CN112529802B - 基于散射系数比估计的大气散射降质图像恢复方法 - Google Patents
基于散射系数比估计的大气散射降质图像恢复方法 Download PDFInfo
- Publication number
- CN112529802B CN112529802B CN202011450265.3A CN202011450265A CN112529802B CN 112529802 B CN112529802 B CN 112529802B CN 202011450265 A CN202011450265 A CN 202011450265A CN 112529802 B CN112529802 B CN 112529802B
- Authority
- CN
- China
- Prior art keywords
- image
- scattering
- scene
- color
- points
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000011084 recovery Methods 0.000 title claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 230000005540 biological transmission Effects 0.000 claims description 16
- 238000002310 reflectometry Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 2
- 238000006386 neutralization reaction Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 3
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000007619 statistical method 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
-
- 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
- G06T2207/10024—Color image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于散射系数比估计的大气散射降质图像恢复方法,本发明的方法利用场景的固有消色点估计不同颜色通道的散射系数比,据此准确计算出对应颜色通道的透射图,最终得到场景的真实反射率,从而恢复真实场景。与现有技术相比,本发明的方法能够有效处理由大气介质对不同波长光的不同强度散射导致的随距离变化改变色偏,具有无参数,计算快,效果好,无色偏等特点,适合于室外大气散射降质图像的恢复。
Description
技术领域
本发明属于计算机视觉和图像处理技术领域,具体涉及由于大气散射导致的降质图像(例如在雾霾天气下捕获的模糊图像)的恢复方法。
背景技术
光线在大气传播过程中受大气粒子影响产生散射,导致捕获图像损失对比度和饱和度,进而使得图像质量明显降低,这样的低质量图像为后续计算机视觉任务带来极大的困扰。因此,对大气散射导致的低质量图像进行恢复或增强,提高其对比度和饱和度,就显得极为重要。
目前,提高大气散射导致的低质量图像的对比度和饱和度有两个主流途径:基于图像增强的方法和基于图像恢复的方法。基于图像增强的方法将大气散射降质图像增强视为一种低对比度低饱和度图像的增强问题处理,代表性的方法有基于直方图均衡化的方法、基于Retinex的算法、基于图像融合的算法等。这些算法能将一些低对比度低饱和度的大气散射降质图像增强为高对比度高饱和度的增强图像,但由于缺乏物理基础,无法保证增强结果与实际场景一致,往往导致过度增强。
基于图像恢复的方法利用大气散射模型(公式(1),其中,J为场景辐射率,t为透射图,β为散射率,d为距离,λ为波长,A为大气光,I为受大气散射影响导致的低质量图像),通过逆向大气散射导致的图像质量降低过程对图像进行恢复,代表性的算法有暗通道先验算法,颜色线先验算法等。这类方法实质上是通过自然图像统计分析引入先验假设来消去部分未知数,从而解决未知数个数多于方程个数的欠定问题,先验假设与实际情况的接近程度直接影响该类方法的恢复效果。根据大气散射模型,大气介质对光线的散射强度是光线波长的函数,然而现有方法为了简化问题多假设大气介质对不同波长的光散射强度相同(即假设公式(1)中γ=0)。该假设在白雾中近似有效,但在沙尘,或雾霾条件中,就与实际情况不符,因此,现有图像增强方法或去雾方法通常难以处理沙尘或雾霾天气下,带有由大气介质对不同波长光的不同强度散射导致的随距离改变色偏的降质图像。
发明内容
为了解决现有技术存在的上述缺陷,从带有由大气介质对不同波长光的不同强度散射导致的随距离改变色偏的低质量图像中恢复出真实场景反射率,本发明提出了一种基于散射系数比估计的大气散射降质图像恢复方法。
为了实现上述目的,本发明的具体技术方案为:一种基于散射系数比估计的大气散射降质图像恢复方法,具体包括如下步骤:
S1.将输入的彩色图像分解为红色、绿色和蓝色三个颜色通道,选择局部区域内信号弱的暗通道,计算对应的初始透射图并估算大气光;
S2.根据对数域上红绿蓝三通道与均值差的二维空间各向异性值,搜索场景的固有消色点(即场景中各颜色通道反射率近似相等的点);
S3.根据场景固有消色点计算红、绿、蓝三个颜色通道相对暗通道的散射系数比,并据此计算对应颜色通道的透射图;
S4.根据透射图相对强度估算天空区域;
S5.对天空区域的透射图进行补偿;
S6.利用补偿后的透射图恢复场景辐射率;
