基于改进同态滤波的多尺度Retinex图像去雾方法与流程

本发明涉及图像处理技术领域，特别涉及一种基于改进同态滤波的多尺度retinex图像去雾方法。

背景技术：

雾霾在我国出现频繁且分布区域广，是一种常见的天气现象。受雾霾影响，成像设备难以识别和提取图像特征，我们的生活因此会遭受一定程度的影响，比如在雾霾天气下交通事故发生率增加，监控系统拍摄的画面对比度低下、难以提取人物的特征等。

基于图像增强的去雾方法中，同态滤波和retinex算法是两种具有代表性的去雾算法，这两种算法都以照射反射模型为基础，试图去除照射光保留反射光从而获得图像原本的色彩，但同态滤波算法去雾效果不佳，retinex算法去雾后对比度较差、细节不清晰，且会出现颜色失真等问题。

技术实现要素：

本发明所要解决的技术问题是针对背景技术的缺陷，提出一种基于改进同态滤波的多尺度retinex图像去雾方法，实现如何能够有效改进去雾图像雾残留过多、细节不清晰的问题。

本发明的上述技术问题是通过以下技术方案得以实现的：

一种基于改进同态滤波的多尺度retinex图像去雾方法，包括以下步骤：

步骤01：输入有雾图像i(x)；

步骤02：对传统的同态滤波传递函数h(u,v)进行改进，传统的h(u,v)的表达式为：改进步骤如下：

a：设置截止频率do；

b：对截止频率在do以内的部分进行抑制；

c：对截止频率在do以上的部分进行增强；

d：设置除截止频率do以外的其他参数数值，得到改进的同态滤波传递函数表达式：

其中rh表示高频增益，rl表示低频增益，且满足rh>1,rl<1，d(u,v)表示频率(u,v)到滤波器中心(uo,vo)的距离，do表示截止频率，系数c用于控制锐化程度，大小介于rh和rl之间；

步骤03：将有雾图像i(x)分解为r、g、b三个颜色通道图像，对每个颜色通道分别进行改进后的同态滤波处理；

步骤04：对步骤03中得到的滤波后的通道图像分别进行多尺度retinex算法处理；

步骤05：将步骤04得到的通道图像进行合并，得到去雾后的图像。

进一步的，其中，rh＝1.5，rl＝0.5，c＝1，do＝4。

进一步的，步骤04中多尺度retinex算法表达式为：

其中ri(x,y)表示在第i个通道的输出，si(x,y)表示第i个通道输入的有雾图像，i的取值为1、2、3；n表示尺度参数的个数；ωn表示每个尺度参数的权重，且满足fn(x,y)是环绕函数，*表示卷积。

进一步的，环绕函数fn(x,y)的表达式为：

其中λn是归一化因子，b表示尺度参数。

进一步的，∫∫fn(x,y)dxdy＝1。

进一步的，其中n的值取3，所述尺度参数分别设为15、100、240。本发明采用以上技术方案与现有技术相比，具有以下技术效果：

本发明提出的一种基于改进同态滤波的多尺度retinex图像去雾方法，在使用滤波处理有雾图像时使用了改进的新滤波函数，同时进行高低通滤波，对截止频率在do以内的部分进行了抑制，即抑制了照射分量较强的部分；对截止频率在do以上的部分进行了增强，即增强了图像的细节；对输入的有雾图像i(x)的rgb三个颜色通道分别进行同态滤波处理，达到抑制照射分量和压缩动态范围的效果；对各通道再进行多尺度retinex算法处理；将处理后的各通道图像进行合并，得到最终的去雾结果。本发明去雾速度快，提高了去雾效果，改善了多尺度retinex去雾雾残留过多的问题，去雾后细节清晰图像对比度强，具有实用性。

