一种基于对比度和结构相似度的图像增强方法
【技术领域】
[0001] 本发明属于计算机视觉域，具体的说是一种基于对比度和结构相似度的图像增强 方法，用于计算机视觉领域中有雾图像清晰度与可见度的提升。
【背景技术】
[0002] 室外大气中存在各种随机粒子，例如：雾，霾，沙尘等。这些随机大气粒子对大气中 的光线传播产生影响，随着物体到成像设备的距离增加，这种影响也随之增大。通常这种影 响主要表现为两个方面：1)物体表面的反射光在到达成像设备的过程中由于大气粒子的 散射，吸收而发生的衰减；2)自然光因大气粒子的散射而进入成像设备参与了成像过程。 这两种影响共同作用造成图像对比度下降、饱和度降低和色调偏移等问题。它不仅影响人 们对图像的视觉感知，也严重影响了后续的图像应用。
[0003] 基于物理模型的图像去雾，近年来得到了广泛地研究和发展。主要方法可以大致 分为两大类：一类是利用多幅图像或者附加信息来估计传输参数，另一类是基于正则化先 验知识和假设的单幅图像的增强技术。
[0004] 近年来，单幅图像增强处理方法取得了很大进步。典型的有Fattal(R.Fattal. Singleimagedehazing,ACMTransactionsonGraphics，2008,27 (3) :ppl-9)等通过 估计场景的反射率并推断大气介质的传播图。在传播图和表面着色局部不相关的假设前 提下，该算法效果较好。但是当存在浓雾时该算法则容易失效。Tan(R.Tan.Visibility inbadweatherfromasingleimage.IEEEConferenceonComputerVision(CVPR), 2008,pp: 1-8)等使用对比度最大化的方法，但是该方法处理后容易产生halo效应和 对比度过度增强的效应。He(K.He，J.SunJ，andX.Tang.Singleimagehazeremoval usingdarkchannelprior.IEEEConferenceonComputerVisionandPattern Recognition(CVPR). 2009,pp: 1956-1963)等提出的基于暗通道先验的算法取得了很好的 去雾效果。该算法的关键是假设室外得到的退化图像中至少一个颜色通道的局部场景反照 率接近0。首先使用最小值滤波对大气传播参数进行粗估计，然后采用软抠图技术对其细 化。该算法的缺点在于：景深突变的边缘处的颜色易产生过冲失真，且该算法计算复杂度较 高。Tarel(J.Tarel，N.Hauti.Fastvisibilityrestora-tionfromasinglecoloror graylevelimage.IEEEInternationalConferenceonComputerVision(ICCV). 2009, pp:2201-2208)等假设大气光幕函数在可行域中逼近最大值，并且在局部范围内变化缓 慢。利用中值滤波估计大气光幕函数，但是中值滤波并不是一种鲁棒的边缘保留滤波，同时 参数设置不当易导致Halo效应。Kim(J.Kim，J.Sim，andC.Kim.SingleImageDehazing BasedOnContrastEnhancement.InternationalConferenceonAcoustics，Speech，and SignalProcessing(ICASSP)，2011，pp: 1273-1276)等提出一种基于对比度增强的图像增 强算法。该算法计算复杂度较低，但是所构造的目标代价函数不够合理，易于引起局部过度 增强从而导致图像失真。
【发明内容】
[0005] 本发明的目的在于提供一种基于对比度和结构相似度的图像增强方法，旨在解决 雾天等恶劣天气下图像对比度低，细节丢失等问题，以有效提高复原场景图像可见度。
[0006] 本发明是这样实现的，一种基于对比度和结构相似度的图像增强方法，以解决雾 天等恶劣天气下图像对比度低，细节丢失等问题，包含如下步骤：
[0007] S1、输入原始单幅雾霾图像；
[0008] S2、通过迭代的四叉树分割实现对大气光的鲁棒估计；
[0009] S3、采用基于内容的超像素分割技术将图像分割成局部区域块；
[0010] S4、构造代价函数，对各个局部区域块的大气传播图进行估计，得到各块最优传输 参数；
[0011] S5、利用大气退化模型进行图像恢复。
[0012] 优选地，所述步骤S3具体：在局部小范围内，相似的图像内容通常具有相似的传 输参数，但是不同的图像内容间的传输参数通常不同。为了避免该问题，采用SLIC超像素 分割算法对图像进行分割，以解决均匀分块的方式带来的局部不同的图像内容共用一个传 输参数引起的处理后局部图像的失真问题。
[0013] 优选地，所述步骤S4包含以下步骤：
[0014] S4A、计算预恢复图；
[0015] S4B、算预恢复图的标准差、均衡度或相似度函数；
[0016] S4C、利用构建的代价函数求解最优传输参数。
[0017] 优选地，在步骤S4A中，基于大气散射模型构造的成像模型可表示为：
[0018] lp=tp ?Jp+(l_tp) ?A(1)
[0019] 其中，Ip和Jp分别表示成像设备获得的图像和原始图像在p处的像素值，A为大 气光或天空亮度，tpG[0, 1]为p位置处的大气传输参数值。
[0020] 优选地，在步骤S4B中，非雾天的图像对比度较高，其标准差较大，而雾天图像对 比度下降其标准差变小。所以标准差越大图像的对比度越高，相对可视质量越好。将其作 为一个评价标准。计算标准差的公式如下：
[0024] 其中，Jp(t)为传播参数为t时p点恢复后的像素值，7^)为局部像素块的均值， N为局部图像块的像素个数，通常为8。计算Jp(t)时，随着t的变化，可能出现Jp(t)>2M_l和Jp(t)〈0的情形，此时应将其限制到[0,2M_1]再进行标准差的计算。
[0025] 优选地，在步骤S4B中，通过对大量图片统计分析，非雾天的图像对比度较高，像 素分布较为均衡，因而其直方图均衡度是一个较小的值，而雾天的图像像素分布较为集中， 此时图像的直方图集中在一个特定范围之内，直方图均衡度较大。故此，将其作为第二个评 价标准。计算公式如下：
[0026]
[0027] 其中，N为像素个数，M为像素位宽，p为像素值，fp(t)为传播参数为t时像素值 为P的像素个数。基于以上分析，可认为对于恢复后的图像，直方图均衡度越小，图像灰度 分布越均衡，图像质量相对较好。
[0028] 优选地，在步骤S4B中，直方图均衡度和标准差无法衡量恢复后图像和原图之间 的结构保留特性，图像结构相似度正好提供了这一结构信息，采用计算预恢复图和原图相 关度的方法来表征不同传输参数所对应的预恢复图和原图在结构上的相似程度。将其作为 第三个评价标准。计算公式如下：
[0029]
[0030] 其中，e取为一小值常数，且
[0034] 其中，〇Xiy表不恢复后图像和原图的协方差，〇 x和〇 ￥分别表不恢复后图像和原 图的标准差。s"(t)为相关系数，值越大说明恢复后的图像和原图的结构越接近。
[0035] 优选地，在步骤S4C中，构造以下目标代价函数：
[0036] F (t) = Sx y (t)+log (fstd (t)