基于天空分割和透射率自适应修正的图像去雾方法与流程

文档序号：16685883发布日期：2019-01-22 18:18阅读：176来源：国知局

本发明涉及室外监控图像处理领域，尤其是一种去雾效果好、天空区域色彩保真度高、边缘保持能力强的基于天空分割和透射率自适应修正的室外监控图像去雾方法。

背景技术：

近年来，视频监控系统的应用范围越来越广泛，如道路监控、车辆监控、公共安全监控等。对于室内场景下的视频监控系统，其在大部分情况下均能捕捉到高清晰的视频画面；而对于室外场景下的视频监控系统来说，其拍摄质量则很大程度依赖于天气环境。在雾、霾等天气条件下，大气中悬浮着的大量微小水滴、气溶胶等具有散射作用，导致监控拍摄到的图像色彩失真、对比度和能见度降低，这无疑将影响室外视频监控系统的有效性和实用性。因此，去除或者抑制尘埃、雾霾颗粒杂质的干扰是改善室外视频监控系统性能的关键技术环节之一，并且已成为近年来数字图像处理、计算机视觉领域的研究热点，得到了众多学者的广泛关注和研究。图像去雾的目的就在于恢复含雾图像的对比度和清晰度，还原其真实色彩以及真实场景，达到在理想天气状况下的拍摄效果，从而帮助管理人员和部门作出恰当的决策。

目前，典型的图像去雾方法主要分为两大类：基于对比度增强的方法和基于物理模型的复原方法。其中，基于对比度增强的方法不考虑雾天图像的降质原因，仅通过提高雾天图像的颜色对比度来突出图像细节，从而改善图像的视觉效果，如直方图均衡化、同态滤波等。但是，由于此类方法未充分考虑大气光成分的影响，易于使增强后的图像出现颜色过饱和的现象，产生明显的图像失真。而基于物理模型的复原方法则通过建立雾天图像的退化模型，根据有效假设或先验信息，在反演图像退化的过程中完成对参数的最优化估计，补偿退化所造成的图像失真，从而改善含雾图像的质量。该类方法的针对性强，去雾效果较为自然，一般不会出现严重的画质失真，是近年来广泛采用的图像去雾技术，得到越来越多学者的关注与深入研究。

暗原色先验理论是目前效果较好的一类基于物理过程的去雾模型之一，它是由hekaiming等人通过统计户外无雾图像库得出的一种规律性结论，主要用于单一图像去雾。其基本思想是，在不包括天空的绝大部分区域中总会存在一些“暗像素”，其至少有一个颜色通道具有较低的强度值。在被雾干扰的图像里，这些暗像素的强度值会被大气中的白光成分所充斥而变得较高，故此能够直接用来评估雾光的透射情况，进而根据大气散射模型和光在雾天传输的物理特性，得到去雾后的图像。据此，hekaiming提出了一种基于暗通道先验的单幅图像去雾算法，但由于处理过程中采用了软抠图技术(softmatting)，其计算复杂度较高。同时，暗通道先验模型在接近大气光值的明亮区域还会因失效而产生明显的偏色和边缘效应。于是，王一帆等人利用双边滤波计算大气光照、弱化明亮区域，从而获得无雾图像；hekaiming等人又进一步采用导向滤波代替软抠图技术，优化了大气透射率图的计算，使得算法运行速度有所提高，但由于透射率不够准确，去雾图像在景物边缘处会出现光晕现象；meng等人采用基于块约束和上下文正则化的方法来估算大气透射率。虽然这些方法能对单幅图像做出比较理想的处理，尤其是对于景深变化较多的图像，去雾效果比前述工作有了很大进步，可是韩正汀等人认为透射率在局部区域内应该是恒定的，在含雾图像上进行导向滤波会使景深相同处的细节过于丰富（尤其是对于室外视频监控这种远距离广角图像，情况更是如此），还会使景物边缘出现光晕现象，不符合自然规律，进而提出采用大气光幕的导向图对大气透射率进行导向滤波，再结合大气物理散射模型完成去雾。然而，经过导向滤波细化后的透射率图比较模糊，前景物体的边缘不够锐化；并且，由于部分区域的暗通道值远大于0，接近于大气光值，以致利用大气光幕导向图和导向滤波求解的透射率偏差较大，天空区域的色彩存在明显失真。

