CN112465711A - 一种针对雾天环境下的降质图像增强方法 - Google Patents

一种针对雾天环境下的降质图像增强方法 Download PDF

Info

Publication number
CN112465711A
CN112465711A CN202011187534.1A CN202011187534A CN112465711A CN 112465711 A CN112465711 A CN 112465711A CN 202011187534 A CN202011187534 A CN 202011187534A CN 112465711 A CN112465711 A CN 112465711A
Authority
CN
China
Prior art keywords
image
component
degraded
color space
brightness
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Withdrawn
Application number
CN202011187534.1A
Other languages
English (en)
Inventor
孙敏杰
朱红赛
朱欣华
苏岩
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.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
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 Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN202011187534.1A priority Critical patent/CN112465711A/zh
Publication of CN112465711A publication Critical patent/CN112465711A/zh
Withdrawn legal-status Critical Current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
    • G06T5/90—Dynamic range modification of images or parts thereof
    • 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

本发明公开了一种针对雾天环境下的降质图像增强方法，属于图像处理领域。该方法包括：将输入的原始图像由RGB颜色空间转换到HSI颜色空间；保持图像的色调分量不变，对饱和度分量进行拉伸，对亮度分量进行分频增强；将增强后的图像由HSI颜色空间转换到RGB颜色空间并输出。采用本发明，可以解决传统同态滤波算法得到的图像细节缺失的问题和直方图均衡化算法过增强、颜色失真的问题，同时本算法复杂度低，运行速度快，可以降低对硬件的性能要求。

