CN116167946A - 一种基于暗通道先验理论的高温图像去雾增强方法及装置 - Google Patents
一种基于暗通道先验理论的高温图像去雾增强方法及装置 Download PDFInfo
- Publication number
- CN116167946A CN116167946A CN202310259345.8A CN202310259345A CN116167946A CN 116167946 A CN116167946 A CN 116167946A CN 202310259345 A CN202310259345 A CN 202310259345A CN 116167946 A CN116167946 A CN 116167946A
- Authority
- CN
- China
- Prior art keywords
- image
- defogging
- dark channel
- light intensity
- background light
- 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 74
- 238000010586 diagram Methods 0.000 claims abstract description 19
- 230000009466 transformation Effects 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000005516 engineering process Methods 0.000 claims description 15
- 238000002834 transmittance Methods 0.000 claims description 11
- 238000010845 search algorithm Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 2
- 230000003014 reinforcing effect Effects 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract description 15
- 238000001514 detection method Methods 0.000 abstract description 12
- 238000000889 atomisation Methods 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 238000012935 Averaging Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000000149 argon plasma sintering Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000000859 sublimation Methods 0.000 description 1
- 230000008022 sublimation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
一种基于暗通道先验理论的高温图像去雾增强方法及装置，涉及涡轮发动机叶片应变测量图像去雾增强技术领域，解决的技术问题为“如何在高温环境下对涡轮发动机叶片应变测量图像进行去雾增强”，方法包括：获取待观测对象的图像；基于所述图像得到暗通道图；在所述暗通道图中搜索背景光强所在区域，得到对应的背景光强值和透射率图；将所述背景光强值和透射率图输入有雾图像模型进行反推，得到初步去雾图像；对所述初步去雾图像进行HSI空间变换处理，得到去雾增强图像；该方法对高温图像采用暗通道先验理论进行去雾，并通过HSI空间变换对图像进行增强，能够有效解决图像雾化和失真的问题，从而提高采用图像进行应变检测的精确度。
Description
技术领域
本发明涉及涡轮发动机叶片应变测量图像去雾增强技术领域。
背景技术
随着数字图像相关法(DIC)在高温环境下对材料变形和应变检测领域应用逐渐广泛，在高温环境下的数字图像相关法也逐渐应用到涡轮发动机叶片的检测当中，目前应用到涡轮发动机叶片的高温数字图像相关法最主要的问题是高温扰动以及起雾问题。其一，在发动机叶片的实际工况中，发动机内部为非真空环境，叶片工作在有流动气体的条件下，非完全真空以及样件和散斑在高温下也可能因升华等原因产生水雾和悬浮颗粒。这种现象类似于大气环境中出现的雾霾，导致光散射，由于光散射和热辐射，导致背景光太强，即使加了滤光片，也不能去除背景光对样件的成像的负面效果。简单地说，观察到的图像是模糊的雾化图像，导致样件的特征不明显，对比度低，类似于自然界雾霾的影响。其二，在高温环境下，热扰动会使采集的图像发生不同程度的畸变，导致应变检测结果受到影响。上述条件会使计算采集图像具有相关效应影响DIC计算结果，甚至无法计算。采用现有方法在高温环境下对材料变形和应变检测，不仅对待测产品的要求高，且对检测作业员的从业经验有严格的要求，并且得到的检测结果准确度低，可靠性差。
因此，如何提供一种能够在高温环境下对涡轮发动机叶片应变测量图像进行去雾增强的方法，成为本领域亟待解决的技术问题。
发明内容
为了解决上述技术问题，本发明提供了一种基于暗通道先验理论的高温图像去雾增强方法及装置，该方法对高温图像采用暗通道先验理论进行去雾，并通过HSI空间变换对图像进行增强，能够有效解决图像雾化和失真的问题，从而提高采用图像进行应变检测的精确度。
基于同一发明构思，本发明具有三个独立的技术方案：
1、一种基于暗通道先验理论的高温图像去雾增强方法，所述方法包括如下步骤：
获取待观测对象的图像；
基于所述图像得到暗通道图；
在所述暗通道图中搜索背景光强所在区域，得到对应的背景光强值和透射率图；
将所述背景光强值和透射率图输入有雾图像模型进行反推，得到初步去雾图像；
对所述初步去雾图像进行HSI空间变换，得到去雾增强图像。
进一步地，获取的图像为待观测对象在同一温度下的多幅图像。
进一步地，基于所述图像得到暗通道图之前，还包括：采用灰度平均方法消除所述图像中的热流扰动。
进一步地，基于消除热流扰动的图像得到暗通道图，包括：对图像中的各个像素点取R、G、B三个通道中的最小值组成灰度图，再对所述灰度图进行最小值滤波得到暗通道图。
进一步地，在所述暗通道图中搜索背景光强所在区域，包括：
S31、获取搜索算法参数N，并将所述暗通道图作为候选区域；
S32、将所述候选区域分为2N个相等区域，计算各个区域图像灰度的平均值和标准差；
S33、将各个区域的平均值减去方差得到参照标准，将参照标准最大的区域选定为候选区域；
S34、判断候选区域像素数是否大于预设阈值，若是，则重复步骤S32-S33，否则候选区域为背景光强所在区域。
进一步地，确定背景光强所在区域后，基于有雾图像模型和暗通道先验理论，经过变换得到预估的精准的背景光强值。
进一步地，得到透射率图的步骤包括：将对应的背景光强值输入有雾图像模型，经过变换得到初步透射率图，再通过导向滤波技术进一步优化得到透射率图。
进一步地，将所述初步去雾图像变换至HSI空间，保持色调H和饱和度S不变，对亮度I进行限制对比度的直方图均衡化处理，得到去雾增强图像。
2、一种基于暗通道先验理论的高温图像去雾增强装置，包括：
图像获取模块，用于获取同一温度下待观测对象的图像；
预处理模块，用于基于所述图像得到暗通道图；
搜索模块，用于在所述暗通道图中搜索背景光强所在区域，得到对应的背景光强值和透射率图；
初步去雾模块，用于将所述背景光强值和透射率图输入有雾图像模型进行反推，得到初步去雾图像；
增强模块，用于对所述初步去雾图像进行HSI空间变换处理，得到去雾增强图像。
3、一种电子设备，包括处理器和存储装置，所述存储装置中存有多条指令，所述处理器用于读取所述存储装置中的多条指令并执行上述方法。
本发明提供的基于暗通道先验理论的高温图像去雾增强方法及装置，至少包括如下有益效果：
(1)本方法是基于暗通道先验理论、计算机视觉模型和分叉树搜索等技术实现的，对待测产品的要求不高，且不受检测作业员从业经验限制，应用高温环境下数字图像相关法的变形和应变测量，不仅为测量提供清晰去雾图像，同时可以批量处理图像，特别适用于实际工程中非真空高温环境中，热流扰动引起的图像失真和图像雾化，得到的去雾图像后续可以用于数字图像相关法计算变形和应变，并提高计算的结果的的精度。
(2)该方法采用分叉树搜索技术确定背景光强所在区域从而确定有雾图像模型的输入，该搜索方法相较于现有常用的搜索方法来说，能够有效消除高亮噪声和大面积白色区域对去雾的影响。
(3)该方法将灰度平均技术应用于高温下采集到的应变测量图像中，通过灰度平均技术消除了发动机叶片图像中的热扰动，减小了热扰动引起的图像畸变对应变检测造成的影响。
(4)该方法采用HSI空间变换技术对应变测量图像进行增强处理，可以在保证图像其他参数不变的情况下，值提高亮度I的值，有利于DIC匹配计算，有效减小了高温条件的影响，解决了初步去雾图像亮度存在亮度低对比度较差的缺点。
附图说明
图1为本发明提供的基于暗通道先验理论的高温图像去雾增强方法一种实施例的流程图；
图2为采用本发明提供的去雾增强方法处理图像和不采用该方法处理图像的效果对比图；
图3为本发明提供的高温图像去雾增强方法中搜索算法一种实施例的流程图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其他实施例中也可以实现本申请。在其它情况下，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
下面结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本申请，但是本申请还可以采用其它不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施例的限制。
实施例一：
参见图1，在一些实施例中，提供一种基于暗通道先验理论的高温图像去雾增强方法，所述方法包括如下步骤：
S1、获取待观测对象的图像；
S2、基于所述图像得到暗通道图；
S3、在所述暗通道图中搜索背景光强所在区域，得到对应的背景光强值和透射率图；
S4、将所述背景光强值和透射率图输入有雾图像模型进行反推，得到初步去雾图像；
S5、对所述初步去雾图像进行HSI空间变换处理，得到去雾增强图像。
具体地，步骤S1中，获取的图像为待观测对象在同一温度状态下的多幅图像。由于计算高温变形和位移需要控制高温环境的温度不变，以及灰度平均方法需要多幅图像，因此在特定的高温环境下，采集同一温度下多幅待观测对象的有雾图像，并输入计算机等待后续计算。
步骤S2中，基于所述图像得到暗通道图之前，还包括：采用灰度平均方法消除所述图像中的热流扰动。根据在高温环境条件下的灰度平均方法，将多幅采集到的RGB图像求得消除热流扰动的有雾图像。
灰度平均法原理如下：
获得特定温度下受热扰动影响的N张图像，第i张受热扰动影响的高温图像在坐标(x,y)处的灰度强度可表示为:
其中，ri(x,y)为第i张图像热扰动引起的灰度误差值，对于第i张图像(n×m像素)，其信噪比(SNR)可以表示为:
采用灰度平均方法对M幅图像进行处理后，得到坐标(x,y)处的灰度强度为:
使用灰度平均方法处理后的图像信噪比可表示为：
因此，可以由公式(2)和(4)导出：
可以看出，DIC计算中采用灰度平均技术处理后的图像的信噪比是未处理单幅图像的信噪比的N2倍，这说明高温图像的灰度质量有了很大的提高。参见图2，图a展示了正常的无干扰的散斑图，图b展示了带有热流扰动的散斑图，图c展示了采用灰度平均法去除热流扰动的散斑图。由图2可知，灰度平均法可以有效去除图像中的热扰动带来的影响。
步骤S2中，基于消除热流扰动的图像得到暗通道图，包括：
S21、对图像中的各个像素点取R、G、B三个通道中的最小值组成灰度图；
S22、对所述灰度图进行最小值滤波得到暗通道图。
步骤S3中，在所述暗通道图中搜索背景光强所在区域，包括：
S31、获取搜索算法参数N，并将所述暗通道图作为候选区域；
S32、将所述候选区域分为2N个相等区域，计算各个区域图像灰度的平均值和标准差；
S33、将各个区域的平均值减去方差得到参照标准，将参照标准最大的区域选定为候选区域；
S34、判断候选区域像素数是否大于预设阈值，若是，则重复步骤S32-S33，否则候选区域为背景光强所在区域。
其中，将背景光强定义为本算法中的一个中间变量，它的值会受到图像中高亮噪声和白色背景的影响。在步骤S3中，本算法提出使用一种适用于高温环境下采集到的图像的搜索算法，来确定背景光强所在区域及其对应的值。步骤S31中，N的值由操作者设定，N的值由图像的像素大小，高亮噪声和检测目标在图像中的占比大小等因素所决定。参见图2，步骤S32-步骤S34中，计算机使用2N分叉树搜索算法消除高亮噪声和白色背景对背景光强数值的影响，根据搜索算法的原理确定背景光强的所在区域。
步骤S3中，确定背景光强所在区域后，基于有雾图像模型和暗通道先验理论，经过变换得到预估的精准的背景光强值。
步骤S3中，得到透射率图的步骤包括：将对应的背景光强值输入有雾图像模型，经过变换得到初步透射率图，再通过导向滤波技术进一步优化得到精密透射率图。
步骤S4中，有雾图像模型模型指计算机视觉有雾图像模型，通过如下公式表示：
I(x)＝J(x)t(x)+A(1-t(x))。
步骤S5中，将所述初步去雾图像变换至HSI空间，保持色调H和饱和度S不变，对亮度I进行限制对比度的直方图均衡化处理，得到去雾增强图像。后续可将得到的图像用于数字图像相关法软件计算变形和应变。将图像变换至HSI空间内的原因是，根据暗通道先验理论得到的图像亮度低，待测物体的边缘和背景灰度值趋于一致，无法提取待测物体整体的计算区域，而将图像转入HSI空间可以在保证图像其他参数不变的情况下，值提高亮度I的值，有利于DIC匹配计算。
需要说明的是，本实施例提供的方法，可以应用于涡轮发动机叶片应变测量中的数字图像相关法(DIC)，是对数字图像相关法采集图像的去雾和图像增强方法，特别是在高温环境下的图像增强提高DIC计算精度的方法。本方法不仅适用于高温环境下数字图像相关法的图像处理，同时也适用于其他高温环境下的图像处理。
实施例二：
参见图3，在一些实施例中，提供一种基于暗通道先验理论的高温图像去雾增强装置，包括：
图像获取模块，用于获取同一温度下待观测对象的图像；
预处理模块，用于基于所述图像得到暗通道图；
搜索模块，用于在所述暗通道图中搜索背景光强所在区域，得到对应的背景光强值和透射率图；
初步去雾模块，用于将所述背景光强值和透射率图输入有雾图像模型进行反推，得到初步去雾图像；
增强模块，用于对所述初步去雾图像进行HSI空间变换，得到去雾增强图像。
其中，所述图像获取模块中，获取的图像为待观测对象在同一温度下的多幅图像。
所述预处理模块中，基于所述图像得到暗通道图之前，还包括：采用灰度平均方法消除所述图像中的热流扰动。
所述预处理模块还用于，基于消除热流扰动的图像得到暗通道图，包括：对图像中的各个像素点取R、G、B三个通道中的最小值组成灰度图，再对所述灰度图进行最小值滤波得到暗通道图。
所述搜索模块还用于，在所述暗通道图中搜索背景光强所在区域，包括：
S31、获取搜索算法参数N，并将所述暗通道图作为候选区域；
S32、将所述候选区域分为2N个相等区域，计算各个区域的平均值和标准差；
S33、将各个区域的平均值减去方差得到参照标准，将参照标准最大的区域选定为候选区域；
S34、判断候选区域像素数是否大于预设阈值，若是，则重复步骤S32-S33，否则候选区域为背景光强所在区域。
所述搜索模块还用于，确定背景光强所在区域后，基于有雾图像模型和暗通道先验理论，经过变换得到预估的精准的背景光强值。
所述搜索模块还用于：将对应的背景光强值输入有雾图像模型，经过变换得到初步透射率图，再通过导向滤波技术进一步优化得到透射率图。
所述增强模块还用于，将所述初步去雾图像变换至HSI空间，保持色调H和饱和度S不变，对亮度I进行限制对比度的直方图均衡化处理，得到去雾增强图像。
实施例三：
在一些实施例中，提供一种电子设备，包括处理器和存储装置，所述存储装置中存有多条指令，所述处理器用于读取所述存储装置中的多条指令并执行上述方法。
应当理解，在本申请实施例中，所称处理器可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器、快闪存储器和随机存储器，并向处理器提供指令和数据。存储器的一部分或全部还可以包括非易失性随机存取存储器。
本实施例提供的基于暗通道先验理论的高温图像去雾增强方法、装置及设备，是基于暗通道先验理论、计算机视觉模型和分叉树搜索等技术实现的，对待测产品的要求不高，且不受检测作业员从业经验限制，应用高温环境下数字图像相关法的变形和应变测量，不仅为测量提供清晰去雾图像，同时可以批量处理图像，特别适用于实际工程中非真空高温环境中，热流扰动引起的图像失真和图像雾化，得到的去雾图像后续可以用于数字图像相关法计算变形和应变，并提高计算的结果的的精度；该方法采用分叉树搜索技术确定背景光强所在区域从而确定有雾图像模型的输入，该搜索方法相较于现有常用的搜索方法来说，能够有效消除高亮噪声和大面积白色区域对去雾的影响；该方法将灰度平均技术应用于高温下采集到的应变测量图像中，通过灰度平均技术消除了发动机叶片图像中的热扰动，减小了热扰动引起的图像畸变对应变检测造成的影响；该方法采用HSI空间变换技术对应变测量图像进行增强处理，有效减小了高温条件的影响，解决了初步去雾图像亮度存在亮度低对比度较差的缺点。图像处理和分叉树搜索算法应用测量行业新兴技术，目前在数字图像相关法测量上暂无同类产品。
应当理解，上述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，上述计算机程序可存储于以计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，上述计算机程序包括计算机程序代码，上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质可以包括：能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，上述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各实例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟是以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同的方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其他的方式实现。例如，以上所描述的装置/设备实施例仅仅是示意性的，例如，上述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以由另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于暗通道先验理论的高温图像去雾增强方法，其特征在于，所述方法包括如下步骤：
获取待观测对象的图像；
基于所述图像得到暗通道图；
在所述暗通道图中搜索背景光强所在区域，得到对应的背景光强值和透射率图；
将所述背景光强值和透射率图输入有雾图像模型进行反推，得到初步去雾图像；
对所述初步去雾图像进行HSI空间变换处理，得到去雾增强图像。
2.根据权利要求1所述的方法，其特征在于，获取的图像为待观测对象在同一温度下的多幅图像。
3.根据权利要求2所述的方法，其特征在于，基于所述图像得到暗通道图之前，还包括：采用灰度平均方法消除所述图像中的热流扰动。
4.根据权利要求1所述的方法，其特征在于，基于消除热流扰动的图像得到暗通道图，包括：对图像中的各个像素点取R、G、B三个通道中的最小值组成灰度图，再对所述灰度图进行最小值滤波得到暗通道图。
5.根据权利要求1所述的方法，其特征在于，在所述暗通道图中搜索背景光强所在区域，包括：
S31、获取搜索算法参数N，并将所述暗通道图作为候选区域；
S32、将所述候选区域分为2N个相等区域，计算各个区域图像灰度的平均值和标准差；
S33、将各个区域的平均值减去方差得到参照标准，将参照标准最大的区域选定为候选区域；
S34、判断候选区域像素数是否大于预设阈值，若是，则重复步骤S32-S33，否则候选区域为背景光强所在区域。
6.根据权利要求1所述的方法，其特征在于，确定背景光强所在区域后，基于有雾图像模型和暗通道先验理论，经过变换得到预估的精准的背景光强值。
7.根据权利要求1所述的方法，其特征在于，得到透射率图的步骤包括：将对应的背景光强值输入有雾图像模型，经过变换得到初步透射率图，再通过导向滤波技术进一步优化得到透射率图。
8.根据权利要求1所述的方法，其特征在于，将所述初步去雾图像变换至HSI空间，保持色调H和饱和度S不变，对亮度I进行限制对比度的直方图均衡化处理，得到去雾增强图像。
9.一种基于暗通道先验理论的高温图像去雾增强装置，其特征在于，包括：
图像获取模块，用于获取同一温度下待观测对象的图像；
预处理模块，用于基于所述图像得到暗通道图；
搜索模块，用于在所述暗通道图中搜索背景光强所在区域，得到对应的背景光强值和透射率图；
初步去雾模块，用于将所述背景光强值和透射率图输入有雾图像模型进行反推，得到初步去雾图像；
增强模块，用于对所述初步去雾图像进行HSI空间变换处理，得到去雾增强图像。
10.一种电子设备，包括处理器和存储装置，其特征在于，所述存储装置中存有多条指令，所述处理器用于读取所述存储装置中的多条指令并执行如权利要求1-8所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310259345.8A CN116167946A (zh) | 2023-03-16 | 2023-03-16 | 一种基于暗通道先验理论的高温图像去雾增强方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310259345.8A CN116167946A (zh) | 2023-03-16 | 2023-03-16 | 一种基于暗通道先验理论的高温图像去雾增强方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116167946A true CN116167946A (zh) | 2023-05-26 |
Family
ID=86414770
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310259345.8A Pending CN116167946A (zh) | 2023-03-16 | 2023-03-16 | 一种基于暗通道先验理论的高温图像去雾增强方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116167946A (zh) |
-
2023
- 2023-03-16 CN CN202310259345.8A patent/CN116167946A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5781743B2 (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
| CN114494210B (zh) | 基于图像处理的塑料膜生产缺陷检测方法及系统 | |
| CN108876768B (zh) | 导光板暗影缺陷检测方法 | |
| CN105701785B (zh) | 基于天空区域划分加权tv透射率优化的图像雾霾去除方法 | |
| CN106204617B (zh) | 基于残差图像直方图循环移位的自适应图像二值化方法 | |
| CN112488948B (zh) | 一种基于黑色像素点估计后向散射的水下图像复原方法 | |
| CN114612345B (zh) | 一种基于图像处理的光源检测方法 | |
| CN110378902B (zh) | 一种高噪声背景下的划痕检测方法 | |
| CN115272256A (zh) | 亚像素级传感光纤路径高斯提取方法及系统 | |
| CN117495856B (zh) | 基于深度学习的晶圆表面检测方法、装置、设备和介质 | |
| CN115393216A (zh) | 基于偏振特性与大气传输模型的图像去雾方法和装置 | |
| CN116612112A (zh) | 一种水桶表面缺陷视觉检测方法 | |
| CN116563298B (zh) | 基于高斯拟合的十字线中心亚像素检测方法 | |
| KR101557271B1 (ko) | 영상 내 원 형상 검출에 따른 검출 원 형상의 근사화 방법 | |
| CN117710266A (zh) | 一种基于视频图像的夜间道路能见度监测方法 | |
| CN117392464A (zh) | 基于多尺度去噪概率模型的图像异常检测的方法、系统 | |
| CN116843687A (zh) | 一种通信光缆表面瑕疵检测方法及装置 | |
| CN116934833A (zh) | 基于双目视觉水下结构病害检测方法、设备及介质 | |
| CN116167946A (zh) | 一种基于暗通道先验理论的高温图像去雾增强方法及装置 | |
| CN113674180B (zh) | 磨砂平面低对比度缺陷检测方法、装置、设备和存储介质 | |
| CN113379631B (zh) | 一种图像去雾的方法及装置 | |
| CN114972084A (zh) | 一种图像对焦准确度评价方法及系统 | |
| CN111062887B (zh) | 基于改进的Retinex算法的图像清晰度判定方法 | |
| CN109544481B (zh) | 一种基于机器学习的航空影像匀光方法及系统 | |
| KR20220154345A (ko) | 가우시안 가중치 최소 자승법을 이용하는 영상 처리 장치 및 그것의 윤곽선 검출 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 |