技术实现要素：

本发明是为了解决现有技术所存在的上述技术问题，提供一种去雾效果好、天空区域色彩保真度高、边缘保持能力强的基于天空分割和透射率自适应修正的室外监控图像去雾方法。

本发明的技术解决方案是：一种基于天空分割和透射率自适应修正的图像去雾方法，其特征在于按照如下步骤进行：

步骤1.输入一幅含雾和天空区域的室外监控图像，令其高度和宽度分别为和；

步骤2.将的颜色空间从rgb转换到hsv，并提取其亮度分量，记为；

步骤3.对进行数学形态学的开运算，削弱尘埃、雾霾颗粒杂质的干扰并平滑前景物体的边界，令结果图像为；

步骤4.利用迭代阈值法分割图像，得到天空区域和非天空区域；

步骤4.1令的最大灰度值和最小灰度值分别为和，并令初始分割阈值；

步骤4.2采用作为全局阈值将图像分割为前景区域和背景区域，其中，由中灰度值大于的像素组成，而由中灰度值不大于的像素组成；

步骤4.3计算前景区域中所有像素的平均灰度值，计算背景区域中所有像素的平均灰度值，并令；

步骤4.4如果（所述为预设的迭代阈值），则将作为最优的全局分割阈值，转入步骤4.5；否则，令，转入步骤4.2；

步骤4.5采用作为全局阈值计算天空区域的二值掩码和非天空区域的二值掩码：若图像中像素的亮度值大于，则令；否则，令、；

步骤5.利用二值掩码提取出图像的天空区域像素，组成，再利用二值掩码提取出图像的非天空区域像素，组成；

步骤6.将中所有像素的各个颜色分量的取值范围线性拉伸到（所述和为预设值），得到天空区域的去雾结果；

步骤7.利用公式给出的两次最小值操作处理的每个像素，计算得到的暗通道图：

所述表示的暗通道，表示的某一个rgb通道，表示以像素为中心、大小为像素的窗口内的像素集合，且，和分别表示取最小值、取最大值的函数；

步骤8.求的大气光值a；

步骤8.1将中的所有值进行非升序排列；

步骤8.2在非升序序列中取出位于前0.1%的值，并将这些值在暗通道中的坐标记录到集合l中；

步骤8.3根据坐标集合l，到图像取出在这些位置上的像素组成集合p，然后将p中所有像素的平均rgb值作为大气光值a，并令p中所有像素的最大值为amax；

步骤9.计算场景透射率的粗估计值t0，其定义由公式给出：

所述表示大气光值a的某一个rgb通道表示以像素为中心、大小为像素的窗口内的像素集合，且，为一个预设常数；

步骤10.利用公式对透射率图像的粗估计值t0进行快速双边滤波，得到第一次修正的透射率图像t1；

所述表示以像素为中心、大小为像素的窗口内的像素集合，“”表示像素和像素之间的欧式距离，和表示非天空区域像素和像素的像素值，和分别表示均值为0、标准差为和的高斯函数，其定义由公式和公式给出：

表示归一化系数，其定义由公式给出：

步骤11.利用公式计算透射率图像的精细估计值：

所述和为常数，且；

步骤12.利用大气光值a和透射率图像对非天空区域像素集合的每一个像素执行去雾操作，得到非天空区域的去雾结果，去雾过程由公式的定义给出：

所述表示中像素的某一个rgb颜色通道（）的值，表示中像素的某一个rgb颜色通道的值；

步骤13.利用二值掩码和将天空区域的去雾结果与非天空区域的去雾结果融合为最终的去雾图像，该过程由公式给出：

所述表示去雾图像中像素的值，最后输出图像。

与现有的技术相比，本发明从三方面保证图像去雾的主客观质量：首先，利用暗通道图像中高亮度像素集的平均值来尽量保证大气光值的估计结果趋于合理值。其次，利用迭代式阈值分割算法将输入图像划分为天空区域和非天空区域，再对两者分别进行去雾处理，克服了传统暗原色先验模型在处理天空区域时存在的过渡明显、偏色严重的不足，保证天空区域的色彩保证度。最后，采用快速双边滤波和3次对数多项式变换来自适应地计算透射率图像，处理速度快，且达到了去噪、保边、消除光晕的目的。因此，本发明具有去雾效果好、天空区域色彩保真度高、边缘保持能力强的优点。

附图说明

图1是本发明实施例测试图像1与现有技术去雾效果对比图。

图2是本发明实施例测试图像2与现有技术去雾效果对比图。

图3是本发明实施例测试图像3与现有技术去雾效果对比图。

图4是本发明实施例测试图像4与现有技术去雾效果对比图。

图5是本发明实施例测试图像5与现有技术去雾效果对比图。

具体实施方式

一种供基于天空分割和透射率自适应修正的室外监控图像去雾方法，其特征在于按照如下步骤进行：