用于在单一图像中去雾的方法和装置的制造方法
【技术领域】
[0001] 本发明涉及对由于包括在图像中的雾而降低了视频质量的图像进行处理，并改善 它的视频质量。
【背景技术】
[0002] 通常，户外拍摄的图像的质量被浑浊介质（诸如，大气颗粒和水滴）降低。具体地 说，图像的视频质量被天气影响，天气影响包括在图像中的物体的原始颜色和形状的识别。
[0003] 具体地说，因为雾引起的视频质量降低发生在整个图像中，并且被相对均匀且连 续地保持，所以提出各种技术以消除雾引起的视频质量降低。
[0004] 有雾图像改善的方法分为使用大气物理模型的基于模型的方法和不使用大气物 理模型的非基于模型的方法。
[0005] 与基于模型的方法不同，非基于模型的方法不估计大气参数并且可被简单地实 施。然而，非基于模型的方法具有使颜色保真度失真的问题并具有去雾效应。因此，最近，通 过使用利用一张图像的基于模型的方法来改善有雾图像是常见的。
[0006] 另一方面，因为基于模型的方法使用大气物理模型，所以基于模型的方法可有效 地改善被散射光劣化的色调和对比度。然而，基于模型的方法难以准确地估计参数并且具 有花费较长操作时间的缺点。
【具体实施方式】
[0007] 技术问题
[0008] 最近，作为用于改善有雾图像的基于模型的方法的示例，存在在一张有雾图像中 使用暗通道先验(DCP)的方法。然而，在DCP方法的情况下，因为RGB图像的颜色信息特征在 片的基础上被估计，所以操作时间增加。此外，当图像一般是白色或黑色时，由于透射的错 误估计而在图像中发生失真。
[0009] 此外，在用于改善有雾图像的其他基于模型的方法的情况下，因为不存在由于散 射光的减少引起的图像纹理信息补偿和亮度校正，所以在所述方法中存在恢复的图像具有 弱纹理和低亮度的问题。
[0010] 本发明的示例性实施例改善DCP方法的问题，并提供使用单一图像恢复/改善雾引 起的图像颜色损坏和对比度降低。此外，本发明提供用于改善图像纹理并解决发生在传统 有雾图像改善处理中的亮度降低的问题的方法。
[0011] 技术方案
[0012] 本发明提供用于在单一图像中去雾的方法。在本发明中，通过使用从有雾输入图 像获得的暗通道先验来估计透射。估计的透射包括块伪影。在本发明的示例性实施例中，为 了保留边缘并去除块伪影，通过使用估计的透射值和形态学处理的输入图像而执行加权最 小二乘法(WLS)滤波来获得改进的透射值，基于改进的透射值恢复图像，然后执行多尺度色 调操作的图像处理。
[0013] 本发明的有益效果
[0014] 本发明具有通过在有雾图像中使用暗通道先验(DCP)解决在有雾图像处理过程中 发生的问题的有益效果。例如，本发明具有以下有益效果:解决在通过在片的基础上估计 RGB图像的颜色信息特征获得的透射而恢复的图像中发生的块伪影问题。
[0015] 此外，本发明具有以下有益效果:通过在有雾图像改善处理中执行由于散射光的 减少的图像纹理信息补偿和亮度校正来改善恢复图像的纹理和亮度。
【附图说明】
[0016] 图1示出有雾图像恢复的方法的示例。
[0017] 图2示出根据本发明的示例性实施例的单一图像去雾装置。
[0018] 图3示出根据本发明的示例性实施例的从有雾输入图像310获得的估计的透射图 像320、形态学处理的输入图像330、以及通过使用估计的透射图像320和形态学处理的输入 图像330获得的改进的透射图像340。
[0019] 图4示出根据本发明的示例性实施例的当各种平滑控制常量值λ被应用于包括雾 的输入图像410时的恢复图像。
[0020] 图5示出根据本发明的示例性实施例的根据形态学处理的有雾图像的边缘控制常 量α的改变的恢复图像。
[0021] 图6示出根据本发明的示例性实施例的有雾图像的恢复图像和恢复图像的图像处 理的最终图像。
[0022] 图7示出根据本发明的示例性实施例的用于在单一图像中去雾的方法的流程图。 [0023]最佳实施方式
[0024] 根据本发明的一个示例性实施例，用于在单一图像中去雾的装置包括：图像分析 单元，被配置为在包括雾成分的输入图像中生成表示基于距离的雾密度的暗通道先验;透 射估计单元，被配置为通过基于暗通道先验估计到达拍摄装置的光量来计算估计的透射； 透射改进单元，被配置为通过基于估计的透射和形态学处理的输入图像信息应用加权最小 二乘法(WLS)滤波来计算改进的透射，其中，改进的透射表示通过在估计的透射中保留边缘 信息并去除块伪影而获得的信息；图像恢复单元，被配置为通过基于改进的透射去除输入 图像中的雾成分来生成恢复图像。