附图说明

图1为本发明的流程示意图；

图2位本发明与同态滤波和多尺度retinex算法的对比图。

具体实施方式

以下结合附图对本发明作进一步详细说明。

首先，如图1所示，本发明提供的一种基于改进同态滤波的多尺度retinex图像去雾方法，其具体包括下述步骤：

步骤01：输入有雾图像i(x)；

步骤02：对传统的同态滤波传递函数h(u,v)进行改进，传统的h(u,v)的表达式为：改进步骤如下：

a：设置截止频率do；

b：对截止频率在do以内的部分进行抑制；

c：对截止频率在do以上的部分进行增强；

d：设置除截止频率do以外的其他参数数值，得到改进的同态滤波传递函数表达式：

其中rh表示高频增益，rl表示低频增益，且满足rh>1,rl<1，d(u,v)表示频率(u,v)到滤波器中心(uo,vo)的距离，do表示截止频率，系数c用于控制锐化程度，大小介于rh和rl之间；

步骤03：将有雾图像i(x)分解为r、g、b三个颜色通道图像，对每个颜色通道分别进行改进后的同态滤波处理；

步骤04：对步骤03中得到的滤波后的通道图像分别进行多尺度retinex算法处理；

步骤05：将步骤04得到的通道图像进行合并，得到去雾后的图像。

其中rh表示高频增益，rl表示低频增益，d(u,v)表示频率(u,v)到滤波器中心(uo,vo)的距离，do表示截止频率，系数c用于控制锐化程度，大小介于rh和rl之间。改进的新型同态滤波传递函数分别对截止频率do两侧的部分进行低通和高通滤波处理，对截止频率在do以内的部分进行了抑制，即抑制了照射分量较强的部分；对截止频率在do以上的部分进行了增强，即增强了图像的细节。

步骤03：将有雾图像i(x)分解为r、g、b三个颜色通道图像，对每个颜色通道分别进行改进后的同态滤波处理；

具体的，有雾图像i(x)分解为的r、g、b三个颜色通道图像为i(:,:,1)、i(:,:,2)、i(:,:,3)，分别进行滤波处理后的结果为i_filt(:,:,1)、i_filt(:,:,2)、i_filt(:,:,3)。

步骤04：对步骤03中得到的滤波后的通道图像分别进行多尺度retinex算法处理；

步骤05：将步骤04得到的通道图像进行合并，得到去雾后的图像。

具体的，多尺度retinex算法的表达式为：

其中ri(x,y)表示在第i个通道的输出，si(x,y)表示第i个通道输入的有雾图像，i的取值为1、2、3。n表示尺度参数的个数，通常为3，分为小尺度、中尺度、大尺度3个尺度参数，其中尺度参数分别设为15、100、240使得多尺度retinex算法可以兼具单尺度retinex算法取小、中、高尺度时的优点。ωn表示每个尺度参数的权重，且满足fn(x,y)是ωn对应的第n个环绕函数，*表示卷积。

其中，环绕函数fn(x,y)的表达式为：

其中λn是归一化因子，b表示尺度参数，∫∫fn(x,y)dxdy＝1。

滤波处理后的通道图像i_filt(:,:,1)、i_filt(:,:,2)、i_filt(:,:,3)进行多尺度retinex算法处理后结果为i_msr(:,:,1)、i_msr(:,:,2)、i_msr(:,:,3)，最后经过合并后得到去雾结果i_msr＝unit(i_msr)。

图2示出了不同几种去雾算法处理后的去雾图像。图2中(a)、(e)为原始的有雾图像，我们分别使用传统同态滤波、多尺度retinex算法和本发明的方法对图像进行去雾，其中(b)、(f)为使用传统同态滤波去雾后的结果，可以看到去雾后雾的残留过多，图像对比度差；图(c)、(g)为使用多尺度retinex算法去雾后的结果，可以看到有较好的去雾效果，但特定区域如白色建筑物没有得到很好的增强去雾效果，景物的轮廓和细节依旧比较模糊；图(d)、(h)为使用本发明方法去雾后的结果，可以看到图像对比度得到良好的改善，景物的轮廓和纹理变得清晰可见、层次感分明。

本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。