CN116433513A - 一种道路监视视频去雾方法、系统、电子设备和存储介质 - Google Patents

Abstract

本发明针对监视视频去雾效果不好这一技术问题，提出了一种道路监视视频去雾方法、系统、电子设备和存储介质，属于图像处理领域，该方法包括步骤1：将读取到的高速公路及其他普通路段视频中的每一帧图片以bmp格式存储到文件夹中并命名；步骤2：将每一帧图片输入到去雾算法中进行去雾处理，得到清晰图片；步骤3：将去雾处理后的每一帧清晰图片进行拼接，组成去雾后的清晰视频。本方法提高了道路监视视频的清晰度，恢复了视频的细节，且处理速度高效，为后续任务的进行提供了基础。

Description

一种道路监视视频去雾方法、系统、电子设备和存储介质

技术领域

本发明涉及图像处理技术领域，具体涉及一种道路监视视频去雾方法、系统、电子设备和存储介质。

背景技术

近年来，计算机视觉发展迅速，图像去雾是图像处理领域的一个经典问题。由于更加频发的恶劣天气，如雾霾，沙尘暴等，户外图像采集设备获取的图像信息往往存在着视觉效果差的情况。现存的去雾方法存在着处理效果不佳的问题，恶劣天气的存在对于后续车辆监控，道路异物检测等任务均造成了影响。因此，通过对高速公路及其他普通路段监测图像进行去雾处理，提高处理图像的清晰度和能见度，对后续的车辆监控，道路异物检测，车辆车牌识别等任务提供了强有力的基础。

总的来说，现有的图片去雾方法存在着以下缺陷：

雾天图像本质上就是清晰图片上有低频噪声，图像的灰度集中分布在某个区域，可以通过调节对比度来去除图像中的噪声，但由于图像处理去雾方法没有参考科学的雾天成像原理，导致去雾后的图像仅能突出个别的特征细节，导致其他细节的丢失。去雾后的图像观感不好，影响后续任务的进行。

基于物理模型去雾通过分析真实情况下雾霾的形成原因及成像特点，提出经典的大气散射模型，基于大气散射模型处理有雾图像后，在建筑物，道路边缘出现模糊不清的情况，影响后续任务的进行。

发明内容

本发明针对现有技术中的不足，提供一种道路监视视频去雾方法、系统、电子设备和存储介质，高效地获取高速公路及其他普通路段无雾监测画面，为后续任务的进行提供基础。

为实现上述目的，本发明采用以下技术方案：

一种道路监视视频去雾方法，包括以下步骤：

步骤1：将读取到的高速公路及其他普通路段视频中的每一帧图片以bmp格式存储到文件夹中并命名；

步骤2：将每一帧图片输入到去雾算法中进行去雾处理，得到清晰图片；

步骤3：将去雾处理后的每一帧清晰图片进行拼接，组成去雾后的清晰视频。

为优化上述技术方案，采取的具体措施还包括：

进一步地，步骤2中，所述去雾算法具体为：

步骤2.1：获取图片的暗通道，计算公式如下：

J^dark(x)＝min_x∈Ω(x)(min_{C∈r，g，b}J^c(y))，J^dark→0

式中，J^dark(x)为暗通道图片，c为r通道、g通道和b通道中的某一通道，Ω(x)为图像中以像素x为中心的某一邻域，J^c(y)为图像J(y)的某一颜色通道图像；

步骤2.2：取暗通道最亮的前0.1％的像素点，找到这些像素点在原始图片中对应的像素点的像素值的最大值作为大气光估值A^c；

步骤2.3：通过Laplace算子对待去雾图片进行分割，并按照形态学原理对待去雾图片进行腐蚀和膨胀，得到天空区域和非天空区域；

步骤2.4：计算天空区域的透射率，具体为：

修正天空区域的亮度，公式如下：

式中，l(x)为天空区域的亮度，l^*为当前环境下的亮度范围，D为真实的场景深度范围，L(x)为修正后的天空区域的亮度；

利用修正后的天空区域的亮度计算天空区域的透射率t_L(x)：

t_L(x)＝exp[-βL(x)]

