本发明涉及图像处理领域，尤其涉及一种强光源下图像去雾方法。
背景技术：
近年来，随着计算机软硬件技术的不断发展，对有雾天气图像的景物影像进行去雾处理已经成为可能，这反过来对去雾图像的清晰度和真实感提出了新的要求。在雾天情况下，由于场景的能见度降低，图像中目标对比度和颜色等特征被衰减，致使室外视频系统无法正常工作，因此需要消除雾气对场景图像的影响。事实上，图像去雾的自动性和实时性一直是计算机视觉领域研究的重要内容，其广泛应用于视频监控、地形勘测和自动驾驶等领域。
通常情况下把在雾天通过成像设备采集到的图像称为退化图像，对采集到的雾天图像进行相关技术的处理，使其变得清晰化的过程则称之为图像去雾。近年来经过大量学者们的研究，已经出现许多有效的去雾算法，例如，有基于非物理模型的：滤波算法、直方图均衡化算法等，该类方法通过常规的图像增强技术来提高对比度，从而达到去雾的目的。也有基于大气光照建立退化模型从而复原场景的物理方法，例如：基于偏振光的方法，基于暗通道先验的方法等。这些方法的提出有效解决了雾天图像带来的不便问题。比如，在浓雾等恶劣天气下，经过图像去雾算法处理后，车载导航系统可以实时的显示较为明确的路况信息，增加司机的可视距离，从而降低交通事故的发生率。
而单幅图像去雾，因其可用的场景结构信息相对较少，且要求必须具有有效性、鲁棒性以及实时性等特征，成为近年来最具挑战性也最热门的研究热点之一，为了获取雾天拍摄图像的景物细节信息，首先需要对雾天条件下获取的退化图像深入研究，有效分析，进而复原清晰图像，提升户外视觉系统的实用性。现有的单幅图像去雾算法都各自有其优势，但当图像中存在强光源时，比如：直射的太阳光，汽车照明灯等等，会造成去雾参数计算不准确以及去雾效果不明显的情况，目前对于上述雾天图像中存在的非均匀光照情况的处理没有明确的算法，因此，如何针对强光源影响下的图像进行有效去雾，依然是目前本领域技术人员需要解决的技术问题。
技术实现要素：
为了解决上述问题，本发明提出一种强光源下图像去雾方法，将有雾图像分割为强光源区域和非光源区域，将大气光分为大气光常值分量和强光源影响分量，依据大气散射物理模型分别对两区域进行去雾处理，能够对强光影响下的图像进行有效地去雾，并且保证了去雾结果图像中边缘轮廓的清晰。
为了实现上述目的，本发明采用如下技术方案：一种强光源下图像去雾方法，包括以下步骤：
对输入雾图进行图像分割，分离非光源区域和强光源区域；
将大气光分量分为大气光常值分量和强光源影响分量并分别计算；
基于所述大气光常值分量和强光源影响分量，估计透射率；
对非光源区域和强光源区域分别进行去雾处理，恢复出无雾图像。
进一步地，所述图像分割采用自适应区域生长算法：选取输入雾图的灰度图中n个最亮像素构成像素集，标记位置为p1，p2，p3……pn，选取该像素集的中心位置作为光源中心，即种子像素，记为：
设pcenter像素值为pcenter(x0,y0)，以pcenter为中心，考虑pcenter的8邻域像素，像素值记为p(x,y)，如果满足生长规则|p(x,y)-pcenter(x0,y0)|<t,将p(x,y)加入种子像素所在区域，当不再有像素满足所述生长准则时，区域生长停止，得到分离出的强光源区域il(x)与非光源区域i'。
进一步地，所述强光源影响分量表示为：
s(x)＝1/(k1+k2×d(x)+k3×d(x)2)il(x0)
其中，k1，k2，k3为散射系数，光衰减系数＝1/(k1+k2×d+k3×d2)，il(x0)表示光源中心的强度，d(x)为非光源区域i'中任一像素点到光源中心的距离。
进一步地，所述大气光常值分量计算方法为：在非光源区域i'中去除强光源影响分量s得到新雾图i'-s，选取新雾图对应的暗通道图中亮度最大的前0.1％的像素，这个像素集对应图像i'中亮度最大的值即大气光常量分量c。
进一步地，非光源区域和强光源区域的去雾处理过程包括以下步骤：
非光源区域雾天退化模型为：
i'(x)＝j'(x)t(x)+a(x)(1-t(x))
＝j'(x)t(x)+l(x)(1-t(x))+c(1-t(x))