S7.利用恢复后的场景辐射率和消色点估算光源颜色,计算场景反射率。
本发明的有益效果:本发明的方法利用场景的固有消色点估计不同颜色通道的散射系数比,据此准确计算出对应颜色通道的透射图,最终得到场景的真实反射率,从而恢复真实场景。与现有技术相比,本发明的方法能够有效处理由大气介质对不同波长光的不同强度散射导致的随距离变化改变色偏,具有无参数,计算快,效果好,无色偏等特点,适合于室外大气散射降质图像的恢复。
附图说明
图1是本发明的流程示意图。
具体实施方式
下面结合附图和具体的实施例对本发明做进一步的阐述。
本发明提供的基于散射系数比估计的大气散射降质图像恢复方法如图1所示,具体过程如下(在下述计算过程中均采用浮点数进行计算):
S1.将输入图像I除以全图中像素点的最大值,确保在后续计算中图像的最大值不超过1。
I=I/MAX(I)
记图像在像素点x处红、绿、蓝三个颜色通道的值分别为:Ir(x)、Ig(x)、Ib(x);记图像在以像素点x为中心,周围15×15像素区域为Ω(x),该区域内红、绿、蓝三个颜色通道中的最小值记为Id(x);通过Ir(x),Ig(x),Ib(x)中与Id(x)中最亮10%点相对应的点的均值分别估计大气光Ac,(c∈{r,g,b})在红绿蓝三个通道的值:
其中,Ic(y)表示输入图像在像素点y处RGB通道的值。
S2.将图像归一化后转到对数域,在对数域上计算红绿蓝三通道与均值的差Lc,(c∈{r,g,b}):
对于坐标为(p,q)的像素点z,其在对数域平滑后的二维空间各向异性测度为▽c(z),(c∈{r,g,b}):
该像素点z为消色点的可能性为:
在对数域上对红绿蓝三通道与均值的差做二维拉普拉斯高斯滤波,获得像素点在局部空间的各向异性值,对于一个像素点而言,其三通道上各向异性值的模越小,其是场景中固有消色点(即场景中各颜色通道反射率近似相等的点)的可能性越大。
对应颜色通道的透射图tc(x),(c∈{r,g,b}):
S4.采用常规聚类方法(如K均值聚类)以0和1为初始点对tc(x)的均值进行聚类,将所有像素点划分为两组。如果这两组像素点的中心点比值小于3,则视为无天空区域,跳过步骤S5;如果其中心点比值超过3,则具有较小中心点的一组像素点为天空区域,需要通过步骤S5进行补偿。
S5.对于天空区域的所有点,按下式进行补偿:
tc(x)=tc(x)+max(Ac)-min(Ic(x)+Actc(x))
S6.由下式恢复场景辐射率Jc(x),(c∈{r,g,b}):
S7.利用步骤S3选取的100个场景固有消色点,估算光源颜色ILLc,(c∈{r,g,b}):
最终场景反射率Rc(x),(c∈{r,g,b})为:
本发明方法能够对大气散射导致的降质图像进行有效恢复,并具有计算简单、灵活的优点。与以往方法不同,本发明不仅能恢复白雾下捕获的降质图像,也能恢复沙尘、雾霾等天气下捕获的,包含有随距离变化颜色失真的降质图像,获得能反应真实场景信息的低失真图像,为后续计算机视觉任务提供便利。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (4)
1.一种基于散射系数比估计的大气散射降质图像恢复方法,具体包括如下步骤:
S1.将输入的彩色图像分解为红色、绿色和蓝色三个颜色通道,选择局部区域内信号弱的暗通道,计算对应的初始透射图并估算大气光;
具体过程如下:
将输入图像I除以全图中像素点的最大值,确保在后续计算中图像的最大值不超过1;
I=I/MAX(I)
记图像在像素点x处红、绿、蓝三个颜色通道的值分别为:Ir(x)、Ig(x)、Ib(x);记图像在以像素点x为中心,周围15×15像素区域为Ω(x),该区域内红、绿、蓝三个颜色通道中的最小值记为Id(x);通过Ir(x),Ig(x),Ib(x)中与Id(x)中最亮10%点相对应的点的均值分别估计大气光Ac,其中,c∈{r,g,b}在红绿蓝三个通道的值:
其中,Ic(y)表示输入图像在RGB通道上的值;
S2.根据对数域上红绿蓝三通道与均值差的二维空间各向异性值,搜索场景的固有消色点,所述固有消色点具体为:场景中各颜色通道反射率近似相等的点;
具体过程如下:
将图像归一化后转到对数域,在对数域上计算红绿蓝三通道与均值的差Lc,其中,c∈{r,g,b}:
对于坐标为(p,q)的像素点z,其在对数域平滑后的二维空间各向异性测度为▽c(z),其中,c∈{r,g,b}:
该像素点z为消色点的可能性为:
S3.根据场景固有消色点计算红、绿、蓝三个颜色通道相对暗通道的散射系数比,并据此计算对应颜色通道的透射图;
具体过程如下:
对应颜色通道的透射图tc(x),其中,c∈{r,g,b}:
S4.根据透射图相对强度估算天空区域;
S5.对天空区域的透射图进行补偿;
S6.利用补偿后的透射图恢复场景辐射率;
S7.利用恢复后的场景辐射率和消色点估算光源颜色,计算场景反射率。
2.根据权利要求1所述的基于散射系数比估计的大气散射降质图像恢复方法,其特征在于,步骤S5所述的补偿按下式进行补偿:
tc(x)=tc(x)+max(Ac)-min(Ic(x)+Actc(x))。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011450265.3A CN112529802B (zh) | 2020-12-09 | 2020-12-09 | 基于散射系数比估计的大气散射降质图像恢复方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011450265.3A CN112529802B (zh) | 2020-12-09 | 2020-12-09 | 基于散射系数比估计的大气散射降质图像恢复方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112529802A CN112529802A (zh) | 2021-03-19 |