式中，β为散射系数；

步骤2.5：通过暗通道先验算法估算非天空区域的透射率t’_nosky(x)；

式中，ω为去雾因子，I^c(y)为非天空区域的暗通道图像，A^c为大气光估值；

步骤2.6：计算整幅图片的融合透射率t(x)：

t(x)＝ρt_L(x)+(1-ρ)t_nosky(x)

式中，ρ为融合系数，t_L(x)为天空区域的透射率，t’_nosky(x)为非天空区域的透射率；

步骤2.7：根据大气散射模型利用融合透射率和大气光估值对待去雾的图片进行去雾处理，具体公式为：

式中，J(x)为去雾后的图片，I(x)为待去雾的图片，t_min为透射率下限；

步骤2.8：对去雾后的图片进行导向滤波处理，生成更清晰的图片。

进一步地，步骤2.6中，所述融合系数的计算方法具体为：

计算待去雾图片的整体亮度平均值L₁和天空区域的亮度平均值L₂；

统计待去雾图片中亮度小于L₁的像素数量S₁和亮度小于L₂的像素数量S₂；

计算融合系数

进一步地，步骤2.8具体为：

将去雾后的图片J(x)归一化处理，将暗通道图片作为导向图对归一化后的图片进行导向滤波，得到纹理与导向图一致的更清晰的图片。

本发明还提出了一种道路监视视频去雾系统，包括图片提取模块、图片去雾模块和视频还原模块；

所述图片提取模块用于将读取到的高速公路及其他普通路段视频中的每一帧图片以bmp格式存储到文件夹中；

所述图片去雾模块用于对每一帧图片基于大气散射模型进行去雾处理；

所述视频还原模块用于将去雾处理后的每一帧清晰图片进行拼接，组成去雾后的清晰视频。

本发明还提出了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行计算机程序时，实现如上所述的道路监视视频去雾方法。

本发明还提出了一种计算机可读存储介质，其特征在于：存储有计算机程序，所述计算机程序使计算机执行如上所述的道路监视视频去雾方法。

本发明的有益效果是：

本发明提高了道路监视视频的清晰度，恢复了视频的细节，且处理速度高效，为后续任务的进行提供了基础。对每帧图片去雾前，先将图片分割为天空区域和非天空区域，分别计算透射率，避免了透射率失真；最后再融合两部分的透射率实现较为真实的去雾效果，图片去雾后还利用了导向滤波技术，导向滤波可以保持图像边缘平滑，保证去雾后图像的准确，可以使含雾图片在进行去雾处理后输出的图像更加清晰，观感更好。

附图说明

图1为本发明提出的道路监视视频去雾方法中去雾算法的流程图；

图2为去雾效果图一；

图3为去雾效果图二；

图4为去雾效果图三。

具体实施方式

现在结合附图对本发明作进一步详细的说明。

在一实施例中，本发明提出了一种道路监视视频去雾方法，该方法包括以下步骤：

步骤1：将读取到的高速公路及其他普通路段视频中的每一帧图片以bmp格式存储到文件夹中并命名；

步骤2：将每一帧图片输入到去雾算法中进行去雾处理，得到清晰图片；

步骤3：将去雾处理后的每一帧清晰图片进行拼接，组成去雾后的清晰视频。

步骤2中所述去雾算法的流程图如图1所示，具体为：

步骤2.1：获取图片的暗通道，计算公式如下：

J^dark(x)＝min_x∈Ω(x)(min_{C∈r，g，b}J^c(y))，J^dark→0

式中，J^dark(x)为暗通道图片，c为r通道、g通道和b通道中的某一通道，Ω(x)为图像中以像素x为中心的某一邻域，J^c(y)为图像J(y)的某一颜色通道图像；暗通道先验理论是建立在统计学基础上的算法理论，研究者在总结了大量的室外无雾的图像后，发现晴朗无雾条件下，所拍摄的去除天空区域后的图像中局部区域至少存在一个颜色通道的亮度值接近于0像素。

步骤2.2：通常雾最浓地方的颜色被作为大气光的估计值，可以通过暗通道来确定雾气最浓的地方，即暗通道最亮的区域为雾气最浓的地方，此时，大气光为唯一的光源。取暗通道最亮的前0.1％的像素点，找到这些像素点在原始图片中对应的像素点的像素值的最大值作为大气光估值A^c；

