CN111210396A - 一种结合天空光偏振模型的多光谱偏振图像去雾方法 - Google Patents

一种结合天空光偏振模型的多光谱偏振图像去雾方法 Download PDF

Info

Publication number
CN111210396A
CN111210396A CN202010041876.6A CN202010041876A CN111210396A CN 111210396 A CN111210396 A CN 111210396A CN 202010041876 A CN202010041876 A CN 202010041876A CN 111210396 A CN111210396 A CN 111210396A
Authority
CN
China
Prior art keywords
polarization
sky
light
light intensity
atmospheric
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
CN202010041876.6A
Other languages
English (en)
Inventor
张颖
赵慧洁
罗立一
仇汝冬
凌子盟
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.)
Beihang University
Original Assignee
Beihang 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 Beihang University filed Critical Beihang University
Priority to CN202010041876.6A priority Critical patent/CN111210396A/zh
Publication of CN111210396A publication Critical patent/CN111210396A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/73Deblurring; Sharpening
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10032Satellite or aerial image; Remote sensing

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Spectrometry And Color Measurement (AREA)

Abstract

本发明提出一种结合天空光偏振模型的多光谱偏振图像去雾方法,包括以下步骤:在雾天气条件下,首先,利用多光谱偏振成像探测系统获取不同光谱通道下的偏振图像,同时利用太阳光度计测量相应谱段的气溶胶光学厚度。其次,将探测波段、太阳天顶角、气溶胶光学厚度、气溶胶粒子散射信息等输入到天空光偏振模型中,仿真求得天空光偏振态分布图,选取探测方位角上水平视场角内的天空区域,求取其中光强和偏振度的平均值分别作为无穷远处的大气光强值和大气光偏振度值。最后,利用基于偏振差分的去雾方法对不同光谱通道的偏振图像进行去雾。本发明解决了多光谱偏振图像场景中没有天空区域或者场景中存在某些高亮物体时偏振度大气光信息估计错误的问题。

