一种视频去雾方法与系统的制作方法
【专利摘要】本发明公开了一种视频去雾的方法与系统，其技术方案包括以下步骤：输入有雾视频帧RGB图像，计算大气光值，计算透射率图，透射率图做导向滤波，修正图像，获得去雾视频帧。本发明对大气光值的计算分两种情况进行，如果透射率图不可用，则按图像中较亮像素区域(除去字幕，灯光等特别亮的像素)计算得到；如果透射率图可用，则按透射率最低的部分区域像素点计算得到。本发明能解决去雾算法速度慢、受灯光、字幕等干扰与画面不和谐等问题，能有效去除雾霾并保留图像原有细节特征，具有计算复杂度低，图像去雾后各部分区域和谐等优点。可用于视频侦查等应用中对有雾视频进行预处理，有利于后续视频分析以及有利于人工观看去雾后的视频。
【专利说明】一种视频去雾方法与系统
【技术领域】
[0001]本发明涉及视频图像处理方法，特别涉及一种视频去雾方法与系统。
【背景技术】
[0002]由于城市空气污染的加剧，雾霾天气越来越频繁，这给户外视频监控的画面质量带来了挑战。如何改善雾霾天气户外视频监控的效果，得到了学术界、产业界的特别关注和研发倾注。
[0003]从硬件的解决方法来说，滤光片能够让部分不可见光穿透，从而加强图像的质量。从软件算法的解决方法来说，去雾算法对图像进行后处理是一种比较简明的方法。由于已经安装的摄像机，不可能都被最新的具有去雾功能的摄像机更换掉，所以基于算法的后处理算法是一种比较实际的解决方案。在一些视频侦查协助破案的应用中，有雾的视频给办案人员造成了严重的视觉疲劳。特别需要有一种效果较好，速度又快的去雾算法。
[0004]基于算法的去雾方法，包括了大致五类方法。第一是基于全局化增强的方法，如全局直方图均衡化，Retinex算法等；第二是局部化增强算法，如基于局部直方图均衡化算法，基于局部方差的算法；第三，基于偏微分方程的方法，如建立能量优化模型，利用信息消除不确定性方法等；第四是基于深度关系，假设场景深度已知，利用辅助信息提取景深的方法；五是基于先验知识的方法，如Tan方法，Fatal方法，He方法(KaimingHe等“SingleImage Haze Removal Using Dark Channel Pr1r，，，IEEE2011)。其中 He 的方法利用输入的有雾图像亮度值I，大气光值A和透射图t，根据有雾图像模型I = Jt+A(l-t)来求解得出有雾图像的强度值J。
[0005]He的方法在处理效果上达到了较好的水准，但是也存在算法复杂度高等不足，而在实际应用中，处理效率是一个非常关键的因素，如何使去雾算法在视频处理中速度更快，是一个值得特别重视的环节。另外He的算法对于如何准确的计算大气光值，没有特别好的策略，针对一些实际的应用场景，由于存在灯光等干扰，全局的一个大气光值往往达不到好的处理效果。而大气光值对图像质量影响很大，过高时会形成光晕，画面偏暗；而如果过低，有些区域，特别是天空区域会过爆，而红绿灯往往就在天空区域，如果恢复的图像过爆，就看不到红绿灯了。He的算法处理的是自然风景和航拍图，在安防监控，智能交通等领域，特别是大雾天气，车大灯打开，如果按照一般的策略取最大值或最大值范围的平均值作为大气光值，则很容易误把车灯的亮度作为大气光值，这将带来严重的问题。即使按照He后来提出的改进的大气光计算方法，按照暗通道最大值区域的平均值作为大气光估算值，得到的效果，整体画面会偏暗，而且在车灯区域会出现块效应等不和谐现象。大气光值在一个场景中，不同的区域应该是不同的，天空区域大气光值大，路面等区域大气光值略小。那么如何做些适当的修正，以达到暗区、亮区较好的协调效果？
【发明内容】
[0006]本发明针对上述问题，提供了一种视频去雾方法与系统。[0007]本发明所采用的技术方案为:一种视频去雾方法与系统，包括以下步骤:
[0008]SI，输入含有RGB图像信息的有雾视频帧，所述有雾视频帧包含关键帧和非关键帧，所述关键帧为从起始帧起算依次间隔η帧的视频帧，所述η为100到1000之间某一确定的自然数；
[0009]S2，计算所述关键帧的大气光值； [0010]S3，计算透射率图；
