一种自然图像去雾方法和系统的制作方法
【专利摘要】本发明提出一种自然图像去雾方法和系统。确定图像F(x)在像素点x上的暗通道，图像F(x)由大气光A和物体光R(x)线性叠加而成，其传输系数为t∈[0,1]；计算大气光A和A在暗通道上的值Ac；根据暗通道特性，将物体光R(x)置0，计算传输系数t(x)；根据图像F(x)、已计算出的大气光A和传输系数t(x)，计算物体光R(x)，即无雾图像。本发明的算法复杂度低，处理速度快。
【专利说明】一种自然图像去雾方法和系统
【技术领域】
[0001] 本发明属于图像处理【技术领域】，尤其涉及一种自然图像去雾方法和系统。
【背景技术】
[0002] 因安全防范越来越受到国家、社会和个人的重视，视频监控业务蓬勃发展起来，在 平安城市、行业应用、家庭和个人等方面应用广泛。视频监控系统一般由前端摄像头、传输、 存储、平台、客户端等组成。借助强大的计算能力，智能视频监控可以帮助人们在海量数据 中提取关键信息，节约人力，并且为各种各样的应用的发展提供了可能。
[0003] -般的，智能视频监控要求前端摄像头采集到清晰的视频图像。而现实中，由于雾 霾等客观的自然条件的限制，图像清晰度大打折扣。在雾天，大气中悬浮的大量微小水滴， 气溶胶的散射作用，使水平能见度显著降低，从而导致成像传感器采集的图像严重降质，这 极大地影响和限制了户外系统的功能。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，系统无法正常工作，因此需要在视频图像中消除雾气对场景图像的影响。
[0004] 雾天图像复原也称为去雾。图像去雾技术的主要任务是去除天气因素对图像质量 的影响，从而增强图像的可见度。图像去雾算法主要分为两种类型：基于物理模型的方法和 非模型方法。
[0005] 早期的非模型的去雾算法是用简单的图像处理方法改变对比度，如直方图均衡化 和对比度拉升等。由于能见度具有指数衰减特性，因此这些方法并不能取得很好的去雾效 果。非模型方法还包括基于小波和基于大气调制传递方程的方法。例如基于小波算法对多 幅雾天图像进行融合来获得一张较好的图像，但这种方法只能相对地提高图像质量，并不 能实现真正意义上的去雾。也可以通过最大化局部差异度来恢复图像的色彩对比，在某些 处理场上获得了良好地效果，但该方法并不符合真实的物理模型，在实际应用中难以实现。
[0006] 相比之下，基于物理模型的方法却能够取得较为理想的去雾效果。一些学者利用 McCanney提出的大气散射模型，通过对雾天场景建模解决雾天图像问题，包括从雾天的图 像中粗略估计场景点的深度，并绘制完整的场景深度图，以及利用模型来对雾天图像去雾 等。
【发明内容】
[0007] 鉴于以上，本发明提出一种自然图像去雾方法和系统。
[0008] 根据本发明一方面，提出一种自然图像去雾方法，包括：确定图像F(X)在像素点X 上的暗通道c，其中，c是红（R)、绿（G)、蓝（B)三个通道之一，图像F(X)由大气光A和物体 光RU)线性叠加而成，其传输系数为te [0，1];计算大气光A和A在暗通道上的值Αε;根 据暗通道特性，将物体光RU)置0,计算传输系数t(x);根据图像F(x)、已计算出的大气光 A和传输系数t (X)，计算物体光R(X)，即无雾图像。
[0009] 优选地，计算无雾图像的边缘梯度；当梯度大于梯度阈值时，记录此像素点为边缘 点，增大该边缘点的梯度，并保持颜色信息。
[0010] 优选地，根据先验知识确定像素点χ上的暗通道；或者，在像素点及其χ邻域中，找 到R、G、B分别最小的像素点，然后再找到R、G、B三个通道中最小的通道，将该通道确定为 暗通道，邻域是指以像素点χ为中心的nXn个像素点，η为奇数。
[0011] 优选地，在选定的暗通道，取图像F(X)中设定比例之前的亮度的像素，将该像素 点对应的原图的像素点的亮度记为Α。
