CN111192205A - 一种图像去雾方法、系统和计算机可读存储介质 - Google Patents
一种图像去雾方法、系统和计算机可读存储介质 Download PDFInfo
- Publication number
- CN111192205A CN111192205A CN201911158152.3A CN201911158152A CN111192205A CN 111192205 A CN111192205 A CN 111192205A CN 201911158152 A CN201911158152 A CN 201911158152A CN 111192205 A CN111192205 A CN 111192205A
- Authority
- CN
- China
- Prior art keywords
- image
- atmospheric light
- value
- transmittance
- light 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000002834 transmittance Methods 0.000 claims abstract description 66
- 238000012937 correction Methods 0.000 claims abstract description 33
- 230000003044 adaptive effect Effects 0.000 claims abstract description 29
- 230000006870 function Effects 0.000 claims description 20
- 239000000126 substance Substances 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 abstract description 4
- 238000001914 filtration Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 8
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 1
- 238000003707 image sharpening Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
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
本发明提供一种图像去雾方法、系统和计算机可读存储介质，所述方法包括：获取有雾图像I(x)；采用四叉树搜索法初步估计大气光值A0；根据自适应大气光校正方法对所述大气光值A0进行校正，并得到校正后的大气光值A；对所述有雾图像I(x)计算暗通道均值；根据所述暗通道均值估算投射率tM(x)；对所述投射率tM(x)进行自适应补偿，得到补偿后的透射率t(x)；将所述校正后的大气光值A和补偿后的透射率t(x)分别输入图像去雾模型I(x)＝J(x)t(x)+(I‑t(x))A中，得到所述去雾图像J(x)；采用调整函数对所述去雾图像J(x)调整图像亮度，得到复原图像。本发明可以有效避免光晕和颜色失真等问题，而且复原出的图像细节突出，具有较好的视觉效果。
Description
技术领域
本发明图像处理技术领域，尤其涉及一种图像去雾方法、系统和计算机可读存储介质。
背景技术
在基于视觉图像信息的监控系统中，有雾图像严重影响到对目标的特征提取，从而无法进行目标检测、目标跟踪等工作。对有雾图像进行去雾处理能有效提高目标检测、跟踪精度，具有十分重要的意义。
当前，图像去雾的方法主要分为两类：一类是基于图像增强的方法，另一类是基于物理模型的方法。前者包括直方图均衡化和Retinex算法，这类方法通过提高有雾图像的对比度或突出图像特征来实现图像清晰化，但是容易造成图像细节丢失；后者通过研究大气悬浮颗粒对光的散射作用，建立雾天图像的物理模型，进一步反演恢复出清晰图像。
发明内容
为了解决上述至少一个技术问题，本发明提出了一种图像去雾方法、系统和计算机可读存储介质。
为了实现上述目的，本发明第一方面提出了一种图像去雾方法，所述方法包括：
获取有雾图像I(x)；
采用四叉树搜索法初步估计大气光值A0；
根据自适应大气光校正方法对所述大气光值A0进行校正，并得到校正后的大气光值A；
对所述有雾图像I(x)计算暗通道均值；
根据所述暗通道均值估算投射率tM(x)；
对所述投射率tM(x)进行自适应补偿，得到补偿后的透射率t(x)；
将所述校正后的大气光值A和补偿后的透射率t(x)分别输入图像去雾模型I(x)＝J(x)t(x)+(I-t(x))A中，得到所述去雾图像J(x)；
