天空交界处
Figure BSA0000172529520000037
的平均值。对天空区域分两种情况处理，并设置上限0.4，使该区域的
Figure BSA0000172529520000038
不会过低。这样得到的去雾结果与透射率优化前的相比颜色更真实自然，细节更丰富。
本文提出一种新的大气散射去雾模型的参数估计方法。通过与现有主流算法的主客观比较和分析，所提方法的去雾效果具有噪声低和色彩恢复度高的优点，尤其是在天空与非天空交界处复原效果很好，丰富了细节且颜色真实自然。

Claims (1)

1.一种大气散射去雾模型的参数估计方法，所述方法包括以下步骤：
A.图像天空区域的分割
首先对图像二值化分割：
Figure FSA0000172529510000011
Figure FSA0000172529510000012
其中Ib表示分割后的二值图；τ1和τ2分别表示灰度和梯度阈值，τ2＝0.004为经验值，Ig，G分别表示I(x)的灰度和它的标准邻域差分梯度；Ωsky表示预估的天空区域；把Ωsky区域的灰度均值
Figure FSA0000172529510000013
作为阈值，为防止该值过大而造成误检，通过设置b来限定τ1，b取I(x)的平均灰度的1/7；
B.估计大气光的值
大气散射去雾模型描述的是在雾霾等天气下的图像退化过程如下：
I(x)＝J(x)t(x)+A(1-t(x)) (3)
t(x)＝e-βd(x) (4)
其中I(x)为拍摄到的降质图像，J(x)为复原图，A为大气光，t(x)为透射率，用公式(4)表式，β是散射系数，d(x)为场景距离，t(x)与成像距离d(x)成负相关，根据公式(1)，当场景距离为无穷远时，t(x)为零，此时I(x)等于A，即无穷远处物体的反射光在传播过程中经大气介质的散射而衰减为零，只剩大气光A被光学传感器捕捉到，所以理论上A应在图像无穷远点，根据透视原理，天空与非天空的交界处就是灭线，而灭线被视为无穷远处，因此在该交界处估计大气光A的值应该更为准确，我们先在原图的基础上根据鞠铭烨的方法获得雾气浓度分布图后，对其做最小值滤波，得到新的暗通道图像，再结合步骤A得到的分割图像，在天空与非天空交界处的邻域内，寻找暗通道图中亮度最强的点，该点对应在降质图像I(x)中的值用来作为对大气光A的估值；
C.透射率的优化
再确定了大气光A之后，按照下式对透射率进行初估计，得
Figure FSA0000172529510000014
Figure FSA0000172529510000015
为了更准确的估计透射率，我们对
Figure FSA0000172529510000016
做了进一步的优化得到
Figure FSA0000172529510000017
Figure FSA0000172529510000018
Figure FSA0000172529510000019
其中参数ω控制去雾程度，它越接近于1，去雾效果越明显，但同时会使图像颜色趋于过饱和，根据光衰减程度和目标可见度随景深距离变化而变化这一光学特性，我们把景深分为三段，如公式(7)，每个像素点根据其透射率与景深的映射关系取相应的值来自适应地调整参数ω，使最终的复原图能够产生由远及近的自然景深效果；
这时得到的天空区域透射率通常会偏低，会导致天空区域过增强，因此要对天空区域的透射率做进一步的限制：
Figure FSA0000172529510000021
其中σ表示天空与非天空交界处
Figure FSA0000172529510000022
的平均值，对天空区域分两种情况处理，并设置上限0.4，使该区域的
Figure FSA0000172529510000023
不会过低，这样得到的去雾结果与透射率优化前的相比颜色更真实自然，细节更丰富。
CN201811237983.5A 2018-10-24 2018-10-24 一种大气散射去雾模型的参数估计方法 Pending CN111091501A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811237983.5A CN111091501A (zh) 2018-10-24 2018-10-24 一种大气散射去雾模型的参数估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811237983.5A CN111091501A (zh) 2018-10-24 2018-10-24 一种大气散射去雾模型的参数估计方法

Publications (1)

Publication Number Publication Date
CN111091501A true CN111091501A (zh) 2020-05-01

Family

ID=70391528

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811237983.5A Pending CN111091501A (zh) 2018-10-24 2018-10-24 一种大气散射去雾模型的参数估计方法

Country Status (1)

Country Link
CN (1) CN111091501A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112200746A (zh) * 2020-10-16 2021-01-08 中南大学 一种雾天交通场景图像的去雾方法和设备
CN112529802A (zh) * 2020-12-09 2021-03-19 电子科技大学 基于散射系数比估计的大气散射降质图像恢复方法
WO2022142596A1 (zh) * 2020-12-30 2022-07-07 华为技术有限公司 一种图像处理方法，装置及储存介质

