[發明專利]一種圖像去霧算法評估方法

在審

• 申請號: 202010364743.2
• 申請日: 2020-04-30
• 公開（公告）號: CN113592722A
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 張林;趙世雨;陳鈞濤;沈瑩;趙生捷
• 申請（專利權）人: 同濟大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06K9/32;G06N3/04;G06T7/33
• 代理公司: 上海智信專利代理有限公司 31002
• 代理人: 吳林松

一種圖像去霧算法評價方法：包括以下步驟：(1)獲取真實霧霾圖像；(2)將霧霾圖像進行配準、清洗、標注感興趣區域、標注霧霾等級，構建真實霧霾圖像基準數據集合；(3)使用VSI計算待評估去污算法對一張霧霾圖像的感興趣區域的去霧效果；通過實驗證實，本發明的評價方法能夠準確得評估現代去霧算法的去霧效果，并且與人眼的觀測結果有很高的一致性。對于一個新的去霧算法，令其對本發明構建的真實霧霾圖像基準數據進行去霧處理，即可準確得得到去霧算法的性能。本發明不但可以準確評估去霧算法性能，而且評估用時短。

技術領域

本發明屬于圖像處理技術領域，涉及去霧算法的評價方法。

背景技術

大氣中的懸浮粒子，例如霧和霾，會嚴重的改變人們拍攝到的圖像質量，使最終成像圖片模糊不清。恢復在這些惡劣條件下拍攝到的圖像質量是一項具有挑戰性的任務，近年來該領域的研究熱度也愈發火熱。現代的圖像去霧算法效果日趨優異，很多方法都能較好地提升帶霧圖像質量。對于部分圖像使用不同去霧算法獲得的去霧后的圖像，它們都達到了非常高的質量，僅憑肉眼甚至難以去評價哪種算法的去霧效果更好。由于缺乏合適的數據集，現有的去霧算法定量評價方法評價結果并不令人信服。

目前在圖像去霧算法評估領域主要有三類評價方法，第一類評價方法要求去霧算法生成去霧后的圖像或者其他中間輸出，例如大氣傳輸圖，并且僅依靠人通過肉眼觀察的主觀感受。如Fattal等人在“Dehazing using color-lines”一文中使用了23張帶霧的圖像供人主觀評價。這些圖像視覺上相似性較高，使用這些圖像作為評估數據集容易使算法產生偏向性，從而過擬合數據集。此外，一些去霧后的結果圖像也具有高度相似性，對人們的主觀判斷是一項很大的挑戰。

第二類方法使用了為評估去霧算法效果專門設計的NR-IQA，即無參考圖像質量評價方法。Hautière等人在“Blind contrast enhancement assessment by gradientratioing at visible edges”一文中提出，圖像去霧算法應當能夠恢復帶霧圖像的對比圖，并在此基礎上提出了e,σ三個指標分別來描述去霧算法對圖像邊緣的重建效果，圖像對比度的恢復效果，圖像中飽和像素的數量。另一個該方法的代表性工作是Choi等人的“Referenceless prediction of perceptual fog density and perceptual imagedefogging”，該方法提出了一種基于自然場景統計和霧感知統計特征的無參考評估方法FADE(Fog Aware Density Evaluator)。然而這些評估方法都受限于特定類型的失真。不同的去霧算法可能涉及到各種類型的失真，很難客觀的反應去霧方法的優劣。此外，還有研究發現無參考的評價方法與人類感知的相關性差異過大，因此NR-IQA指標在該任務中并不可靠。

第三類方法致力于探索用于評估圖像去霧算法的FR-IQA方法，即全參考的評價指標。由于缺乏真實的圖像對，這類方法通常根據Koschmieder定律，人工對清晰圖像添加噪聲，模擬出帶霧的圖像。然而這類方法也并非可靠。首先，室內場景拍攝的圖像并不滿足Koschmieder定律的前提。其次人工合成的帶霧圖像與真實的帶霧圖像相去甚遠。最后，現有的FR-IQA方法通常都用于評估一般的圖像失真情況，對于去霧效果的評估是否有效還沒有得到證實。