采用调整函数对所述去雾图像J(x)调整图像亮度，得到复原图像。
进一步的，采用四叉树搜索法初步估计大气光值A0，具体包括：
将所述有雾图像I(x)划分为4个大小相同的矩形区域，记每一区域像素的均值与标准差之差为Score[i](i＝1，2，3，4)；
选取Score[i]值最高的区域继续划分为4个更小的区域，再次计算Score[i]；
迭代上述两步骤，直到选取区域满足预定的阈值，以最后选取区域的最亮点作为大气光的初步估计值A0。
进一步的，根据自适应大气光校正方法对所述大气光值A0进行校正，具体包括：
根据式A＝(1+max(0，log(vw)))＞A0对所述大气光值A0进行校正；
其中，w＝7+9e-20v，v为自适应大气光校正因子，表示所述有雾图像I(x)中非天空或景深突变区域的大小，max设定一个校正阈值0，当log(vw)＞0时，给大气光值A适量的增加，而当log(vw)＜0时，不进行校正。
进一步的，对所述有雾图像I(x)计算暗通道均值，具体包括：
采用均值滤波公式对所述有雾图像I(x)计算暗通道均值，且所述均值滤波公式为：
其中，
为暗通道均值，Ω(x)表示以像素x为中心的一个局部区域，Jc表示有雾图像I的一个颜色通道，mean表示均值函数，c表示颜色通道，r，g，b分别表示红、绿、蓝三种颜色通道。
进一步的，根据所述暗通道均值估算投射率tM(x)，具体包括：
基于公式
估计所述暗通道均值的透射率tM(x)；
其中，x为像素，
为暗通道均值，Ac为大气光值A在c颜色通道的值，ω(0≤ω≤1)为常数。
进一步的，对所述投射率tM(x)进行自适应补偿，得到补偿后的透射率t(x)，具体包括：
根据自适应补偿算法对所述投射率tM进行自适应补偿，得到补偿后的透射率t，所述自适应补偿算法为：t(x)＝tM(x)+Δt(x)；
其中，Δt(x)表示补偿函数，且
参数k＝7+9e-20u，u为透射率补偿因子，表示有雾图像I(x)明亮区域的大小。
进一步的，将所述校正后的大气光值A和补偿后的透射率t(x)分别输入图像去雾模型I(x)＝J(x)t(x)+(I-t(x))A中，得到所述去雾图像J(x)，具体包括：
为透射率设定一个下限值t0，将所述校正后的大气光值A和补偿后的透射率t分别输入图像去雾模型I(x)＝J(x)t(x)+(I-t(x))A中，得到所述去雾图像J，且所述去雾图像J的表达式为：
进一步的，所述调整函数为：
其中，J0(x)为调整后的复原图像，J(x)为调整前的去雾图像，α为调整因子。
本发明第二方面还提出一种图像去雾系统，所述图像去雾系统包括：存储器及处理器，所述存储器中包括一种图像去雾方法程序，所述图像去雾方法程序被所述处理器执行时实现如下步骤：
获取有雾图像I(x)；
采用四叉树搜索法初步估计大气光值A0；
根据自适应大气光校正方法对所述大气光值A0进行校正，并得到校正后的大气光值A；
对所述有雾图像I(x)计算暗通道均值；
根据所述暗通道均值估算投射率tM(x)；
对所述投射率tM(x)进行自适应补偿，得到补偿后的透射率t(x)；
将所述校正后的大气光值A和补偿后的透射率t(x)分别输入图像去雾模型I(x)＝J(x)t(x)+(I-t(x))A中，得到所述去雾图像J(x)；
采用调整函数对所述去雾图像J(x)调整图像亮度，得到复原图像。
本发明第三方面还提出一种计算机可读存储介质，所述计算机可读存储介质中包括一种图像去雾方法程序，所述图像去雾方法程序被处理器执行时，实现如上述的一种图像去雾方法的步骤。
本发明提出的图像去雾方法、系统和计算机可读存储介质不需要进行透射率细化，并可以有效避免光晕和颜色失真等问题，而且复原出的图像细节突出，具有较好的视觉效果。
本发明的附加方面和优点将在下面的描述部分中给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
图1示出了本发明一种图像去雾方法的流程图；
图2示出了本发明一种图像去雾系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种图像去雾方法的流程图。
如图1所示，本发明第一方面提出一种图像去雾方法，所述方法包括：
S102，获取有雾图像I(x)；
S104，采用四叉树搜索法初步估计大气光值A0；
S106，根据自适应大气光校正方法对所述大气光值A0进行校正，并得到校正后的大气光值A；
S108，对所述有雾图像I(x)计算暗通道均值；
S110，根据所述暗通道均值估算投射率tM(x)；
S112，对所述投射率tM(x)进行自适应补偿，得到补偿后的透射率t(x)；
S114，将所述校正后的大气光值A和补偿后的透射率t(x)分别输入图像去雾模型I(x)＝J(x)t(x)+(I-t(x))A中，得到所述去雾图像J(x)；
S116，采用调整函数对所述去雾图像J(x)调整图像亮度，得到复原图像。