[0012] 优选地，对于存在大片天空区域的图片，将雾较浓的区域对应的原图像素点取平 均值作为大气光A在选定的暗通道上的值，雾较浓的区域是指传输系数大于传输系数阈值 的区域。
[0013] 优选地，设定比例为0· 1%。
[0014] 优选地，图像F(χ) =R(χ) t (χ)+A(1-t (χ))，根据该公式计算物体光R(X)。
[0015] 根据本发明另一方面，还提出一种自然图像去雾系统，包括：暗通道确定单元，配 置于确定图像F(X)在像素点χ上的暗通道c，其中，c是红（R)、绿（G)、蓝（B)三个通道之 一，图像F(X)由大气光A和物体光R(X)线性叠加而成，其传输系数为te [0，1];大气光计 算单元，配置于计算大气光A和A在暗通道上的值M ;传输系数计算单元，配置于根据暗通 道特性，将物体光RU)置0,计算传输系数t(x);物体光计算单元，配置于根据图像F(x)、 已计算出的大气光A和传输系数t (χ)，计算物体光R(X)，即无雾图像。
[0016] 优选地，边缘增强单元，配置于计算无雾图像的边缘梯度；当梯度大于梯度阈值 时,记录此像素点为边缘点,增大该边缘点的梯度,并保持颜色信息。
[0017] 优选地，暗通道确定单元根据先验知识确定像素点X上的暗通道；或者，在像素点 X及其邻域中，找到R、G、B分别最小的像素点，然后再找到R、G、B三个通道中最小的通道， 将该通道确定为暗通道，邻域是指以像素点χ为中心的nXn个像素点，η为奇数。
[0018] 优选地，大气光计算单元在选定的暗通道，取图像F(X)中设定比例之前的亮度的 像素，将该像素点对应的原图的像素点的亮度记为A。
[0019] 优选地,大气光计算单元对于存在大片天空区域的图片，将雾较浓的区域对应的 原图像素点取平均值作为大气光A在选定的暗通道上的值，雾较浓的区域是指传输系数大 于传输系数阈值的区域。
[0020] 优选地，设定比例为0· 1%。
[0021] 优选地，图像F(χ) =R(χ) t (χ)+A(1-t (χ))，物体光计算单元根据该公式计算物体光 R(X)。
[0022] 现有技术的非模型方法只是相对提高了图像质量，并不是真正意义上的去雾。本 发明基于物理模型，通过挖掘R、G、B三个通道的信息，得到去雾后的图像。与其他基于物理 模型的方法相比，本发明的算法复杂度低，处理速度快。
【专利附图】
【附图说明】
[0023] 此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发 明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
[0024] 图1所示为本发明一实施例中的一种自然图像去雾方法流程图。
[0025] 图2所示为本发明一实施例中的一种自然图像去雾系统的结构示意图。
[0026] 图3所示为本发明一实施例的架构图。
[0027] 图4 (a)所示为本发明一实施例中的有雾图像，图4 (b)所示为本发明一实施例 中的去雾后的图像。
【具体实施方式】
[0028] 现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具 体说明，否则在这些实施例中阐述的部件和步骤的相对布置和数值不限制本发明的范围。
[0029] 同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际 的比例关系绘制的。
[0030] 以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明 及其应用或使用的任何限制。
[0031] 对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适 当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。
[0032] 在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不 是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
[0033] 应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一 个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
[0034] 图1所示为本发明一实施例中的一种自然图像去雾方法流程图。该方法包括以下 步骤：
[0035] 步骤1，确定图像F(X)在像素点X上的暗通道c，其中，c是R、G、B (R、G、B代表 红、绿、蓝）三个通道之一，图像F(X)由大气光A和物体光R(X)线性叠加而成，其传输系数 为 t e [0, 1]。
[0036] 在一个实施例中，去雾方法基于大气散射模型，假设图像F(X)为：F(X)=R(X) t (X) +A (1-t (X))，并基于该公式进行之后的计算。当然，本领域技术人员应该可以理解，该 公式只是用于举例，可以据此进行相应的变化或者修改，不应理解为对本发明的限制。
[0037] 对于单幅输入的图像，只有F(X)是已知的，这是一个欠约束问题。为了得到R(X)， 必须做一些先验假设，这些假设给F(X)增加了额外的约束条件。基于这些约束条件，我们 可以解出上述公式中的各个未知量，从而实现去雾。因此，如何增加合理的约束条件，直接 关系着去雾方法的好坏。
[0038] 在本发明中，我们提出一种暗通道特性假设。暗通道特性假设无雾图像R(X)在除 天空以外的区域，在像素点X及其邻域中，找到R、G、B (R、G、B代表红、绿、蓝，分别表示三 个通道）分别最小的像素点，然后再找到R、G、B三个通道中最小的通道，将该通道确定为暗 通道，该通道值应该是接近于0的。即，给定R通道，找到X及其邻域中R通道值最小的像 素点；给定G通道，找到X及其邻域中G通道最小的像素点；给定B通道，找到X及其邻域中 B通道值最小的像素点。然后在找出的R、G、B三个通道中选出这三个中最小的通道值，应 该是接近于〇的。
[0039] 邻域是指以像素点X为中心的nXn个像素点，η为奇数。例如，像素点的3X3邻 域是指以像素点为中心，且加上该像素点共有9个像素点。选择在像素点及其邻域中统计， 是为了避免该像素点处有噪点时该像素点的值不准确，从而不能准确的找到暗通道。
[0040] 其中，还可以根据先验知识确定在像素点X上的暗通道。
[0041] 步骤2,计算大气光A和A在暗通道c上的值Ae。
[0042] 在选定的暗通道，取图像F(X)中设定比例之前的亮度的像素，将该像素点对应的 原图的像素点的亮度记为A。在一个实施例中，设定比例可以为0. 1%。
[0043] 图像在保存时已采集有三个通道的像素值，例如R、G、B，当然不限于R、G、B，也可 以是其他的通道信息，但可以转换为R、G、B通道值。在确定暗通道之后，采集该像素点上的 暗通道c的值记为M。例如，确定暗通道为R通道，采集该像素点上的R通道的值，即为Α ε。 类似的，在确定暗通道之后，直接采集该暗通道上的图像，即得到F(X)。
[0044] 选择设定比例之前的亮度的像素是为了克服部分像素点可能因为噪声发生畸变， 例如，在图像采集、传输等过程中引入噪声产生畸变，从而使得亮度特别高，但这并不是真 实的亮点。
[0045] 进一步，对于存在大片天空区域的图片，将雾较浓的区域对应的原图像素点取平 均值作为大气光A在选定的暗通道上的值，即Α%从而对A e的估计方法进行了修正，这在一 定程度上改善了去雾效果。雾较浓的区域是指传输系数大于传输系数阈值的区域。例如， 传输系数阈值为〇. 15。其中，传输系数可以通过先验知识获得，或者由步骤3计算后进行反 馈。
[0046] 步骤3,根据暗通道特性，将物体光R(X)置0,计算传输系数t(x)。艮Ρ，
【权利要求】
