一种基于数学形态学和多分辨率融合的图像去雾方法
【专利摘要】本发明涉及一种基于数学形态学和多分辨率融合的图像去雾方法，首先计算雾天图像中三通道的最小值作为高分辨率分量，对其进行形态学开运算得到低分辨率分量；然后使用引导滤波器对高分辨率和低分辨率分量进行图像融合，获取大气光幕图；最后计算大气光强度值，采用大气散射模型对雾气图像进行复原处理。本发明具有下述优点：(1)采用多分辨率融合估计大气光幕，效果显著，执行速度快。(2)通过灰度直方图计算大气光强度值，简单有效。(3)适用于彩色图像或灰度图像、适用于光学图像或其它图像，具有通用性。
【专利说明】一种基于数学形态学和多分辨率融合的图像去雾方法
【技术领域】
[0001] 本发明属于图像处理领域，涉及一种基于数学形态学和多分辨率融合的图像去雾 方法，可用于单幅图像或连续视频的快速去雾。
【背景技术】
[0002] 雾是一种常见的自然现象，在雾天拍摄的图像中，由于大气中悬浮粒子的散射作 用，使得拍摄图像的亮度增加，对比度降低，图像的可辨识度下降。即使是在晴天条件下拍 摄的照片，大气散射作用也会导致照片的清晰度受到影响。每一个实际场景中，照片清晰度 受到影响的原因在于：光线到达相机之前都会从物体表面反射并且散射到空气中。这是因 为空气中的某些因素（如浮质、灰尘、雾和烟等）会导致物体表面颜色变淡，并导致整幅图 像的对比度降低。一方面，这些质量很差的图像不但贬低其应用价值、缩窄其应用范围；另 一方面，也会给户外成像的采集与处理系统（如各类视觉机器）的图像采集带来巨大的困 难。在实际应用中，经常需要从户外采集的视频序列中提取清晰的图像特征用于对象匹配 和识别，例如位于高速公路上的视频监控器，在天气条件较恶劣的情况下，得到的图像会有 退化现象，使其无法清楚地监控路况和了解车辆信息；在国家安全的军事行动中，这种退化 图像会造成信息的不准确性，最终导致决定性行动方案的偏差，甚至是导致无法挽回的后 果；遥感技术运用传感器对物体进行探测，这种退化图像会对物体的性质，特征和状态等信 息造成偏差，不利于对图像数据的分析研究。总之，研究在各种恶劣天气条件下如何对获得 的退化图像进行有效的处理，这对图像恢复和图像增强有着非常重要的现实意义。
[0003] 现国内外，图像去雾处理的方法大致可以分为两大类：基于图像处理的增强方法 和基于物理模型的复原方法。基于图像处理的增强方法包括全局化的图像增强方法，如全 局直方图均衡化、同态滤波、小波方法、Retinex算法等，或是局部化的图像增强方法，如局 部直方图均衡化、局部对比度增强法；以上图像处理的算法相对简单，对于复杂场景的去雾 效果一般。基于物理模型的复原方法包括基于偏微分方程的复原、基于深度关系的复原和 基于先验信息的复原；以上图像处理的算法相对复杂，且能较好地对复杂场景的雾气影响 做处理，但是计算复杂度高、实现难度大、处理速度慢，使得去雾处理难以实现实时处理，这 样就不能高效的运用到视频去雾处理中。
【发明内容】
[0004] 本发明的目的在于克服以前各种图像去雾方法的不足之处，提供一种基于数学形 态学和多分辨率融合的图像去雾方法，该方法简单高效，能很好地提高图像去雾后的效果。
[0005] 该发明的技术方案如下：
[0006] -种基于数学形态学和多分辨率融合的图像去雾方法，首先计算雾天图像中三通 道的最小值作为高分辨率分量，对其进行形态学开运算得到低分辨率分量；然后使用引导 滤波器对高分辨率和低分辨率分量进行图像融合，获取大气光幕图；最后计算大气光强度 值，采用大气散射模型对雾气图像进行复原处理。
[0007] 上述方法的具体包括如下步骤：
[0008] (1)分别计算高、低分辨率图像分量，具体包括：（la)高分辨率图像分量；（lb)低 分辨率图像分量i 1ot ;
[0009] (2)利用引导滤波器进行多分辨率融合：
[0010] (2a)根据分量Ihigh和分量IlOT计算线性转换系数，得到与原图像长宽相同的系数 矩阵；
[0011] (2b)计算融合后的图像；
[0012] (2c)获取大气光幕图；
[0013] (3)计算大气光强度值以及复原图像：
[0014] (3a)根据高分辨率分量Ihigh估算大气光值A :统计Ihigh的灰度直方图Histgram_ I，然后计算直方图的累加和
【权利要求】
1. 一种基于数学形态学和多分辨率融合的图像去雾方法，其特征在于：所述方法中， 首先计算雾天图像中三通道的最小值作为高分辨率分量，对其进行形态学开运算得到低分 辨率分量；然后使用引导滤波器对高分辨率和低分辨率分量进行图像融合，获取大气光幕 图；最后计算大气光强度值，采用大气散射模型对雾气图像进行复原处理。
2. 根据权利要求1所述的基于数学形态学和多分辨率融合的图像去雾方法，其特征 在：所述方法具体包括如下步骤： (1) 分别计算高、低分辨率图像分量： (la) 高分辨率图像分量Ihigh :若雾天图像I为彩色图像，则取每一个像素点R，G，B三 通道的最小值，得到分量Ihigh = min(IK，Ie，IB);若雾天图像I为灰度图像，则Ihigh = I ; (lb) 低分辨率图像分量IlM :对高分辨率分量Ihigh进行形态学开运算，即先取Ihigh的局 部最小值，再取局部最大值，得到低分辨率分量
，其中Ω (X)是以X 为中心的局部区域； (2) 利用引导滤波器进行多分辨率融合： (2a)根据分量Ihigh和分量IlM计算线性转换系数：
其中
表示计算Ihigh和IlOTt局部协方差， ￥￡11^表示计算Ihigh的 局部方差，ε为预置的控制参数，fm(IlOT)，fm(Ihigh)分别是对I lOT和Ihigh进行均值滤波的结 果，得到的a，b是与原图像长宽相同的系数矩阵； (2b)根据a，b计算融合后的图像：
，其中fm(a)，fm(b)分别 是对系数矩阵a，b进行均值滤波的结果； (2c)获取大气光幕图：对融合图像Ifusim进行模糊化处理，得到大气光幕图V =
? (3) 计算大气光强度值以及复原图像： (3a)根据高分辨率分量Ihigh估算大气光值A :统计Ihigh的灰度直方图Histgram_I，然 后计算直方图的累加和
当
?时，其对应的j为 大气光强度值A，其中p为预置的控制参数； (3b)计算介质透射率：根据大气光幕V和大气光强度值A，得到透射率
其中ω为预置参数； (3c)对雾天图像进行复原：根据复原公式
其中tmin为预置参 数，若雾天图像I(x)为彩色图像，则分别将R、G、B三个颜色通道值IK(X)，Ie( X)，IB(X)以及 大气光值A、透射率值t(x)代入计算得到三通道的复原值
，即可得到复 原后图像J(x);若雾天图像I(x)为灰度图像，则将I(x)以及大气光值A、透射率值t(x)代 入计算得到复原后图像J(x)。
【文档编号】G06T5/00GK104091306SQ201410181672
【公开日】2014年10月8日 申请日期:2014年4月30日 优先权日:2014年4月30日
【发明者】戴声奎 申请人:武汉博睿达信息技术有限公司