需要说明的是，本发明可以采用照相机、摄像头、手机、IPAD、PC等终端设备获取有雾图像I(x)。
根据本发明的实施例，采用四叉树搜索法初步估计大气光值A0，具体包括：
将所述有雾图像I(x)划分为4个大小相同的矩形区域，记每一区域像素的均值与标准差之差为Score[i](i＝1，2，3，4)；
选取Score[i]值最高的区域继续划分为4个更小的区域，再次计算Score[i]；
迭代上述两步骤，直到选取区域满足预定的阈值，以最后选取区域的最亮点作为大气光的初步估计值A0。
需要说明的是，大气光应是雾浓度最大的地方，但是最亮点有时并不是雾浓度最大的地方，而可能是场景中高亮物体，此时仍然选取全局亮度最大值作为大气光值显然错误。为了准确估计大气光，基于图像中天空区域的像素值方差较小，本发明采用四叉树搜索法来初步估计大气光。
进一步的，根据自适应大气光校正方法对所述大气光值A0进行校正，具体包括：
根据式A＝(1+max(0，log(vw)))＞A0对所述大气光值A0进行校正；
其中，w＝7+9e-20v，v为自适应大气光校正因子，表示所述有雾图像I(x)中非天空或景深突变区域的大小，max设定一个校正阈值0，当log(vw)＞0时，给大气光值A适量的增加，而当log(vw)＜0时，不进行校正。
可以理解，当log(vw)＜0时，不进行校正，从而避免了大气光值A不增反降的现象。
需要说明的是，对于一些天空区域较小的图像，采用四叉树搜索法求得的大气光值往往偏低，造成最终去雾能力下降。为此本发明提出一种自适应大气光校正方法，有效提高对有雾图像I的去雾能力和去雾效果。
根据本发明的实施例，对所述有雾图像I(x)计算暗通道均值，具体包括：
采用均值滤波公式对所述有雾图像I(x)计算暗通道均值，且所述均值滤波公式为：
其中，
为暗通道均值，Ω(x)表示以像素x为中心的一个局部区域，Jc表示有雾图像I的一个颜色通道，mean表示均值函数，c表示颜色通道，r，g，b分别表示红、绿、蓝三种颜色通道。
需要说明的是，相较于传统的最小值滤波方法得到的暗通道图，由均值滤波得到的暗通道图更为平滑，而且保持了图像原有的细节。
进一步的，根据所述暗通道均值估算投射率tM(x)，具体包括：
基于公式
估计所述暗通道均值的透射率tM(x)；
其中，x为像素，
为暗通道均值，Ac为大气光值A在c颜色通道的值，ω(0≤ω≤1)为常数。
优选的，ω值为0.95，但不限于此。
需要说明的是，采用上述算法能够得到更加精确的透射率，且无需采用引导滤波对透射率进行细化操作处理，进一步提升了有雾图像的去雾处理效率。
根据本发明的实施例，对所述投射率tM(x)进行自适应补偿，得到补偿后的透射率t(x)，具体包括：
根据自适应补偿算法对所述投射率tM进行自适应补偿，得到补偿后的透射率t，所述自适应补偿算法为：t(x)＝tM(x)+Δt(x)；
其中，Δt(x)表示补偿函数，且
参数k＝7+9e-20u，u为透射率补偿因子，表示有雾图像I(x)明亮区域的大小。
需要说明的是，本发明提出的自适应透射率补偿算法对明亮区域的透射率进行补偿。根据前述自适应大气光校正因子v的含义可知，u与v的关系为：u＝1-v。
进一步的，对式
进行求导，得到该凹函数的最小值点在平面tM-t的坐标(tp，tmin)，即：
可以理解，天空区域的景深为整个图像的最远处，该区域的透射率是整个透射率图中的最小值。因此，对补偿后的透射率t(x)设置一个下限tmin，得到最终补偿后的透射率：
需要说明的是，通过上述自适应透射率补偿方法，对于天空区域这种透射率较小的地方，其透射率得到了较多的补偿；对于透射率较大的地方，给予的补偿较小。
根据本发明的实施例，将所述校正后的大气光值A和补偿后的透射率t(x)分别输入图像去雾模型I(x)＝J(x)t(x)+(I-t(x))A中，得到所述去雾图像J(x)，具体包括：
为透射率设定一个下限值t0，将所述校正后的大气光值A和补偿后的透射率t分别输入图像去雾模型I(x)＝J(x)t(x)+(I-t(x))A中，得到所述去雾图像J，且所述去雾图像J的表达式为：
需要说明的是，在得到透射率t(x)和大气光值A之后，将其代入式I(x)＝J(x)t(x)+(I-t(x))A就可得到无雾图像。为防止分母为0，本发明为透射率设定一个下限值t0，优选的，t0取值为0.1，但不限于此。
根据本发明的实施例，所述调整函数为：
其中，J0(x)为调整后的复原图像，J(x)为调整前的去雾图像，α为调整因子。
可以理解，α值越大，图像亮度越高，优选的，α取值为4，但不限于此。
需要说明的是，在雾天采集的图像，由于受大气光的作用，图像整体偏白，通过上述步骤得到的去雾图像整体偏暗，本发明采用调整函数来调整去雾图像亮度，进一步提高了去雾图像的视觉效果。
图2示出了本发明一种图像去雾系统的框图。
