[發(fā)明專利]一種最優(yōu)對比度和最小信息損失的圖像去霧方法

有效

• 申請?zhí)枺?/td>: 201410504518.9
• 申請日: 2014-09-26
• 公開（公告）號: CN104200445B
• 公開（公告）日: 2017-04-26
• 發(fā)明（設(shè)計(jì)）人: 謝從華;黃曉華;高蘊(yùn)梅;喬偉偉;常晉義
• 申請（專利權(quán)）人: 常熟理工學(xué)院
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 江蘇圣典律師事務(wù)所32237
• 代理人: 胡建華

1.一種最優(yōu)對比度和最小信息損失的圖像去霧方法，其特征在于，包括如下步驟：

步驟1,建立基于McCartney大氣散射模型的霧霾圖像模型；

步驟2,利用高斯混合模型和期望值最大算法把圖像分割成天空區(qū)域和非天空區(qū)域兩類；

步驟3,基于四分樹迭代的方法估計(jì)圖像天空區(qū)域的大氣光照強(qiáng)度；

步驟4,基于網(wǎng)格劃分的方法分塊，基于最優(yōu)對比度和最小信息損失準(zhǔn)則估計(jì)的圖像非天空區(qū)域的每個(gè)網(wǎng)格單元的傳播率；

步驟5，采用與圖像非天空區(qū)域的平均傳播率的常比例系數(shù)方法估計(jì)天空區(qū)域的傳播率；

步驟6,根據(jù)大氣散射模型，利用估計(jì)的模型參數(shù)，合并輸出天空和非天空區(qū)域的恢復(fù)圖像；

在霧霾條件下的圖像光照模型為：

I_c(p)＝t(p)J_c(p)+(1-t(p))A_c，公式(1)

其中，J_c(p)和I_c(p)分別表示原始圖像和觀測圖像的像素點(diǎn)p，c∈{r,g,b}表示紅、綠、藍(lán)三種顏色通道；A_c表示在沿著觀測者視線方向無窮遠(yuǎn)處的大氣光照強(qiáng)度，

t(p)∈[0,1]表示沿光線的傳播率，t(p)與場景深度成反比，計(jì)算公式為：

t(p)＝e^-ρd(p)，

其中ρ為全散射系數(shù)，d(p)表示攝像頭到像素點(diǎn)p的景深；

所述步驟2中，

設(shè)霧霾圖像I的N個(gè)像素點(diǎn){p₁,p₂,...,p_N}是獨(dú)立同分布，其中像素點(diǎn)p_i對應(yīng)的紅、綠和藍(lán)顏色值分別為I_r(p_i)、I_g(p_i)和I_b(p_i)，1≤i≤N，即(p_i＝(I_r(p_i),I_g(p_i),I_b(p_i))^T)；霧霾圖像灰度信息由較暗和較亮的兩個(gè)高斯密度函數(shù)混合組成，則像素點(diǎn)p_i的混合概率密度函數(shù)P表示為：

$P\left(p_i\right)=\underset{r=1}{\overset{2}{\Σ}}{\mathrm{\α}}_r{f}_r(p_i,{\mathrm{\θ}}_r),$

其中α_r代表第r個(gè)密度分量在混合密度中的權(quán)重，滿足α_r≥0且θ_r＝{μ_r,σ_r}是第r個(gè)密度分量參數(shù)，其中μ_r,σ_r分別表示均值和方差，f_r(p_i,θ_r)為第r個(gè)高斯密度函數(shù)分量；

包括如下步驟：

步驟21：采用模糊C均值算法對霧霾圖像I初始劃分為兩個(gè)聚類，并初始化權(quán)重，均值和方差；

步驟22：計(jì)算每個(gè)像素點(diǎn)分別屬于兩個(gè)模型的后驗(yàn)概率,并根據(jù)后驗(yàn)概率更新每一個(gè)模型的權(quán)重，均值和協(xié)方差；

步驟23:用更新后的權(quán)重，均值和協(xié)方差更新后驗(yàn)概率，重新把每個(gè)像素劃分到后驗(yàn)概率最大的類中，并計(jì)算圖像的對數(shù)似然函數(shù)；

步驟24：如果對數(shù)似然函數(shù)收斂，則停止迭代進(jìn)行步驟25，否則返回步驟22；

步驟25：利用貝葉斯準(zhǔn)則把像素點(diǎn)劃分到后驗(yàn)概率最大的模型，在分割后的兩類結(jié)果中，選擇兩個(gè)模型中均值較大的一類為天空圖像，另一部分為非天空圖像；

步驟3中，對分割后的天空圖像進(jìn)行迭代四分樹定位和估計(jì)大氣光照強(qiáng)度；對天空圖像按照高度和寬度的二分之一處的位置對天空圖像均勻劃分為四塊，然后計(jì)算每個(gè)分塊的平局亮度值最大區(qū)域作為下一次劃分的分塊，迭代劃分，直到分塊小于指定的閾值結(jié)束；以最后分塊顏色的平均值作為大氣光照強(qiáng)度；