Description

一种结合天空光偏振模型的多光谱偏振图像去雾方法
技术领域
本发明属于近地面遥感图像处理领域,涉及一种结合天空光偏振模型的多光谱偏振图像去雾方法,用于提高雾天等恶劣环境条件下光学探测系统成像的图像质量。
背景技术
在雾天气条件下,由于大气气溶胶颗粒的散射现象,导致户外成像系统获得的图像质量严重退化。因此,如何有效去除雾的影响,改善图像质量,获得用户感兴趣的有用信息,近年来已成为遥感领域和图像处理领域研究的热点问题。
目前绝大多数的图像去雾方法主要分为基于计算机视觉和基于物理退化模型的两大类。其中基于计算机视觉的方法主要用于增强图像的对比度,不考虑雾具体的形成过程;基于物理退化模型的方法是通过对大气参数和透射率的估计,然后根据大气物理退化模型来恢复原始图像。基于大气物理退化模型,Schechner等在APPLIED OPTICS上发表的“Polarization-based vision through haze”中提出了一种基于偏振差分的图像去雾方法,该方法假设在雾天气条件下,大气光分布是均匀的,并利用两幅正交偏振图像来进行图像去雾。在去雾过程中无穷远处的大气光强和大气偏振度的估计取决于天空区域的选择。该方法的模型简单易实现,可以有效的恢复场景的可见性,但是仍存在一定的问题:当图像中没有天空区域或图像中存在某些高亮度物体或强光源时,不能正确的选择天空区域,进而错误地估计无穷远处的大气光强和大气偏振度,影响最后的去雾结果。该方法基于天空光的部分偏振,但是在浓密的雾天条件下,天空光的偏振度接近于零,这种方法将会失效。
天空光偏振模型能够仿真天空光偏振态的分布规律,是研究天空光偏振态分布与大气特性参数之间的定量关系的重要工具。张颖等在红外与毫米波学报上发表的“多种天气条件下的天空光偏振模型”建立了一种适用于多种天气条件下的天空光偏振模型。所建模型是建立在倍加累加法的辐射传输模型和T矩阵法计算粒子散射特性的基础上,能够比较准确地模拟多种天气条件下的全天空范围内天空光偏振态分布规律。
发明内容
本发明所要解决的问题是提供一种结合天空光偏振模型的多光谱偏振图像去雾方法,它通过简单的算法能够相对更准确地估计无穷远处的大气光强和大气偏振度,进而获得清晰的去雾图像。
本发明采取的技术解决方案是提供一种结合天空光偏振模型的多光谱偏振图像去雾方法,包括以下步骤:
(1)利用基于液晶相位可变延迟器的多光谱偏振成像探测系统对场景进行成像,获得不同光谱通道下的四幅偏振图像,通过一次探测中获取的同一光谱通道下的四幅图像计算得到Stokes矢量(I,Q,U,V),然后利用Stokes矢量与穆勒矩阵之间的关系,求解得到探测图像每个像素点光强值最大和光强值最小的两幅图(I,I||)。
(2)利用手持式MicrotopsⅡ型太阳光度计测量气溶胶光学厚度作为天空光偏振模型的输入参数,将探测波段、太阳天顶角、气溶胶光学厚度、气溶胶粒子散射信息输入到天空光偏振模型中,仿真得到天空光偏振态的分布状态。选取探测方位角上水平视场角内天顶角为0°至90°范围内的天空区域,求取其中光强值的平均值作为无穷远处的大气光强值A,偏振度值的平均值作为大气光偏振度值p。
(3)根据步骤(1)和步骤(2)得到的探测图像每个像素点光强值最大图I,光强值最小图I||,无穷远处的大气光强值A和大气光偏振度值p。依据大气物理退化模型,计算去雾后的目标光强值,得到去雾图像。
上述步骤(1)中求解得到探测图像每个像素点光强值最大和光强值最小的两幅图I,I||,计算步骤如下:
1)利用基于液晶相位可变延迟器的多光谱偏振成像探测系统对场景进行成像,获取不同光谱通道下的四幅偏振图像;
2)基于得到的同一光谱通道下四幅偏振图像,计算得到偏振Stokes矢量(I,Q,U,V);
3)利用Stokes矢量与穆勒矩阵之间的关系,求解得到探测图像每个像素点光强值最大和光强值最小的两幅图I,I||。线偏振器模型如下:
Figure BDA0002368047010000031
其中(Iin,Qin,Uin,Vin)为入射偏振光的Stokes矢量,(Iout,Qout,Uout,Vout)为出射偏振光的Stokes矢量,M为穆勒矩阵,α为偏振角。根据公式(1),可以得到光强Iout与偏振角α之间的关系:
Iout=Iin+Qin·cos2α+Uin·sin2α (2)
根据公式(2),可以得到偏振角α分别为α=θ
Figure BDA0002368047010000032
的探测图像每个像素点光强值最大和光强值最小的两幅图I,I||
上述步骤(2)中估算无穷远处的大气光强值A和大气光偏振度值p的步骤如下:
1)利用手持式MicrotopsⅡ型太阳光度计测量气溶胶光学厚度,同时记录探测时间,计算出探测时刻的太阳天顶角。