步骤2.3：由于道路图片的上半部分大多都是天空区域，暗通道先验算法在面对天空区域时，其透射率往往会出现失真情况，通过Laplace算子对待去雾图片进行分割，并按照形态学原理对待去雾图片进行腐蚀和膨胀，得到天空区域和非天空区域；Laplace算子原理：在天空与其他景物的边缘部分，像素值会出现跳跃式的变化。此边缘部分求取一阶导数，将出现极值，求二阶导数则会出现0。故用Laplace对雾图进行处理，并按照形态学原理对得到的雾图进行腐蚀和膨胀，即可实现图像天空区域与非天空区域的分离。

步骤2.4：计算天空区域的透射率，对于天空区域的透射率，由于天空区域的亮度远远大于道路路面的亮度，且亮度的分布与场景深度正相关，因此采用亮度强度来对透射率进行估计，具体为：

修正天空区域的亮度，公式如下：

式中，l(x)为天空区域的亮度，l^*为当前环境下的亮度范围，D为真实的场景深度范围，L(x)为修正后的天空区域的亮度；

利用修正后的天空区域的亮度计算天空区域的透射率t_L(x)：

t_L(x)＝exp[-βL(x)]

式中，β为散射系数；

步骤2.5：对于非天空区域，由于道路路面的亮度远远小于天空区域的面积，故通过暗通道先验算法估算非天空区域的透射率t’_nosky(x)；

式中，ω为去雾因子，I^c(y)为非天空区域的暗通道图像，A^c为大气光估值；在实际雾天，可根据实际能见度，调整去雾因子的值，能见度划分标准如下表：

表1能见度划分标准表

序号	雾情	视距(海里)	视距(米·公里)
				1	大雾	0-0.03	0-50m
2	浓雾	0.03-0.1	50-200m
				3	雾	0.1-0.25	200-500m
4	中雾	0.25-0.5	500-1000m
				5	轻雾	0.5-1.0	1-2km
6	能见度不良	1.0-2.0	2-4km
				7	能见度中等	2.0-5.0	4-10km
8	能见度良好	5.0-10.0	10-20km
				9	能见度很好	10-30	20-50km
10	能见度极好	30以上	50km以上

步骤2.6：计算整幅图片的融合透射率t(x)：

t(x)＝ρt_L(x)+(1-ρ)t_nosky(x)

式中，ρ为融合系数，t_L(x)为天空区域的透射率，t^’ _nosky(x)为非天空区域的透射率；融合系数ρ的计算方法具体为：

计算待去雾图片的整体亮度平均值L₁和天空区域的亮度平均值L₂；

统计待去雾图片中亮度小于L₁的像素数量S₁和亮度小于L₂的像素数量S₂；

计算融合系数

步骤2.7：根据大气散射模型利用融合透射率和大气光估值对待去雾的图片进行去雾处理，具体公式为：

式中，J(x)为去雾后的图片，I(x)为待去雾的图片，t_min为透射率下限，设置为0.1；

步骤2.8：对去雾后的图片进行导向滤波处理，生成更清晰的图片，具体为：

将去雾后的图片J(x)归一化处理，将暗通道图片作为导向图对归一化后的图片进行导向滤波，得到纹理与导向图一致的更清晰的图片。导向滤波可以保持图像边缘平滑，保证去雾后图像的准确，可以使含雾图片在进行去雾处理后输出的图像更加清晰，观感更好。

利用本去雾算法得到的去雾效果图如图2-4所示。

在另一实施例中，本发明提出了一种与实施例一所提出的道路监视视频去雾方法相对应的道路监视视频去雾系统，包括图片提取模块、图片去雾模块和视频还原模块；

图片提取模块用于将读取到的高速公路及其他普通路段视频中的每一帧图片以bmp格式存储到文件夹中；

图片去雾模块用于对每一帧图片基于大气散射模型进行去雾处理；

视频还原模块用于将去雾处理后的每一帧清晰图片进行拼接，组成去雾后的清晰视频。

在另一实施例中，本发明提出了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行计算机程序时，实现如实施例一所述的道路监视视频去雾方法。

