专利名称：一种基于暗通道信息的图像去雾方法
技术领域：
本发明属于图像处理和计算机视觉技术领域，尤其涉及一种基于暗通道信息的单幅图像去雾处理方法。
背景技术：
雾天图像恢复是图像处理和计算机视觉等技术领域的关键技术。因为经典的计算机视觉算法往往假设输入图像是物体表面反射光，针对某些有雾图像，这些方法的数学模型不可避免的会在一定程度上失效，从而影响最终的图像去雾效果。因此，研究雾天图像成像退化模型和去雾方法具有重要的意义。针对单幅雾天图像，现有的图像去雾方法通常是基于雾天图像的先验信息规律。典型的方法有Tan方法(局部对比度最大化方法)、Fattal方法(基于独立成分分析的场景 反照率和透射率估计方法)和He方法(基于暗通道先验信息的图像去雾方法)。Tan方法是基于先验信息——无雾图像的对比度往往比有雾图像的对比度要高，通过算法处理使有雾图像的局部区域的对比度达到最大，以达到图像去雾的目的，但恢复的图像对比度往往很高，容易造成图像纹理细节信息的淹没；Fattal方法的先验信息是假设环境光分量和物体表面的反射光分量是不相关的，以此估计出物体表面反射光分量，但恢复出的图像往往失真度较高；He方法选用一个尺度参数计算彩色图像中对应尺度窗口中像素各分量的最小值，并将此值作为暗通道先验信息，然后通过暗通道先验信息估算场景的深度信息，将深度信息结合大气散射模型估算场景的透射率，再通过软抠图方法优化估算的场景透射率，最后根据优化的场景透射率和估算的大气光照向量A= [Ixy (R)，Ixy (G)，Ixy⑶]，进行图像的去雾处理。虽然He方法恢复出的图像去雾质量较为理想，但只考虑了一个尺度参数，且采用运算极为复杂软抠图优化方法来估计场景的透射系数，计算量会随着图像尺寸的增大呈现出几何级增加，在现有硬件基础上很难做到对雾天图像去雾的实时处理，难以运用到实际应用中。
发明内容
有鉴于此，本发明的发明目的在于提供了一种降低去雾处理运算复杂度、处理效率高，去雾处理的图像质量较高、能满足实时处理应用的需求的基于暗通道信息的图像去雾方法。本发明的一种基于暗通道信息的图像去雾方法，包括下列步骤SI、将输入图像I (X)转换到RGB色彩空间，计算各像素点在RGB色彩空间中各色彩通道的最小值，得到输入图像I(X)的初始暗通道统计值DCtl(I)；S2、按尺度Ni统计所述DCtl(I)的暗通道信息，得到输入图像I (X)在不同尺度队下的暗通道统计值(/)，其中i = I,…，n，所述η为大于等于I的自然数；并对/>&(/)进行高斯滤波处理，高斯尺度取为Ni,得到高斯平滑暗通道统计值DQwj (/);S3、对所述DCtl⑴、η个￡>0^(/)进行加权平均处理，得到加权平均处理后的暗通道统计值DC(I);并对所述DC(I)进行归一化处理，处理结果记为DCn(I)；S4、根据步骤S3得到的DCJI)输入图像I (X)得到大气光照向量A=[Ixy(R), Ixy(G), Ixy(B)];取数值I与所述DCn⑴的差为场景透射系数矩阵T ;S5、根据场景透射系数矩阵T和大气光照向量A对输入图像I(X)进行图像去雾处理。本发明首先对输入图像I (X)的各色彩通道采用最小值滤波器计算出各个像素点的最小值，得到初始暗通道统计值DCtl(I),本发明的DCtl(I)为下一步计算不同的尺度参数(或尺度窗口)下的暗通道信息提供一个标准的输入量，能有效避免重复的像素分量取最小值的操作处理，以减小不同尺度参数下的暗通道信息的计算复杂度；接着基于该DCtl(I)计算不同尺度参数Ni的暗通道信息K'., (/)，可以仅计算一个尺度参数，也可以计算多个尺度参数，基于计算复杂度的考虑，通常计算3个不同尺度参数的暗通道统计值；接着对各尺度参数对应的CO进行高斯平滑滤波处理，得到Dfex (/);再对DCtl (I)、η个DC呵(/)按 照权值向量m=[mQ，In1, m2,…，mn]进行平均加权处理后得到DC(I)，并将DC(I)归一化到[O, I]范围内，取值为DCn(I)，通过DCn(I)计算得到本发明的场景透射系数矩阵T，避免了现有的复杂的软抠图优化步骤来得到场景透射系数矩阵T ;最后，再基于场景透射系数矩阵T和大气光照向量A=[Ixy(R)，Ixy(G)，Ixy(B)]实现对输入图像的去雾处理，经去雾处理计算处
理后获得无雾图像J(X)，具体的去雾计算处理既可以是现有的He方法中的去雾处理模型
,..fix) - A{ \ - ma\(7\x)J0)) x j = max(7(v)/|) (He 对去中，t0 白勺 o.i),
和/修正的去雾计算处理操作。本发明的去雾方法，与现有技术相比，具有简化了运算处理的复杂度，并行化高等优点，能满足实时处理应用的需要。进一步的，为了给步骤S2中计算加权透射率提供不同精细度的透射率参数，得到更优的去雾处理效果，所述步骤S2中，对各尺度参数对应的暗通道统计值/)(’、.(/)，进行高斯滤波处理可具体为