2)将探测波段、太阳天顶角、气溶胶光学厚度、气溶胶粒子散射信息等输入到天空光偏振模型中,仿真求得天空光偏振态的分布状态。
3)利用天空光偏振态的分布状态,选取探测方位角上水平视场角内天顶角为0°至90°范围内的天空区域,求取其中光强值的平均值作为无穷远处的大气光强值A,偏振度值的平均值作为大气光偏振度值p。
上述步骤(3)中计算去雾后的目标光强Lobject,计算步骤如下:
1)根据Schechner的大气物理退化模型,到达探测器的总光强I为:
I(x,y)=Lobject(x,y)t(x,y)+A(1-t(x,y))=Lobject(x,y)e-βz(x,y)+A(1-e-βz(x,y)) (3)
其中,t表示大气透过率,β表示大气光衰减系数,z表示目标与探测器之间的距离。
2)最后利用基于偏振差分的图像去雾方法,得到去雾后的目标光强Lobject
Figure BDA0002368047010000041
根据公式(4),只需要求得步骤(1)和(2)中的I,I||,A和p,就可以得到去雾后的图像。
本发明与现有技术相比的优点:本发明结合天空光偏振模型来获取天空光偏振态分布状态,从而可以估算无穷远处的大气光强值A和大气光偏振度值p,完全解决了图像中没有天空区域或图像中存在某些高亮度物体或强光源时,无法准确估算无穷远处的大气光强值和大气光偏振度值的问题,可以有效提高图像去雾效果。
附图说明
图1是本发明的算法流程图;
图2是获取的530nm的四幅偏振图像;
图3(a)是530nm的光强值最大图,图3(b)是530nm的光强值最小图;
图4(a)是530nm天空光偏振度分布仿真图,图4(b)是530nm天空光偏振度实际分布图;
图5(a)是场景一530nm去雾前的图像,图5(b)是场景一530nm去雾的图像;
图6(a)是场景二530nm去雾前的图像,图6(b)是场景二530nm去雾的图像;
图7(a)是场景一514nm去雾前的图像,图7(b)是场景一514nm去雾的图像;
图8(a)是场景二514nm去雾前的图像,图8(b)是场景二514nm去雾的图像。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细说明,图1为本发明的方法流程图。
本发明提出一种结合天空光偏振模型的多光谱偏振图像去雾方法,通过以下步骤实现:
(1)利用基于液晶相位可变延迟器的多光谱偏振成像探测系统对场景进行成像,获得不同光谱通道下的四幅偏振图像,如图2所示。通过计算得到Stokes矢量(I,Q,U,V),利用Stokes矢量与穆勒矩阵之间的关系,求解得到探测图像每个像素点光强值最大和光强值最小的两幅图(I,I||)。线偏振器模型如下:
Figure BDA0002368047010000061
其中(Iin,Qin,Uin,Vin)为入射偏振光Stokes矢量,(Iout,Qout,Uout,Vout)为出射偏振光Stokes矢量,M为穆勒矩阵,α为偏振角。根据公式(1),可以得到光强Iout与偏振角α之间的关系:
Iout=Iin+Qin·cos2α+Uin·sin2α (6)
根据公式(6),可以得到偏振角α分别为α=θ
Figure BDA0002368047010000062
的光强值最大和光强值最小的两幅图I,I||,如图3所示。
(2)利用手持式MicrotopsⅡ型太阳光度计测量气溶胶光学厚度作为天空光偏振模型的输入参数,将探测波段、太阳天顶角、气溶胶光学厚度、气溶胶粒子散射信息等输入参数输入到天空光偏振模型中,仿真得到天空光偏振态的分布状态,如图4(a)所示。选取探测方位角上水平视场角内天顶角为0°至90°范围内的天空区域,求取其中光强值的平均值作为无穷远处的大气光强值A,偏振度值的平均值作为大气光偏振度值p。
(3)依据大气物理退化模型,到达探测器的总光强I为:
I(x,y)=Lobject(x,y)t(x,y)+A(1-t(x,y))=Lobject(x,y)e-βz(x,y)+A(1-e-βz(x,y)) (7)
其中,Lobject表示去雾后的目标光强,t表示大气透过率,β表示大气光衰减系数,z表示目标与探测器之间的距离。
最后根据基于偏振差分的图像去雾方法,得到去雾后的目标光强Lobject
Figure BDA0002368047010000071
根据公式(8),只需求得步骤(1)和(2)中的I,I||,A和p,就可以得到去雾后的图像。
图5和图6是分别在两组不同场景下去雾前(图5(a)、图6(a))和去雾后(图5(b)、图6(b))的结果,不同场景下的两组图像去雾后的对比度、清晰度均有提升,可以看出本发明的去雾算法能够达到良好的去雾效果。