CN112529802B true CN112529802B (zh) | 2021-07-20 |
Family
ID=74998673
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011450265.3A Active CN112529802B (zh) | 2020-12-09 | 2020-12-09 | 基于散射系数比估计的大气散射降质图像恢复方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112529802B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7242803B2 (en) * | 2003-01-21 | 2007-07-10 | The United States Of America As Represented By The Secretary Of The Navy | System and method for significant dust detection and enhancement of dust images over land and ocean |
CN104299192A (zh) * | 2014-09-28 | 2015-01-21 | 北京联合大学 | 一种基于大气光散射物理模型的单幅图像去雾方法 |
CN107767354A (zh) * | 2017-12-08 | 2018-03-06 | 福州大学 | 一种基于暗原色先验的图像去雾算法 |
CN109242805A (zh) * | 2018-10-24 | 2019-01-18 | 西南交通大学 | 一种基于独立分量分析的单幅图像雾霾快速去除方法 |
CN109523474A (zh) * | 2018-10-19 | 2019-03-26 | 福州大学 | 一种基于雾天退化模型的低照度图像增强方法 |
CN110148093A (zh) * | 2019-04-17 | 2019-08-20 | 中山大学 | 一种基于暗通道先验的图像去雾改进方法 |
CN110197467A (zh) * | 2019-05-31 | 2019-09-03 | 电子科技大学 | 一种基于fpga图像透雾的优化系统 |
CN110197469A (zh) * | 2019-06-11 | 2019-09-03 | 青岛大学 | 一种图像去雾方法、系统及电子设备和存储介质 |
CN110705073A (zh) * | 2019-09-24 | 2020-01-17 | 武汉大学 | 一种基于点源激励下各向异性介质涂覆复杂目标的高频散射方法 |
CN111091501A (zh) * | 2018-10-24 | 2020-05-01 | 天津工业大学 | 一种大气散射去雾模型的参数估计方法 |
CN111968054A (zh) * | 2020-08-14 | 2020-11-20 | 中国海洋大学 | 基于潜在低秩表示和图像融合的水下图像颜色增强方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930514B (zh) * | 2012-09-27 | 2015-04-08 | 西安电子科技大学 | 基于大气物理散射模型的快速图像去雾方法 |
CN104794697B (zh) * | 2015-05-05 | 2017-11-21 | 哈尔滨工程大学 | 一种基于暗原色先验的图像去雾方法 |
-
2020
- 2020-12-09 CN CN202011450265.3A patent/CN112529802B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7242803B2 (en) * | 2003-01-21 | 2007-07-10 | The United States Of America As Represented By The Secretary Of The Navy | System and method for significant dust detection and enhancement of dust images over land and ocean |
CN104299192A (zh) * | 2014-09-28 | 2015-01-21 | 北京联合大学 | 一种基于大气光散射物理模型的单幅图像去雾方法 |
CN107767354A (zh) * | 2017-12-08 | 2018-03-06 | 福州大学 | 一种基于暗原色先验的图像去雾算法 |
CN109523474A (zh) * | 2018-10-19 | 2019-03-26 | 福州大学 | 一种基于雾天退化模型的低照度图像增强方法 |
CN109242805A (zh) * | 2018-10-24 | 2019-01-18 | 西南交通大学 | 一种基于独立分量分析的单幅图像雾霾快速去除方法 |
CN111091501A (zh) * | 2018-10-24 | 2020-05-01 | 天津工业大学 | 一种大气散射去雾模型的参数估计方法 |
CN110148093A (zh) * | 2019-04-17 | 2019-08-20 | 中山大学 | 一种基于暗通道先验的图像去雾改进方法 |
CN110197467A (zh) * | 2019-05-31 | 2019-09-03 | 电子科技大学 | 一种基于fpga图像透雾的优化系统 |
