一种基于形状可变形态学重构的去雾方法
【专利摘要】本发明公开一种基于形状可变形态学重构的去雾方法，利用图像最小颜色通道、最大颜色通道同时并行计算对应媒介透射率，通过形态学膨胀重构优化最小颜色通道透射率，对两幅透射率分布图融合，获得对天空免疫的最优透射率。本发明相对于现有去雾算法中媒介透射率精细化方式，能从根本上抑制光晕现象，同时无需事先检测，自适应补偿天空区域低估计的透射率，避免去雾结果天空区域失真。
【专利说明】
一种基于形状可变形态学重构的去雾方法
技术领域
[0001] 本发明涉及图像复原技术领域，具体公开了一种去雾方法。
【背景技术】
[0002] 近年来，空气质量下降严重，雾和霾等恶劣天气频繁出现。受雾霾天气影响，图像 呈现低对比度、低清晰度特点，近景处细节信息丢失严重，远景处特征被完全覆盖或模糊， 信息的可辨识度大大降低。同时色彩保真度下降，出现严重的色彩偏移现象。
[0003] 图像去雾是通过一定技术手段，去除图像中的雾气干扰，以便得到满意视觉效果 并获取更多有效信息。He等人提出暗通道先验统计规律，以及在此基础上提出"暗通道先验 +导向性滤波"算法，被公认为当前去雾效果最佳的算法。
[0004] 然而，导向性滤波的实质是通过大尺寸窗口的均值滤波操作，将能量原本集中在 边缘的"光晕"扩散，扩散范围越大，边缘处的光晕强度越小，以此减弱景深突变产生的光晕 现象(h a 1 〇 e f f e c t )，扩散范围大小直接由均值滤波窗口尺寸决定。该操作伴随的副作用 是:扩散的光晕又模糊了边缘附近的场景深度，尤其对于树林、枝叶、树干等间隙性景物存 在的透射场景，以及景深剧烈变化的边缘。对于深度密集突变区域，扩散的光晕"填补"了间 隙的景深差异;对于深度剧烈变化区域，扩散的光晕使陡峭变化的景深平缓变化。错误估计 的透射率导致该部分区域不能达到很好的去雾效果。用公式解释为:t( X)=eTM(x)，缝隙区 域由于均值滤波扩散的光晕使d(x)偏小，透射率偏大，且通常在大景深突变处I(x)-A<0， 故/(_〇= '因此偏大的透射率使该部分像素值偏大，接近于大气光值，呈现出"灰 白雾状"，达不到去雾效果。其次，未注意到透射率仅与场景深度有关，与图像细纹理结构无 直接关系。强结构纹理对应场景深度突变边缘，即光晕现象出现的地方，而细结构纹理通常 对应场景中同一深度。因此细结构纹理不但与透射率无关，还导致透射率不平滑，存在类似 "干扰噪声"的作用。最后，对不满足暗通道先验的天空区域未作处理，极易造成天空区域色 彩失真。
【发明内容】
[0005] 本发明的目的在于提供一种基于形状可变形态学重构的去雾方法，以解决现有去 雾算法存在的问题。本发明提出利用可变形结构元自适应中值滤波结合灰度形态学膨胀重 构算法精细化最小颜色通道透射率，抑制光晕现象；同时计算原始有雾图像最大颜色通道 图像，估计亮度较高区域的透射率;通过对两幅透射率分布图的融合操作，获得无块效应、 自适应补偿天空区域的最优透射率，使去雾结果清晰。
[0006] 为了实现上述目的，本发明采用如下技术方案：
[0007] -种基于形状可变形态学重构的去雾方法，包括以下步骤：
[0008] 步骤1:对原始有雾图像，求各点R、G、B三通道的最小像素值作为最小颜色通道图 像dc，最大像素值作为最大颜色通道图像mc，对最小颜色通道图像进行局部极小值滤波，获 得粗估计暗原色通道图像Darklmg;
[0009] 步骤2:从粗估计暗原色通道图像Darklmg中确定大气光候选位置，在原始有雾图 像中寻找对应具有最高亮度点的值作为大气光值A;
[0010] 步骤3:以原始有雾图像的灰度图为导向图，计算可变形结构元素，用生成的结构 元素对最小颜色通道图像dc进行自适应中值滤波操作，获得细节被抑制的结构图像dc_ med；
[0011] 步骤4:以步骤1中粗估计暗原色通道图像Darklmg为重构标记图像，以步骤3中结 构图像dc_med为重构模板图像，进行灰度形态学膨胀重构，获得精细化的暗通道图像 Darklmg*;结合大气光值A，利用
?计算精细化的最小颜色通道透射率分布图1：_ dc;
