一种基于半逆法的快速单幅图像去雾算法
【专利摘要】本发明公开了一种基于半逆法的快速单幅图像去雾算法，从大气散射模型考虑出发，利用改进的半逆算法得到大气整体光照值，获得的大气整体光照值比取暗通道中灰度最大值具有更强的鲁棒性；其次，基于大气散射光的特性，以图像边缘信息为合成条件融合了图像的边缘信息和场景深度信息，准确估测了大气光幂；然后，根据大气散射模型得到初步复原无雾图像；最后，对初步去雾后图像经过色调调整和细节增强处理，得到一副真实感强烈的无雾图像。该方法对于深度发生突变或者远景像素点有很好的处理效果，消除了光晕效应。大量实验表明，本发明很好保持了色彩和细节信息，具有较好的自动性和鲁棒性，可进一步用于视频去雾系统。
【专利说明】一种基于半逆法的快速单幅图像去雾算法
【技术领域】
[0001] 本发明涉及图像处理【技术领域】，尤其涉及的是一种基于半逆法的快速单幅图像去 雾改进算法。
【背景技术】
[0002] 图像去雾问题在数学分析中被归纳为图像处理中的欠约束问题，这种问题往往未 知参数较多而且没有客观的评价标准。在早期的图像去雾算法研究中一般采用图像增强的 方法，如直方图增强，伽马修正，对比度拉伸等来实现图像在视觉效果上恢复，这种方法被 定义为非物理模型方法去雾。但是这样的方法没有考虑图像的内在信息因素和降质过程， 导致图像过饱和或颜色严重失真。随着去雾理论的发展，图像降质的过程得到了更多的关 注，其中像大气散射模型等模型的提出让图像去雾技术有了较大的进步，基于降质模型的 方法被定义为物理模型方法。近几年，基于单幅图像去雾算法主要是围绕物理模型来展开 的。Narasimhan[l]等人利用相同场景、不同季节光照的多幅图像做线性融合运算，从而估 测到深度图像，进而复原无雾图像。但是这样的方法比较依靠深度和不同图像的光照信息， 条件较为苛刻，不太适合实时图像处理。Fattal [2]通过假设透射率和表面投影的局部不相 关，估算景物的反射率，进而推断景物的透射率来复原无雾图像，该方法在雾浓度比较大的 区域或者假设不成立时失效。Tarel [3]通过计算大气光幂，来复原无雾图像，但是所采用的 中值滤波器不能很好的维持边缘细节信息，在深度发生突变或者远景区域容易产生光晕效 应。相比之下，何凯明[4]等人提出的暗原色先验算法让图像去雾技术再向前推进一大步， 受到研究人员的高度关注。但是其算法在优化透射率时所用的抠图方法（soft matting) 技术具有很高的空间和时间复杂度，耗时较长。为了解决这个问题，何凯明[5]等人又采用 了导向滤波（Guided-image filter)来修正透射图（Transmission map),但是却导致图像 质量的降低，所得到的透射图没有抠图方法得到的结果精细。同时Z.Wang[6]等人采用的 多尺度透射图融合方法也能获得很好的效果，但是其多尺度融合技术计算复杂度较高。Wei Sun [7]采用的双边滤波器也能得到很好透射图，然而由于双边滤波器所采用的梯度权重计 算原理，容易导致梯度逆反效应。近期国内外基于暗原色先验知识的改进的快速算法成为 了热点。
[0003] 由Land[8]提出的Retinex算法以及其相关改进算法在色彩增强算法中得到成 功应用，该算法名字来源与视网膜（retina)和大脑皮层（cortex)两个词的合成，将到 达成像设备的光分为照度分量和反射分量，从图像中去除场景的照度分量，获得反射分 量。这种人眼视觉模型近几年也受到极大的关注。例如，黄黎红[9]等提出了基于单尺度 Retinex (SSR)的雾天图像增强算法，刘茜[10]等提出的多尺度Retinex (MSR)的自适应图 像增强方法。另外美国国家航空航天局（NASA)的Langley研究中心（LRC)的成果：基于邻 域（surround-based)的Retinex算法被成功嵌入DSP系统，对分辨率为256X256的灰度 图像，该算法的处理速度可达30帧/s，实时性较强，但此算法容易引入光晕效应。
[0004] 大气散射模型：
[0005] Narasimhan, Nayar等[1]研究了不同天气条件下的大气粒子特性，分析了各种大 气粒子散射特性，提出了雾霾天气和水下环境下的大气散射模型。和Narasimhan等[1]的 模型类似，对雾天图像的物理模型也可以使用何凯明等[6]所提到单幅图像的大气散射模 型，该模型表述为：
[0006] I (x) = J (x) t (x) +A (1-t (x)) (1)
[0007] 其中I(x)为降质图像，J(x)为原始图像，t(x)为透射率，A为整体大气光照值。 该模型认为两种环境光造成了图像的降质。一种是景物反射光线的衰减项，另一种则是大 气粒子对照射光的散射项。所以J(x)t(x)描述的景物反射光线穿过大气后的衰减项，而 A(l_t(x))表示大气散射光，它导致场景的模糊和色偏。当大气同质时，透射率t(x)可以表 示为：