Ni N1DCaV (Z) = X Y ^ — mask(/,k) _ win — dark — Λ'.(/,A,)
' J=I k=l上述处理公式中，高斯掩模g_mask(j，k)是边长为Ni的高斯平滑滤波器，所述win.dark.Ni (j, k)是在(/)中以像素点(j, k)为中心，尺度为Ni的窗口。同时，为了进一步保证去雾处理后的图像的亮度，本发明对大气光照向量的计算进行了修正，即所述步骤S4中，还包括对所述大气光照向量A [Ixy (R)，Ixy (G)，Ixy⑶]进行修正处理的操作，修正后的大气光照向量为[C1, C1, C1]，其中C1取Ixy (R)、Ixy (G)和IxJB)中的最大值。为了保证去雾处理后的图像中的天空区域不出现过度增强现象，即避免去雾处理后的图像的天空部分出现强烈的光晕现象，经过多次实验论证，发现将透射系数全局最小值h的取值限定在O. 25、. 35能有效的避免光晕现象，因而在去雾处理中淘汰了 He方法中惯用的取h为O. I做法，即本发明对He方法中的去雾处理模型进行了修正，具体为所述步骤S5中，图像去雾处理具体为设定透射系数全局最小值h，所述h的取值为O. 25、. 35 (优选的，h取为O. 3);取场景透射系数T(X)与h两者中的最大项为Tmax，即Tfflax=max(T(x),t0);经去雾处理
权利要求
1.一种基于暗通道信息的图像去雾方法，其特征在于，包括下列步骤 51、将输入图像I(X)转换到RGB色彩空间，计算各像素点在RGB色彩空间中各色彩通道的最小值，得到输入图像I(X)的初始暗通道统计值DCtl(I)； 52、按尺度Ni统计所述DCtl(I)的暗通道信息，得到输入图像I(X)在不同尺度Ni下的暗通道统计值其中i = I,…，n，所述η为大于等于I的自然数；并对￡>&(/)进行高斯滤波处理，高斯尺度取为Ni，得到高斯平滑暗通道统计值(I); 53、对所述DCtl(I) ,n ^DCgx (/)进行加权平均处理，得到加权平均处理后的暗通道统计值DC(I);并对所述DC(I)进行归一化处理，处理结果记为DCn(I)； 54、根据步骤S3得到的DCJI)、输入图像I(X)得到大气光照向量A=[Ixy(R), Ixy(G), Ixy(B)];取数值I与所述DCn⑴的差为场景透射系数矩阵T ; 55、根据场景透射系数矩阵T和大气光照向量A对输入图像I(X)进行图像去雾处理。
2.如权利要求I所述的方法，其特征在于，所述步骤S2中，对进行高斯滤波处理具体为
3.如权利要求I或2所述的方法，其特征在于，所述步骤S4中，还对所述大气光照向量A[Ixy(R), Ixy(G), Ixy(B)]进行修正处理，修正后的大气光照向量为[C1, C1, C1]，其中C1取Ixy (R)、Ixy (G)和 Ixy(B)中的最大值。
4.如权利要求I或2所述的方法，其特征在于，所述步骤S5中，图像去雾处理具体为 设定透射系数全局最小值h，所述h的取值为O. 25、. 35，取场景透射系数T(X)与所述h两者中的最大项为Tmax,经去雾处理
5.如权利要求3所述的方法，其特征在于，所述步骤S5中，图像去雾处理具体为 设定透射系数全局最小值h，所述h的取值为O. 25、. 35，取场景透射系数T(X)与所述h两者中的最大项为Tmax,经去雾处理
6.如权利要求4所述的方法，其特征在于，设定透射率调整系数^，所述h的取值为I. (Tl. 3，所述无雾图像
7.如权利要求5所述的方法，其特征在于，设定透射率调整系数^，所述h的取值为I.(Tl. 3，所述无雾图像
8.如权利要求4、5、6或7所述方法，其特征在于，所述透射系数全局最小值h的取值为 O. 3。
9.如权利要求I或2所述的方法，其特征在于，所述步骤S2中，η的取值为3。
10.如权利要求9所述的方法，其特征在于，所述步骤S3中，所述DCc^I)和Wf,的加值依次为0.7.0，1，0，1,0.全文摘要
本发明公开了一种基于暗通道信息的图像去雾方法，属于图像处理和计算机视觉技术领域。本发明提出的方法首先对输入图像的各色彩通道采用最小值滤波器计算出各个像素点的最小值，接着计算不同尺度参数下的图像暗通道统计值，并对各尺度参数对应的暗通道统计值进行高斯平滑滤波，将滤波后的暗通道统计值根据不同的尺度参数分配不同的权重值，通过对按通道统计值的加权优化计算出场景的透射系数，以实现对图像的去雾处理，本发明的应用，能避免复杂的软抠图优化步骤，去雾处理的运算复杂度，去雾处理的图像质量高、且能满足实时处理应用的需求。
文档编号G06T5/50GK102968772SQ201210511068
公开日2013年3月13日 申请日期2012年12月4日 优先权日2012年12月4日
发明者王正宁, 许林峰, 曾辽原, 刘光辉, 李宏亮, 黄敏 申请人:电子科技大学