[0012] 步骤5:对最大颜色通道图像me执行运算
，获得最大颜色通道透射率分布图 t_mc;T为阈值；
[0013]步骤6:对精细化的最小颜色通道透射率分布图t_dc、最大颜色通道透射率分布图 t_mc执行逐点比较取最大值的融合操作，获得对天空免疫的最优透射率分布图t*;
[0014]步骤7:直接利用大气光值A和最优透射率t*对原始有雾图像进行去雾清晰化，得 到去雾重构图像J(x):
Vh
[0016]进一步的，步骤1中进行局部极小值滤波时设置窗口大小为7个像素单位。
[0017]进一步的，步骤2具体为:从粗估计暗原色通道图像Darklmg中取0.1 %亮度最大的 像素确定大气光候选位置，在原始有雾图像中寻找对应具有最高亮度点的值作为大气光值 A〇
[0018] 进一步的，步骤3中：
[0019] ck代表可变形结构元长度，定义方式如下： I dAx,x) = 0 C〇〇2〇] }d,(x,r)=mm\L(a)} ⑴
[0021]其中，L(〇)代表点x和点y之间的通道长度： n
[0022] U<y)= Zn + ^ dniXti (1 mage(x,.), Image(x,. ))] (2)
[0023] dPixei为灰度差值，〇 = (1 = 1〇41"^11 = 7)代表点1和点7之间的通道，人为正实数参 数;当A = 〇时，可变形结构元素为定义的整个滤波器核区域，相当于固定结构元素；
[0024]选择原始有雾图像的灰度图作为导向图；在计算可变形结构元时，给可变形结构 元长度设置上限；
[0025] Ax，r= {y | ck(x，yXr} (3)
[0026] r为结构元长度上限;A = 〇.5;
w
[0028]可变形结构元确定，对最小颜色通道图像dc进行中值滤波；获得细结构纹理被抑 制的结构图像dc_med。
[0029] 进一步的，步骤5中阈值T为170。
[0030]相对于现有技术，本发明具有以下有益效果：
[0031] (1)边界定位准确的模板图像限制，在景深突变处，景深较浅的像素不会影响景深 较大像素的暗通道值，根本上抑制光晕现象，且突变处透射率变化陡峭。
[0032] (2)基于可变形结构元的自适应中值滤波器，滤除了细结构纹理，使透射率平滑， 去雾结果的纹理细节更清晰。
[0033] (3)透射率计算中，结合原始图像最大颜色通道分布图，自适应补偿天空区域透射 率，避免去雾结果天空区域色彩失真。
【附图说明】
[0034]图1是本发明去雾方法的流程图；
[0035]图2是本发明去雾方法的详细流程图；
[0036]图3是实施例1雾天降质图像及各环节去雾中间结果图像;其中，图3(a)为原始有 雾图像，图3(b)为暗原色通道图像，图3(c)为最小颜色通道透射率分布图〖_此，图3(d)为最 大颜色通道透射率分布图t_mc，图3(e)为对天空免疫的最优透射率分布t，图3(f)为最终去 雾结果图像。
【具体实施方式】
[0037]下面结合【附图说明】和【具体实施方式】对本发明做详细说明。
[0038]根据McCartney提出的大气散射模型，反演图像在雾天的降质过程，得到场景图像 ，根据图像J各通道均满足[0,255]像素边界限制，得到如下所示透射率不等 式：
[0041]结合去雾增强的局部对比度与透射率成反比，得到最优透射率为：
[0043]式中第一项为最小颜色通道图像对应的透射率，第二项为最大颜色通道对应的透 射率。I(p)-A。操作的目的可理解为获得高亮度的天空区域，Ac即为门限阈值。然而直接以 大气光值作为门限阈值，获得的高亮度区域有限，需要适当降低门限值，此处暂以T作为门 限值，代替式中的大气光值。
[0044]在执行去雾操作时，通常需要对透射率设置下限，实验发现to = 0.25能够获得较 好的去雾结果。即to = 0.25为最小颜色通道透射率的最小值，可以计算图像对应的最大灰 度值：
[0046]同时，to = 0.25为最大颜色通道获得透射率的最小值，结合I(p)<191，取I(p) = 191的情况：
[0048] 因此，取门限值T=170。由于图像最大颜色通道目的是计算亮度值较高区域的透 射率，该区域的特点是灰度值较高且变化平缓，因此可以省略局部极大值滤波操作，直接利 用最大颜色通道计算透射率。