1. 一种自然图像去雾方法，其特征在于： 确定图像F(x)在像素点x上的暗通道c，其中，c是红（R)、绿（G)、蓝（B)三个通道之 一，图像F(x)由大气光A和物体光R(x)线性叠加而成，其传输系数为t e [0，1]; 计算大气光A和A在暗通道上的值Ae ; 根据暗通道特性，将物体光R(x)置〇,计算传输系数t(x); 根据图像F(x)、已计算出的大气光A和传输系数t (x)，计算物体光R(x)，即无雾图像。
2. 根据权利要求1所述自然图像去雾方法，其特征在于： 计算无雾图像的边缘梯度； 当梯度大于梯度阈值时，记录此像素点为边缘点，增大该边缘点的梯度，并保持颜色信 肩、。
3. 根据权利要求1或2所述自然图像去雾方法，其特征在于： 根据先验知识确定像素点x上的暗通道；或者 在像素点及其x邻域中，找到R、G、B分别最小的像素点，然后再找到R、G、B三个通道 中最小的通道，将该通道确定为暗通道，邻域是指以像素点x为中心的nXn个像素点，n为 奇数。
4. 根据权利要求1所述自然图像去雾方法，其特征在于： 在选定的暗通道，取图像F(x)中设定比例之前的亮度的像素，将该像素点对应的原图 的像素点的亮度记为A。
5. 根据权利要求4所述自然图像去雾方法，其特征在于： 对于存在大片天空区域的图片，将雾较浓的区域对应的原图像素点取平均值作为大气 光A在选定的暗通道上的值，雾较浓的区域是指传输系数大于传输系数阈值的区域。
6. 根据权利要求4或5所述自然图像去雾方法，其特征在于： 设定比例为0. 1%。
7. 根据权利要求1或2所述自然图像去雾方法，其特征在于： 图像F (x) =R (x) t (x)+A (1-t (x))，根据该公式计算物体光R (x)。
8. -种自然图像去雾系统，其特征在于： 暗通道确定单元，配置于确定图像F(x)在像素点x上的暗通道c，其中，c是红（R)、绿 (G)、蓝（B)三个通道之一，图像F(x)由大气光A和物体光R(x)线性叠加而成，其传输系数 为 t G [〇, 1]; 大气光计算单元，配置于计算大气光A和A在暗通道上的值f ; 传输系数计算单元，配置于根据暗通道特性，将物体光R(x)置0,计算传输系数t(x); 物体光计算单元，配置于根据图像F (x)、已计算出的大气光A和传输系数t (x)，计算物 体光R(x)，即无雾图像。
9. 根据权利要求8所述自然图像去雾系统，其特征在于： 边缘增强单元，配置于计算无雾图像的边缘梯度；当梯度大于梯度阈值时，记录此像素 点为边缘点，增大该边缘点的梯度，并保持颜色信息。
10. 根据权利要求8或9所述自然图像去雾系统，其特征在于： 暗通道确定单元根据先验知识确定像素点x上的暗通道；或者 在像素点x及其邻域中，找到R、G、B分别最小的像素点，然后再找到R、G、B三个通道 中最小的通道，将该通道确定为暗通道，邻域是指以像素点X为中心的nXn个像素点，n为 奇数。
11. 根据权利要求8所述自然图像去雾系统，其特征在于： 大气光计算单元在选定的暗通道，取图像F(x)中设定比例之前的亮度的像素，将该像 素点对应的原图的像素点的亮度记为A。
12. 根据权利要求11所述自然图像去雾系统，其特征在于： 大气光计算单元对于存在大片天空区域的图片，将雾较浓的区域对应的原图像素点取 平均值作为大气光A在选定的暗通道上的值，雾较浓的区域是指传输系数大于传输系数阈 值的区域。
13. 根据权利要求11或12所述自然图像去雾系统，其特征在于： 设定比例为0. 1%。
14. 根据权利要求8或9所述自然图像去雾系统，其特征在于： 图像F (x) =R (x) t (x)+A (1-t (x))，物体光计算单元根据该公式计算物体光R (x)。
【文档编号】G06T5/00GK104424623SQ201310361596
【公开日】2015年3月18日 申请日期:2013年8月19日 优先权日:2013年8月19日
【发明者】来勐, 傅慧源, 马华东, 曹宁, 许正锋, 张园 申请人:中国电信股份有限公司