本发明涉及一种数字图像处理方法，具体涉及一种明亮区域色彩保真及对比度增强的图像去雾方法。
背景技术：
近年来，雾霾天气增多，使得户外可见光成像系统的成像清晰度降低，图像出现对比度低、亮度偏暗及细节缺失等现象，影响后期图像的处理。这是由于雾霾天气时，大气中的水汽及大量悬浮颗粒组合成的气溶胶对光线进行吸收和散射，导致从成像系统获取的可见光图像质量严重下降。
图像去雾算法主要分为无先验知识的去雾算法和基于先验知识的去雾算法。无先验知识的图像去雾算法主要有全局直方图均衡化算法、局部直方图均衡算法以及对比度拉伸算法等，该类算法主要是通过提升图像对比度来增强图像，没有一定的先验知识为指导，易造成图像的失真，因此基于先验知识的图像去雾算法是目前研究的重点。
基于先验知识的去雾算法是对降至的雾霾图像进行统计分析，发现其中的经验规律，再结合通过物理模型的求解恢复出无雾的图像，此类方法的难点是对先验知识的发掘以及模型参数的精确估计，暗原色先验图像去雾算法是该类算法的典型代表。
技术实现要素：
本发明为了解决上述问题，提出了一种明亮区域色彩保真及对比度增强的图像去雾方法，本发明通过新的透射率求解方法以及高斯直方图规定化方法，实现明亮区域去雾色彩纠正以及去雾图像对比度提升，解决了雾后的图像整体偏暗的问题。
为了实现上述目的，本发明采用如下技术方案：
一种明亮区域色彩保真及对比度增强的图像去雾方法，选用大气散射模型作为物理模型，根据暗原色图估计出大气光值，通过对图像区域像素点判定，对判定为非明亮区域的像素点，用暗算色先验中的方法计算透射率，对判定为明亮区域的像素点，修正明亮区域的透射率，通过高斯直方图规定化方法对修正后的去雾图像进行亮度和对比度增强。
一种明亮区域色彩保真及对比度增强的图像去雾方法，具体包括以下步骤：
(1)以大气散射模型作为物理模型，利用暗通道图估计出大气光强值；
(2)根据有雾图像亮度值与大气光强度值的比值，将图像区域划分为明亮区域与非明亮区域；
(3)对于划分的非明亮区域，采用暗原色先验计算透射率图，对于明亮区域，采用修正的透射率方法计算透射率图；
(4)利用引导滤波算法细化透射率图，得到去雾图像；
(5)采用基于高斯函数的直方图规定化方法，调整去雾后图像的直方图。
进一步的，所述步骤(1)中，采用mccarney的大气散射模型，其输入图像光线强度未光线投射率与无雾时景物的光线强度的乘积，以及一减去光线透射率的值与大气光成分乘积的和。
进一步的，所述步骤(1)中，图像去雾目标就是通过已知的有雾图像恢复出无雾的图像，需要估计出大气光强度与光线透射率。
所述步骤(1)中，大气光值估计，具体包括：
(a)从含雾的暗通道图中取亮度最大的一定比例的像素；
(b)对应(a)中取得的像素位置，在原始图像中寻找最高亮度点的值作为大气光值。
进一步的，所述的步骤(2)中，区域划分的具体步骤：根据有雾图像亮度值i与大气光强度值a的比值判断像素点是否属于明亮区域，设定比例阈值α，若i/a＞α，则判定像素点属于明亮区域；反之，属于正常区域，即非明亮区域。
进一步的，所述步骤(3)中，对于非明亮区域，采用暗原色先验的计算方法，光线透射率的计算方法为：一和该区域内彩色图像rgb通道与大气光成分比值的最小值乘以比例系数的差值。
更进一步的，比例系数根据雾的浓度进行调整。
进一步的，所述步骤(3)中，对于明亮区域，透射率的计算公式进行了修改，修改后的公式为：
采用指数函数的形式，当设定好后，像素亮度值与大气光值越相近，则透射率值越大，使透射率实现动态调节，ω(x)表示以像素x为中心的一块局部区域，ic表示彩色图像rgb通道中的第c个通道值，β为系数，ac表示估计的大气光值。
所述步骤(4)中，引导滤波算法假定导向图像和滤波输出图像之间存在局部的线性关系，通过线性回归方法根据输入图像得到滤波后的图像。
所述步骤(5)中，采用基于高斯函数的直方图规定化方法对去雾后图像的直方图进行调整，达到图像增强的目的。
所述步骤(5)中，利用高斯函数来规定输出图像的直方图，图像的数学期望值设定为去雾图像的灰度平均值的k倍，高斯函数的方差设定为去雾图像方差，k为常数，采用的sml映射实现直方图规定化。
与现有技术相比，本发明的有益效果为：
本发明的图像去雾方法对于雾化图像存在明亮区域的情况能够在去雾后保持真实色彩，并且能够针对去雾后图像偏暗情况，提高图像的亮度和对比度。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1为本发明具体实施方式的流程图。
图2(a)列为有雾图像实验结果，图2(b)列为暗原色先验去雾结果，图2(c)列为本发明去雾结果。
具体实施方式：
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在本发明中，术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，只是为了便于叙述本发明各部件或元件结构关系而确定的关系词，并非特指本发明中任一部件或元件，不能理解为对本发明的限制。
本发明中，术语如“固接”、“相连”、“连接”等应做广义理解，表示可以是固定连接，也可以是一体地连接或可拆卸连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员，可以根据具体情况确定上述术语在本发明中的具体含义，不能理解为对本发明的限制。