其中，i'(x)是在图像分割后输入雾图的非光源区域，l(x)(1-t(x))＝s(x)是强光源影响分量，c(1-t(x))是弱光源影响；
对上述模型去除强光源影响分量：
i'(x)-s(x)＝j'(x)t(x)+c(1-t(x))
记i＝i'-s，得到：
i(x)＝j'(x)t(x)+c(1-t(x))
归一化处理，得到：
假设透射率t(x)为常数，两边求两次最小值运算，得到：
根据暗原色先验理论可知:
利用he的引导滤波算法对上式求得的透射率进行细化，得到透射率的最终估计值t(x)；
非光源区域i'(x)恢复公式为：
强光源区域il(x)恢复公式为：
根据本发明的另一方面，本发明还提供了一种强光源下图像去雾装置，包括：
图像分割模块，用于对输入雾图进行图像分割，分离非光源区域和强光源区域；
大气光计算模块，用于将大气光分量分为大气光常值分量和强光源影响分量并分别计算；
透射率计算模块，用于基于所述大气光常值分量和强光源影响分量，估计透射率；
图像去雾模块，用于对非光源区域和强光源区域分别进行去雾处理，恢复出无雾图像。
进一步地，所述图像分割采用自适应区域生长算法：选取输入雾图的灰度图中n个最亮像素构成像素集，标记位置为p1，p2，p3……pn，选取该像素集的中心位置作为光源中心，即种子像素，记为：
设pcenter像素值为pcenter(x0,y0)，以pcenter为中心，考虑pcenter的8邻域像素，像素值记为p(x,y)，如果满足生长规则|p(x,y)-pcenter(x0,y0)|<t,将p(x,y)加入种子像素所在区域，当不再有像素满足所述生长准则时，区域生长停止，得到分离出的强光源区域il(x)与非光源区域i'。
进一步地，所述强光源影响分量表示为：
s(x)＝1/(k1+k2×d(x)+k3×d(x)2)il(x0)
其中，k1，k2，k3为散射系数，光衰减系数＝1/(k1+k2×d+k3×d2)，il(x0)表示光源中心的强度，d(x)为非光源区域i'中任一像素点到光源中心的距离。
进一步地，所述大气光常值分量计算方法为：在非光源区域i'中去除强光源影响分量s得到新雾图i'-s，选取新雾图对应的暗通道图中亮度最大的前0.1％的像素，这个像素集对应图像i'中亮度最大的值即大气光常量分量c。
进一步地，非光源区域和强光源区域的去雾处理过程包括以下步骤：
非光源区域雾天退化模型为：
i'(x)＝j'(x)t(x)+a(x)(1-t(x))
＝j'(x)t(x)+l(x)(1-t(x))+c(1-t(x))
其中，i'(x)是在图像分割后输入雾图的非光源区域，l(x)(1-t(x))＝s(x)是强光源影响分量，c(1-t(x))是弱光源影响；
对上述模型去除强光源影响分量：
i'(x)-s(x)＝j'(x)t(x)+c(1-t(x))
记i＝i'-s，得到：
i(x)＝j'(x)t(x)+c(1-t(x))
归一化处理，得到：
假设透射率t(x)为常数，两边求两次最小值运算，得到：
根据暗原色先验理论可知:
利用he的引导滤波算法对上式获取的透射率进行细化，得到透射率的最终估计值t(x)；
非光源区域i'(x)恢复公式为：
强光源区域il(x)恢复公式为：
本发明的有益效果：
1、本发明将图像划分为强光源区域和非光源区域，对两区域分别进行去雾，相较于传统的去雾方法，去雾效果更为明显。
2、本发明在执行去雾操作之前，采用了自适应区域生长算法对图像执行图像分割，有效地保证了获取的透射率优化图边界轮廓信息的准确性，从而得到清晰的去雾图像。
3、本发明针对暗原色先验规律在强光源区域不适用的问题，在非光源部分中用光衰减模型较好的去除了强光源影响，获取了细节信息更为准确的雾图。
附图说明
图1为本发明强光源下图像去雾方法的流程图。
具体实施方式
