[發(fā)明專利]一種快速的單幅圖像去霧方法

有效

• 申請?zhí)枺?/td>: 201310287579.X
• 申請日: 2013-07-04
• 公開（公告）號: CN104240192B
• 公開（公告）日: 2017-09-26
• 發(fā)明（設(shè)計）人: 張紅英;段然;吳亞東
• 申請（專利權(quán)）人: 西南科技大學(xué)
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體來講，涉及一種處理霧、霾天氣條件下的圖像清晰化技術(shù)，即基于暗原色先驗和信息合成的單幅圖像快速去霧算法。

背景技術(shù)

圖像去霧問題在數(shù)學(xué)分析中屬于圖像處理中的不適定問題(ill posed problem)或稱反問題(inverse problem)，這種問題往往未知參數(shù)較多且沒有客觀的評價標(biāo)準(zhǔn)。因此對圖像去霧算法的早期研究都采樣圖像增強(qiáng)的相關(guān)手段，通過研究圖像的亮度對比度等實現(xiàn)圖像在視覺效果上的恢復(fù)，這種方法被歸納為非物理模型方法。隨著理論的發(fā)展，圖像降質(zhì)過程得到了越來越多的關(guān)注，其目的是通過圖像降質(zhì)的逆運算求得原始圖像，其中像大氣散射模型等模型的提出讓圖像去霧技術(shù)有了較大的進(jìn)展，基于降質(zhì)模型的方法統(tǒng)稱為物理模型方法。近幾年，何凱明等人提出的暗原色先驗算法讓圖像去霧技術(shù)再向前推進(jìn)一大步，受到了研究人員的高度關(guān)注。暗原色先驗的算法在去霧效果上可以說十分理想，但卻因算法的復(fù)雜度過高、耗時過大而沒有得到廣泛應(yīng)用，所以近期關(guān)于暗通道算法的快速算法成為了熱點話題。

在國內(nèi)的研究機(jī)構(gòu)中，微軟亞洲研究院和香港中文大學(xué)信息工程系的多媒體實驗室He等人研究出基于暗原色先驗的單幅圖像去霧方法。該方法屬于物理模型方法，利用大氣散射模型，假設(shè)在至少一個顏色通道的局部區(qū)域內(nèi)，場景反照率趨于0，實用最小值濾波對介質(zhì)傳播函數(shù)進(jìn)行粗估計。然后利用圖像摳圖(image matting)算法對介質(zhì)傳播函數(shù)進(jìn)行細(xì)化(refining)，其成果較為顯著，但由于細(xì)化方法實質(zhì)上是一個大規(guī)模稀疏線性矩陣方程組求解，具有很高的時間復(fù)雜度和空間復(fù)雜度，使其與實際應(yīng)用仍然存在較大差距。

與國內(nèi)相比，國外的研究展開較早，著名的有美國國家航空航天局(NASA)的Langley研究中心(LRC)的基于領(lǐng)域(surround-based)的Retinex算法，對霧、煙、水下和夜晚圖像進(jìn)行增強(qiáng)，并將其算法嵌入DSP中，處理分辨率為256×256的灰度圖像可以達(dá)到30幀每秒，基本滿足實時性的要求。這種算法源于Land在人眼對顏色感知特性的研究，將圖像表示為反射分量和照度分量相乘積的形式。而基于領(lǐng)域的Retinex算法理論基礎(chǔ)是，照度分量的強(qiáng)度一般變化緩慢，在頻域中表現(xiàn)為低頻成分，而不同物體表面材質(zhì)的反射率差異交大，表現(xiàn)為高頻成分，所以可以通過低通濾波的方法估計照度分量，然后在圖像中去除場景的照度分量，獲得實際反射分量。此類方法屬于非物理模型方法，這類方法基于圖像本身像素或領(lǐng)域的處理，計算相對簡單，可應(yīng)用于實時性要求的場合，但是存在嚴(yán)重的顏色失真問題。

此外哥倫比亞大學(xué)的計算機(jī)視覺實驗室研究如何利用不同條件下同一場景的多幅圖像來恢復(fù)清晰圖像，并建立了不同天氣條件下同一場景的WILD數(shù)據(jù)庫。與He等人一樣同樣是采用物理模型方法，該方法從RGB色彩空間出發(fā)推導(dǎo)出二色大氣散射模型(dichromatic atmospheric scattering model)，分析不同天氣條件下場景顏色的變化關(guān)系，在場景顏色變換的約束條件下恢復(fù)出場景的三維結(jié)構(gòu)和顏色，但是這種方 法假設(shè)了大氣散射系數(shù)并不隨光的波長變化而變化，這個假設(shè)在霧天不成立，如果場景中的物體接近霧霾顏色，則恢復(fù)效果并不理想。之后該方法作者Narasimhan和Nayar又提出單色大氣散射模型，并基于該模型利用兩幅圖像中同一像素點灰度值的變化，檢測景深邊緣(depth edges or depth discontinuities)，將圖像分割為不同景深的若干區(qū)域(同一區(qū)域內(nèi)景深相同)，來獲得場景的三維結(jié)構(gòu)，進(jìn)而恢復(fù)圖像。

以色列的聯(lián)合成像實驗室Schechner等人認(rèn)為環(huán)境光是部分水平的偏振光，而大氣粒子的散射作用不會改變物體表面反射光的偏振狀態(tài)。他們研究的基于偏振濾波的方法，是通過旋轉(zhuǎn)偏振片獲取同一場景的最大和最小偏振度的兩幅圖像，利用它們之間的差值估計環(huán)境光，進(jìn)而恢復(fù)圖像。此算法大氣成像和水下成像均適用，但是穩(wěn)定性依賴于環(huán)境光的偏振狀態(tài)和偏振度，在陰天和濃霧情況下效果并不理想。

帝國理工學(xué)院通信和信號處理組Tan等人在馬爾科夫隨機(jī)場(MRF)模型的框架下，構(gòu)造關(guān)于邊緣強(qiáng)度的代價函數(shù)，使用圖分割(graph cut)理論來估計最優(yōu)光照。此方法假設(shè)局部區(qū)域環(huán)境光為常數(shù)，而對對比度進(jìn)行增強(qiáng)，明顯改善圖像的視見度。但此方法可能使顏色過飽和，且在深景突變的邊界產(chǎn)生暈輪效應(yīng)(The Halo Effect)。

發(fā)明內(nèi)容

本發(fā)明的目的在于找到一種在去霧效果相對理想的條件下處理速度更快且適合硬件實現(xiàn)的算法。