在另一实施例中，本发明提出了一种计算机可读存储介质，存储有计算机程序，所述计算机程序使计算机执行如实施例一所述的道路监视视频去雾方法。

在本申请所公开的实施例中，计算机存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合使用的程序。计算机存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。计算机存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

本领域普通技术人员可以意识到，结合本申请所公开的实施例描述的各示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。

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (7)

1.一种道路监视视频去雾方法，其特征在于，包括以下步骤：

步骤1：将读取到的高速公路及其他普通路段视频中的每一帧图片以bmp格式存储到文件夹中并命名；

步骤2：将每一帧图片输入到去雾算法中进行去雾处理，得到清晰图片；

步骤3：将去雾处理后的每一帧清晰图片进行拼接，组成去雾后的清晰视频。

2.根据权利要求1所述的道路监视视频去雾方法，其特征在于，步骤2中，所述去雾算法具体为：

步骤2.1：获取图片的暗通道，计算公式如下：

J^harj(x)＝min_x∈Ω(x)(min_{C∈r，g，b}J^c(y))，J^dark→0

式中，J^dark(x)为暗通道图片，c为r通道、g通道和b通道中的某一通道，Ω(x)为图像中以像素x为中心的某一邻域，J^c(y)为图像J(y)的某一颜色通道图像；

步骤2.2：取暗通道最亮的前0.1％的像素点，找到这些像素点在原始图片中对应的像素点的像素值的最大值作为大气光估值A^c；

步骤2.3：通过Laplace算子对待去雾图片进行分割，并按照形态学原理对待去雾图片进行腐蚀和膨胀，得到天空区域和非天空区域；

步骤2.4：计算天空区域的透射率，具体为：

修正天空区域的亮度，公式如下：

式中，l(x)为天空区域的亮度，l^*为当前环境下的亮度范围，D为真实的场景深度范围，L(x)为修正后的天空区域的亮度；

利用修正后的天空区域的亮度计算天空区域的透射率t_L(x)：

t_L(x)＝exp[-βL(x)]

式中，β为散射系数；

步骤2.5：通过暗通道先验算法估算非天空区域的透射率t’_nosky(x)；

式中，ω为去雾因子，I^c(y)为非天空区域的暗通道图像，A^c为大气光估值；

步骤2.6：计算整幅图片的融合透射率t(x)：

t(x)＝ρt_L(x)+(1-ρ)t′_nosky(x)

式中，ρ为融合系数，t_L(x)为天空区域的透射率，t’_nosky(x)为非天空区域的透射率；

步骤2.7：根据大气散射模型利用融合透射率和大气光估值对待去雾的图片进行去雾处理，具体公式为：

式中，J(x)为去雾后的图片，I(x)为待去雾的图片，t_min为透射率下限；

步骤2.8：对去雾后的图片进行导向滤波处理，生成更清晰的图片。

3.根据权利要求2所述的道路监视视频去雾方法，其特征在于，步骤2.6中，所述融合系数的计算方法具体为：

计算待去雾图片的整体亮度平均值L₁和天空区域的亮度平均值L₂；

统计待去雾图片中亮度小于L₁的像素数量S₁和亮度小于L₂的像素数量S₂；

计算融合系数

4.根据权利要求2所述的道路监视视频去雾方法，其特征在于，步骤2.8具体为：

将去雾后的图片J(x)归一化处理，将暗通道图片作为导向图对归一化后的图片进行导向滤波，得到纹理与导向图一致的更清晰的图片。

5.一种道路监视视频去雾系统，其特征在于，包括图片提取模块、图片去雾模块和视频还原模块；

所述图片提取模块用于将读取到的高速公路及其他普通路段视频中的每一帧图片以bmp格式存储到文件夹中；

所述图片去雾模块用于对每一帧图片基于大气散射模型进行去雾处理；

所述视频还原模块用于将去雾处理后的每一帧清晰图片进行拼接，组成去雾后的清晰视频。

6.一种电子设备，其特征在于，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行计算机程序时，实现如权利要求1-4任一项所述的道路监视视频去雾方法。

7.一种计算机可读存储介质，其特征在于：存储有计算机程序，所述计算机程序使计算机执行如权利要求1-4任一项所述的道路监视视频去雾方法。

Images