[0049] 最终简化的最优透射率为：
[00511可变形结构元将图像边缘变化纳入作为连通准则，结合空域距离和像素值距离， 指导生成适应图像局部纹理的结构元素。基于可变形结构元的自适应中值滤波器，能够在 抑制细纹理结构的同时保留强边缘不被衰减，且边缘定位准确，实现保边去噪功能。
[0052]本发明一种基于形状可变形态学重构的去雾方法，包括如下步骤：
[0053]步骤1:对原始有雾图像，求各点R、G、B三通道的最小像素值作为最小颜色通道图 像dc，最大像素值作为最大颜色通道图像mc，对最小颜色通道图像进行局部极小值滤波，获 得粗估计暗原色通道图像Darklmg;
[0054] 步骤2:利用He大气光获取办法（Kaiming He,Jian Sun，Xiaoou Tang，"Single Image Haze Removal Using Dark Channel Prior"，2009CVPR)，从粗估计暗原色通道图像 Darklmg中取0.1 %亮度最大的像素确定大气光候选位置，在原始有雾图像中寻找对应具有 最高亮度点的值作为大气光值A;
[0055] 步骤3:以原始有雾图像的灰度图为导向图，计算可变形结构元素，用生成的结构 元素对最小颜色通道图像dc进行自适应中值滤波操作，获得细节被抑制的结构图像dc_ med；
[0056] 步骤4:以步骤1中粗估计暗原色通道图像Darklmg为重构标记图像，以步骤3中结 构图像dc_med为重构模板图像，进行灰度形态学膨胀重构，获得精细化的暗通道图像 Darklmg*;结合大气光值A，利用
计算精细化的最小颜色通道透射率分布图t_ dc ；
[0057] 步骤5:对最大颜色通道图像me执行运算?，获得最大颜色通道透射率分布 图 t_mc;
[0058]步骤6:对精细化的最小颜色通道透射率分布图t_dc、最大颜色通道透射率分布图 t_mc执行逐点比较取最大值的融合操作，获得对天空免疫的最优透射率分布图t*;该透射 率的最小值为0.25,执行去雾操作无需再对透射率设置下限；
[0059]步骤7:无需再对透射率设置下限，直接利用大气光值A和最优透射率t*对原始有 雾图像进行去雾清晰化；
[0061]应用本发明方法，对图3(a)进行去雾处理，具体步骤如下：
[0062] 步骤1，计算暗原色通道图像Darklmg。对原始有雾图像I，比较各点R、G、B三通道的 最小像素值作为最小颜色通道dc，各点R、G、B三通道的最大像素值作为最大颜色通道me。对 dc图像执行局部极小值滤波操作，获得暗原色通道图像Darklmg，此处设置窗口大小为7个 像素单位，结果如图3(b)所示；
[0063] 步骤2，确定大气光值A。从粗估计暗原色通道图像Darklmg中取0.1 %亮度最大的 像素确定大气光候选位置，在原始有雾图像中寻找对应具有最高亮度点的值作为大气光值 A；
[0064] 步骤3，计算可变形结构元素，执行自适应中值滤波，获得细节被抑制的结构图像 dc_med。ck代表可变形结构元长度，定义方式如下： I (.v,.v) = 0
[0065] \ , . 、 ?'，，、， (1) l CT
[0066]其中，L(〇)代表点x和点y之间的通道长度： fl
[0067] = Z[丨 + 乂 (1 mage()，1 mage(,))] (2;
[0068] dpixei为灰度差值，0 = (1 = 1〇41"111 = 7)代表点1和点7之间的通道，人为正实数参 数。当X = 〇时，可变形结构元素为定义的整个滤波器核区域，相当于固定结构元素。原始带 噪图像，由于噪声会影响结构元的生长，需要在另一幅图像中计算结构元形状，称该图像为 导向图。此处，选择原始有雾图像的灰度图作为导向图。在计算可变形结构元时，需要给可 变形结构元长度设置上限，因为在平坦区域结构元可能变得很大，导致计算时间长计算量 大。
[0069] AA，r= {y | cIa(x，yXr} (3)
[0070] r为结构元长度上限。此处选择边长为5的矩形范围内各点结构元长度的均值作为 长度上限，设置梯度权重A = 0.5。