步驟4包括：

假設(shè)天空區(qū)域的傳播率為t₁，非天空區(qū)域的傳播率為t₂，且假設(shè)景深具有局部相似性，把圖像按照16×16大小進(jìn)行網(wǎng)格劃分，假設(shè)每一個(gè)網(wǎng)格的傳輸率相同，根據(jù)霧霾圖像模型的公式(1)，當(dāng)傳播率固定時(shí)，原始圖像J_c(p)的非天空區(qū)域用下式計(jì)算：

恢復(fù)原始圖像依賴于傳播率t₂，依據(jù)最大化每一個(gè)網(wǎng)格的對比度和最小化信息損失的準(zhǔn)則估計(jì)傳播率；

在原始圖像J_c(p)的每個(gè)顏色通道滿足大于等于0且小于等于255的條件下，根據(jù)公式(7)，得到：

求解公式(8)，傳播率t₂滿足下式：

步驟4-1，基于最大化對比度的天空區(qū)域傳播率計(jì)算：

計(jì)算網(wǎng)格區(qū)域中每一個(gè)點(diǎn)與該點(diǎn)所在網(wǎng)格的均值之差的平方和為對比度C_MSE：

其中為I_c(p)所在網(wǎng)格B的均值，N_B為網(wǎng)格B的像素點(diǎn)個(gè)數(shù)，根據(jù)公式(10)傳播率t₂與對比度成反比；在傳播率t₂滿足公式(9)的約束下，非天空區(qū)域的傳播率取最小值：

步驟4-2，基于信息損失最小的天空區(qū)域傳播率優(yōu)化：

最優(yōu)對比度會導(dǎo)致圖像的最小部分的灰度值(0,α_c)和最大部分的灰度值(β_c,255)對應(yīng)的信息丟失，c∈{r,g,b}，α_c和β_c表示觀測圖像I_c截?cái)嗟膮^(qū)域的下溢參數(shù)和上溢參數(shù)值，下溢參數(shù)α_c對應(yīng)原始圖像J_c的灰度值0，上溢參數(shù)β_c對應(yīng)原始圖像J_c的灰度值255，分別代入公式(7),得到：

α_c＝(1-t₂)A_c 公式(12)，

β_c＝255t₂+(1-t₂)A_c公式(13)，

計(jì)算原始圖像J(p)在最大對比度變化之后的下溢區(qū)域面積和上溢區(qū)域面積作為信息損失函數(shù)，計(jì)算基于直方圖的信息損失函數(shù)E_loss，得到：

其中h_c(i)是像素i在顏色通道c的直方圖，A_c為顏色通道c的大氣光照強(qiáng)度，為了同時(shí)滿足最大化對比度和最小化損失函數(shù)的要求，根據(jù)拉格朗日乘數(shù)函數(shù)，轉(zhuǎn)化為下面函數(shù)E(t₂,λ)的極小值問題：

E(t₂,λ)＝-C_MSE+λE_loss (15)

λ為控制對比度和信息損失的相對重要性權(quán)重，分別對公式(15)的t₂和λ求變導(dǎo)，建立方程組

求解公式(16)的t₂為非天空區(qū)域的最優(yōu)傳播率；

根據(jù)公式(2)，得到天空區(qū)域的點(diǎn)p₁傳播率t₁和非天空區(qū)域的點(diǎn)p₂傳播率t₂的比例系數(shù)：

$\frac{t_1}{t_2}=\frac{e^{-d\left(p_1\right)}}{e^{-d\left(p_2\right)}}=e^{d\left(p_2\right)-d\left(p_1\right)}=b---\left(17\right)$

點(diǎn)p₁的景深d(p₁)，點(diǎn)p₂的景深d(p₂)，兩者的距離之差為d(p₂)-d(p₁)，當(dāng)天空區(qū)域與非天空區(qū)域像素點(diǎn)景深距離之差為1，2，5，10，15，20時(shí)，對應(yīng)的傳播率比例系數(shù)b為：

d(p₂)-d(p₁)為-1，b為0.36787944117144，

d(p₂)-d(p₁)為-2，b為0.13533528323661，

d(p₂)-d(p₁)為-5，b為0.00673794699909，

d(p₂)-d(p₁)為-10，b為0.00004539992976，

d(p₂)-d(p₁)為-15，b為0.00000030590232，

d(p₂)-d(p₁)為-20，b為0.00000000206115，

假設(shè)圖像中天空區(qū)域的傳播率都相同，用非天空區(qū)域所有網(wǎng)格的傳播率均值乘以對應(yīng)的傳播率比例系數(shù)b計(jì)算天空區(qū)域的傳播率：

$t_1=b\stackrel{\‾}{t_2}---\left(18\right).$