Claims (2)

1.一种结合天空光偏振模型的多光谱偏振图像去雾方法,其特征在于:包含以下步骤:
(1)利用基于液晶相位可变延迟器的多光谱偏振成像探测系统对场景进行成像,获得不同光谱通道下的四幅偏振图像,通过计算得到该探测系统中探测器上每个像素点对应的入射光的Stokes矢量(I,Q,U,V),通过Stokes矢量与穆勒矩阵之间的关系,求解得到探测图像每个像素点光强值最大和光强值最小的两幅图(I,I||)。
(2)利用手持式MicrotopsⅡ型太阳光度计测量气溶胶光学厚度作为天空光偏振模型的输入参数,将探测波段、太阳天顶角、气溶胶光学厚度、气溶胶粒子散射信息输入到天空光偏振模型中,仿真求得天空光偏振态的分布状态。选取探测方位角上水平视场角内天顶角为0°至90°范围内的天空区域,求取其中光强值的平均值作为无穷远处的大气光强值A,偏振度值的平均值作为大气光偏振度值p。
(3)根据步骤(1)和步骤(2)得到的探测图像每个像素点光强值最大图I和光强值最小图I||,无穷远处的大气光强值A和大气光偏振度值p。依据大气退化模型,计算去雾后的目标光强值,得到去雾图像。
2.根据权利要求1所述的一种结合天空光偏振模型的多光谱偏振图像去雾方法,其特征在于:利用天空光偏振模型估算求得无穷远处的大气光强值A和大气光偏振度值p。
CN202010041876.6A 2020-01-15 2020-01-15 一种结合天空光偏振模型的多光谱偏振图像去雾方法 Pending CN111210396A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010041876.6A CN111210396A (zh) 2020-01-15 2020-01-15 一种结合天空光偏振模型的多光谱偏振图像去雾方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010041876.6A CN111210396A (zh) 2020-01-15 2020-01-15 一种结合天空光偏振模型的多光谱偏振图像去雾方法

Publications (1)

Publication Number Publication Date
CN111210396A true CN111210396A (zh) 2020-05-29

Family

ID=70789697

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010041876.6A Pending CN111210396A (zh) 2020-01-15 2020-01-15 一种结合天空光偏振模型的多光谱偏振图像去雾方法

Country Status (1)