针对雾化图像中存在强光源时导致暗原色先验规律失效的问题，本发明讨论怎样避免在图像复原过程中强光源对去雾结果的影响，保证大气光值计算的准确性，进而保持清晰的图像细节，获得较好的主观视觉效果。对雾化图像做清晰化处理，最有效的方法之一还是基于大气散射物理模型，通过暗原色先验实现图像去雾的目的。本发明的基本思想可简述如下：通过分析强光源对雾天图像退化模型的影响，将大气光分为大气光常值分量和强光源影响分量。因此，首先用区域生长法实现对输入雾图的图像分割，分离出强光源区域和非光源区域，然后利用光衰减模型，在非光源区域中去除强光源影响分量从而得到新雾图，最后根据暗原色先验规律估算出大气光常值和大气透射率，并使用引导滤波对大气透射率进行优化处理，
下面结合附图对本发明做进一步说明。
本实施例提供了一种强光源下图像去雾方法，如图1所示，包括以下步骤：
步骤1：对输入雾图进行图像分割，分离强光源和非光源区域。
区域生长(regiongrowing)是根据同一物体区域内像素的相似性质来聚集像素点的方法。从初始区域(如小邻域或甚至于每个像素)开始，将相邻的具有同样性质的像素或其它区域归并到目前的区域中从而逐步增长区域，直至没有可以归并的点或其它小区域为止。它分割后的图像边缘完整、连续性很好。因此本实施例采用了自适应区域生长的方法进行图像分割，能够保证最终的图像具有清晰的边缘。
自适应区域生长的步骤为：选取输入雾图的灰度图中最亮像素集，标记其位置为p1，p2，p3……pn，选取该像素集的中心位置作为光源中心，即种子像素，记为：
设pcenter像素值为pcenter(x0,y0)，以pcenter为中心，考虑pcenter的8邻域像素，像素值记为p(x,y)，如果满足生长规则|p(x,y)-pcenter(x0,y0)|<t,将p(x,y)加入种子像素所在区域，当不再有像素满足所述生长准则时，区域生长停止，得到分离出的强光源区域il(x)与非光源区域i'。
步骤2：将大气光分量分为大气光常值分量和强光源影响分量，分别计算。
he基于暗通道理论的去雾模型中，假设雾图中的光照均匀，基于这样的假设，将全局大气光a的值看作常数。但是当存在强光源影响时，视线路径中的照度和光学性质不再相同。发光物体的辐射和散射现象使得进入视线光路的辐射能增加，强光源对周围像素的影响不可忽视，因此大气光a的估测值不再是常数。
可认为存在强光源影响的雾天图像，大气光由强光源影响分量和大气光常值分量两部分组成。此时，大气光可表示为：
a(x)＝l(x)+c(1)
其中：l(x)表示强光源影响分量，c为大气光常值分量。
(1)强光源影响分量
在雾霾环境下，辐射光线在传播过程中会发生吸收、散射和辐射三种光学现象，其中由吸收和散射会导致光源辐射能的衰减：k1，k2，k3为散射系数，光衰减系数＝1/(k1+k2×d+k3×d2)，因此，强光源辐射影响可表示为：
s(x)＝1/(k1+k2×d(x)+k3×d(x)2)il(x0)(2)
其中：s(x)表示强光源辐射影响，il(x0)表示光源中心的强度，d(x)为图像i'(x)中任一像素点到光源中心的距离。该式表明光源的辐射是随着距离逐渐减弱的。
(2)大气光常值分量
在输入雾图的非光源区域i'中去除强光源影响得到新雾图i'-s，选取暗通道图中亮度最大的前0.1％的像素，在这个像素集中，对应图像i'中亮度最大的值被选定为大气光中的常量c。
步骤3：通过雾天退化模型，分别对非光源区域与强光源区域进行去雾处理，恢复出无雾图像。
在计算机视觉和计算机图形中，下述雾天退化模型被广泛使用：
i(x)＝j(x)t(x)+a(1-t(x))(3)
i(x)是输入雾图，j(x)为清晰的无雾图像，a代表全局大气光，t(x)表示透射率。该模型适用于处理均匀视线路径的雾图。
(1)非光源区域去雾
结合式(1)和(3)，即得到强光源下非光源区域雾天退化模型：
其中：i'(x)是在图像分割后输入雾图的非光源区域，l(x)(1-t(x))＝s(x)是强光源影响即光源辐射影响，c(1-t(x))是弱光源影响，j'(x)表示复原的清晰图像的非光源区域，a(x)表示全局大气光值，l(x)表示强光源影响分量。
对上述模型去除强光源辐射影响，
i'(x)-s(x)＝j'(x)t(x)+c(1-t(x))(5)