[0025] 例如，所述的装置还可包括图像处理单元，被配置为通过将所述恢复图像划分为 基本层、中间层和精细层来执行用于改善恢复图像的局部对比度的图像处理。
[0026] 根据本发明的另一示例性实施例，用于在单一图像中去雾的装置包括:透射估计 单元，被配置为通过基于从有雾输入图像生成的暗通道先验估计透射值来计算第一透射； 透射改进单元，被配置为基于第一透射和形态学处理的输入图像信息应用WLS滤波来计算 用于最小化基于第一透射在图像恢复处理中生成的块伪影的第二透射；图像恢复单元，被 配置为通过基于第二透射去除有雾输入图像中的雾成分来生成恢复图像；图像处理单元， 被配置为对恢复图像执行多尺度色调操作的图像处理。
[0027] 根据本发明的另一示例性实施例，用于在单一图像中去雾的方法包括：由图像分 析单元在包括雾成分的输入图像中生成表示基于距离的雾密度的暗通道先验；由图像估计 单元通过基于暗通道先验估计到达拍摄装置的光量来计算估计的透射；由透射改进单元通 过基于估计的透射和形态学处理的输入图像信息应用WLS滤波来计算改进的透射，其中，改 进的透射表示通过在估计的透射中保留边缘信息并去除块伪影而获得的信息；由图像恢复 单元通过基于改进的透射去除输入图像的雾成分来生成恢复图像。
[0028] 根据本发明的另一示例性实施例，用于在单一图像中去雾的方法包括：由透射估 计单元通过基于从有雾输入图像生成的暗通道先验估计透射值，来计算第一透射；由透射 改进单元通过基于第一透射和形态学处理的输入图像信息应用WLS滤波来计算用于最小化 基于第一透射在图像恢复处理中生成的块伪影的第二透射；由图像恢复单元通过基于所述 第二透射去除有雾输入图像的雾成分来生成恢复图像；由图像处理单元对所述恢复图像执 行多尺度色调操作的图像处理。
[0029] 本发明的实施方式
[0030] 从以下结合附图的详细描述，根据用于实现以上描述的对象的本发明的涉及位于 SAF段的基本流(elementary stream)的方法将变得清楚并且更容易理解。以下，将参照附 图详细地描述本发明的示例性实施例。
[0031] 图1示出在传统的有雾图像恢复处理中发生伪影的现象。在传统的有雾图像恢复 处理中，因为以逐个块为基础进行透射(transmission)估计，所以在最终无雾图像中发生 伪影现象。具体地说，在通过等式1至等式4在有雾图像110中估计透射之后，存在在恢复的 最终图像130的块中发生伪影的现象。
[0032]通常，科希米德(Koschmider)模型（诸如，等式1)被广泛地用于表示包括雾的图 像。
[0033] [等式 1]
[0034] I(p)=J(p)r(p)+A(l-r(p))
[0035] 在等式1中，I(p)表示包括雾的输入图像，J(p)表示代表无雾状态的场景辐射，A表 示全球大气光源，r(p)表示与输入图像的每个像素对应的估计的透射。透射表示没有色散 的情况下到达拍摄装置的光量。
[0036] 针对图像的R、G和B颜色通道中的每个表示Koschmider模型(诸如，等式1)。通过使 用等式1，从包括雾的输入图像I(P)计算全球大气光源A和透射r(p)，然后获得场景辐射J (P)〇
[0037] 随着等式1中的透射r(p)减小，输入图像I(p)变成更高雾的图像。此外，随着透射r (P)增大，到对象的距离减小或者雾引起的失真减小。
[0038] 根据本发明的一个示例性实施例，暗通道先验(DCP)被用于估计等式1中的透射r (P)。然而，在传统的有雾图像处理的方法中，因为仅使用DCP，所以存在在恢复图像中发生 伪影的问题(见图1中的131)。
[0039] 为了解决此问题，根据本发明的一个示例性实施例，DCP被用于获得估计的透射 (图1中的120)，并另外将加权最小二乘法(WLS)滤波应用于估计的透射值以获得改进的透 射，从而解决伪影发生的问题。这将参照图2进行详细地描述。
[0040] 关于DCP，按照用于在图像中去雾的方法，在无雾干净图像的每个像素周围的预定 尺寸的块中的一些像素被这样实现:至少一个颜色通道具有非常小的接近零的值。这被表 不为等式2和等式3。
[0041 ][等式 2]
[0045] 在等式2中，Jdal:k表示DCP，r表示每个颜色通道的输入图像，Ω表示p像素周围的块 (或片）。
[0046] 当使用等式3时，等式1中的透射r(p)可被修改为等式4。
[0047] [等式 4]
[0049] 在等式4中，μ是大