如图2所示，本发明第二方面还提出一种图像去雾系统2，所述图像去雾系统2包括：存储器21及处理器22，所述存储器中包括一种图像去雾方法程序，所述图像去雾方法程序被所述处理器执行时实现如下步骤：
获取有雾图像I(x)；
采用四叉树搜索法初步估计大气光值A0；
根据自适应大气光校正方法对所述大气光值A0进行校正，并得到校正后的大气光值A；
对所述有雾图像I(x)计算暗通道均值；
根据所述暗通道均值估算投射率tM(x)；
对所述投射率tM(x)进行自适应补偿，得到补偿后的透射率t(x)；
将所述校正后的大气光值A和补偿后的透射率t(x)分别输入图像去雾模型I(x)＝J(x)t(x)+(I-t(x))A中，得到所述去雾图像J(x)；
采用调整函数对所述去雾图像J(x)调整图像亮度，得到复原图像。
需要说明的是，本发明的系统可以在PC、手机、PAD等终端设备中进行操作。
需要说明的是，所述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
需要说明的是，本发明可以采用照相机、摄像头、手机、IPAD、PC等终端设备获取有雾图像I(x)。
根据本发明的实施例，采用四叉树搜索法初步估计大气光值A0，具体包括：
将所述有雾图像I(x)划分为4个大小相同的矩形区域，记每一区域像素的均值与标准差之差为Score[i](i＝1，2，3，4)；
选取Score[i]值最高的区域继续划分为4个更小的区域，再次计算Score[i]；
迭代上述两步骤，直到选取区域满足预定的阈值，以最后选取区域的最亮点作为大气光的初步估计值A0。
需要说明的是，大气光应是雾浓度最大的地方，但是最亮点有时并不是雾浓度最大的地方，而可能是场景中高亮物体，此时仍然选取全局亮度最大值作为大气光值显然错误。为了准确估计大气光，基于图像中天空区域的像素值方差较小，本发明采用四叉树搜索法来初步估计大气光。
进一步的，根据自适应大气光校正方法对所述大气光值A0进行校正，具体包括：
根据式A＝(1+max(0，log(vw)))＞A0对所述大气光值A0进行校正；
其中，w＝7+9e-20v，v为自适应大气光校正因子，表示所述有雾图像I(x)中非天空或景深突变区域的大小，max设定一个校正阈值0，当log(vw)＞0时，给大气光值A适量的增加，而当log(vw)＜0时，不进行校正。
可以理解，当log(vw)＜0时，不进行校正，从而避免了大气光值A不增反降的现象。
需要说明的是，对于一些天空区域较小的图像，采用四叉树搜索法求得的大气光值往往偏低，造成最终去雾能力下降。为此本发明提出一种自适应大气光校正方法，有效提高对有雾图像I的去雾能力和去雾效果。
根据本发明的实施例，对所述有雾图像I(x)计算暗通道均值，具体包括：
采用均值滤波公式对所述有雾图像I(x)计算暗通道均值，且所述均值滤波公式为：
其中，
为暗通道均值，Ω(x)表示以像素x为中心的一个局部区域，Jc表示有雾图像I的一个颜色通道，mean表示均值函数，c表示颜色通道，r，g，b分别表示红、绿、蓝三种颜色通道。
需要说明的是，相较于传统的最小值滤波方法得到的暗通道图，由均值滤波得到的暗通道图更为平滑，而且保持了图像原有的细节。
进一步的，根据所述暗通道均值估算投射率tM(x)，具体包括：
基于公式
估计所述暗通道均值的透射率tM(x)；
其中，x为像素，
为暗通道均值，Ac为大气光值A在c颜色通道的值，ω(0≤ω≤1)为常数。
优选的，ω值为0.95，但不限于此。
需要说明的是，采用上述算法能够得到更加精确的透射率，且无需采用引导滤波对透射率进行细化操作处理，进一步提升了有雾图像的去雾处理效率。
根据本发明的实施例，对所述投射率tM(x)进行自适应补偿，得到补偿后的透射率t(x)，具体包括：
根据自适应补偿算法对所述投射率tM进行自适应补偿，得到补偿后的透射率t，所述自适应补偿算法为：t(x)＝tM(x)+Δt(x)；
其中，Δt(x)表示补偿函数，且
参数k＝7+9e-20u，u为透射率补偿因子，表示有雾图像I(x)明亮区域的大小。
需要说明的是，本发明提出的自适应透射率补偿算法对明亮区域的透射率进行补偿。根据前述自适应大气光校正因子v的含义可知，u与v的关系为：u＝1-v。
进一步的，对式
进行求导，得到该凹函数的最小值点在平面tM-t的坐标(tp，tmin)，即：
可以理解，天空区域的景深为整个图像的最远处，该区域的透射率是整个透射率图中的最小值。因此，对补偿后的透射率t(x)设置一个下限tmin，得到最终补偿后的透射率：
需要说明的是，通过上述自适应透射率补偿方法，对于天空区域这种透射率较小的地方，其透射率得到了较多的补偿；对于透射率较大的地方，给予的补偿较小。
根据本发明的实施例，将所述校正后的大气光值A和补偿后的透射率t(x)分别输入图像去雾模型I(x)＝J(x)t(x)+(I-t(x))A中，得到所述去雾图像J(x)，具体包括：
