一种交通图像去雾综合评价方法与流程

本发明属于图像处理技术领域，具体涉及一种交通图像去雾综合评价方法。

背景技术：

随近年来，“雾霾”一词在我国出现频率非常高，由于以前人们在环保方面的不重视，造成了当今社会雾霾的常常出现，而雾霾天气常常会造成人们视觉信息的丢失，也常常无法获得清晰的图像，取而代之的是充满雾霾的不清晰图像，针对以上问题，我国学者展开了各种研究调查，提出了许多对雾霾天气有雾图像去雾的方法，以实现对雾霾天气有雾图像的清晰化，各种各样的去雾方法被学者们提出，但关于如何对去雾后图像的效果进行评价，研究的学者却不是很多。

技术实现要素：

本发明提供一种交通图像去雾综合评价方法，采用图像对比度ici，图像自然度指标cni，图像色彩变化度指标cri三个参数来组成综合评价指标crn，通过对图像去雾前后可见边是否增多，图像是否自然，图像的颜色在去雾前后是否失真来综合判断雾霾图像去雾效果，对雾霾图像去雾效果的评价取得了更加客观的结果。

为达到上述目的，本发明采用如下技术方案：

一种交通图像去雾综合评价方法，包括以下步骤：

步骤1：获取雾霾天气下去雾前后的交通图像；

步骤2：求取步骤1中获得的交通图像的对比度衡量指标ici、自然度衡量指标cni及图像色彩变化指标cri；

步骤3：利用步骤2得到的对比度衡量指标ici、自然度衡量指标cni及图像色彩变化指标cri求取综合评价指标crn。

进一步地，步骤2中所述对比度衡量定义如下：

式中，ici是对比度衡量指标，nr表示去雾后交通图像的可见边数目，n0表示去雾前交通图像的可见边数目。

进一步地，步骤2中所述的自然度衡量定义如下：

nsk＝exp(-0.5*((savg_sk-0.76)/0.52)²)

ngr＝exp(-0.5*((savg_gr-0.81)/0.53)²)

nsy＝exp(-0.5*((savg_sy-0.43)/0.22)²)

cni＝(nsk*nsk+ngr*ngr+nsy*nsy)/(nsk+ngr+nsy)

式中，cni为自然度衡量指标，nsk为色调取值为25-70的像素，ngr为色调取值为85-135的像素，nsy为色调取值为180-260的像素，savg_sk、savg_gr、savg_sy分别为这三类像素的饱和度均值，nsk、ngy、nsy分别为这三类像素点的个数。

进一步地，步骤2中的图像色彩变化指数定义如下：

取：

其中，o1、o2、o3为定义的中间变量，o1i、o2i为去雾前图像的中间变量，o1j、o2j为去雾后图像的中间变量，r、g、b为彩色图像的三个色彩通道，ir、ig、ib为去雾前图像的三个色彩通道，jr、jg、jb为去雾后图像的三个色彩通道，h为理论上去雾前后不发生改变的变量，即h为去雾变化前后，色调未发生改变的项，对参数o进行扩充，则有：

式中o1′、o2′和o1″、o2″是o1、o2的扩充，将去雾前三个通道每个像素点求取的h0值与对应去雾前的h1进行相减，并求取其绝对值s，之后再将所有的s相加，并求取其平均值，其平均值即为色彩变化度指标cri。

进一步地，步骤3中所述的综合评价指标crn，定义如下：

其中，ici为图像自然度指标，cni为图像自然度指标，cri为图像色彩变化度指标，n1、n2为参数。

进一步地，n1＝5，n2＝2。

与现有技术相比，本发明具有以下有益的技术效果：

在对雾霾图像去雾效果进行评价时，传统算法只是对去雾前后图像的某一方面进行了检测，如对比度，熵值等，对去雾效果的评价经常需要多个指标的评价，最后由人为对这些指标的结果进行拟合判断，很难保证得到一个客观的最终结果，本发明从三个方面进行考虑，即图像的对比度指标、自然度指标、色彩变化指标，通过对这三个指标的拟合，实现对去雾效果的评价。理论上去雾前后图像的细节增多，可见边的数量也会增多，因此通过基于可见边的对比度计算，可以很好的评价去雾效果，同时本发明还兼具了对图像自然度和色彩变化度的评价，判断去雾前后图像是否更加自然，色彩是否发生失真，以此3个综合指标来对去雾效果进行评价，相比现有算法，其考虑的因素更为全面，对图像去雾效果的评价更为客观。