获得去除强光源影响后的新雾图，记为i＝i'-s。即：
i(x)＝j'(x)t(x)+c(1-t(x))(6)
稍作处理，得到
cc表示大气光常值分量，ic(x)和j'c(x)分别表示新雾图和复原的清晰图像的非光源区域。
假设在局部小区域内图像的透射率t(x)为常数，对式(7)两边求两次最小值运算，得：
ω(x)表示以x为中心的局部小区域(选取15×15的局部区域)，ic(y)、j'c(y)分别表示新雾图和复原的清晰图像的非光源区域。
根据暗原色先验理论可知:
把式(9)带入式(8)中，得到透射率的预估值：
利用he的引导滤波算法对透射率行细化，得到透射率的最终估计值t(x)，因此，非光源区域最终的恢复公式如下：
(2)强光源区域去雾
强光源区域il(x)由于受到强光源也就是大气中雾霾的影响，颜色和对比度发生了一定程度的退化，利用在非光源去雾模型中求到的最终透射率t(x)，结合式(12)，得光源修复图
最终恢复出的强光源影响下的无雾图像为：
j＝j'+jl(13)
根据实施例1的所述方法，本发明还提供了另一实施例：一种强光源下图像去雾装置，包括：
图像分割模块，用于对输入雾图进行图像分割，分离非光源区域和强光源区域；
大气光计算模块，用于将大气光分量分为大气光常值分量和强光源影响分量并分别计算；
透射率计算模块，用于基于所述大气光常值分量和强光源影响分量，估计透射率；
图像去雾模块，用于对非光源区域和强光源区域分别进行去雾处理，恢复出无雾图像。
所述图像分割采用自适应区域生长算法：选取输入雾图的灰度图中n个最亮像素构成像素集，标记位置为p1，p2，p3……pn，选取该像素集的中心位置作为光源中心，即种子像素，记为：
设pcenter像素值为pcenter(x0,y0)，以pcenter为中心，考虑pcenter的8邻域像素，像素值记为p(x,y)，如果满足生长规则|p(x,y)-pcenter(x0,y0)|<t,将p(x,y)加入种子像素所在区域，当不再有像素满足所述生长准则时，区域生长停止，得到分离出的强光源区域il(x)与非光源区域i'。
所述强光源影响分量表示为：
s(x)＝1/(k1+k2×d(x)+k3×d(x)2)il(x0)
其中，k1，k2，k3为散射系数，光衰减系数＝1/(k1+k2×d+k3×d2)，il(x0)表示光源中心的强度，d(x)为非光源区域i'中任一像素点到光源中心的距离。
所述大气光常值分量计算方法为：在非光源区域i'中去除强光源影响分量s得到新雾图i'-s，选取新雾图对应的暗通道图中亮度最大的前0.1％的像素，这个像素集对应图像i'中亮度最大的值即大气光常量分量c。
非光源区域和强光源区域的去雾处理过程包括以下步骤：
非光源区域雾天退化模型为：
i'(x)＝j'(x)t(x)+a(x)(1-t(x))
＝j'(x)t(x)+l(x)(1-t(x))+c(1-t(x))
其中，i'(x)是在图像分割后输入雾图的非光源区域，l(x)(1-t(x))＝s(x)是强光源影响分量，c(1-t(x))是弱光源影响；
对上述模型去除强光源影响分量：
i'(x)-s(x)＝j'(x)t(x)+c(1-t(x))
记i＝i'-s，得到：
i(x)＝j'(x)t(x)+c(1-t(x))
归一化处理，得到：
假设透射率t(x)为常数，两边求两次最小值运算，得到：
根据暗原色先验理论可知:
利用he的引导滤波算法对得到的粗略透射率进行细化，得到透射率的最终估计值t(x)；
非光源区域i'(x)恢复公式为：
强光源区域il(x)恢复公式为：
本发明将图像划分为强光源区域和非光源区域，对两区域分别进行去雾，相较于传统的去雾方法，去雾效果更为明显。在执行去雾操作之前，本发明采用了自适应区域生长算法对图像执行图像分割，有效地保证了获取的透射率优化图边界轮廓信息更为准确，从而得到清晰的去雾图像。本发明的去雾方法能够适用于户外视频监控、地形勘测和自动驾驶等领域。本领域技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。