为透射率设定一个下限值t0，将所述校正后的大气光值A和补偿后的透射率t分别输入图像去雾模型I(x)＝J(x)t(x)+(I-t(x))A中，得到所述去雾图像J，且所述去雾图像J的表达式为：
需要说明的是，在得到透射率t(x)和大气光值A之后，将其代入式I(x)＝J(x)t(x)+(I-t(x))A就可得到无雾图像。为防止分母为0，本发明为透射率设定一个下限值t0，优选的，t0取值为0.1，但不限于此。
根据本发明的实施例，所述调整函数为：
其中，J0(x)为调整后的复原图像，J(x)为调整前的去雾图像，α为调整因子。
可以理解，α值越大，图像亮度越高，优选的，α取值为4，但不限于此。
需要说明的是，在雾天采集的图像，由于受大气光的作用，图像整体偏白，通过上述步骤得到的去雾图像整体偏暗，本发明采用调整函数来调整去雾图像亮度，进一步提高了去雾图像的视觉效果。
本发明第三方面还提出一种计算机可读存储介质，所述计算机可读存储介质中包括一种图像去雾方法程序，所述图像去雾方法程序被处理器执行时，实现如上述的一种图像去雾方法的步骤。
本发明提出的图像去雾方法、系统和计算机可读存储介质不需要进行透射率细化，并可以有效避免光晕和颜色失真等问题，而且复原出的图像细节突出，具有较好的视觉效果。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种图像去雾方法，其特征在于，所述方法包括：
获取有雾图像I(x)；
采用四叉树搜索法初步估计大气光值A0；
根据自适应大气光校正方法对所述大气光值A0进行校正，并得到校正后的大气光值A；
对所述有雾图像I(x)计算暗通道均值；
根据所述暗通道均值估算投射率tM(x)；
对所述投射率tM(x)进行自适应补偿，得到补偿后的透射率t(x)；
将所述校正后的大气光值A和补偿后的透射率t(x)分别输入图像去雾模型I(x)＝J(x)t(x)+(I-t(x))A中，得到所述去雾图像J(x)；
采用调整函数对所述去雾图像J(x)调整图像亮度，得到复原图像。
2.根据权利要求1所述的一种图像去雾方法，其特征在于，采用四叉树搜索法初步估计大气光值A0，具体包括：
将所述有雾图像I(x)划分为4个大小相同的矩形区域，记每一区域像素的均值与标准差之差为Score[i](i＝1，2，3，4)；
选取Score[i]值最高的区域继续划分为4个更小的区域，再次计算Score[i]；
迭代上述两步骤，直到选取区域满足预定的阈值，以最后选取区域的最亮点作为大气光的初步估计值A0。
3.根据权利要求1所述的一种图像去雾方法，其特征在于，根据自适应大气光校正方法对所述大气光值A0进行校正，具体包括：
根据式A＝(1+max(0，log(vw)))＞A0对所述大气光值A0进行校正；
其中，w＝7+9e-20v，v为自适应大气光校正因子，表示所述有雾图像I(x)中非天空或景深突变区域的大小，max设定一个校正阈值0，当log(vw)＞0时，给大气光值A适量的增加，而当log(vw)＜0时，不进行校正。
4.根据权利要求1所述的一种图像去雾方法，其特征在于，对所述有雾图像I(x)计算暗通道均值，具体包括：
采用均值滤波公式对所述有雾图像I(x)计算暗通道均值，且所述均值滤波公式为：
其中，
为暗通道均值，Ω(x)表示以像素x为中心的一个局部区域，Jc表示有雾图像I的一个颜色通道，mean表示均值函数，c表示颜色通道，r，g，b分别表示红、绿、蓝三种颜色通道。
5.根据权利要求1所述的一种图像去雾方法，其特征在于，根据所述暗通道均值估算投射率tM(x)，具体包括：
基于公式
估计所述暗通道均值的透射率tM(x)；
其中，x为像素，
为暗通道均值，Ac为大气光值A在c颜色通道的值，ω(0≤ω≤1)为常数。
6.根据权利要求1所述的一种图像去雾方法，其特征在于，对所述投射率tM(x)进行自适应补偿，得到补偿后的透射率t(x)，具体包括：
根据自适应补偿算法对所述投射率tM进行自适应补偿，得到补偿后的透射率t，所述自适应补偿算法为：t(x)＝tM(x)+Δt(x)；
其中，Δt(x)表示补偿函数，且
参数k＝7+9e-20u，u为透射率补偿因子，表示有雾图像I(x)明亮区域的大小。
7.根据权利要求1所述的一种图像去雾方法，其特征在于，将所述校正后的大气光值A和补偿后的透射率t(x)分别输入图像去雾模型I(x)＝J(x)t(x)+(I-t(x))A中，得到所述去雾图像J(x)，具体包括：
为透射率设定一个下限值t0，将所述校正后的大气光值A和补偿后的透射率t分别输入图像去雾模型I(x)＝J(x)t(x)+(I-t(x))A中，得到所述去雾图像J，且所述去雾图像J的表达式为：
8.根据权利要求1所述的一种图像去雾方法，其特征在于，所述调整函数为：
其中，J0(x)为调整后的复原图像，J(x)为调整前的去雾图像，α为调整因子。
9.一种图像去雾系统，其特征在于，所述图像去雾系统包括：存储器及处理器，所述存储器中包括一种图像去雾方法程序，所述图像去雾方法程序被所述处理器执行时实现如下步骤：
获取有雾图像I(x)；
采用四叉树搜索法初步估计大气光值A0；
根据自适应大气光校正方法对所述大气光值A0进行校正，并得到校正后的大气光值A；
对所述有雾图像I(x)计算暗通道均值；
根据所述暗通道均值估算投射率tM(x)；
对所述投射率tM(x)进行自适应补偿，得到补偿后的透射率t(x)；
将所述校正后的大气光值A和补偿后的透射率t(x)分别输入图像去雾模型I(x)＝J(x)t(x)+(I-t(x))A中，得到所述去雾图像J(x)；
采用调整函数对所述去雾图像J(x)调整图像亮度，得到复原图像。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括一种图像去雾方法程序，所述图像去雾方法程序被处理器执行时，实现如权利要求1至8中任一项所述的一种图像去雾方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911158152.3A CN111192205A (zh) | 2019-11-22 | 2019-11-22 | 一种图像去雾方法、系统和计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911158152.3A CN111192205A (zh) | 2019-11-22 | 2019-11-22 | 一种图像去雾方法、系统和计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111192205A true CN111192205A (zh) | 2020-05-22 |
Family
ID=70709159
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911158152.3A Withdrawn CN111192205A (zh) | 2019-11-22 | 2019-11-22 | 一种图像去雾方法、系统和计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111192205A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112053298A (zh) * | 2020-08-27 | 2020-12-08 | 上海电机学院 | 一种图像去雾方法 |
| CN112581411A (zh) * | 2021-02-26 | 2021-03-30 | 深圳金三立视频科技股份有限公司 | 一种图像去雾的方法及终端 |
| CN113379631A (zh) * | 2021-06-11 | 2021-09-10 | 百果园技术(新加坡)有限公司 | 一种图像去雾的方法及装置 |
| CN113487516A (zh) * | 2021-07-26 | 2021-10-08 | 河南师范大学 | 一种图像数据的去雾处理方法 |
| CN113516602A (zh) * | 2021-07-14 | 2021-10-19 | 广东汇天航空航天科技有限公司 | 一种图像去雾方法、图像去雾装置、电子设备及存储介质 |
-
2019
- 2019-11-22 CN CN201911158152.3A patent/CN111192205A/zh not_active Withdrawn
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112053298A (zh) * | 2020-08-27 | 2020-12-08 | 上海电机学院 | 一种图像去雾方法 |
| CN112053298B (zh) * | 2020-08-27 | 2022-05-27 | 上海电机学院 | 一种图像去雾方法 |
| CN112581411A (zh) * | 2021-02-26 | 2021-03-30 | 深圳金三立视频科技股份有限公司 | 一种图像去雾的方法及终端 |
| CN113379631A (zh) * | 2021-06-11 | 2021-09-10 | 百果园技术(新加坡)有限公司 | 一种图像去雾的方法及装置 |
| CN113379631B (zh) * | 2021-06-11 | 2024-05-17 | 百果园技术(新加坡)有限公司 | 一种图像去雾的方法及装置 |
| CN113516602A (zh) * | 2021-07-14 | 2021-10-19 | 广东汇天航空航天科技有限公司 | 一种图像去雾方法、图像去雾装置、电子设备及存储介质 |