[0008] t(x) = e_0d (2)
[0009] 其中：β是大气散射系数，d是场景深度。图像去雾的目的是通过t(x)、A值复原 无雾图像J(x)。
[0010] 大气光幂V(x)满足两个约束条件：（1)大气光幂为正值（2)大气光幂的灰度值不 大于该像素点的RGB通道中的最小灰度值W '并推导出大气光幂V(x)的计算公式 为：
[0011] V(x) = A(l-e_0d) (3)
[0012] 本发明以大气光幂V(x)满足两个假设为依据，采用了一种新的估测大气光幂的 方案。
[0013] 参考文献：
[0014] [1] S. G. Narasimhan and S. K. Nayar. Vision and the atmosphere. IJCV, 2002, 48(3) :233-254
[0015] [2]R. Fattal. Single image dehazing[C], ACM Transactions on Graphic vol. 27, no. 3, p. 1, Aug. 2008. pp: 1-7.
[0016] [3]Tarel J P, Hautiere N. Fast visibility restoration from a single color or gray level image. In:Proceedings of the 12th IEEE International Conference on Computer Vision Kyoto. Japan:IEEE, 2009. pp:2201-2208.
[0017] [4]K M He, J Sun, X 0 Tang, single image haze removal using dark channel prior[A]. CVPR[C]. Miami, FL ；IEEE Computer Society, 2009, 1. pp:1956-1963.
[0018] [5]K M He, J Sun, X 0 Tang. Guided Image Filtering[A]. IEEE transactions on pattren analysis and Machine intelligence, vol. 35, NO. 6, June 2013.
[0019] [6]Z. Wang, Y. Feng. Fast single haze enhancement. Comput Electr Eng (2013), http: //dx. doi. org/10. 1016/j. compeleceng. 2013. 06. 009.
[0020] [7]ffei Sun. A new single-image fog removal algorithm based on physical model. 0ptikl24(2013)4770-4775
[0021] [8] Land E H. The Rexinex theory of color vision [J]. American Scientist,1977, 237(6):108-128.
[0022] [9]黄黎红.一种基于单尺度Retinex的雾天降质图像增强新算法[J].应用光 学· 2010. 31(5). pp :728-733.
[0023] [10]刘茜.基于多尺度Retinex的自适应图像增强法[J].计算机应 用· 1001-9081(2009)08-2077-03
[0024] [11]Codruta Orniana Ancuti, Cosmin Ancuti,Chris Hermans,Philippe Bekaert. A Fast Semi-inverse Approach to Detect and Remove the Haze from a Single Image[A].
[0025] ACCV[C]2010-10th Asian Conference on Computer Vision, Queenstown, New Zealand, November 8-12, 2010
[0026] [12]黄剑玲，邹辉.基于高斯Laplace算子图像边缘检测的改进[JL微电子学 与计算机· 1000-7180 (2007) 09-0155-03.
[0027] [13]黄晓军，来彦栋，陈奋.快速去除单幅图像雾霾的算法[J].计算机应 用·2010.11.ρρ:3028-3031·
[0028] [14]黄黎红·退化图像的去雾方法[J]·红外与激光工程· 2010. 10. pp:5-988.