CN110197469A (zh) * | 2019-06-11 | 2019-09-03 | 青岛大学 | 一种图像去雾方法、系统及电子设备和存储介质 |
CN110705073A (zh) * | 2019-09-24 | 2020-01-17 | 武汉大学 | 一种基于点源激励下各向异性介质涂覆复杂目标的高频散射方法 |
CN111968054A (zh) * | 2020-08-14 | 2020-11-20 | 中国海洋大学 | 基于潜在低秩表示和图像融合的水下图像颜色增强方法 |
Non-Patent Citations (6)
Title |
---|
An Anisotropic Gaussian Filtering Model for Image De-Hazing;Hui Fu等;《IEEE Access》;20200923;第8卷;175140-175149 * |
Recent Advances in Image Dehazing;Wencheng Wang等;《IEEE/CAA Journal of Automatica Sinica》;20170711;第4卷(第3期);410-436 * |
Single Image Haze Removal Using Dark Channel Prior;Kaiming He等;《 IEEE Transactions on Pattern Analysis and Machine Intelligence》;20100909;第33卷(第12期);2341-2353 * |
基于单幅雾天图像的实时清晰化处理算法研究;秦博阳;《中国优秀硕士学位论文全文数据库 信息科技辑》;20180415;第2018年卷(第4期);I138-2614 * |
基于改进的各向异性扩散图像去噪算法研究;吴龙华;《中国优秀硕士学位论文全文数据库 信息科技辑》;20161115;第2016年卷(第11期);I138-393 * |
基于立体视觉的图像去雾算法研究;赵乾;《中国优秀硕士学位论文全文数据库 信息科技辑》;20200115;第2020年卷(第1期);I138-1801 * |
Also Published As
Publication number | Publication date |
---|---|
CN112529802A (zh) | 2021-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhou et al. | Auto color correction of underwater images utilizing depth information | |
Gao et al. | Sand-dust image restoration based on reversing the blue channel prior | |
WO2016206087A1 (zh) | 一种低照度图像处理方法和装置 | |
CN107292830B (zh) | 低照度图像增强及评价方法 | |
CN111861896A (zh) | 一种面向uuv的水下图像色彩补偿与恢复方法 | |
CN107527325B (zh) | 一种基于暗通道优先的单目水下视觉增强方法 | |
CN112200746B (zh) | 一种雾天交通场景图像的去雾方法和设备 | |
Yu et al. | Image and video dehazing using view-based cluster segmentation | |
CN109272475B (zh) | 一种快速有效修复与强化水下图像颜色的方法 | |
CN109118440B (zh) | 基于透射率融合与自适应大气光估计的单幅图像去雾方法 | |
CN111968065A (zh) | 一种亮度不均匀图像的自适应增强方法 | |
CN111598814B (zh) | 基于极端散射通道的单图像去雾方法 | |
Zhu et al. | Underwater image enhancement based on colour correction and fusion | |
CN109345479B (zh) | 一种视频监控数据的实时预处理方法及存储介质 | |
Du et al. | Perceptually optimized generative adversarial network for single image dehazing | |
CN114119383A (zh) | 一种基于多特征融合的水下图像复原方法 | |
CN112529802B (zh) | 基于散射系数比估计的大气散射降质图像恢复方法 | |
Abbaspour et al. | A new fast method for foggy image enhancement | |
CN115660968A (zh) | 一种基于相机成像原理的低照度图像增强方法 | |
CN112907474B (zh) | 一种基于背景光优化与伽马变换的水下图像增强方法 | |
CN115170437A (zh) | 一种用于救援机器人的火灾场景低质量图像恢复方法 | |
CN115619662A (zh) | 一种基于暗通道先验的图像去雾方法 | |
Negru et al. | Exponential image enhancement in daytime fog conditions | |
CN109886901B (zh) | 一种基于多通路分解的夜间图像增强方法 | |
CN114549342A (zh) | 一种用于水下图像的复原方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |