一种基于双边滤波的单幅图像去雾方法
【专利摘要】本发明公开了一种基于双边滤波的单幅图像去雾方法，对受雾霾天气影响的降质图像进行合理恢复。本发明的方法包括如下步骤：求取原始雾化图像的暗通道图，由此求得大气光强；利用两次双边滤波估算大气耗散函数；利用大气耗散函数数学表达式得到介质传播函数；弱化局部明亮区域，利用大气散射模型恢复出清晰图像。本发明既能够清晰自然地还原雾化图像的景物信息，改善图像的视觉效果，又具有简单的复杂度与较快的运行速度，从而为实时性监控系统提供很好的应用价值。
【专利说明】一种基于双边滤波的单幅图像去雾方法
【技术领域】
[0001]本发明属于图像信息处理的【技术领域】，本发明是一种基于双边滤波的单幅图像去雾方法，适用于恢复雾霾天气下拍摄的退化图像。
【背景技术】
[0002]计算机应用的众多户外监控系统都要求能准确地提取图像的特征，而在雾、霾等天气状况下，往往由于大气中微小粒子散射作用的影响，导致获取的图像严重降质，不仅影响了图像的视觉效果，而且干扰了图像特征的提取，使户外监控系统无法正常运行，从而带来了严重的安全隐患。因此，利用有效且快速的去雾方法使雾化图像清晰化，具有重要的现实意义。
[0003]现有的图像去雾方法主要分为两大类:一是基于图像增强的处理方法，二是基于物理模型的场景复原方法。
[0004]基于图像增强的算法不考虑图像质量下降原因，通过对图像进行整体或局部的拉伸，提高图像亮度、对比度及突出细节，从而改善视觉效果。但此类方法易改变原有的色彩比例，在拉伸的同时也会损失部分信息。目前，基于图像增强的主流方法是Retinex算法。该方法是基于人视觉的色彩恒常性，通过滤波器滤除图像的入射分量，得到反射分量作为图像增强结果。但该方法常由于滤波器的相关参数选取不当，导致图像或过度增强或模糊黯淡。
[0005]基于物理模型的场景复原方法是研究雾天图像形成的物理过程，建立雾天图像退化模型，通过反演退化过程，补偿退化过程造成的失真，以获得未经干扰退化的无雾图像或无雾图像的最优估计值。此类方法从图像退化的本质出发，得到的结果通常较为自然。目前，众多学者利用McCartney提出的大气散射模型恢复场景反照率。但大气散射模型是一个欠定方程，无法通过解方程求出场景的反照率，需要利用雾化图像本身构造约束条件，对大气散射模型中的参数进行估算，进而还原场景的反照率。
[0006]论文名！Visibility in bad weather from a single image,会议:ComputerVision and Pattern Recognition(CVPR),年份:2009 年。He Kaiming 等人提出了一种基于暗通道先验的去雾方法，该算法利用最小值滤波估算出介质传播函数，然后利用软抠图原理对估算的介质传播函数进行优化，达到了较好的去雾效果。但由于软抠图算法运算量庞大，耗时长，导致该算法很难应用到实际的场合。
[0007]论文名:Fastvisibility restoration from a single color or gray levelimage,会议:Computer Vision and Pattern Recognition (CVPR),年份:2009 年。Tarel 等人利用均值滤波的方法对大气耗散函数进行估计，然后应用色调映射得到去雾图像，该算法恢复的图像清晰逼真。但由于均值滤波并非好的保持边缘的滤波器，常由于参数设置不当引起伪光晕效应。
[0008]针对上述背景内容，研究一种清晰自然的快速去雾方法，对实时性系统应用具有
重要意义。
【发明内容】
[0009]本发明的目的是为了克服现有去雾算法的不足，提供一种基于双边滤波的单幅图像去雾方法，既能够清晰自然地还原降质的雾化图像的景物信息，改善图像的视觉效果，又具有简单的复杂度与较快的运行速度，从而为实时性监控系统提供很好的应用价值。
[0010]本发明提供的技术方案包括如下步骤:
[0011]A、求取原始雾化图像的暗通道图，并由此估算大气光强；
[0012]B、利用两次双边滤波估算出大气耗散函数；
[0013]C、利用大气耗散函数的数学表达式获得介质传播函数；
[0014]D、弱化局部明亮区域，利用大气散射模型恢复出清晰图像；
[0015]所述步骤A为:
[0016]Al、求取雾化图像的暗通道图像，即对雾化图像的R，G，B三个通道分别进行最小值滤波，再选取滤波后的三幅图像中对应像素点的最小值作为暗通道图的像素值。此步骤的具体表达式如下:
[0017]
【权利要求】
1.一种基于双边滤波的单幅图像去雾方法，其特征在于以下步骤: A、求取原雾化图像的暗通道图，选取其前0.1%最大的像素点；在雾化图像中找到这些点的对应位置，取其中的最大像素值作为整幅图像的大气光强A ; B、利用双边滤波的保持边缘特性,估算大气耗散函数 (1)求取雾化图像的最小颜色分量图，即取雾化图像每个像素点的R，G，B通道的最小值作为最小颜色分量图的像素值,其表达式为:.⑴);式中，I表示原雾化图像；r表示I的某一个颜色通道；w(x)为I的最小颜色分量图； (2)对最小颜色分量进行双边滤波处理，并将滤波后的结果作为大气耗散函数的初始估计:A(x) =Bil (W(x));式中,Α(χ)为初始大气耗散函数估计；Bil()表示双边滤波,其表达式为: 式中，fS为空间高斯函数，用于表征空间邻近度为值域高斯函数，用于表征灰度相似度；S为方差^为空域模板大小；R为值域模板大小； 对双边滤波进行加速，即在信号处理理论的基础上将双边滤波表示为高维空间线性不变的卷积，再利用线性插值得最终结果； (3)求取图像的局部对比度，判断图中场景与成像设备的相对距离；局部对比度δ(χ)
Α(χ) = BU(IVtx))计算公式如下 当δ (χ)越小，场景对比度小，表示离成像设备越远，大气耗散函数的值越大；当δ (χ)越大，场景对比度大，表示离成像设备越近，大气耗散函数的值越小；若场景到成像设备的距离固定时，即δ (χ)固定时，像素点X自身灰度值越大，表示被错误判断为距离远的场景的可能性越大，大气耗散函数的初始估计AU)应降值幅度越大，灰度值越小，Α(χ)应降值幅度越小； (4)大气耗散函数的再次估计，其表达式为:S(X)= 44- 式中，A为大气光强，^来衡量像素点的相对亮度值；k为可调系数，用来辅助控制 Α(χ)的降值程度； (5)修正大气耗散函数,其表达式为.Μ(χ) = max (min (p.B (x), W (χ)), O);式中，参数p(0 < P < I)为调整因子； C、利用大气耗散函数数学表达式得到介质传播函数，其表达式为: /(X) = 1-.式中，t(x)为介质传播函数；ω (O < ω < I)为一个调整因子； D、弱化局部区域的去雾，恢复出清晰图像。
2.根据权利要求1所述的单幅图像去雾方法，其特征在于步骤D具体如下: (I)计算原图像中像素值与大气光强的接近程度，其表达式为:
【文档编号】G06T5/00GK103489166SQ201310476989
【公开日】2014年1月1日 申请日期:2013年10月12日 优先权日:2013年10月12日
【发明者】王洪玉, 王一帆, 尹传力, 黄义明 申请人:大连理工大学