Country Link
CN (1) CN111210396A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113701886A (zh) * 2021-08-30 2021-11-26 长春理工大学 一种复杂天气下偏振光成像系统能量计算方法
CN113916798A (zh) * 2021-10-11 2022-01-11 北京航空航天大学 一种适用于典型偏振多谱段探测系统的信噪比估算方法
CN116337088A (zh) * 2023-05-30 2023-06-27 中国人民解放军国防科技大学 基于仿生偏振视觉的雾天场景相对运动估计方法和装置
CN116380256A (zh) * 2023-06-07 2023-07-04 长春理工大学 基于雾霾衰减系数的短波红外全偏振成像装置与方法
CN116596805A (zh) * 2023-07-14 2023-08-15 山东大学 一种基于场景物体与大气光偏振态差异的偏振去雾方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105139347A (zh) * 2015-07-10 2015-12-09 中国科学院西安光学精密机械研究所 一种结合暗通道先验原理的偏振成像去雾方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105139347A (zh) * 2015-07-10 2015-12-09 中国科学院西安光学精密机械研究所 一种结合暗通道先验原理的偏振成像去雾方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
DENNIS GOLDSTEIN: "《Polarized Light》", 31 December 2003 *
JASON MUDGE 等: "Real time polarimetric dehazing", 《APPLIED OPTICS》 *
YOAV Y. SCHECHNER等: "Polarization-based vision through haze", 《APPLIED OPTICS》 *
张颖等: "多种天气条件下的天空光偏振模型", 《红外与毫米波学报》 *
梁健等: "偏振光学成像去雾技术综述", 《光学学报》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113701886A (zh) * 2021-08-30 2021-11-26 长春理工大学 一种复杂天气下偏振光成像系统能量计算方法
CN113701886B (zh) * 2021-08-30 2022-02-18 长春理工大学 一种复杂天气下偏振光成像系统能量计算方法
CN113916798A (zh) * 2021-10-11 2022-01-11 北京航空航天大学 一种适用于典型偏振多谱段探测系统的信噪比估算方法
CN113916798B (zh) * 2021-10-11 2023-06-06 北京航空航天大学 一种适用于典型偏振多谱段探测系统的信噪比估算方法
CN116337088A (zh) * 2023-05-30 2023-06-27 中国人民解放军国防科技大学 基于仿生偏振视觉的雾天场景相对运动估计方法和装置
CN116337088B (zh) * 2023-05-30 2023-08-11 中国人民解放军国防科技大学 基于仿生偏振视觉的雾天场景相对运动估计方法和装置
CN116380256A (zh) * 2023-06-07 2023-07-04 长春理工大学 基于雾霾衰减系数的短波红外全偏振成像装置与方法
CN116380256B (zh) * 2023-06-07 2023-08-01 长春理工大学 基于雾霾衰减系数的短波红外全偏振成像装置与方法
CN116596805A (zh) * 2023-07-14 2023-08-15 山东大学 一种基于场景物体与大气光偏振态差异的偏振去雾方法
CN116596805B (zh) * 2023-07-14 2023-09-29 山东大学 一种基于场景物体与大气光偏振态差异的偏振去雾方法

Similar Documents

Publication Publication Date Title
CN111210396A (zh) 一种结合天空光偏振模型的多光谱偏振图像去雾方法
Tripathi et al. Single image fog removal using anisotropic diffusion
KR101470831B1 (ko) 사용자 제어가 가능한 거듭제곱근 연산자를 이용한 안개영상 개선 장치
Tripathi et al. Removal of fog from images: A review
CN112837233B (zh) 一种基于差分偏振获取透射率的偏振图像去雾方法
CN110135434B (zh) 基于颜色线模型的水下图像质量提升方法
KR20080077987A (ko) 입력 이미지 내의 비네팅을 보정하는 컴퓨터 구현 프로세스
TWI489416B (zh) 影像還原方法
CN105973850B (zh) 基于单帧彩色图像的可见光波段大气透过率测量方法
CN105139347A (zh) 一种结合暗通道先验原理的偏振成像去雾方法
CN106023108A (zh) 基于边界约束和上下文正则化的图像去雾算法
CN104272347A (zh) 去除包含在静止图像中的雾的图像处理装置及其方法
Guo et al. Haze and thin cloud removal using elliptical boundary prior for remote sensing image
CN111860640A (zh) 一种基于gan的特定海域数据集增广方法
He et al. Single image dehazing with white balance correction and image decomposition
Bansal et al. A review of image restoration based image defogging algorithms
CN113610728A (zh) 一种基于四分暗通道均值比较的偏振双图像去雾方法
Sahu et al. Image dehazing based on luminance stretching
CN111598811A (zh) 一种单幅全色遥感雾霾图像清晰化方法
CN112767267B (zh) 基于仿真偏振带雾场景数据集的图像去雾方法
CN110910457B (zh) 基于角点特征的多光谱立体相机外参计算方法
Lian et al. Learning intensity and detail mapping parameters for dehazing
Du Research on image de‐disturbing algorithm based on dark channel prior and anisotropic Gaussian filtering
CN115439349A (zh) 一种基于图像增强的水下slam优化方法
CN106960421A (zh) 基于统计特性和亮度估计的夜晚图像去雾方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200529