[0029] [15]郭墦.图像去雾方法和评价及其应用研究[D].中南大学.2012.
[0030] [16]郭墦，蔡自兴.图像去雾算法清晰化效果客观评价方法[J].自动化学 报·2012.9·pp:1410-1419.
[0031] [17]徐晶，刘鹏，唐降龙.大气光估计对单幅图像去雾复原的影响[J].智能计 算机与应用· 2012. 6. pp :68-71.
[0032] [18]张文涛，王敬东，王子瑞，李鹏.基于暗元先验规律去雾后续处理研究[J]. 计算机应用与软件· 2012. 9. pp :50-53.
[0033] [19]陈杰，程兰，甘明刚.基于高斯和近似的扩展切片高斯混合滤波器及其在多 径估计中的应用[J].自动化学报.2013, 39(1) :1-10.
[0034] [20]禹晶，李大鹏，廖庆敏.基于物理模型的快速单幅图像去雾方法[J].自动 化学报· 2011，37 (2) : 144-149.
【发明内容】
[0035] 本发明所要解决的技术问题是针对现有技术的不足提供一种基于半逆法的快速 单幅图像去雾算法。
[0036] 本发明的技术方案如下：
[0037] -种基于半逆法的快速单幅图像去雾算法，包括以下步骤：
[0038] A1、用改进的半逆检测算法求整体大气光照值A ;
[0039] 首先，取雾气区域亮度分量上方1/10的像素区域做四叉树分割，将这些区域分 为四个小块区域，分别比较四个小块区域灰度均值与灰度方差之差，选择差值最小的区域， 继续做四叉树分割，一直到选出的矩形区域达到固定边宽，停止分割，取这个矩形区域中 最大灰度值做为整体大气光照值A ;
[0040] A2、白平衡处理降质图像I (X);
[0041] 白平衡的步骤就是首先将相机拍摄到的图像做归一化处理；其次，将整体大气光 照值A校正为纯白色；利用白点（White Point)的算法，其公式可表示为：
[0042]
【权利要求】
1. 一种基于半逆法的快速单幅图像去雾算法，其特征在于，包括以下步骤:A1、用改进 的半逆检测算法求整体大气光照值A ; 首先，取雾气区域亮度分量上方1/10的像素区域做四叉树分割，将这些区域分为四个 小块区域，分别比较四个小块区域灰度均值与灰度方差之差，选择差值最小的区域，继续 做四叉树分割，一直到选出的矩形区域达到固定边宽，停止分割，取这个矩形区域中最大 灰度值做为整体大气光照值A ; A2、白平衡处理降质图像I(x); 白平衡的步骤就是首先将相机拍摄到的图像做归一化处理；其次，将整体大气光照值 A校正为纯白色；利用白点（White Point)的算法，其公式可表示为： Γ?Γ(χ)丄 max,. a:,""'⑴=厂'⑴」一 max,, max,,, A3、求R，G，B三颜色通道的最小值图像Imin(x); (Λ')= min /r(x) A4、利用本算法的高斯平滑滤波核处理Imin(x)，得到边缘合成条件ΛΒ; A5、分别利用7X7的高斯滤波和9X9的均值滤波窗口处理Imin(x)，得到平滑图像 I smooth (χ)； Α6、利用合成公式合成大气光幂V(x, y): V(x y) = f min((+ ,,,,,lh(x))/2,C) AB^O "AB = 0 A7、以Imin(x)作为引导图像，对V(x，y)进行导向滤波处理； A8、根据公式：V(x，y) =max(min(K*V(x，y)，Imin(x))，0)，得到优化后的 V(x，y); r/ 、 I{x)-V(,v, v) A9、根据公式：v),4，得到复原图像JUJ ; A10、对J(x，y)做色调映射和细节增强。
【文档编号】G06T5/00GK104252698SQ201410293568
【公开日】2014年12月31日 申请日期:2014年6月25日 优先权日:2014年6月25日
【发明者】张红英, 刘言, 王小元, 吴亚东 申请人:西南科技大学