CN111242875A - 一种雾霾图像的去雾方法 - Google Patents
一种雾霾图像的去雾方法 Download PDFInfo
- Publication number
- CN111242875A CN111242875A CN202010260906.2A CN202010260906A CN111242875A CN 111242875 A CN111242875 A CN 111242875A CN 202010260906 A CN202010260906 A CN 202010260906A CN 111242875 A CN111242875 A CN 111242875A
- Authority
- CN
- China
- Prior art keywords
- image
- algorithm
- defogging
- retinex
- following
- 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 47
- 230000006872 improvement Effects 0.000 claims abstract description 18
- 230000000694 effects Effects 0.000 claims abstract description 17
- 238000012360 testing method Methods 0.000 claims abstract description 8
- 238000011156 evaluation Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 4
- 230000002093 peripheral effect Effects 0.000 claims description 4
- 238000011160 research Methods 0.000 abstract description 23
- 238000005286 illumination Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000005352 clarification Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 5
- 230000015556 catabolic process Effects 0.000 description 4
- 238000006731 degradation reaction Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 238000001914 filtration Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000010076 replication Effects 0.000 description 2
- 210000001525 retina Anatomy 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 125000001475 halogen functional group Chemical group 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000002834 transmittance Methods 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
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种雾霾图像的去雾方法,涉及雾霾图像技术领域;它的方法如下:步骤一:使用Retinex系列算法对图像进行去雾;步骤二:使用暗通道先验算法对图像进行去雾;步骤三:改进措施;步骤四:将改进后的算法进行测试,并且测试改进算法的性能指标,将改进后的算法与原算法的性能指标进行对比,并且再合理进行改进;本发明主要以雾天图像作为研究对象,针对有雾天气图像背景复杂,会受亮度、照度等的影响,对雾天图像进行图像的增强展开研究,并且针对雾天的特性,对Retinex系列算法提出改进措施,使得图像增强的效果更好。
Description
技术领域
本发明属于雾霾图像技术领域,具体涉及一种雾霾图像的去雾方法。
背景技术
随着计算机互联网技术的快速发展以及计算机视觉技术的广泛应用,图像去雾清晰化愈加受到各大研究室的关注,最终目的是使其在室外监控、军事航天领域、目标识别等户外成像系统中得到应用。针对目前基于清晰化技术中是否利用大气物理模型,雾图清晰化的处理方法基本可以总结成2大类:一类是基于非物理模型的图像增强方法,这种方法不考虑降质原因,采取对原始带雾图像进行增强处理来改善图像质量,选取适当的增强技术加以优化来达到提升对比度、凸显有用信息的目的,然而这类方法或多或少会引起颜色失真,部分信息丢失等缺陷;另一类是基于物理模型的图像复原方法,其主要前提是分析空气微粒对太阳光的散射作用,然后建立数学模型,剖析图像退化的根本,经过反演估计参数等过程恢复图像的原始清晰面貌,复原出来的结果图像效果真实,满足人类主观对清晰图像的要求,图像信息也得到较完整的保存,但该方法计算参数较多较复杂。
雾霾天图像清晰化技术的研究起步比较晚,国外对此项技术开展研究的人员以及研究工作室较多,从研究开展到现在为止几十年的发展过程中,在国内外研究人员的不断努力下,该项技术取得了较大的进展。雾天图像清晰化研究开展初期,几乎一半以上的清晰化方法是针对空气中存在微粒的 MTF(Modulation Transfer Function,前向散射作用调制传递函数)的探究分析。面对各种天气状况,McCartney 把大气环境里的微粒的不同种类与其不同浓度做了细致地区分,在 1975 年阐述出一个观点,大气散射模型的组成是大气衰减模型和大气光成像模型。模型的建立对去雾清晰化技术的进一步研究起到一个递进的作用,是后续研究路上的指明灯。
在基于对比度提高的图像增强方面,研究较广泛的有直方图均衡化算法、小波变换算法、同态滤波算法以及 Retinex 算法。在 20 世纪 70 年代,著名的 USA 物理研究家Edwin.H.Land 经过许多年对人类视觉系统在色彩与亮度的感知能力方面进行研究而提出基于色彩恒常性的“Retinex”理论,此理论名称是视网膜(Retina)以及大脑皮层(Cortex)的英文组合的缩写,因此其又被称为视网膜大脑皮层理论(Retina-CortexTheory)。它主要包括Jobson等人提出的 SSR 算法和 MSR 算法,即就是单尺度和多尺度Retinex算法两种,近年来通过此算法提出的改进方法有很多,也有一些取得了不错的成效,但此类算法大多存在着产生光晕,产生噪声以及复杂度高等缺陷。
在图像复原的基于景深方面研究,上世纪九十年代美国哥伦比亚大学 CAVE 研究室的研究员Narasimhan.S.G以及Nayar.S.K主要针对图像处理领域中的雾霾天图像清晰化处理进行研究,恢复出图像对比度,得出很多实用性的成果,提出当获得景深信息与大气信息时对带雾图像进行除雾清晰化处理具有可行性。随后,Narasimhan.S.G 等人借助于辅助信息获得场景深度方面研究,选取某个场景下的各种天气状况下的多幅图像进行研究找到景深不同的跳跃边界来达到获取景深信息的目的,再采用二值化的散射模型处理。该方法耗时耗力且不能应用到实际中去。在现有文献中,Narasimhan.S.G 等人又提出一种交互式的清晰化方法,该方法手动选取一个可以估计整幅图像大气光值的点,再手动选取图像中最远点并估计出最远近点之间的距离进行估算去雾需要的参数值,最终获得清晰图像。该方法存在很多不足之处,人为手动选取太过主观化,容易造成误差。基于深度关系研究方面,英国的 Manchester 大学研究室的成员 Oakley首先假定景深度已知,提出一种简单算法对场景中的光路参数来估算,获得视觉效果较佳的清晰图像,但该算法事先已知的景深度信息是借助辅助工具雷达仪器进行航拍,复杂又昂贵,很难应用到实际中去。在图像复原方面的基于先验信息方面的研究是目前关注比较热的方向,也出现了很多成果。Tan等人通过统计研究发现自然清晰图像比起蒙雾图像其对比度普遍要大,将最大化局部对比度进行提升并采用 MRF 模型与ICA分析方法来最终达到去雾清晰化的目的,但存在着恢复出的结果图出现过饱和的瑕疵。Tarel等研究室成员重点关注的对象是公路场景处理,提出一种运用中值滤波运算粗略估算大气耗散函数的快速去雾清晰化算法,处理结果图像信息恢复较好,但存在估计环境光值不准确并引入了色调调和,模型参数过多,因此也会产生晕光效应等视觉缺陷。Fattal等研究人员做了一个设想,场景被遮阴影部分与大气媒质的传播不存在相关性,估计出反射常量进而估计出透射率,实验结果表明该设想在浓雾条件下不成立,恢复图像大多是失效的,但现实生活中雾霾天拍摄的图像大多是灰暗丢失信息的图像。Kratz 等人首先设想雾霾天拍摄的图像中景深分量与反射分量是统计独立的,运用 MAP的方法获得相对精确地深度信息,最终获得无雾图像,但此方法不能应用于灰度图像,且存在一定程度的过饱和。Kim 等韩国人提出一个成本代价函数的观点,通过对比度和信息缺失度的结合分析取得更加适中的透射率,通过四叉树法有效估计环境光参数值,最终获得细节信息较完整、速率较好的图像。
发明内容
为解决现有的问题;本发明的目的在于提供一种雾霾图像的去雾方法。
本发明的一种雾霾图像的去雾方法,它的方法如下:
步骤一:使用Retinex系列算法对图像进行去雾,主要选取以下三种算法:
1.1、基于中央周边模型的Retinex算法;
1.2、基于路径模型的Retinex算法;
1.3、基于偏微分方程的Retinex算法;
一:了解Retinex基本算法的原理,再深入了解其衍生算法的原理;
二:调试代码,改变模型参数,观察参数对实验结果的影响,选出合适的参数;
三:将各种实验结果进行对比,分析每种算法的适用场合以及优缺点;
步骤二:使用暗通道先验算法对图像进行去雾:
2.1、了解暗通道先验算法的原理;
2.2、调试代码,观察实验结果;
步骤三:改进措施为:
3.1、鉴于有雾图像的亮度和对比度等,将RGB图像转换到HSV或HSI图像并使用Retinex类算法,通过主观评价和客观评价两种方式来评价图片的去雾效果,来比较改进后的去雾效果的各项指标是否得到提高;
3.2、Retinex系列算法在去雾处理过程中,很大程度是改变图像的对比度,来改变图像的视觉效果,而基于图像复原的暗通道先验算法通过降质模型反演,来得到清晰的图像,因此,将两种算法的优点进行结合,得到一种算法的改进措施;
步骤四:将改进后的算法进行测试,并且测试改进算法的性能指标,将改进后的算法与原算法的性能指标进行对比,并且再合理进行改进。
与现有技术相比,本发明的有益效果为:
主要以雾天图像作为研究对象,针对有雾天气图像背景复杂,会受亮度、照度等的影响,对雾天图像进行图像的增强展开研究,并且针对雾天的特性,对Retinex系列算法提出改进措施,使得图像增强的效果更好。
附图说明
为了易于说明,本发明由下述的具体实施及附图作以详细描述。
图1为本发明中基于非物理模型的改进流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了,下面通过附图中示出的具体实施例来描述本发明。但是应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
在此,还需要说明的是,为了避免因不必要的细节而模糊了本发明,在附图中仅仅示出了与根据本发明的方案密切相关的结构和/或处理步骤,而省略了与本发明关系不大的其他细节。
本具体实施方式采用以下技术方案:它的方法如下:
步骤一:使用Retinex系列算法对图像进行去雾,主要选取以下三种算法:
1.1、基于中央周边模型的Retinex算法;
1.2、基于路径模型的Retinex算法;
1.3、基于偏微分方程的Retinex算法;
一:了解Retinex基本算法的原理,再深入了解其衍生算法的原理;
二:调试代码,改变模型参数,观察参数对实验结果的影响,选出合适的参数;
三:将各种实验结果进行对比,分析每种算法的适用场合以及优缺点;
步骤二:使用暗通道先验算法对图像进行去雾:
2.1、了解暗通道先验算法的原理;
2.2、调试代码,观察实验结果;
步骤三:改进措施为:
3.1、鉴于有雾图像的亮度和对比度等,将RGB图像转换到HSV或HSI图像并使用Retinex类算法,通过主观评价和客观评价两种方式来评价图片的去雾效果,来比较改进后的去雾效果的各项指标是否得到提高;
3.2、Retinex系列算法在去雾处理过程中,很大程度是改变图像的对比度,来改变图像的视觉效果,而基于图像复原的暗通道先验算法通过降质模型反演,来得到清晰的图像,因此,将两种算法的优点进行结合,得到一种算法的改进措施;
步骤四:将改进后的算法进行测试,并且测试改进算法的性能指标,将改进后的算法与原算法的性能指标进行对比,并且再合理进行改进。
本具体实施方式主要以雾天图像作为研究对象,针对有雾天气图像背景复杂,会受亮度、照度等的影响,对雾天图像进行图像的增强展开研究,并且针对雾天的特性,对Retinex系列算法提出改进措施,使得图像增强的效果更好。
一、主要研究内容分为以下几个部分:
基于非物理模型的图像增强去雾算法:
在非物理模型的图像去雾算法中,又可分为在时域内对图像进行处理和在频域内对图像进行处理,在非物理模型中主要研究图像在频域内进行处理的即Retinex系列算法,主要研究:
1.1、基于中央周边模型的Retinex算法;
1.2、基于路径模型的Retinex算法;
1.3、基于偏微分方程的Retinex算法;
通过实验,验证Retinex类算法的去雾效果。
二、基于物理模型的图像复原去雾算法:
基于物理模型的图像去雾算法是一种图像复原方法,通过分析雾天图像降质的本质原因,建立降质模型并进行反演,从而获得对应的清晰图像。对图像复原理论及基于图像复原的暗通道先验算法进行详细论述,并且实验验证其去雾效果。
三、改进措施:
3.1.基于非物理模型的改进:
鉴于有雾图像的亮度和对比度等,将RGB图像转换到HSV图像并使用Retinex类算法,通过主观评价和客观评价两种方式来评价图片的去雾效果,来比较改进后的去雾效果的各项指标是否得到提高。具体实现过程如图1所示。
3.2 基于物理模型与非物理模型的改进:
Retinex系列算法在去雾处理过程中,很大程度是改变图像的对比度,来改变图像的视觉效果,而基于图像复原的暗通道先验算法通过降质模型反演,来得到清晰的图像,因此,可考虑将两种算法的优点进行结合,得到一种算法的改进措施。
四、实验结果的对比分析:
将Retinex系列算法、基于图像复原的按通道先验算法、以及提出的改进措施所得到的实验结果进行对比,分析对比结果,比较改进算法与原算法在主观评价和客观评价两方面指标是否都得到了提升。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (1)
1.一种雾霾图像的去雾方法,其特征在于:它的方法如下:
步骤一:使用Retinex系列算法对图像进行去雾,主要选取以下三种算法:
1.1、基于中央周边模型的Retinex算法;
1.2、基于路径模型的Retinex算法;
1.3、基于偏微分方程的Retinex算法;
一:了解Retinex基本算法的原理,再深入了解其衍生算法的原理;
二:调试代码,改变模型参数,观察参数对实验结果的影响,选出合适的参数;
三:将各种实验结果进行对比,分析每种算法的适用场合以及优缺点;
步骤二:使用暗通道先验算法对图像进行去雾:
2.1、了解暗通道先验算法的原理;
2.2、调试代码,观察实验结果;
步骤三:改进措施为:
3.1、鉴于有雾图像的亮度和对比度等,将RGB图像转换到HSV或HSI图像并使用Retinex类算法,通过主观评价和客观评价两种方式来评价图片的去雾效果,来比较改进后的去雾效果的各项指标是否得到提高;
3.2、Retinex系列算法在去雾处理过程中,很大程度是改变图像的对比度,来改变图像的视觉效果,而基于图像复原的暗通道先验算法通过降质模型反演,来得到清晰的图像,因此,将两种算法的优点进行结合,得到一种算法的改进措施;
步骤四:将改进后的算法进行测试,并且测试改进算法的性能指标,将改进后的算法与原算法的性能指标进行对比,并且再合理进行改进。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010260906.2A CN111242875A (zh) | 2020-04-03 | 2020-04-03 | 一种雾霾图像的去雾方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010260906.2A CN111242875A (zh) | 2020-04-03 | 2020-04-03 | 一种雾霾图像的去雾方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111242875A true CN111242875A (zh) | 2020-06-05 |
Family
ID=70870607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010260906.2A Pending CN111242875A (zh) | 2020-04-03 | 2020-04-03 | 一种雾霾图像的去雾方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111242875A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103632339A (zh) * | 2012-08-21 | 2014-03-12 | 张晓光 | 一种基于变分Retinex的单幅图像去雾方法及装置 |
US9349170B1 (en) * | 2014-09-04 | 2016-05-24 | The United States Of America As Represented By The Secretary Of The Navy | Single image contrast enhancement method using the adaptive wiener filter |
CN106934770A (zh) * | 2017-02-08 | 2017-07-07 | 中国矿业大学 | 一种评价雾霾图像去雾效果的方法和装置 |
CN107317968A (zh) * | 2017-07-27 | 2017-11-03 | 广东欧珀移动通信有限公司 | 图像去雾方法、装置、计算机可存储介质和移动终端 |
CN108734670A (zh) * | 2017-04-20 | 2018-11-02 | 天津工业大学 | 单幅夜间弱照度雾霾图像的复原算法 |
-
2020
- 2020-04-03 CN CN202010260906.2A patent/CN111242875A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103632339A (zh) * | 2012-08-21 | 2014-03-12 | 张晓光 | 一种基于变分Retinex的单幅图像去雾方法及装置 |
US9349170B1 (en) * | 2014-09-04 | 2016-05-24 | The United States Of America As Represented By The Secretary Of The Navy | Single image contrast enhancement method using the adaptive wiener filter |
CN106934770A (zh) * | 2017-02-08 | 2017-07-07 | 中国矿业大学 | 一种评价雾霾图像去雾效果的方法和装置 |
CN108734670A (zh) * | 2017-04-20 | 2018-11-02 | 天津工业大学 | 单幅夜间弱照度雾霾图像的复原算法 |
CN107317968A (zh) * | 2017-07-27 | 2017-11-03 | 广东欧珀移动通信有限公司 | 图像去雾方法、装置、计算机可存储介质和移动终端 |
Non-Patent Citations (2)
Title |
---|
张冰冰: "雾天图像去雾算法的改进与仿真", 《中国优秀硕士学位论文全文数据库信息科技辑(月刊)》 * |
李泓颖: "基于暗通道先验和Retinex理论的快速单幅图像去雾方法", 《信息与电脑》 * |
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 | |
CN106910175B (zh) | 一种基于深度学习的单幅图像去雾算法 | |
Hu et al. | Single image defogging based on illumination decomposition for visual maritime surveillance | |
Negru et al. | Exponential contrast restoration in fog conditions for driving assistance | |
CN112837233B (zh) | 一种基于差分偏振获取透射率的偏振图像去雾方法 | |
CN110675340A (zh) | 一种基于改进的非局部先验的单幅图像去雾方法及介质 | |
WO2020232710A1 (zh) | 雾霾图像质量评价方法、系统、存储介质及电子设备 | |
CN111667433A (zh) | 一种基于简单线性迭代聚类优化的无人机图像去雾方法 | |
JP2013141210A (ja) | 画像霧除去装置、画像霧除去方法及び画像処理システム | |
CN109118450B (zh) | 一种沙尘天气条件下的低质图像增强方法 | |
CN107798670A (zh) | 一种利用图像引导滤波器的暗原色先验图像去雾方法 | |
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 | |
CN105447825A (zh) | 图像去雾方法及其系统 | |
CN105096272A (zh) | 一种基于双树复小波的除雾方法 | |
Yao et al. | The Retinex-based image dehazing using a particle swarm optimization method | |
Bansal et al. | A review of image restoration based image defogging algorithms | |
CN103793885A (zh) | 强散射光学成像环境中非均匀光照下区域化图像恢复方法 | |
CN110807744A (zh) | 一种基于卷积神经网络的图像去雾方法 | |
Fu et al. | Scene-awareness based single image dehazing technique via automatic estimation of sky area | |
Ding et al. | Restoration of single sand-dust image based on style transformation and unsupervised adversarial learning | |
CN117152016A (zh) | 基于改进暗通道先验的图像去雾方法及其系统 | |
CN111242875A (zh) | 一种雾霾图像的去雾方法 | |
CN110322431B (zh) | 雾霾图像质量评价方法、系统、存储介质及电子设备 | |
CN109961413B (zh) | 大气光方向优化估计的图像去雾迭代算法 | |
Wang et al. | Pixel-Level dehazed image quality assessment based on dark channel prior and depth |
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 |
Application publication date: 20200605 |
|
WD01 | Invention patent application deemed withdrawn after publication |