(4)
[0072]可变形结构元确定，对最小颜色通道图像dc进行中值滤波。获得细结构纹理被抑 制的结构图像dc_med。
[0073]步骤4,形态学膨胀重构精细化暗通道图，计算最小颜色通道透射率分布。以步骤1 中粗估计暗原色通道图像Darklmg为重构标记图像，以步骤3中结构图像dc_med为重构模板 图像，进行灰度形态学膨胀重构，获得精细化的暗通道图像Darklmg*;结合大气光值A，计算 精细化的最小颜色通道透射率分布图1_此，结果如图3(c)所示。
㈧
[0075]步骤5,计算最大颜色通道透射率分布。对步骤1最大颜色通道图像me执行如下运 算，获得最大颜色通道透射率分布图t_mc，结果如图3 (d)所示。
(6)
[0077] 步骤6,透射率融合，获得对天空免疫的最优透射率分布。对步骤4最小颜色通道透 射率分布图t_dc、步骤5最大颜色通道透射率分布图t_mc执行逐点比较取最大值的融合操 作，获得对天空免疫的最优透射率分布图t*，结果如图3(e)所示。
[0078] 步骤7:执行去雾操作，得到去雾重构图像J(x)，最终去雾结果如图3(f)所示。
(7)〇
【主权项】
1. 一种基于形状可变形态学重构的去雾方法，其特征在于，包括W下步骤： 步骤1:对原始有雾图像，求各点R、G、B=通道的最小像素值作为最小颜色通道图像dc， 最大像素值作为最大颜色通道图像me,对最小颜色通道图像进行局部极小值滤波，获得粗 估计暗原色通道图像化rklmg; 步骤2:从粗估计暗原色通道图像化rklmg中确定大气光候选位置，在原始有雾图像中 寻找对应具有最高亮度点的值作为大气光值A; 步骤3: W原始有雾图像的灰度图为导向图，计算可变形结构元素，用生成的结构元素 对最小颜色通道图像dc进行自适应中值滤波操作，获得细节被抑制的结构图像dc_med; 步骤4: W步骤1中粗估计暗原色通道图像DarkImg为重构标记图像，W步骤3中结构图 像dc_med为重构模板图像，进行灰度形态学膨胀重构，获得精细化的暗通道图像化rklmg*; 结合大气光值A，利用1.-计算精细化的最小颜色通道透射率分布图*扣； A _ 步骤5:对最大颜色通道图像me执行运算，获得最大颜色通道透射率分布图t_ me; T为阔值； 步骤6:对精细化的最小颜色通道透射率分布图t_dc、最大颜色通道透射率分布图t_mc 执行逐点比较取最大值的融合操作，获得对天空免疫的最优透射率分布图t*; 步骤7:直接利用大气光值A和最优透射率t*对原始有雾图像进行去雾清晰化，得到去 雾重构图像J(X):(7)〇2. 根据权利要求1所述的一种基于形状可变形态学重构的去雾方法，其特征在于，步骤 1中进行局部极小值滤波时设置窗口大小为7个像素单位。3. 根据权利要求1所述的一种基于形状可变形态学重构的去雾方法，其特征在于，步骤 2具体为:从粗估计暗原色通道图像化rklmg中取0.1 %亮度最大的像素确定大气光候选位 置，在原始有雾图像中寻找对应具有最高亮度点的值作为大气光值A。4. 根据权利要求1所述的一种基于形状可变形态学重构的去雾方法，其特征在于，步骤 3中：ClA代表可巧形结构元长度，吿父方式化下： (1) 其中， (2) dpixei为灰度差值，o = (x = xO，xl???xn = y)代表点x和点y之间的通道，A为正实数参数； 当A = O时，可变形结构元素为定义的整个滤波器核区域，相当于固定结构元素； 选择原始有雾图像的灰度图作为导向图；在计算可变形结构元时，给可变形结构元长 度设置上限； (4) AA,r={y|dA(x,y)^r} (3) r为结构元长度上限;A = O. 5; 可变形结构元确定，对最小颜色通道图像dc进行中值滤波；获得细结构纹理被抑制的 结构图像dc_med。5.根据权利要求1所述的一种基于形状可变形态学重构的去雾方法，其特征在于，步骤 5中阔值T为170。
【文档编号】G06T5/00GK105913391SQ201610214130
【公开日】2016年8月31日
【申请日】2016年4月7日
【发明人】张斌, 杨宏伟, 饶磊, 李艳婷
【申请人】西安交通大学