一种基于亮度分量极小化的单幅图像去雾方法
【专利摘要】本发明在天气散射模型的基础上提出了一种快速有效的图像去雾算法，该方法首先根据雾天图像的亮度分量与雾、霾浓度的关系，利用它自身的亮度分量来估算粗略目标传输图，然后采用一种线性空域滤波对其进行平滑去噪，得到精确的目标传输函数，再代入人气散射模型中得到复原的无雾图像，最后采用基于人眼视觉特性的拟合函数对复原图像进行亮度调节，此时仅对复原的无雾图像的亮度分量进行处理以保持图像色彩的准确性，并且将输入的雾天图像的亮度分量与复原的无雾图像的亮度分量做一个色彩空间的线性映射，这样可以保持复原的无雾图像与输入的雾天图像的色彩致性，使复原图像更加真实、自然。
【专利说明】一种基于亮度分量极小化的单幅图像去雾方法
【技术领域】：
[0001] 本发明涉及图像处理技术，具体来讲，涉及种根据雾天图像的亮度分布特点和人 眼视觉特性的单幅图像去雾方法。 技术背景：
[0002] 雾天降质图像的清晰化处理是一个跨学科的前沿性课题，具有广泛的应用前景， 近年来已成为计算机视觉和图像处理的研究热点，吸引了国内外的大批研究者。总的来说， 目前解决雾天图像清晰化问题主要分为两类方法：
[0003] -类是基于图像处理技术的图像增强的方法，该类方法不考虑图像质量下降的原 因，只将图像中感兴趣的特征有选择的突出，同时衰减不需要的特征，从而使处理的图像更 加适合人类视觉特性或计算机识别系统。该类方法虽然可以一定程度上改善局部对比度， 提高视觉效果，且算法的运行时间较短，然而大多数文献中基于增强的去雾方法往往没有 考虑雾天图像对比度降质与场景点深度呈指数性关系的先验知识，因此，在实际雾天降质 图像的清晰化效果方面，也存在着些不足。比如经典的百方图均衡化算法增强后的雾天图 像，会出现图像细节信息丢失、天空区域出现伪轮廓等问题；而多尺度Retinex算法增强后 的雾天图像，会造成图像产生灰化效应、场景突变区域引入光晕效应的问题。
[0004] 另一类是基于天气散射物理模型的方法。这类方法基于天气散射规律，建立了图 像退化模型，充分利用了退化的先验知识，具有内在的优越性。从物理成因的角度来看，天 气散射是造成雾天图像降质的本质原因，其引起的场景图像对比度下降程度与场景点的深 度呈指数性增长规律。在场景深度和精确的天气条件已知时，可以较容易地恢复出理想图 像的色彩与对比度。然而，在实际中，由于天气散射现象的复杂性以及硬件设备的局限性， 往往无法从图像中获得准确的天气散射系数以及场景中各点的深度信息精确值，这给去雾 恢复带来很大的不确定性，因此，图像去雾恢复是个个适定的反问题。早期的基于物理模型 的去雾算法多是利用多幅图像或其他额外附加信息来复原雾天图像，但是这些算法的可操 作性复杂，不便于实际的应用。基于暗通道先验单幅图像去雾算法复原后的雾天图像对含 有较多天空区域或存在与天空区域色彩相近的物体时，造成图像色彩发生偏移，且运算复 杂度商。
【发明内容】
：
[0005] 本发明的目的在于解决从单幅雾天图像中去除图像中的天气效果的问题，提供一 种符合人眼视觉特性的快速雾天图像复原方法，通过所述方法可获得清晰无雾图像。
[0006] 为了实现上述目的，本发明提供种基于亮度分量极小化的单幅图像去雾方法，其 中主要包括三个部分：提取雾天图像亮度分量、获取无雾图像、无雾图像的亮度增强。第一 部分包括两个步骤：
[0007] 步骤1，将输入的彩色雾天图像按照颜色通道分解为红色通道分量、绿色通道分量 和蓝色通道分量，然后通过亮度转化进行亮度值计算，得到亮度图像；
[0008] 步骤2,对步骤1的亮度图像采用掩模最小化滤波处理，得到雾浓度分布图；
[0009] 第二部分包括四个步骤：
[0010] 步骤3,利用步骤2获得的雾浓度分布图估计雾天图像的粗略传输图；
[0011] 步骤4,采用自适应线性空域滤波对步骤3的粗略传输图进行平滑处理，得到保边 平滑去噪后的精确目标传输图；
[0012] 步骤5,从步骡2中获得的雾浓度分布图中统计出前0. 1%像素灰度值最大的像素 点，并将这些像素点对应在步骤1获得的亮度分量中的最大像素灰度值定义为全局光线强 度A;
[0013] 步骤6,将步骤4和步骤5代入雾天天气散射模型，得到复原的无雾图像；
[0014] 第三部分包括六个步骤：
[0015] 步骤7,利用亮度转换公示得到步骤6获得图像的亮度分量；
[0016] 步骤8,采用图像增强拟合函数增强步骤1的亮度图像；
[0017] 步骤9,采用图像增强拟合函数增强步骤7的亮度图像；
[0018] 步骤10,采用步骤8和步骤9获得的亮度图像来共同约束步骤7获得的亮度图像， 保证复原的输出结果与输入的有雾图像的亮度致性；
[0019] 步骤11，将步骤10输出结果的约束截断在[0,1]，以保证输出结果的有效性；
[0020] 步骤12,将步骤11获得的图像进行色彩空间的线性映射，输出增强后的无雾图 像。
[0021] 本发明根据雾天图像的亮度分布特点和人限视觉特性，提出了一种基于亮度分量 极小化的单幅图像去雾方法，该方法根据雾天图像的亮度分量与雾、霾浓度的关系，利用亮 度分量来估算目标传输图，提高了算法的可操作性；采用一种线性空域滤波对其进行平滑 去噪，得到复原图像，采用基于人眼视觉特性的拟合函数对复原图像进行亮度调节，提高了 图像的视觉效果，使恢复的图像更加真实自然；本发明算法简单，可操作性强，具有广泛的 适用性。
【专利附图】
【附图说明】
[0022] 图1为本发明的整体流程图；
[0023] 图2为本发明的图像亮度增强的流程图；
[0024] 图3为本发明的图像增强拟合函数的曲线图，其中，横坐标为输入图像的像素值， 纵坐标为输出图像的像素值；
[0025] 图4为原始采集的雾天彩色图像；
[0026] 图5为利用本发明处理图4后的清晰图像。
【具体实施方式】
[0027] 为了更好的理解本发明，下面结合【具体实施方式】对本发明的基于亮度分量极小化 的单图像去雾方法进行更为详细的描述。在以下的描述当中，当前已有的现有技术的详细 描述也许会淡化本发明的主题内容，这些描述在这里将被忽略。
[0028] 图1是本发明单幅图像去雾方法的一种【具体实施方式】的流程图，在本实施方案 中，按照以下步骤进行：
[0029] 步骤1，获取雾天图像101，如图4 ;
[0030] 步骤2,对雾天图像进行亮度转化得到亮度图像102 ;
[0031] 所采用的亮度转化公式为：
[0032] Iv (χ? y) = 0. 27 · Ie(x, y)+0. 67 · Ig(x, y)+0. 06 · Ib (x, y)
[0033] 其中，Ik (x，y)、Ie (x，y)和Ib (x，y)分别是输入彩色有雾图像的R分量、G分量和 B分量的像素灰度值。
[0034] 步骤3,对亮度图像102采用掩模最小化滤波处理，得到雾的浓度分布图103
[0035] 所采用的最小化处理公式为：
[0036] = min( 1V 〇，少)） (x,})en(x^y)
[0037] 其中，Ω (X，y)是以（X，y)为中心的掩模窗口大小；Ivniin(X，y)表示对雾天图像的 亮度分量I v (X，y)以掩模窗口大小为Ω (X，y)来执行最小化滤波。
[0038] 步骤4,利用雾的浓度分布图103估算出粗略的目标传输图f(x，_y)，其表达式为：
[0039] ?{χ,γ) = \-ω·ΙΥ?ηη{χ,γ)
[0040] 其中，ω为一个使恢复后图像更加自然的参数，其取值范围为[0, 1]，其中ω越 大，图中的雾去除越彻底，反之，ω越小，保留的雾信息越多。
[0041] 步骤5,对步骤4获得的粗略目标传输图进行保边平滑处理得到精确目标传 输 t(x，y) 104。
[0042] 采用的公式为：
[0043]
【权利要求】
1. 一种基于亮度分量极小化的单幅图像去雾方法，其特征在于，融合了亮度分布特点 和人眼视觉特性，包括提取雾天图像亮度分量、获取无雾图像、无雾图像的亮度增强三个部 分。第一部分包括两个步骤： 步骤1，将输入的彩色雾天图像按照颜色通道分解为红色通道分量、绿色通道分量和蓝 色通道分量，然后通过亮度转化进行亮度值计算，得到亮度图像； 步骤2,对步骤1的亮度图像采用掩模最小化滤波处理，得到雾浓度分布图； 第二部分包括四个步骡： 步骤3,利用步骤2获得的雾浓度分布图估计雾天图像的粗略传输图； 步骤4,采用自适应线性空域滤波对步骤3的粗略传输图进行平滑处理，得到保边平滑 去噪后的精确目标传输图； 步骤5,从步骤2中获得的雾浓度分布图中统计出前0. 1%像素灰度值最大的像素点， 并将这些像素点对应在步骤1获得的亮度分量中的最大像素灰度值定义为全局光线强度 A ； 步骤6,将步骤4和步骤5代入雾天天气散射模型，得到复原的无雾图像； 第三部分包括六个步骤： 步骤7,利用亮度转换公示得到步骤6获得图像的亮度分量； 步骤8,采用图像增强拟合函数增强步骤1的亮度图像； 步骤9,采用图像增强拟合函数增强步骤7的亮度图像； 步骤10,采用步骤8和步骤9获得的亮度图像来共同约束步骤7获得的亮度图像，保证 复原的输出结果与输入的有雾图像的亮度一致性； 步骤11，将步骤10输出结果的约束截断在[0,1]，以保证输出结果的有效性； 步骤12,将步骤11获得的图像进行色彩空间的线性映射，输出增强后的无雾图像。
2. 根据权利要求1所述的基于亮度分量极小化的单幅图像去雾方法，其特征在于，利 用步骤2的亮度分量极小化得到的雾浓度分布图来粗略估计传输图。
3. 根据权利要求1所述的基于亮度分量极小化的单幅图像去雾方法，其特征在于，步 骤5利用基于人眼视觉特性的图像增强拟合函数来调节复原图像的亮度分量。
【文档编号】G06T5/00GK104240193SQ201310437241
【公开日】2014年12月24日 申请日期:2013年9月15日 优先权日:2013年9月15日
【发明者】张红英, 吴亚东, 张赛楠 申请人:西南科技大学