CN111738946A - 一种沙尘降质图像的增强方法及装置 - Google Patents
一种沙尘降质图像的增强方法及装置 Download PDFInfo
- Publication number
- CN111738946A CN111738946A CN202010547438.7A CN202010547438A CN111738946A CN 111738946 A CN111738946 A CN 111738946A CN 202010547438 A CN202010547438 A CN 202010547438A CN 111738946 A CN111738946 A CN 111738946A
- Authority
- CN
- China
- Prior art keywords
- image
- processing
- dust
- sand
- layer
- 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.)
- Granted
Links
- 239000000428 dust Substances 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims abstract description 74
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 198
- 239000004576 sand Substances 0.000 claims abstract description 54
- 238000010606 normalization Methods 0.000 claims abstract description 25
- 230000015556 catabolic process Effects 0.000 claims abstract description 24
- 238000006731 degradation reaction Methods 0.000 claims abstract description 24
- 238000012937 correction Methods 0.000 claims abstract description 19
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 17
- 238000013507 mapping Methods 0.000 claims abstract description 14
- 230000005855 radiation Effects 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 12
- 238000002156 mixing Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 3
- 238000002834 transmittance Methods 0.000 abstract description 14
- 230000008569 process Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 4
- 239000003795 chemical substances by application Substances 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007499 fusion processing Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 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
- G06T5/90—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
- G06T2207/20—Special algorithmic details
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供一种沙尘降质图像的增强方法及装置,涉及数字图像处理技术领域,用于准确估计沙尘降质图像的环境光和透射率,进而增强沙尘降质图像的对比度和色度,该方法包括:对待处理的沙尘降质图像进行多层分解,得到基础层和残差层;对残差层进行非线性映射处理,对基础层进行蓝通道处理和白平衡处理;对处理后的残差层和基础层进行重构,得到第一图像;对沙尘降质图像进行白平衡处理以及Gamma校正,得到第二图像;对第一图像和第二图像分别进行权重图处理、归一化处理以及拉普拉斯和高斯金字塔处理;将处理后的第一图像和第二图像求和,得到沙尘降质图像的增强图像。本发明实施例用于增强沙尘降质图像。
Description
技术领域
本发明涉及数字图像处理技术领域,尤其涉及一种沙尘降质图像的增强方法及装置。
背景技术