附图说明

图1是本发明的流程示意图；

图2、图3、图4、图5分别是不同的图片在不同算法下去雾后的效果，其中(a)、(b)、(c)分别为原图、fattal算法、何凯明算法(he算法)。

具体实施方式

下面结合附图对本发明作进一步详细描述：

参见图1，一种雾霾天气图像去雾效果评价方法，通过分别求取其图片对比度衡量ici、图片自然度衡量cni、图片色彩变化度衡量cri，最后提出一种综合的评价指标crn对图片去雾效果进行评价。

具体步骤如下：

步骤1、获取雾霾天气下去雾前后的交通图像；

步骤2：求取步骤1中获得的交通图像的对比度衡量指标、自然度衡量指标和图像色彩变化指标：

对比度衡量定义如下：

式中，ici是对比度衡量指标，nr表示去雾后图像的可见边数目，n0表示去雾前图像的可见边数目，使用去雾后图像的可见边比去雾前图像的可见边，避免了使用新增可见边可能导致的负数情况。

自然度衡量定义如下：

nsk＝exp(-0.5*((savg_sk-0.76)/0.52)²)

ngr＝exp(-0.5*((savg_gr-0.81)/0.53)²)

nsy＝exp(-0.5*((savg_sy-0.43)/0.22)²)

cni＝(nsk*nsk+ngr*ngr+nsy*nsy)/(nsk+ngr+nsy)

式中，cni为自然度衡量指标，nsk为色调取值为25-70的像素，ngr为色调取值为85-135的像素，nsy为色调取值为180-260的像素，savg_sk、savg_gr、savg_sy为这三类像素的饱和度均值，nsk、ngy、nsy分别为这三类像素点的个数，将图像转换至cieluv色彩模式下，通过对亮度分量和饱和度分量阈值化处理，保留亮度分量在20到80之间，饱和度分量大于0.1的值。然后在色调分量上进行计算。

通过下式衡量实现去雾前后图形色彩变化情况：

在将图像的rgb三通道的值进行上式的变化后，o1、o2通道的在进行加减变换后，其原式中的末尾项已经被被抵消，然后我们将o1、o2两项相除，来抵消这两项前面的系数t，如式所示：

上式中，o1i，o2i表示成像设备收集到的有雾图像的像素进行变换后得到的结果，o1j，o2j代表无雾清楚图像的像素进行式变换后得到的结果，的运算中，o1i，o2i前的系数t相互抵消，经过化简运算可以发现其最终结果与的结果相似，将此理论上不变的指标作为新的评价指标的一部分来评价图像去雾后的效果。为了将该项的取值范围更加方便人们计算，我们取：

h则为去雾变化前后，色调未发生改变的项，其取值范围为-1.57-1.57，则在理想情况下，去雾前后的h应该是没有发生改变的，而在现实应用中，一方面很难保证去雾前后的h不发生变化，因此可以用去雾先后h的变化情况来对图形去雾前后的颜色变化进行评价，来判断其在去雾前后是否使图像的色彩发生了失真。

为了更好的对颜色发生的变化进行评估，对参数o进行扩展，则有：

式中o1′、o2′和o1″、o2″是o1、o2的另外两个颜色通道的扩充，为了更好的评估图像在去雾前后颜色在各个通道的变化情况，将三个通道每个像素点求取的h值与对应去雾前的h进行相减，并求取其绝对值s，之后再将所有的s相加，并求取其平均值cri，cri则可对去雾前后的色彩变化进行评估。

步骤3、利用步骤2中求取的参数求取综合评价结果：

综合评价指标crn，定义如下：

上式中，在图像去雾效果较好时，ici的数值变化远大于cni，在去雾效果较差时两者数值相差不多，因此我们取1为分界线，当ici<1时，其值不变，反之，当ici>1时，再对ici进行开方操作，cri的数值变化过快，对其进行开方操作以统一指标，经过多次实验发现，当n1＝5、n2＝2时，该指标效果最好。

图2、图3、图4、图5分别是不同的图片在不同算法下去雾后的效果，其中(a)、(b)、(c)分别为原图、fattal算法、何凯明算法。表1是本发明指标在各图片下评估的参数，其中ici为图片对比度指标，cni为图片自然度指标，cri为图片颜色变化度指标，crn为本发明算法评价结果。

表1各算法评价结果对比

从表1可以看出，四幅图片中，he算法的去雾指数得分均高于fattal算法，这与我们的视觉效果一致，通过上面的图片，我们可以发现前两幅图片中，he算法复原的细节较fattal更多，因此其ici指数较高，而后两幅中，he算法也有效的复原了图片细节，而fattal由于其去雾效果较差，造成大面积的黑色，故在检验可见边数目时，其值偏大，fattal算法的ici指数偏高，并非因为细节复原较好，而是因为大面积的黑色区域误判为大部分可见边的综合。而对于cri指数，可以很明显的看出he算法复原的图片其颜色偏移量很少，cri指数远低于fattal的指数，这也是与我们的主观视觉相匹配的。