[0011]S4，透射率图做导向滤波；
[0012]S5，修正图像；
[0013]S6，获得去雾视频帧，
[0014]对于视频去雾，没有必要每帧都计算各自的大气光值和透射率图。可以间隔η帧计算一次大气光值，从而显著提高了运算速度。
[0015]作为优选，所述步骤S2中大气光值的计算方法为:
[0016]当S3中透射率图不可用时，选择图像中除去240-255像素点之后亮度值最大的I %像素点的平均值作为大气光值估算值，RGB三个通道分开计算，得到A' A8, Ab三个通道的各自大气光值；
[0017]当S3中透射率图可用时，选择图像中透射率最小的I %区域平均值作为大气光值估算值。
[0018]考虑到实际应用中，车灯的干扰和字幕的干扰，以及一些白色杆子的干扰，最亮的像素点并不是天空。按照场景中最大亮度区域去计算大气光值，会不准确，而过高的大气光值，会造成暗区更暗，亮区更亮，整体场景会严重失真。考虑到透射率最小的区域基本上是天空区域，所以我们选择透射率最小的一部分区域来计算大气光值。
[0019]作为优选，所述步骤S3中透射率图的计算方法为:
[0020]对于关键帧的透射率图计算，是通过对暗通道图像进行最小值滤波后计算得到；
[0021]对于非关键帧的透射率图计算，是通过上一帧的透射率和当前帧的RGB图像各通道亮度值比较得到。
[0022]在透射率图的计算上，我们采用每帧在上一帧透射率图基础上做更新，因为不是每个点都需要更新，而且不用做最小值滤波计算，其计算速度可以加快很多。起始帧透射率图的计算可能因为车灯的干扰会不准确，随着更新，后续帧的透射率会更加准确，避免车灯周围不和谐的增强出现。
[0023]作为优选，所述步骤S4中导向滤波的模型为:
【权利要求】
1.一种视频去雾方法与系统，其特征在于，包括以下步骤: S1，输入含有RGB图像信息的有雾视频帧，所述有雾视频帧包含关键帧和非关键帧，所述关键帧为从起始帧起算依次间隔η帧的视频帧，所述η为100到1000之间某一确定的自然数； S2，计算所述关键帧的大气光值； S3，计算透射率图； S4，透射率图做导向滤波； S5，修正图像； S6，获得去雾视频帧。
2.根据权利要求1所述的视频去雾方法与系统，其特征在于，所述步骤S2中大气光值的计算方法为: 当S3中透射率图不可用时，选择图像中除去240-255像素点之后亮度值最大的1%像素点的平均值作为大气光值估算值，RGB三个通道分开计算，得到A8, Ab三个通道的各自大气光值； 当S3中透射率图可 用时，选择图像中透射率最小的I %区域平均值作为大气光值估算值。
3.根据权利要求2所述的视频去雾方法与系统，其特征在于，所述步骤S3中透射率图的计算方法为: 对于关键帧的透射率图计算，是通过对暗通道图像进行最小值滤波后计算得到； 对于非关键帧的透射率图计算，是通过上一帧的透射率和当前帧的RGB图像各通道亮度值比较得到。
4.根据权利要求1所述的视频去雾方法与系统，其特征在于，所述步骤S4中导向滤波的模型为:
5.根据权利要求1所述的视频去雾方法与系统，其特征在于，所述步骤S5中修正图像的方法: 对暗区进行调整，设α (χ) = (255-1 (X))/255，则有:
6.根据权利要求5所述的视频去雾方法与系统，其特征在于，所述步骤S6中获得去雾视频的方法为对于RGB三个通道进行如下修正:
当 t〈120/255.0 时，J(X) = (l-t)l+tj(x)，否则维持不变。
7.根据权利要求3所述的视频去雾方法与系统，其特征在于，所述起始帧的透射率图计算方法为:
8.根据权利要求1~7任一项所述的视频去雾方法与系统，其特征在于，所述上一帧的透射率和当前帧的RGB图像各通道亮度值的比较方法为:
【文档编号】G06T5/00GK104036466SQ201410271513
【公开日】2014年9月10日 申请日期:2014年6月17日 优先权日:2014年6月17日
【发明者】袁义雷, 郑仙斌, 余意 申请人:浙江立元通信技术股份有限公司