Description

一种针对雾天环境下的降质图像增强方法
技术领域
本发明属于图像处理技术，具体涉及一种针对雾天环境下的降质图像增强方法。
背景技术
在环境感知技术中，由于摄像头具有安装简单，成本低廉，图像色彩丰富，图像纹理信息丰富的优点，基于摄像头的目标检测方法被广泛应用。但是基于摄像头的目标检测算法，从底层的图像特征提取，到高层的图像内目标识别、行为分析都是建立在处理的图像是清晰的图像基础之上的。而在雾霾等恶劣天气条件下拍摄的图像，细节信息模糊或缺失，对比度下降，图像的整体颜色偏灰白色，这样的图像会影响人眼判读和机器识别。
图像增强指的是有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。目前，雾天环境下的图像增强方法繁多，应用最广泛的有直方图均衡化方法，同态滤波方法，Retinex方法等。直方图均衡化具有提高对比度，运行时间短的优点，但容易产生过增强现象。同态滤波方法具有增强图像对比度，压缩图像动态范围的优点，但也存在边缘缺失，运算速度慢的缺点。Retinex方法颜色保真度较好，但在雾天等亮度较高的天气条件下，会出现光晕和颜色失真现象，同时算法运算量大，更加适用于低照度环境下的图像增强。
发明内容
本发明的目的在于提供一种鲁棒性强、实现容易、更加适合于人眼判读和机器识别的针对雾天环境下的降质图像增强方法，以解决目前雾天降质图像增强方法运算量大、细节缺失、边缘模糊、过增强等技术问题。
实现本发明目的的技术解决方案为：
一种针对雾天环境下的降质图像增强方法，包括以下步骤：
将待处理的雾天降质图像由RGB颜色空间转换到HSI颜色空间；
保持降质图像的色调分量不变，对饱和度分量进行拉伸处理，对亮度分量进行分频增强处理；
将增强后的图像由HSI颜色空间转换到RGB颜色空间，并输出转换后的图像。本发明与现有技术相比，其显著优点：
(1)对图像的饱和度分量进行拉伸处理，提高了彩色图像增强后的色彩饱和度，使图像的颜色对比更清晰；对亮度分量采用分频处理，高通滤波得到高频分量，低通滤波得到低频分量进行直方图均衡化，丰富了图像细节，解决了原方法存在的边缘缺失、过增强问题。
(2)高低频分量加权融合，提高了图像对比度。
(3)融合HSI颜色空间，大幅提升了算法处理速度，同时解决了在RGB颜色空间下直接对图像进行增强处理容易产生的颜色丢失现象，更符合人的视觉特征。
附图说明
图1为本发明的一种针对雾天环境下的降质图像增强方法流程图。
图2为本发明的一种亮度分量分频增强方法流程图。
具体实施方式
下面结合附图对本发明作进一步详细描述。
结合图1，本发明所述的一种针对雾天环境下的降质图像增强方法，包括以下步骤：
步骤1、将待处理的雾天降质图像由RGB颜色空间转换到HSI颜色空间；
按照以下公式进行转换：
将RGB图像像素值归一化到[0,1]范围内：
归一化：将RGB图像三个通道的每个像素值除以255，得到的数值即为图像归一化的结果。
Figure BDA0002751837710000021
Figure BDA0002751837710000022
I＝(R+G+B)/3
当R＝G＝B≠0时，取I＝R、S＝0、H＝0；当R＝G＝B＝0时，取I＝0、S＝1、H＝0。
其中，H代表图像色调，S代表图像饱和度，I代表图像亮度；R、G、B代表RGB颜色空间下图像的红、绿、蓝三个彩色通道；min()代表最小值。
步骤2、保持降质图像的色调分量不变，对饱和度分量进行拉伸处理，对亮度分量进行分频增强处理；
步骤2.1对饱和度分量进行拉伸按照以下公式进行转换：
S'＝λ·S
其中，S'为拉伸后的增强图像饱和度，λ为拉伸系数，S为拉伸前的降质图像饱和度。
步骤2.2对亮度分量进行分频增强包括：
步骤2.2.1对降质图像的亮度分量进行高通滤波，得到图像的反射分量H(μ,ν)；
Figure BDA0002751837710000031
其中，D0表示通带半径，D(μ,v)是到频谱中心的欧氏距离，计算公式如下：
Figure BDA0002751837710000032
M和N表示频谱的大小，(M/2,N/2)即为频谱中心，(μ,ν)表示对应像素点的坐标。
步骤2.2.2对降质图像的亮度分量进行低通滤波，得到图像的照射分量L(μ,ν)；
Figure BDA0002751837710000033
其中，D0表示通带半径，D(μ,v)是到频谱中心的欧氏距离，计算公式如下：
Figure BDA0002751837710000034
M和N表示频谱的大小，(M/2,N/2)即为频谱中心，(μ,ν)表示对应像素点的坐标。
步骤2.2.3对照射分量进行直方图均衡化处理，抑制噪声提高对比度；
步骤1)、计算图像的灰度级数r；
步骤2)、计算图像中各灰度级中的像素个数nj；
步骤3)、计算各个灰度级中像素在整幅图像中出现的概率P＝nj/N，N为像素总个数；
步骤4)、计算累计函数
Figure BDA0002751837710000041
k＝0,1,2,……,L-1，其中P(rj)表示灰度级为j的像素在整幅图像中出现的概率，L表示灰度总数；
步骤5)、求出全局直方图均衡化后的映射关系rk→sk，rk表示全局直方图均衡化后灰度级为k的像素；
步骤6)、计算全局直方图均衡化后图像中各灰度级及其对应的像素个数nj＝P(rk)·N，其中P(rk)表示灰度级为k的像素在整幅图像中出现的概率，N为像素总个数。
步骤2.2.4将反射分量与调整后的照射分量加权融合，得到增强后的亮度分量。
I＝γ·IH+(1-γ)·IL
其中，I代表增强后图像的亮度分量，IH代表图像的反射分量，IL代表进行直方图均衡化处理、抑制噪声提高对比度后的照射分量，γ代表高频分量的融合权重，1-γ代表低频分量的融合权重，通过在MatlabR2018b平台上进行γ初始值设定为0.1，步长设定为0.1的仿真实验，得到γ＝0.7。
步骤3、将增强后的图像由HSI颜色空间转换到RGB颜色空间，并输出转换后的图像。
按照以下公式进行转换：
Figure BDA0002751837710000042
Figure BDA0002751837710000043
Figure BDA0002751837710000051
其中，R、G、B代表RGB颜色空间下图像的红、绿、蓝三个彩色通道；H代表图像色调，S代表图像饱和度，I代表图像亮度。

Claims (9)

1.一种针对雾天环境下的降质图像增强方法，其特征在于，包括以下步骤：
将待处理的雾天降质图像由RGB颜色空间转换到HSI颜色空间；
保持降质图像的色调分量不变，对饱和度分量进行拉伸处理，对亮度分量进行分频增强处理；
将增强后的图像由HSI颜色空间转换到RGB颜色空间，并输出转换后的图像。
2.根据权利要求1所述的针对雾天环境下的降质图像增强方法，其特征在于：所述将待处理的雾天降质图像由RGB颜色空间转换到HSI颜色空间按照以下公式进行转换：
将RGB图像像素值归一化：
Figure FDA0002751837700000011
Figure FDA0002751837700000012
I＝(R+G+B)/3
当R＝G＝B≠0时，取I＝R、S＝0、H＝0；当R＝G＝B＝0时，取I＝0、S＝1、H＝0；
其中，H代表图像色调，S代表图像饱和度，I代表图像亮度；R、G、B代表RGB颜色空间下图像的红、绿、蓝三个彩色通道；min()代表最小值。
3.根据权利要求1所述的针对雾天环境下的降质图像增强方法，其特征在于：所述保持图像的色调分量不变，对饱和度分量进行拉伸按照以下公式进行转换：
S'＝λ·S
其中，S'为拉伸后的增强图像饱和度，λ为拉伸系数，S为拉伸前的降质图像饱和度。
4.根据权利要求1所述的针对雾天环境下的降质图像增强方法，其特征在于：所述保持图像的色调分量不变，对亮度分量进行分频增强包括：
对降质图像的亮度分量进行高通滤波，得到图像的反射分量；
对降质图像的亮度分量进行低通滤波，得到图像的照射分量；
对照射分量进行直方图均衡化处理，抑制噪声提高对比度；
将反射分量与调整后的照射分量加权融合，得到增强后的亮度分量。
5.根据权利要求1所述的针对雾天环境下的降质图像增强方法，其特征在于：所述将增强后的图像由HSI颜色空间转换到RGB颜色空间，并输出转换后的图像按照以下公式进行转换：
Figure FDA0002751837700000021
Figure FDA0002751837700000022
Figure FDA0002751837700000023
其中，R、G、B代表RGB颜色空间下图像的红、绿、蓝三个彩色通道；H代表图像色调，S代表图像饱和度，I代表图像亮度。
6.根据权利要求4所述的针对雾天环境下的降质图像增强方法，其特征在于：所述对降质图像的亮度分量进行高通滤波,得到图像的反射分量H(μ,ν)采用以下公式：
Figure FDA0002751837700000024
其中，D0表示通带半径，D(μ,v)是到频谱中心的欧氏距离，计算公式如下：
Figure FDA0002751837700000025
M和N表示频谱的大小，(M/2,N/2)即为频谱中心，(μ,ν)表示对应像素点的坐标。
7.根据权利要求4所述的针对雾天环境下的降质图像增强方法，其特征在于：所述对降质图像的亮度分量进行低通滤波,得到图像的照射分量L(μ,ν)采用以下公式：
Figure FDA0002751837700000031
其中，D0表示通带半径，D(μ,v)是到频谱中心的欧氏距离，计算公式如下：
Figure FDA0002751837700000032
M和N表示频谱的大小，(M/2,N/2)即为频谱中心，(μ,ν)表示对应像素点的坐标。
8.根据权利要求4所述的针对雾天环境下的降质图像增强方法，其特征在于：所述对照射分量进行直方图均衡化处理，抑制噪声提高对比度包括：
步骤1)、计算图像的灰度级数r；
步骤2)、计算图像中各灰度级中的像素个数nj；
步骤3)、计算各个灰度级中像素在整幅图像中出现的概率P＝nj/N，N为像素总个数；
步骤4)、计算累计函数
Figure FDA0002751837700000033
其中P(rj)表示灰度级为j的像素在整幅图像中出现的概率，L表示灰度总数；
步骤5)、求出全局直方图均衡化后的映射关系rk→sk，rk代表全局直方图均衡化后灰度级为k的像素；
步骤6)、计算全局直方图均衡化后图像中各灰度级及其对应的像素个数nj＝P(rk)·N，其中P(rk)表示灰度级为k的像素在整幅图像中出现的概率，N为像素总个数。
9.根据权利要求4所述的针对雾天环境下的降质图像增强方法，其特征在于：所述将反射分量与调整后的照射分量加权融合，得到增强后的亮度分量采用以下公式：
I＝γ·IH+(1-γ)·IL
其中，I代表增强后图像的亮度分量，IH代表图像的反射分量，IL代表进行直方图均衡化处理、抑制噪声提高对比度后的照射分量，γ代表高频分量的融合权重，1-γ代表低频分量的融合权重。
CN202011187534.1A 2020-10-30 2020-10-30 一种针对雾天环境下的降质图像增强方法 Withdrawn CN112465711A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011187534.1A CN112465711A (zh) 2020-10-30 2020-10-30 一种针对雾天环境下的降质图像增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011187534.1A CN112465711A (zh) 2020-10-30 2020-10-30 一种针对雾天环境下的降质图像增强方法

Publications (1)

Publication Number Publication Date
CN112465711A true CN112465711A (zh) 2021-03-09

Family

ID=74835597

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011187534.1A Withdrawn CN112465711A (zh) 2020-10-30 2020-10-30 一种针对雾天环境下的降质图像增强方法

Country Status (1)

Country Link
CN (1) CN112465711A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113301319A (zh) * 2021-04-27 2021-08-24 大连东软信息学院 一种在fpga上实现的图像色彩增强方法及设备
CN115578660A (zh) * 2022-11-09 2023-01-06 牧马人(山东)勘察测绘集团有限公司 基于遥感图像的土地地块分割方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113301319A (zh) * 2021-04-27 2021-08-24 大连东软信息学院 一种在fpga上实现的图像色彩增强方法及设备
CN115578660A (zh) * 2022-11-09 2023-01-06 牧马人(山东)勘察测绘集团有限公司 基于遥感图像的土地地块分割方法

Similar Documents

Publication Publication Date Title
CN106846276B (zh) 一种图像增强方法及装置
CN106897981A (zh) 一种基于引导滤波的低照度图像增强方法
CN108288258B (zh) 一种针对恶劣天气条件下的低质图像增强方法
CN109816608B (zh) 一种基于噪声抑制的低照度图像自适应亮度增强方法
JP4021261B2 (ja) 画像処理装置
CN110473152B (zh) 基于改进Retinex算法的图像增强方法
Hanumantharaju et al. Color image enhancement using multiscale retinex with modified color restoration technique
CN103455979A (zh) 一种低照度视频图像增强方法
CN112561804A (zh) 基于多尺度细节增强的低光照水下图像增强方法
CN111105359B (zh) 一种高动态范围图像的色调映射方法
CN110675351B (zh) 一种基于全局亮度自适应均衡化的海上图像处理方法
CN112465711A (zh) 一种针对雾天环境下的降质图像增强方法
CN112801925A (zh) 基于信息熵最大化消除水波纹影响的水下图像增强方法
CN111861896A (zh) 一种面向uuv的水下图像色彩补偿与恢复方法
CN108711160B (zh) 一种基于hsi增强性模型的目标分割方法
CN111968065A (zh) 一种亮度不均匀图像的自适应增强方法
CN109003238B (zh) 一种基于模型与直方图及灰度增强的图像雾霾去除方法
CN111476744A (zh) 一种基于分类及大气成像模型的水下图像增强方法
CN108550124B (zh) 一种基于仿生螺线的光照补偿及图像增强方法
CN114037641A (zh) 一种低照度图像增强方法、装置、设备及介质
CN112435184B (zh) 一种基于Retinex和四元数的雾霾天图像识别方法
CN104657939A (zh) 一种低照度视频图像增强方法
CN116309146A (zh) 基于Retinex的边缘保留彩色低照度图像增强方法
CN110807748A (zh) 一种基于高动态范围的新色调映射图像增强方法
CN113284058B (zh) 一种基于迁移理论的水下图像增强方法

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20210309