| CN113516602B (zh) * | 2021-07-14 | 2022-11-22 | 广东汇天航空航天科技有限公司 | 一种图像去雾方法、图像去雾装置、电子设备及存储介质 |
| CN113487516A (zh) * | 2021-07-26 | 2021-10-08 | 河南师范大学 | 一种图像数据的去雾处理方法 |
| CN113487516B (zh) * | 2021-07-26 | 2022-09-06 | 河南师范大学 | 一种图像数据的去雾处理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111192205A (zh) | 一种图像去雾方法、系统和计算机可读存储介质 | |
| KR101756173B1 (ko) | 전달률 하한치의 변형에 의한 안개영상 개선 시스템 및 그 방법 | |
| CN108876743B (zh) | 一种图像快速去雾方法、系统、终端及存储介质 | |
| Gao et al. | Sand-dust image restoration based on reversing the blue channel prior | |
| US10672112B2 (en) | Method and system for real-time noise removal and image enhancement of high-dynamic range images | |
| WO2020125631A1 (zh) | 视频压缩方法、装置和计算机可读存储介质 | |
| WO2016206087A1 (zh) | 一种低照度图像处理方法和装置 | |
| WO2019042216A1 (zh) | 图像虚化处理方法、装置及拍摄终端 | |
| CN105243371A (zh) | 一种人脸美颜程度的检测方法、系统及拍摄终端 | |
| KR20140140163A (ko) | 사용자 제어가 가능한 거듭제곱근 연산자를 이용한 안개영상 개선 장치 | |
| Kil et al. | A dehazing algorithm using dark channel prior and contrast enhancement | |
| TWI489416B (zh) | 影像還原方法 | |
| US10609303B2 (en) | Method and apparatus for rapid improvement of smog/low-light-level image using mapping table | |
| Pei et al. | Effective image haze removal using dark channel prior and post-processing | |
| He et al. | Single image dehazing with white balance correction and image decomposition | |
| Barros et al. | Single-shot underwater image restoration: A visual quality-aware method based on light propagation model | |
| CN105023246B (zh) | 一种基于对比度和结构相似度的图像增强方法 | |
| CN110175967B (zh) | 图像去雾处理方法、系统、计算机设备和存储介质 | |
| CN110782400B (zh) | 一种自适应的光照均匀实现方法和装置 | |
| CN108898561B (zh) | 一种含天空区域雾天图像的去雾方法、服务器及系统 | |
| CN112825189B (zh) | 一种图像去雾方法及相关设备 | |
| CN110852971B (zh) | 基于暗原色先验和Retinex的视频去雾方法及存储介质 | |
| CN108810407B (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
| Negru et al. | Exponential image enhancement in daytime fog conditions | |
| CN107317968B (zh) | 图像去雾方法、装置、计算机可存储介质和移动终端 |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200522 |
|
| WW01 | Invention patent application withdrawn after publication |