正如背景技术所介绍的，现有技术中存在暗原色先验算法在图像明亮区域去雾后会出现色彩失真的不足，为了解决如上的技术问题，本申请提出了一种明亮区域色彩保真及对比度增强的图像去雾方法，通过新的透射率求解方法以及高斯直方图规定化方法，实现明亮区域去雾色彩纠正以及去雾图像对比度提升。
本发明的图像去雾方法是针对在天空等明亮区域暗原色先验去雾算法估计的透射率偏低，从而导致处理后的图像出现色彩失真；并且去雾后的图像整体偏暗，对比度偏低等问题，而设计的一种适用于明亮区域的图像去雾算法，并通过高斯直方图规定化方法解决去雾后图像整体偏暗、对比度偏低问题，该方法的具体实施过程如下：
本发明采用mccarney的大气散射模型，该模型在可见光成像领域有着广泛的应用。
i(x)＝t(x)j(x)+(1-t(x))a
其中：i(x)是输入图像光线强度，t(x)指光线透射率，a是大气光成分，j(x)是无雾时景物的光线强度。
图像去雾目标就是通过已知的有雾图像i恢复出无雾的图像j，需要估计出大气光强度a与光线透射率t。
(1)估计大气光值
本发明利用暗通道图估计大气光值，具体方法为：
(a)从含雾的暗通道图中取亮度最大的0.1％的像素；
(b)对应(a)中取得的像素位置，在原始图像中寻找最高亮度点的值作为大气光值。
(2)划分图像区域
本发明根据有雾图像亮度值与大气光强度值的比值判断像素点是否属于明亮区域，因为有雾图像像素点的亮度值i与大气光强度值a越相近，则图像中该像素越有可能属于明亮区域，具体的判定方法为，提前设定好一个比例阈值α，若i/a＞α，则判定像素点属于明亮区域；反之，属于正常区域，即非明亮区域。
(3)计算透射率图
本发明在(2)判定出图像明亮区域与非明亮区域的基础上，进行透射率的计算。对于非明亮区域，采用暗原色先验的计算方法，公式如下：
在上式中，ω(x)表示以像素x为中心的一块局部区域；ic表示彩色图像rgb通道中的第c个通道值，ω表示图像的去雾程度。当雾气较浓时，ω的值应该取得大一些，因为在浓雾天气，光线透射率下降的较为严重；反之，在薄雾天气下，ω的值应该偏小一些。
当光线透射率t(x)的值很小时，会导致恢复的图像j(x)的值偏大，从而使得图像整体向白场过度。通过设置一阈值t0，当小于时，令t(x)＝t0，本发明具体实施时令t0为0.1。
对于明亮区域用暗原色方法求解透射率时，计算出的透射率会偏低，导致恢复出的明亮区域色彩失真，因为暗原色先验理论是建立在暗原色的通道值通常趋近于0这条统计规律上的，但对于明亮区域rgb三个通道上的值一般较为平均，不存在暗原色，因此暗原色算法不适合明亮区域。本发明针对明亮区域透射率偏小的问题，本发明对透射率的计算公式进行了修改，修改后的公式为：
上述公式采用了指数函数的形式，当设定好后，像素亮度值与大气光值越相近，则透射率值越大，通过这种方式，能够使透射率实现动态调节，本发明在具体实施时，令β＝2。
(4)细化透射率图
粗糙的透射率会使得复原的图像出现明显的块效应，本发明采用引导滤波算法，细化透射率图，引导滤波是一种快速保边算法，类似于双边滤波，能够把图像的空间信息和值域信息结合在一起，达到保边去噪的效果。引导滤波算法假定导向图像和滤波输出图像之间存在局部的线性关系，可用下式表示：
i为导向图像，q为滤波后的输出图像。wk是以一个像素点为中心的正方形窗口，(ak,bk)是在窗口wk中的常数线性系数。
若p为输入图像，通过线性回归方法可以得到：
其中，μk和
本发明将先前得到的粗糙透射率图作为为引导滤波的输入图像，有雾图像为导向图像，经滤波后可以得到细化的透射率图。
(5)增强图像亮度及对比度
暗原色先验算法恢复出的无雾图像整体上偏暗、对比度偏低，偏暗图像的直方图一般灰度级动态范围较窄，可以对其直方图进行处理，常见的方法有直方图均衡化方法和直方图规定化方法，但直方图均衡化方法具体的增强效果不易控制，容易丢失图像的细节，传统的直方图规定化方法自适应性差，需要多次尝试才能得到满意的效果。本发明通过对传统的直方图规定化算法进行改进，采用基于高斯函数的直方图规定化方法对去雾后图像的直方图进行调整，达到图像增强的目的。
一幅灰度级数为s的原始输入图像,其灰度概率密度函数可表示为p(ri),其中1≤i≤s,ri为对应i时的灰度值，则灰度平均值μ和方差σ可用下式定义：
对于高斯函数，可用下式表示:
其中m代表高斯函数的数学期望值，n代表高斯函数的方差。
本发明利用高斯函数来规定输出图像的直方图，图像的数学期望值设定为去雾图像的灰度平均值的k倍，高斯函数的方差设定为去雾图像方差，本发明具体实施时，令k＝2。
本发明采用的sml映射实现直方图规定化，具体步骤如下：
(1)求解原始图像的累积直方图
其中ps为原始图像的直方图。
(2)求解高斯函数累积直方图
其中ul为目标直方图。
(3)sml映射
sml映射是从原始累积直方图到目标累积直方图进行，首先找到使下式最小的k和l。
然后将ps(si)对应到pu(uj)上去。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。