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103955905A (zh) * 2014-05-13 2014-07-30 北京邮电大学 基于快速小波变换和加权图像融合的单幅图像去雾方法
CN104809709A (zh) * 2015-05-13 2015-07-29 北京邮电大学 基于域变换与带权四叉树分解的单幅图像自适应去雾方法
US20150350614A1 (en) * 2012-08-31 2015-12-03 Brain Corporation Apparatus and methods for tracking using aerial video
US9288458B1 (en) * 2015-01-31 2016-03-15 Hrl Laboratories, Llc Fast digital image de-hazing methods for real-time video processing
CN105574830A (zh) * 2016-02-04 2016-05-11 沈阳工业大学 极端天气条件下低质图像增强方法
CN105957040A (zh) * 2016-05-19 2016-09-21 湖南源信光电科技有限公司 基于图像融合的快速去雾算法
CN106846258A (zh) * 2016-12-12 2017-06-13 西北工业大学 一种基于加权最小平方滤波的单幅图像去雾方法
CN106875351A (zh) * 2017-01-11 2017-06-20 西南科技大学 一种面向大面积天空区域图像的去雾方法
JP2017138647A (ja) * 2016-02-01 2017-08-10 三菱電機株式会社 画像処理装置、画像処理方法、映像撮影装置、映像記録再生装置、プログラム及び記録媒体
CN107301623A (zh) * 2017-05-11 2017-10-27 北京理工大学珠海学院 一种基于暗通道和图像分割的交通图像去雾方法及系统
CN107392871A (zh) * 2017-07-27 2017-11-24 广东欧珀移动通信有限公司 图像去雾方法、装置、移动终端及计算机可读存储介质
CN107451962A (zh) * 2017-07-03 2017-12-08 山东财经大学 一种图像去雾方法及装置
CN107680101A (zh) * 2017-08-28 2018-02-09 浙江工业大学 基于暗通道的天空区域分割方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150350614A1 (en) * 2012-08-31 2015-12-03 Brain Corporation Apparatus and methods for tracking using aerial video
CN103955905A (zh) * 2014-05-13 2014-07-30 北京邮电大学 基于快速小波变换和加权图像融合的单幅图像去雾方法
US9288458B1 (en) * 2015-01-31 2016-03-15 Hrl Laboratories, Llc Fast digital image de-hazing methods for real-time video processing
CN104809709A (zh) * 2015-05-13 2015-07-29 北京邮电大学 基于域变换与带权四叉树分解的单幅图像自适应去雾方法
JP2017138647A (ja) * 2016-02-01 2017-08-10 三菱電機株式会社 画像処理装置、画像処理方法、映像撮影装置、映像記録再生装置、プログラム及び記録媒体
CN105574830A (zh) * 2016-02-04 2016-05-11 沈阳工业大学 极端天气条件下低质图像增强方法
CN105957040A (zh) * 2016-05-19 2016-09-21 湖南源信光电科技有限公司 基于图像融合的快速去雾算法
CN106846258A (zh) * 2016-12-12 2017-06-13 西北工业大学 一种基于加权最小平方滤波的单幅图像去雾方法
CN106875351A (zh) * 2017-01-11 2017-06-20 西南科技大学 一种面向大面积天空区域图像的去雾方法
CN107301623A (zh) * 2017-05-11 2017-10-27 北京理工大学珠海学院 一种基于暗通道和图像分割的交通图像去雾方法及系统
CN107451962A (zh) * 2017-07-03 2017-12-08 山东财经大学 一种图像去雾方法及装置
CN107392871A (zh) * 2017-07-27 2017-11-24 广东欧珀移动通信有限公司 图像去雾方法、装置、移动终端及计算机可读存储介质
CN107680101A (zh) * 2017-08-28 2018-02-09 浙江工业大学 基于暗通道的天空区域分割方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
FU HUI ET AL: "Fast visual optimization defogging algorithm based on atmosphere physical model" *
张燕丽等: "结合天空区域检测的图像去雾算法研究与实现" *
徐振轩: "基于天空区域分割的单幅图像去雾方法研究" *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112200746A (zh) * 2020-10-16 2021-01-08 中南大学 一种雾天交通场景图像的去雾方法和设备
CN112200746B (zh) * 2020-10-16 2024-03-08 中南大学 一种雾天交通场景图像的去雾方法和设备
CN112529802A (zh) * 2020-12-09 2021-03-19 电子科技大学 基于散射系数比估计的大气散射降质图像恢复方法
CN112529802B (zh) * 2020-12-09 2021-07-20 电子科技大学 基于散射系数比估计的大气散射降质图像恢复方法
WO2022142596A1 (zh) * 2020-12-30 2022-07-07 华为技术有限公司 一种图像处理方法，装置及储存介质

Similar Documents

Publication Publication Date Title
CN108596849B (zh) 一种基于天空区域分割的单幅图像去雾方法
CN106157267B (zh) 一种基于暗通道先验的图像去雾透射率优化方法
CN106251300B (zh) 一种基于Retinex的快速夜间雾天图像复原方法
CN107103591B (zh) 一种基于图像雾霾浓度估计的单幅图像去雾方法
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
CN108734670B (zh) 单幅夜间弱照度雾霾图像的复原方法
CN110570360B (zh) 一种基于Retinex的鲁棒和全面的低质量光照图像增强方法
CN110211067B (zh) 一种用于uuv近海面可见光图像去雾方法
CN108133462B (zh) 一种基于梯度场区域分割的单幅图像的复原方法
CN110782407B (zh) 一种基于天空区域概率分割的单幅图像去雾方法
CN111091501A (zh) 一种大气散射去雾模型的参数估计方法
CN107705258B (zh) 一种三基色联合预均衡和去模糊的水下图像增强方法
CN112488955B (zh) 一种基于波长补偿的水下图像复原方法
CN107977941B (zh) 一种明亮区域色彩保真及对比度增强的图像去雾方法
CN109934779B (zh) 一种基于导向滤波优化的去雾方法
CN111598886A (zh) 一种基于单幅图像的像素级透过率估计方法
CN105913391B (zh) 一种基于形状可变形态学重构的去雾方法
CN106709876B (zh) 一种基于暗像元原理的光学遥感图像去雾方法
CN112825189B (zh) 一种图像去雾方法及相关设备
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
CN109903253B (zh) 一种基于景深先验的公路交通视频去雾算法
CN116433513A (zh) 一种道路监视视频去雾方法、系统、电子设备和存储介质
CN107248146B (zh) 一种uuv近海面可见光图像去雾方法
CN113284060B (zh) 一种基于波长衰减识别的水下图像增强方法
CN112686825A (zh) 一种基于fpga的地面浓雾场景灰度图像去雾方法

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: 20200501