近年来沙尘天气出现的次数越来越频繁,导致很多图像是在沙尘天气中获取的,这种在沙尘天气中获取的图像可以称为沙尘降质图像。沙尘颗粒会对光进行散射进而改变光的传播方向,此外沙尘颗粒还会吸收光能,这些都导致沙尘降质图像的对比度低、偏色。因此,亟需对沙尘降质图像进行增强处理。
现有的沙尘降质图像增强方法可分为基于物理模型的增强方法和基于图像处理的增强方法。虽然这两种方法都可以对沙尘降质图像的质量进行一定程度的改善,但是都存在一些缺点,导致增强效果并不理想。
基于物理模型的增强方法的缺点是:由于大部分的蓝光被散射和吸收,采用暗通道先验或厚度估计模型不能准确的估计沙尘厚度,图像的清晰度仍然受到沙尘的影响,导致图像清晰度比较低,视觉效果差。
基于图像处理的增强方法的缺点是:图像处理时不能准确估计环境光和透射率,导致处理后的图像的对比度低、偏色等。
发明内容
鉴于上述问题,本发明实施例的目的是提供一种沙尘降质图像的增强方法及装置,能够准确估计沙尘降质图像的环境光和透射率,进而增强沙尘降质图像的对比度和色度。
为解决上述技术问题,本发明实施例提供如下技术方案:
第一方面,本发明实施例提供一种沙尘降质图像的增强方法,包括:
对待处理的沙尘降质图像进行多层分解,得到基础层和残差层;
对所述残差层进行非线性映射处理,对所述基础层进行蓝通道处理和白平衡处理;
对处理后的所述残差层和所述基础层进行重构,得到第一图像;
对所述沙尘降质图像进行白平衡处理以及Gamma校正,得到第二图像;
对所述第一图像和所述第二图像分别进行权重图处理、归一化处理以及拉普拉斯和高斯金字塔处理;
将处理后的所述第一图像和所述第二图像求和,得到所述沙尘降质图像的增强图像。
作为本发明实施例一种可选的实施例方式,所述对所述基础层进行蓝通道处理,包括:
通过求解大气模型中的场景辐射强度对所述基础层进行蓝通道处理。
作为本发明实施例一种可选的实施例方式,所述对所述残差层进行非线性映射处理,包括:
通过sigmoid函数对所述残差层进行处理。
作为本发明实施例一种可选的实施例方式,所述对所述第一图像和所述第二图像分别进行权重图处理、归一化处理以及拉普拉斯和高斯金字塔处理,包括:
对所述第一图像分别进行拉普拉斯权重、显著性权重和饱和权重处理,得到所述第一图像的三个权重图;
将所述第一图像的三个权重图,通过归一化处理得到所述第一图像的合并的权重图;
对所述第二图像分别进行拉普拉斯权重、显著性权重和饱和权重处理,得到所述第二图像的三个权重图;
将所述第二图像的三个权重图,通过归一化处理得到所述第二图像的合并的权重图;
对所述第一图像的合并的权重图和所述第二图像合并的权重图分别进行拉普拉斯和高斯金字塔处理。
作为本发明实施例一种可选的实施例方式,所述对待处理的沙尘降质图像进行多层分解,得到基础层和残差层,包括:
通过引导滤波器将所述沙尘降质图像分解为基础层和残差层。
作为本发明实施例一种可选的实施例方式,所述将处理后的所述第一图像和所述第二图像求和,得到所述沙尘降质图像的增强图像,包括:
将处理后的所述第一图像和所述第二图像进行线性混合求和,得到所述沙尘降质图像的增强图像。
第二方面,本发明实施例提供一种沙尘降质图像的增强装置,包括:
分解模块,用于对待处理的沙尘降质图像进行多层分解,得到基础层和残差层;
第一处理模块,用于对所述残差层进行非线性映射处理,对所述基础层进行蓝通道处理和白平衡处理;
重构模块,用于对处理后的所述残差层和所述基础层进行重构,得到第一图像;
校正处理模块,用于对所述沙尘降质图像进行白平衡处理以及Gamma校正,得到第二图像;
第二处理模块,用于对所述第一图像和所述第二图像分别进行权重图处理、归一化处理以及拉普拉斯和高斯金字塔处理;
求和模块,用于将处理后的所述第一图像和所述第二图像求和,得到所述沙尘降质图像的增强图像。
作为本发明实施例一种可选的实施例方式,所述第一处理模块,具体用于通过求解大气模型中的场景辐射强度对所述基础层进行蓝通道处理。
第三方面,本发明实施例提供一种电子设备,所述电子设备包括:至少一个处理器;以及与所述处理器连接的至少一个存储器、总线;其中,所述处理器、存储器通过所述总线完成相互间的通信;所述处理器用于调用所述存储器中的程序指令,以执行上述一个或多个技术方案中的方法。
第四方面,本发明实施例提供一种计算机可读存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行上述一个或多个技术方案中的方法。
本发明实施例提供的沙尘降质图像的增强方法,首先,对待处理的沙尘降质图像进行多层分解,得到基础层和残差层;对残差层进行非线性映射处理,对基础层进行蓝通道处理和白平衡处理;对处理后的残差层和基础层进行重构,得到第一图像;然后,对沙尘降质图像进行白平衡处理以及Gamma校正,得到第二图像;对第一图像和第二图像分别进行权重图处理、归一化处理以及拉普拉斯和高斯金字塔处理;最后,将处理后的第一图像和第二图像求和,得到沙尘降质图像的增强图像。即,本发明实施例提供的沙尘降质图像的增强方法对同一幅沙尘降质图像采用上述两种不同的方式进行处理,得到对应的第一图像和第二图像,再对这两幅图像分别进行权重图处理、归一化处理、拉普拉斯和高斯金字塔处理以及求和;可以准确估计沙尘降质图像的环境光和透射率,进而增强沙尘降质图像的对比度和色度。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本发明实施例中的沙尘降质图像的增强方法的流程示意图一;
