CN114638759A - 一种基于双摄像头的散射环境下图像去雾方法 - Google Patents
一种基于双摄像头的散射环境下图像去雾方法 Download PDFInfo
- Publication number
- CN114638759A CN114638759A CN202210268065.9A CN202210268065A CN114638759A CN 114638759 A CN114638759 A CN 114638759A CN 202210268065 A CN202210268065 A CN 202210268065A CN 114638759 A CN114638759 A CN 114638759A
- Authority
- CN
- China
- Prior art keywords
- backscattering
- recorded
- camera
- cameras
- point
- 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
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000003287 optical effect Effects 0.000 claims abstract description 8
- 230000005855 radiation Effects 0.000 claims description 8
- HEFNNWSXXWATRW-UHFFFAOYSA-N Ibuprofen Chemical compound CC(C)CC1=CC=C(C(C)C(O)=O)C=C1 HEFNNWSXXWATRW-UHFFFAOYSA-N 0.000 claims description 3
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 239000000428 dust Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 238000000889 atomisation Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 239000000779 smoke Substances 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
- 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)
- Length Measuring Devices By Optical Means (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本发明公开一种基于双摄像头的散射环境下光学图像的去雾方法,属于计算机图像处理领域。所述方法为使用双摄像头任意拍摄一对没有场景目标的立体图像,作为最远处的背向散射成分信息;使用双摄像头拍摄一对目标场景立体图像,并假设该图像记录了两种成分信息:信号成分和背向散射成分;定义一个单调递增的背向散射比例函数,在[0,1]区间以适当间距枚举背向散射比例的值,如果枚举的背向散射比例是最优的,目标场景中左右立体图像对上对应点的匹配代价最小,进而得到只包含目标信号成分的去雾图像。本发明所述方法可以很好的工作于自然光源和人造光源条件下,既不用对光源进行校准,也不用对散射属性进行估计,算法简单易行。
Description
技术领域
本发明涉及一种充满散射介质环境下的光学图像去雾方法,属于计算机图像处理领域。
背景技术
在充满尘埃、烟雾等散射介质的大气或浑浊水下环境中,悬浮粒子的散射将导致光学图像的对比度和色彩饱和度显著降低,使得场景中目标能见度变弱,给目标提取和识别带来困难。为了提高散射成像环境下图像的清晰度,需要研究如何去除图像中悬浮粒子散射所产生的雾化成分,常见的去雾方法有:(1)基于偏振方法,从不同偏振角度获取多幅图像移除尘雾;(2)基于深度的方法,通过附加的深度信息估算不同位置处雾的浓度;(3)基于先验知识的方法,在单幅图像中估计图像局部的雾浓度实现去雾。在散射环境中,图像可认为是记录了两种光辐射成分信息:(1)被衰减和吸收后的场景目标辐射成分,记为信号成分,是需要恢复还原的目标分量;(2)由悬浮粒子反向散射周围照明进入摄像机的光线成分,记为背向散射成分,是需要去除的尘雾分量。
发明内容
本发明的目的在于提供一种基于双摄像头的散射环境下光学图像的去雾方法,以实现散射介质环境下光学图像的去雾效果,该方法步骤如下:
步骤1:设双摄像头的左相机L为世界坐标系原点,使用双目相机任意拍摄一对没有场景目标的立体图像,作为最远处的背向散射成分信息,左相机记录背向散射信息记为右相机R记录的背向散射信息记为左右相机的中点和P点的距离记为u,将∠PLR记为γL,∠LRP记为γR。
步骤2:使用双目相机拍摄一对含有场景目标的立体图像(假设该图像记录了两种成分信息:信号成分和背向散射成分),左相机记录的光辐射信息为IL,右相机记录的光辐射信息为IR,设:
式中,SL和SR分别为左右相机中记录的需要恢复的去雾后的信号成分;BL和BR分别为左右相机中记录的需要去除的背向散射成分,其大小和点P(X,Y,Z)距左右相机的距离dL和dR有关,即BL=fL(dL),BR=fR(dR)。
步骤3:定义目标场景中点P(X,Y,Z)处左右图像的背向散射成分与最远处背向散射成分的比例分别为函数和如果左右两个相机间的距离小于20厘米,则dL≈dR=d,其中,d表示两个相机距离P点的距离,sL(dL)≈sR(dR)=s(d),同时,左右相机记录的信号成分SL和SR也认为近似相等,则:
由于背向散射比例s(d)处于[0,1]区间,为了得到点P(X,Y,Z)处最优的使用枚举法让s(d)从0开始以Δs为间隔进行自增到1为止,在此过程中,使用立体视觉匹配算法沿着极线计算P点处左右信号成分SL、SR对于不同视差(距离d)的匹配代价C(SL,SR,d),计算公式可采用归一化离差平方和(NSSD)或零均值离差平方和(ZSSD)等多种,然后采用赢者通吃(WTA)策略,当匹配代价C(SL,SR,d)最小时,即认为此时所枚举的s(d)为P处最优的背向散射比例
本发明的原理:在需要人工光源作为辅助照明的散射环境下,背向散射成分大小通常随着与相机距离的增加而叠加,所以图像中的背向散射成分天然的包含了距离信息,本发明所述方法定义了一个背向散射比例函数,用来描述从摄像头处由近及远,目标场景中背向散射成分与最远处背向散射成分的比例,其是一个单调递增函数,且值域处于[0 1]区间;在[0,1]区间以适当的数量级的间距对目标场景中任一目标点枚举背向散射比例的值,如果枚举的背向散射比例是最优的,将导致目标场景中左右立体图像对上对应点的匹配代价最小,从而可以得到左右立体图上该点处背向散射成分的大小,进而得到只包含目标信号成分的去雾图像。
本发明的有益效果:
该去雾方法可以很好的工作于自然光源和人造光源条件下,既不用对光源进行校准,也不用对散射属性进行估计,算法简单易行,提高了散射成像环境下图像的清晰度。
附图说明
图1是散射介质环境下双目立体相机记录场景信息示意图。
图2是按照本发明方法得到去雾图像结果示例。
具体实施方式
下面结合具体实施例对本发明作进一步详细说明,但本发明的保护范围并不限于所述内容。
一种基于双摄像头的散射环境下光学图像的去雾方法,具体包括以下步骤:
步骤1:设双摄像头的左相机L为世界坐标系原点,在使用双目相机任意拍摄一对没有场景目标的立体图像时,则对应于有场景目标上的任意一点P(X,Y,Z),左相机记录的全为背向散射信息,记为右相机R记录的也只包含光背向散射信息,记为左右相机的中点和P点的距离记为u,将∠PLR记为γL,∠LRP记为γR。
步骤2:使用双目相机拍摄一对含有场景目标的立体图像,则对应于点P(X,Y,Z),左相机记录的光辐射信息为IL,右相机记录的光辐射信息为IR,设:
式(1)中,SL和SR分别为左右相机中记录的需要恢复的去雾后的信号成分;BL和BR分别为左右相机中记录的需要去除的背向散射成分,其大小和点P距左右相机的距离dL和dR有关,即BL=fL(dL),BR=fR(dR)。
步骤3:定义目标场景中点P(X,Y,Z)处左右图像的背向散射成分与最远处背向散射成分的比例分别为函数和如果左右两个相机间的距离较小(通常小于20厘米),则dL≈dR=d,其中,d表示两个相机距离P点的距离,sL(dL)≈sR(dR)=s(d),此外,左右相机记录的信号成分SL和SR也可认为近似相等,则由式(1)可得:
由于背向散射比例s(d)处于[0,1]区间,为了得到P点处最优的使用枚举法让s(d)从0开始以Δs为间隔(步长)进行自增到1为止,在此过程中,使用立体视觉匹配算法沿着极线计算P点处左右信号成分SL、SR对于不同视差(距离d)的匹配代价C(SL,SR,d),计算公式可采用归一化离差平方和(NSSD)或零均值离差平方和(ZSSD)等多种,然后采用赢者通吃(WTA)策略,当匹配代价C(SL,SR,d)最小时,即求出最优的背向散射比例
附图2为按照本发明方法进行混浊水下图像去雾果示例,其中(a)为左相机任意拍摄的一幅没有场景目标的图像,(b)为左相机记录的包含场景目标的待去雾图像,(c)为(b)去雾后的结果,由图可以看出本实施例所述方去雾效果非常好。
Claims (2)
1.一种基于双摄像头的散射环境下光学图像的去雾方法,其特征在于,该方法步骤如下:
步骤1:设双摄像头的左相机L为世界坐标系原点,使用双目相机任意拍摄一对没有场景目标的立体图像,作为最远处的背向散射成分信息,则对应于有场景目标上的任意一点P(X,Y,Z),左相机记录背向散射信息记为右相机R记录的背向散射信息记为左右相机的中点和P点的距离记为u,将∠PLR记为γL,∠LRP记为γR;
步骤2:使用双目相机拍摄一对含有场景目标的立体图像,则对应于点P(X,Y,Z),左相机记录的光辐射信息为IL,右相机记录的光辐射信息为IR,那么设:
式中,SL和SR分别为左右相机中记录的需要恢复的去雾后的信号成分;BL和BR分别为左右相机中记录的需要去除的背向散射成分,其大小和点P(X,Y,Z)距左右相机的距离dL和dR有关,即BL=fL(dL),BR=fR(dR);
步骤3:定义目标场景中点P(X,Y,Z)处左右图像的背向散射成分与最远处背向散射成分的比例分别为函数和如果左右两个相机间的距离小于20厘米,则dL≈dR=d,其中,d表示两个相机距离P点的距离,sL(dL)≈sR(dR)=s(d),同时,左右相机记录的信号成分SL和SR也认为近似相等,则:
由于背向散射比例s(d)处于[0,1]区间,为了得到点P(X,Y,Z)处最优的使用枚举法让s(d)从0开始以Δs为间隔进行自增到1为止,在此过程中,使用立体视觉匹配算法沿着极线计算P点处左右信号成分SL、SR对于不同视差的匹配代价C(SL,SR,d),然后采用赢者通吃策略,当匹配代价C(SL,SR,d)最小时,即认为此时所枚举的s(d)为P处最优的背向散射比例
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210268065.9A CN114638759B (zh) | 2022-03-17 | 2022-03-17 | 一种基于双摄像头的散射环境下图像去雾方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210268065.9A CN114638759B (zh) | 2022-03-17 | 2022-03-17 | 一种基于双摄像头的散射环境下图像去雾方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114638759A true CN114638759A (zh) | 2022-06-17 |
CN114638759B CN114638759B (zh) | 2024-03-29 |
Family
ID=81950217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210268065.9A Active CN114638759B (zh) | 2022-03-17 | 2022-03-17 | 一种基于双摄像头的散射环境下图像去雾方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114638759B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919889A (zh) * | 2019-02-28 | 2019-06-21 | 温州大学 | 一种基于双目视差的能见度检测算法 |
KR20190081867A (ko) * | 2017-12-29 | 2019-07-09 | 재단법인 구미전자정보기술원 | 3D BPC imaging 기술기반 안전시야 획득 시스템 및 방법 |
-
2022
- 2022-03-17 CN CN202210268065.9A patent/CN114638759B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190081867A (ko) * | 2017-12-29 | 2019-07-09 | 재단법인 구미전자정보기술원 | 3D BPC imaging 기술기반 안전시야 획득 시스템 및 방법 |
CN109919889A (zh) * | 2019-02-28 | 2019-06-21 | 温州大学 | 一种基于双目视差的能见度检测算法 |
Non-Patent Citations (2)
Title |
---|
代晴晴;范之国;宋强;陈;: "全局参数自动估计的彩色图像偏振去雾方法", 应用光学, no. 04, 15 July 2018 (2018-07-15) * |
吴日辉;代锋;尹冬;刘烨斌;戴琼海;张勇东;: "基于瞬态成像技术的穿透散射介质成像", 计算机学报, no. 11, 9 August 2016 (2016-08-09) * |
Also Published As
Publication number | Publication date |
---|---|
CN114638759B (zh) | 2024-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114766003B (zh) | 用于利用偏振增强传感器系统和成像系统的系统和方法 | |
EP2064676B1 (en) | A method and system for three-dimensional model acquisition | |
US9098908B2 (en) | Generating a depth map | |
JP7003994B2 (ja) | 画像処理装置および方法 | |
US8334893B2 (en) | Method and apparatus for combining range information with an optical image | |
Sedlazeck et al. | 3d reconstruction based on underwater video from rov kiel 6000 considering underwater imaging conditions | |
US9659371B2 (en) | System and method for online projector-camera calibration from one or more images | |
US9569691B2 (en) | Image processing apparatus, image processing method, and program | |
EP2806396A1 (en) | Sparse light field representation | |
TW201118791A (en) | System and method for obtaining camera parameters from a plurality of images, and computer program products thereof | |
CN110956661B (zh) | 基于双向单应矩阵的可见光与红外相机动态位姿计算方法 | |
WO2014044126A1 (zh) | 坐标获取装置、实时三维重建系统和方法、立体交互设备 | |
CN111563921A (zh) | 一种基于双目相机的水下点云获取方法 | |
CN107292269B (zh) | 基于透视失真特性的人脸图像鉴伪方法、存储、处理设备 | |
CN110135434A (zh) | 基于颜色线模型的水下图像质量提升算法 | |
Drews et al. | Automatic restoration of underwater monocular sequences of images | |
WO2018216341A1 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
CN109934873B (zh) | 标注图像获取方法、装置及设备 | |
WO2018056802A1 (en) | A method for estimating three-dimensional depth value from two-dimensional images | |
Łuczyński et al. | Underwater image haze removal with an underwater-ready dark channel prior | |
CN113724335B (zh) | 一种基于单目相机的三维目标定位方法及系统 | |
CN111914790B (zh) | 基于双摄像头的不同场景下实时人体转动角度识别方法 | |
CN114638759B (zh) | 一种基于双摄像头的散射环境下图像去雾方法 | |
KR20200036353A (ko) | 3차원 자세 추정 장치 및 3차원 자세 추정 방법 | |
KR101852085B1 (ko) | 깊이 정보 획득 장치 및 깊이 정보 획득 방법 |
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 |