图2为本发明实施例中的沙尘降质图像的增强方法的流程示意图二;
图3为本发明实施例中的沙尘降质图像的增强装置的结构示意图;
图4为本发明实施例中的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
下面对本发明实施例中的方法进行详细说明。
图1为本发明实施例中的沙尘降质图像的增强方法的流程示意图一,参见图1所示,该方法可以包括:
S101、对待处理的沙尘降质图像进行多层分解,得到基础层和残差层。
具体的,可以利用MATLAB语言对待处理的沙尘降质图像进行多层分解,得到基础层和残差层。残差层包含图像的细节信息较多,基础层包含图像的颜色信息较多。因此,后续的处理过程对残差层主要增强图像的细节信息,对基础层主要恢复颜色和对比度。
S102、对残差层进行非线性映射处理,对基础层进行蓝通道处理和白平衡处理。
在实际情况中,沙尘天气下大部分蓝光被散射和吸收,从而使沙尘天气下获得的图像呈现出整体偏黄、对比度低和颜色失真等情况,导致暗通道先验不能准确估计环境光和透射率,不能恢复短波长相关的颜色。而通过对基础层进行蓝通道处理能准确估计环境光和透射率,恢复短波长相关的颜色,从而恢复沙尘降质图像。
具体的,可以利用MATLAB语言对残差层进行非线性映射处理,对基础层进行蓝通道处理和白平衡处理。
在实际的操作中,对基础层进行蓝通道处理和白平衡处理的顺序不是固定的,可以是先进行蓝通道处理再进行白平衡处理,也可以是先进行白平衡处理再进行蓝通道处理。
S103、对处理后的残差层和基础层进行重构,得到第一图像。
具体的,对步骤S102中非线性映射处理后的残差层以及进行蓝通道处理和白平衡处理后的基础层,进行重构,得到第一图像。第一图像是进行重构后的图像。
S104、对沙尘降质图像进行白平衡处理以及Gamma校正,得到第二图像。
具体的,此处的沙尘降质图像和进行多层分解的待处理的沙尘降质图像是同一张图像,是对同一张图像分别进行两种不同方式的处理。
Gamma(伽玛)校正就是对白平衡处理后的图像的Gamma曲线进行编辑,以对白平衡处理后的图像进行非线性色调编辑,检出图像信号中的深色部分和浅色部分,并使两者比例增大。
对沙尘降质图像进行白平衡处理以及Gamma(伽玛)校正,是有固定的先后顺序的,对沙尘降质图像先进行白平衡处理,再进行Gamma校正。因为进行白平衡处理后的图像可能会存在过饱和的情况,通过Gamma校正能解决白平衡处理后图像的过饱和。第二图像是先进行白平衡处理再进行Gamma校正后,得到的图像。
S105、对第一图像和第二图像分别进行权重图处理、归一化处理以及拉普拉斯和高斯金字塔处理。
具体的,对第一图像进行权重图处理、归一化处理以及拉普拉斯和高斯金字塔处理;对第二图像进行权重图处理、归一化处理以及拉普拉斯和高斯金字塔处理。
对第一图像和第二图像分别进行权重图处理、归一化处理以及拉普拉斯和高斯金字塔处理;可以是对第一图像和第二图像的上述处理同时进行。也可以是先对第一图像进行权重图处理、归一化处理以及拉普拉斯和高斯金字塔处理,再对第二图像进行权重图处理、归一化处理以及拉普拉斯和高斯金字塔处理。还可以是先对第二图像进行权重图处理、归一化处理以及拉普拉斯和高斯金字塔处理,再对第一图像进行权重图处理、归一化处理以及拉普拉斯和高斯金字塔处理。对于第一图像和第二图像进行上述处理的顺序,在此不做限定。
对第一图像和第二图像分别进行权重图处理、归一化处理以及拉普拉斯和高斯金字塔处理是有固定的顺序的,先对第一图像和第二图像分别进行权重图处理;再对权重图处理后的第一图像和第二图像分别进行归一化处理;最后对归一化处理后的第一图像和第二图像分别进行拉普拉斯和高斯金字塔处理。
S106、将处理后的第一图像和第二图像求和,得到沙尘降质图像的增强图像。
具体的,对拉普拉斯和高斯金字塔处理后的第一图像和第二图像求和,可以得到最终的沙尘降质图像的增强图像。对拉普拉斯和高斯金字塔处理后的第一图像和第二图像求和,是指将这两幅图像产生画面叠化,得到一幅增强的图像。
由上述内容可知,本发明实施例提供的沙尘降质图像的增强方法,首先,对待处理的沙尘降质图像进行多层分解,得到基础层和残差层;对残差层进行非线性映射处理,对基础层进行蓝通道处理和白平衡处理;对处理后的残差层和基础层进行重构,得到第一图像;然后,对沙尘降质图像进行白平衡处理以及Gamma校正,得到第二图像;对第一图像和第二图像分别进行权重图处理、归一化处理以及拉普拉斯和高斯金字塔处理;最后,将处理后的第一图像和第二图像求和,得到沙尘降质图像的增强图像。即,本发明实施例提供的沙尘降质图像的增强方法对同一幅沙尘降质图像采用上述两种不同的方式进行处理,得到对应的第一图像和第二图像,再对这两幅图像分别进行权重图处理、归一化处理、拉普拉斯和高斯金字塔处理以及求和;可以准确估计沙尘降质图像的环境光和透射率,进而增强沙尘降质图像的对比度和色度。
进一步地,作为图1所示方法的细化和扩展,本发明实施例还提供了一种沙尘降质图像的增强方法。图2为本发明实施例中的沙尘降质图像的增强方法的流程示意图二,参见图2所示,本发明实施例提供的沙尘降质图像的增强方法可以包括:
S201、通过引导滤波器将沙尘降质图像分解为基础层和残差层。
具体的,引导滤波器在进行滤波时需要一幅引导图像,引导图像可以是输入图像本身以外的单独的图像,也可以是输入图像本身,当引导图为输入图像本身时,引导滤波就成为一个保持边缘的滤波操作;本申请实施例的引导图像可以为输入图像本身,也就是沙尘降质图像,通过引导滤波器将沙尘降质图像分解为基础层和残差层,能够有效保持图像边缘。
S202、通过sigmoid函数对残差层进行处理,通过求解大气模型中的场景辐射强度对基础层进行蓝通道处理,以及对基础层进行白平衡处理。
具体的,常见的非线性映射有sigmoid函数、tanh双曲正切、Relu修正线性单元、ELU指数线性单元、maxout函数;而本申请是采用sigmoid函数应用到沙尘降质图像增强领域,来实现对残差层的处理,能够增强图像细节。
在实际的操作中,通过求解大气模型中的场景辐射强度对基础层进行蓝通道处理和对基础层白平衡处理的顺序不是固定的,可以是先通过求解大气模型中的场景辐射强度对基础层进行蓝通道处理,再进行白平衡处理;也可以是先进行白平衡处理,再通过求解大气模型中的场景辐射强度对基础层进行蓝通道处理。
具体的,通过求解大气模型中的场景辐射强度对基础层进行蓝通道处理,包括:
首先,基于光在大气中传输的物理特性,将图像成像模型可以描述为:
Ic(x)=Jc(x)t(x)+Ac(1-t(x)),c∈{r,g,b} 公式(1)
其中,x是图像中的像素,Ic(x)是观察到的强度,Jc(x)表示场景辐射强度,Ac是环境光,t(x)是透射率,c是RGB三通道的其中之一。
然后,对于图像中的每一个像素x,利用暗通道先验找到以x为中心的一个局部块Ω(x)的RGB三通道中的最小值,可以写成:
其中,Ω(x)为局部块,Jc(y)表示场景辐射强度。在一副无雾的图像中,暗通道先验Jdark(x)通常接近于零,因为在局部块Ω(x)的三通道中至少有一个通道会有一个强度非常低的像素。沙尘天气下大部分蓝光被散射和吸收,导致蓝光强度随着距离的增加衰减的更快,需要对暗通道先验进行修改,得出蓝通道,可以写成如下公式:
其中,Jblue(x)表示蓝通道,JR(y)表示红光的场景辐射强度,JG(y)表示绿光的场景辐射强度,JB(y)表示蓝光的场景辐射强度。
在阴云密布的时候,最亮的像素在朦胧的图像中被认为是最不透明的,在这种情况下,环境光是场景的唯一照明源,而朦胧图像的暗通道先验近似于雾霾密度,因此可以利用暗通道先验检测出最不透明的区域,从而提高大气光的估计能力。可以选取距离拍摄设备最深的像素,因为可以假设沙尘图像退化与距离相关,该位置对应于蓝色通道中的最大值。选取退化图像中的像素x0作为环境光,该像素对应于蓝色通道中最亮的像素,表示为:
Ac=I(x0)=(AR,AG,1-AB),Iblue(x0)≥Iblue(x) 公式(4)
其中,I(x0)表示退化图像中的像素x0对应于蓝色通道中最亮的像素,Iblue(x)表示图像中的像素x对应于蓝色通道中最亮的像素,AR表示红光的环境光,AG表示绿光的环境光,AB表示蓝光的环境光。
可以将蓝通道中最亮的0.1%的像素提取出来,并在这组像素中选取退化图像中强度最高的像素。然而,这种环境光的获取方式并不完全适用于沙尘环境。在沙尘环境下,提取蓝色通道中最亮的0.1%的像素,并从这些像素中选取蓝色分量强度较低的像素作为环境光值,选取的数值为从实验中得出的最好的结果。
可以根据确定后的环境光Ac=(AR,AG,AB)估计透射率,假设透射率在局部小区域中是常数,对公式(1)两边同时除Ac并取最小值,结合式公式(3),求出透射率t(x),透射率t(x)可以写成:
其中,IR(y)表示图像中的像素y对应于红色通道中最亮的像素,IG(y)表示图像中的像素y对应于绿色通道中最亮的像素,IB(y)表示图像中的像素y对应于蓝色通道中最亮的像素。
最后,将Ac和t(x)代入公式(1),恢复后的图像Jc计算如下:
其中,t0值通常为0.1,由于景物的亮度通常不如大气光线明亮,因此除雾后的图像看上去很暗淡。因此,为了让图像看起来自然,增加Jc(x)的曝光。
通过求解大气模型中的场景辐射强度对基础层进行蓝通道处理,能够准确估计环境光和透射率,恢复短波长相关的颜色,从而增强图像对比度。
在实际的操作中,对于获取到的图片都是经过拍摄设备得到的,而在不同色温光源下通过拍摄设备获取的图像会呈现不同程度的偏色,与人眼看到的颜色不一致,此时就需要进行白平衡处理;本申请实施例对基础层进行白平衡处理,能够精确的反映图像的色彩状况,从而改善图像的偏色情况。
S203、对处理后的残差层和基础层进行重构,得到第一图像。
步骤S203与步骤S103相同,故在此不再赘述。
S204、对沙尘降质图像进行白平衡处理以及Gamma校正,得到第二图像。
步骤S204与步骤S104相同,故在此不再赘述。
S205、对第一图像分别进行拉普拉斯权重、显著性权重和饱和权重处理,得到第一图像的三个权重图;将第一图像的三个权重图,通过归一化处理得到第一图像的合并的权重图。
具体的,对第一图像进行三种不同的权重图处理,三种不同的权重图处理分别为拉普拉斯权重、显著性权重和饱和权重处理,会得到对应的三个权重图;再通过归一化操作将三个权重图合并成一个权重图,得到第一图像的合并的权重图。
图像根据不同的权重相加,可以使图像中的各灰度值得到保留,使灰度突变处的对比度得到增强,还可以调节饱和度,从而增强图像的边缘信息和增强图像对比度。
S206、对第二图像分别进行拉普拉斯权重、显著性权重和饱和权重处理,得到第二图像的三个权重图;将第二图像的三个权重图,通过归一化处理得到第二图像的合并的权重图。
具体的,对第二图像进行三种不同的权重图处理,三种不同的权重图处理分别为拉普拉斯权重、显著性权重和饱和权重处理,会得到对应的三个权重图;再通过归一化操作将三个权重图合并成一个权重图,得到第二图像的合并的权重图。
图像根据不同的权重相加,可以使图像中的各灰度值得到保留,使灰度突变处的对比度得到增强,还可以调节饱和度,从而增强图像的边缘信息和增强图像对比度。
S207、对第一图像的合并的权重图和第二图像合并的权重图分别进行拉普拉斯和高斯金字塔处理。
具体的,对第一图像的合并的权重图进行拉普拉斯和高斯金字塔融合处理;对第二图像合并的权重图进行拉普拉斯和高斯金字塔融合处理。
图像金字塔是一个图像集合,集合中所有的图像都来源于同一个原始图像,而且是通过对原始图像的连续降采样获得,直到达到某个终止条件才停止降采样。高斯金字塔是向下采样图像,拉普拉斯金字塔用来从金字塔低层图像中向上采样重建一个图像,拉普拉斯金字塔和高斯金字塔融合使用,能够将高斯金字塔过程中丢失的信息给保存下来,进而提高沙尘降质图像的边缘信息,使得图像的清晰度更高,视觉效果更好。
S208、将处理后的第一图像和第二图像进行线性混合求和,得到沙尘降质图像的增强图像。
具体的,将处理后的第一图像和第二图像进行线性混合求和,可以得到最终的一幅沙尘降质图像的增强图像。
第一图像和第二图像的尺寸和类型相同,将处理后的第一图像和第二图像进行线性混合求和,主要是取第一图像和第二图像中的相同位置处的像素值进行线性相加,然后将结果赋值给最后的增强图像相同位置处的像素。
由上述内容可知,本发明实施例提供的沙尘降质图像的增强方法,首先,通过引导滤波器将沙尘降质图像分解为基础层和残差层;通过sigmoid函数对残差层进行处理,通过求解大气模型中的场景辐射强度对基础层进行蓝通道处理,以及对基础层进行白平衡处理;对处理后的残差层和基础层进行重构,得到第一图像。然后,对沙尘降质图像进行白平衡处理以及Gamma校正,得到第二图像;对第一图像分别进行拉普拉斯权重、显著性权重和饱和权重处理,得到第一图像的三个权重图;将第一图像的三个权重图,通过归一化处理得到第一图像的合并的权重图;对第二图像分别进行拉普拉斯权重、显著性权重和饱和权重处理,得到第二图像的三个权重图;将第二图像的三个权重图,通过归一化处理得到第二图像的合并的权重图;对第一图像的合并的权重图和第二图像合并的权重图分别进行拉普拉斯和高斯金字塔处理。最后,将处理后的第一图像和第二图像进行线性混合求和,得到沙尘降质图像的增强图像。即,本发明实施例提供的沙尘降质图像的增强方法,通过求解大气模型中的场景辐射强度对基础层进行蓝通道处理,能够准确估计环境光和透射率,恢复短波长相关的颜色,从而增强图像对比度;对基础层进行白平衡处理,能够精确的反映图像的色彩状况,从而改善图像的偏色情况;以及将拉普拉斯金字塔和高斯金字塔融合,能够将高斯金字塔过程中丢失的信息给保存下来,进而提高沙尘降质图像的边缘信息,使得图像的清晰度更高,视觉效果更好。
基于同一发明构思,作为对上述方法的实现,本发明实施例还提供了一种沙尘降质图像的增强装置。图3为本发明实施例中的装置的结构示意图,参见图3所示,该装置30可以包括:分解模块301,用于对待处理的沙尘降质图像进行多层分解,得到基础层和残差层;第一处理模块302,用于对所述残差层进行非线性映射处理,对所述基础层进行蓝通道处理和白平衡处理;重构模块303,用于对处理后的所述残差层和所述基础层进行重构,得到第一图像;校正处理模块304,用于对所述沙尘降质图像进行白平衡处理以及Gamma校正,得到第二图像;第二处理模块305,用于对所述第一图像和所述第二图像分别进行权重图处理、归一化处理以及拉普拉斯和高斯金字塔处理;求和模块306,用于将处理后的所述第一图像和所述第二图像求和,得到所述沙尘降质图像的增强图像。
作为本发明实施例一种可选的实施例方式,所述第一处理模块302,具体用于通过求解大气模型中的场景辐射强度对所述基础层进行蓝通道处理。
作为本发明实施例一种可选的实施例方式,所述第一处理模块302,具体用于通过sigmoid函数对所述残差层进行处理。
作为本发明实施例一种可选的实施例方式,所述第二处理模块305,具体用于对所述第一图像分别进行拉普拉斯权重、显著性权重和饱和权重处理,得到所述第一图像的三个权重图;将所述第一图像的三个权重图,通过归一化处理得到所述第一图像的合并的权重图;对所述第二图像分别进行拉普拉斯权重、显著性权重和饱和权重处理,得到所述第二图像的三个权重图;将所述第二图像的三个权重图,通过归一化处理得到所述第二图像的合并的权重图;对所述第一图像的合并的权重图和所述第二图像合并的权重图分别进行拉普拉斯和高斯金字塔处理。
为本发明实施例一种可选的实施例方式,所述分解模块301,具体用于通过引导滤波器将所述沙尘降质图像分解为基础层和残差层。
为本发明实施例一种可选的实施例方式,所述求和模块306,具体用于将处理后的所述第一图像和所述第二图像进行线性混合求和,得到所述沙尘降质图像的增强图像。
这里需要指出的是:以上装置实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本发明装置实施例中未披露的技术细节,请参照本发明方法实施例的描述而理解。
基于同一发明构思,本发明实施例还提供了一种电子设备。图4为本发明实施例中的电子设备的结构示意图,参见图4所示,该电子设备40可以包括:至少一个处理器401;以及与处理器401连接的至少一个存储器402、总线403;其中,处理器401、存储器402通过总线403完成相互间的通信;处理器401用于调用存储器402中的程序指令,以执行上述一个或多个实施例中的提醒方法。
这里需要指出的是:以上电子设备实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本发明实施例的电子设备的实施例中未披露的技术细节,请参照本发明方法实施例的描述而理解。
基于同一发明构思,本发明实施例还提供了一种计算机可读存储介质,上述计算机可读存储介质包括存储的程序,其中,在程序运行时控制存储介质所在设备执行上述一个或多个实施例中的方法。
这里需要指出的是:以上计算机可读存储介质实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本发明实施例的计算机可读存储介质的实施例中未披露的技术细节,请参照本发明方法实施例的描述而理解。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种沙尘降质图像的增强方法,其特征在于,包括:
对待处理的沙尘降质图像进行多层分解,得到基础层和残差层;
对所述残差层进行非线性映射处理,对所述基础层进行蓝通道处理和白平衡处理;
对处理后的所述残差层和所述基础层进行重构,得到第一图像;
对所述沙尘降质图像进行白平衡处理以及Gamma校正,得到第二图像;
对所述第一图像和所述第二图像分别进行权重图处理、归一化处理以及拉普拉斯和高斯金字塔处理;
将处理后的所述第一图像和所述第二图像求和,得到所述沙尘降质图像的增强图像。
2.根据权利要求1所述的方法,其特征在于,所述对所述基础层进行蓝通道处理,包括:
通过求解大气模型中的场景辐射强度对所述基础层进行蓝通道处理。
3.根据权利要求1所述的方法,其特征在于,所述对所述残差层进行非线性映射处理,包括:
通过sigmoid函数对所述残差层进行处理。
4.根据权利要求1所述的方法,其特征在于,所述对所述第一图像和所述第二图像分别进行权重图处理、归一化处理以及拉普拉斯和高斯金字塔处理,包括:
对所述第一图像分别进行拉普拉斯权重、显著性权重和饱和权重处理,得到所述第一图像的三个权重图;
将所述第一图像的三个权重图,通过归一化处理得到所述第一图像的合并的权重图;
对所述第二图像分别进行拉普拉斯权重、显著性权重和饱和权重处理,得到所述第二图像的三个权重图;
将所述第二图像的三个权重图,通过归一化处理得到所述第二图像的合并的权重图;
对所述第一图像的合并的权重图和所述第二图像合并的权重图分别进行拉普拉斯和高斯金字塔处理。
5.根据权利要求1所述的方法,其特征在于,所述对待处理的沙尘降质图像进行多层分解,得到基础层和残差层,包括:
通过引导滤波器将所述沙尘降质图像分解为基础层和残差层。
6.根据权利要求1所述的方法,其特征在于,所述将处理后的所述第一图像和所述第二图像求和,得到所述沙尘降质图像的增强图像,包括:
将处理后的所述第一图像和所述第二图像进行线性混合求和,得到所述沙尘降质图像的增强图像。
7.一种沙尘降质图像的增强装置,其特征在于,包括:
分解模块,用于对待处理的沙尘降质图像进行多层分解,得到基础层和残差层;
第一处理模块,用于对所述残差层进行非线性映射处理,对所述基础层进行蓝通道处理和白平衡处理;
重构模块,用于对处理后的所述残差层和所述基础层进行重构,得到第一图像;
校正处理模块,用于对所述沙尘降质图像进行白平衡处理以及Gamma校正,得到第二图像;
第二处理模块,用于对所述第一图像和所述第二图像分别进行权重图处理、归一化处理以及拉普拉斯和高斯金字塔处理;
求和模块,用于将处理后的所述第一图像和所述第二图像求和,得到所述沙尘降质图像的增强图像。
8.根据权利要求7所述的装置,其特征在于,
所述第一处理模块,具体用于通过求解大气模型中的场景辐射强度对所述基础层进行蓝通道处理。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;
以及与所述处理器连接的至少一个存储器、总线;
其中,所述处理器、存储器通过所述总线完成相互间的通信;所述处理器用于调用所述存储器中的程序指令,以执行如权利要求1至6中任一项所述的沙尘降质图像的增强方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行如权利要求1至6中任一项所述的沙尘降质图像的增强方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010547438.7A CN111738946B (zh) | 2020-06-16 | 2020-06-16 | 一种沙尘降质图像的增强方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010547438.7A CN111738946B (zh) | 2020-06-16 | 2020-06-16 | 一种沙尘降质图像的增强方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111738946A true CN111738946A (zh) | 2020-10-02 |
CN111738946B CN111738946B (zh) | 2022-04-08 |
Family
ID=72649296
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010547438.7A Active CN111738946B (zh) | 2020-06-16 | 2020-06-16 | 一种沙尘降质图像的增强方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111738946B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117132752A (zh) * | 2023-10-24 | 2023-11-28 | 硕橙(厦门)科技有限公司 | 基于多维度加权的沙尘图像增强方法、装置、设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08275183A (ja) * | 1995-03-30 | 1996-10-18 | Hitachi Denshi Ltd | 耐放射線カラーカメラ |
CN103279928A (zh) * | 2013-05-23 | 2013-09-04 | 北京汉邦高科数字技术股份有限公司 | 一种基于大气散射模型的图像增强方法 |
CN104915940A (zh) * | 2015-06-03 | 2015-09-16 | 厦门美图之家科技有限公司 | 一种基于图像对齐的图像去噪的方法和系统 |
CN105009169A (zh) * | 2012-12-21 | 2015-10-28 | 菲力尔系统公司 | 用于抑制图像中的天空区域的系统和方法 |
CN106228523A (zh) * | 2016-07-28 | 2016-12-14 | 新疆大学 | 一种提高含噪数字全息图再现质量的方法 |
CN109741274A (zh) * | 2018-12-26 | 2019-05-10 | 新疆大学 | 图像处理方法及装置 |
-
2020
- 2020-06-16 CN CN202010547438.7A patent/CN111738946B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08275183A (ja) * | 1995-03-30 | 1996-10-18 | Hitachi Denshi Ltd | 耐放射線カラーカメラ |
CN105009169A (zh) * | 2012-12-21 | 2015-10-28 | 菲力尔系统公司 | 用于抑制图像中的天空区域的系统和方法 |
CN103279928A (zh) * | 2013-05-23 | 2013-09-04 | 北京汉邦高科数字技术股份有限公司 | 一种基于大气散射模型的图像增强方法 |
CN104915940A (zh) * | 2015-06-03 | 2015-09-16 | 厦门美图之家科技有限公司 | 一种基于图像对齐的图像去噪的方法和系统 |
CN106228523A (zh) * | 2016-07-28 | 2016-12-14 | 新疆大学 | 一种提高含噪数字全息图再现质量的方法 |
CN109741274A (zh) * | 2018-12-26 | 2019-05-10 | 新疆大学 | 图像处理方法及装置 |
Non-Patent Citations (2)
Title |
---|
李青山: "融合中红外波段的航空影像去雾算法研究", 《中国优秀博硕士学位论文全文数据库(硕士)基础科学辑》 * |
王东升: "Bayer模式的图像恢复及抗噪性能提升算法研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117132752A (zh) * | 2023-10-24 | 2023-11-28 | 硕橙(厦门)科技有限公司 | 基于多维度加权的沙尘图像增强方法、装置、设备及介质 |
CN117132752B (zh) * | 2023-10-24 | 2024-02-02 | 硕橙(厦门)科技有限公司 | 基于多维度加权的沙尘图像增强方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111738946B (zh) | 2022-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Robust image and video dehazing with visual artifact suppression via gradient residual minimization | |
US11244432B2 (en) | Image filtering based on image gradients | |
Singh et al. | Single image dehazing using gradient channel prior | |
US8406548B2 (en) | Method and apparatus for performing a blur rendering process on an image | |
US9754356B2 (en) | Method and system for processing an input image based on a guidance image and weights determined thereform | |
Singh et al. | A novel dehazing model for remote sensing images | |
CN108447028A (zh) | 基于多尺度融合的水下图像质量改善方法 | |
CN106412448A (zh) | 一种基于单帧图像的宽动态范围处理方法与系统 | |
CN107578375B (zh) | 图像处理方法及装置 | |
CN111738946B (zh) | 一种沙尘降质图像的增强方法及装置 | |
Singh et al. | Weighted least squares based detail enhanced exposure fusion | |
Tsutsui et al. | Halo artifacts reduction method for variational based realtime retinex image enhancement | |
Wang et al. | Multiscale single image dehazing based on adaptive wavelet fusion | |
TWI784349B (zh) | 顯著圖產生方法及使用該方法的影像處理系統 | |
Kumar et al. | Dynamic stochastic resonance and image fusion based model for quality enhancement of dark and hazy images | |
Chung et al. | Under-exposed image enhancement using exposure compensation | |
Chung et al. | A Study of Single Image Haze Removal Using a Novel White-Patch RetinexBased Improved Dark Channel Prior Algorithm. | |
CN109712094B (zh) | 图像处理方法及装置 | |
CN112822343B (zh) | 一种面向夜间视频的清晰化方法及存储介质 | |
Dou et al. | Image dehaze using alternating Laplacian and Beltrami regularizations | |
Li et al. | Laplace dark channel attenuation-based single image defogging in ocean scenes | |
Kumari et al. | Real time image and video deweathering: The future prospects and possibilities | |
Saxena et al. | An efficient single image haze removal algorithm for computer vision applications | |
CN115398469A (zh) | 图像处理方法及图像处理装置 | |
Ma et al. | Image Dehazing Based on Improved Color Channel Transfer and Multiexposure Fusion |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |