物理模型，通过逆运算， 从而还原出无雾图像。基于物理模型的去雾算法是从本质上进行了去雾处理，该模型是将 一个像素点的色彩和强度看作由雾的大气光产生的色彩和在没雾的天气下大气光产生的 色彩的线性组合，一般有基于中值滤波的去雾算法，基于均值滤波的实时去雾算法，暗原色 先验去雾算法。
[0055]暗原色先验算法原理及改进：
[0056]暗原色先验理论是何凯明等人的重要发现，通过一个全新的角度研究去雾这个问 题，发现的图像特性使去雾技术走上了一个新的发展道路。在2009年一经发布，便引起了社 会的广泛关注。
[0057]暗原色先验是在户外没有雾的情况下，得出的一种统计规律。以前的去雾算法，大 家都关注在于如何能高效的增强图像的对比度，而何凯明提出的算法是着眼于研究无雾图 像中存在的规律。通过大量收集在无雾的图像中发现任何一个局部都有存在有最少一个像 素，它的某几个颜色通道强度值接近于零，这些颜色通道即称之为暗原色。在雾天的图像 中发现，大气中的白光把这些暗像素的强度值充斥变高。暗原色先验理论也就是基于图像 阴影的物体如生活中的玻璃阴影;色彩亮丽的物体如绿色植物，鲜艳的花朵;亮度较低的物 体如石头;黑色物体或物体的投影如阳光照射下的树荫，这些存在着有暗原色。暗原色的求 取有三种方法，分别为方形结构元素的灰度腐蚀，最小值滤波和排序滤波，前两种效率较 高，最后一种效率低。暗原色先验去雾的优点在于去雾效果比较好并且可以得到景物深度 图，同时不需要额外的信息辅助去雾也不用人工的参与可以自动去雾。但是缺点在于处理 时间较长，效率不高。所以在暗原色去雾算法中进行了改进。在何凯文介绍的是用软抠图方 法细化透过率，这里改进为引导图像滤波。在求取暗原色的窗口大小这里选择自适应，同时 对大气光成分A的估计采用暗原色求最大值，然后对估计值过大时做修正，并且这里为了改 进运行速度用灰度图作引导滤波，而不是用彩色图作引导滤波，因为灰度图只有二维，而彩 色图有RGB三个通道。软抠图算法涉及了大规模稀疏矩阵的求解，使得本来就复杂的去雾公 式变得更为繁琐，大大影响了图像去雾的速度，而采用引导滤波不仅能大大提高运行效率， 而且可以获得引导图像上的细节信息。引导滤波其实是一种平滑处理的滤波器，它可以实 现多个功能如边缘的平滑，细节处的增强，还可以去除图像融合出的噪声。其原理是通过一 幅已知的图像作为引导图，对输入的图像进行滤波操作，在输出的图像上保留输入图像原 有的特征外还能得出已知作为引导图的细节的变化。它的作用在于搜索出线性因素的最 佳答案，让输入和输出图像之间的差的值取最小。对暗原色的窗口大小选择自适应，何凯明 文章中提到的窗口大小为15 X 15，而这里是采用3 X 3，加快运算速度。这里对大气光成分A 的估计采用暗原色求最大值，然后对估计值过大时做修正。
[0058]暗原色先验算法公式
[0059] I(x)=J(x)t(x)+A(l-t(x)) (2-3)
[0060] 公式(2-3)就是雾天形成模型，I为输入图像，J为光线强度，A为全球大气光成分，t 为透射率，通过估计A和t，得出去雾图J。
[0061] t(x)=e-M(x) (2-4)
[0062] 公式(2-4)为透射率的表达公式，β为大气的散射系数，d为深度，由公式可知景物 光线的透射率是随着景物深度成指数衰减的。
[0064]公式(2-5)为透射率估计公式，是规格化后的雾天图像的暗原色，它的强度值很低 趋近于0。因为存在空间透视现象，所以彻底把雾去除会使图像看起来有明显的处理痕迹同 时图像也会丧失深度感，所以公式(2-5)中引入一个常数，保留一部分的雾，的选取取决于 雾气的浓度以及大气参数等实际情况而定，经过大量实验得知，一般在雾气浓度较大时的 取值也会越大，在雾气浓度较低时的取值也较低。通过这个公式可以大致估算出透射率的 值，但是由于透射率并不是始终恒定的，会包含有光环效应和块效应，对于避免这些的产生 就需要寻找出景深突变的地方，然后对这些地方进行细致的处理，所以为了要解决这个问 题，需要引导滤波对透射率进行细化。
[0066]公式(2-6)就是暗原色去雾公式。由估计出的大气光成分A值求出的透射率t值得 出复原图J。
[0067]暗原色先验算法流程：
[0068] 1.将输入图像分为33的块。
[0069] 2.求出局部和全局的暗原色，通过假设的大气光成分A。求出透射率t。
[0070] 3.利用引导滤波方法细化透射率图。
[0071] 4.利用暗原色求出大气光成分A。
[0072] 5.根据公式(2-6)物理模型，求出复原图J。
[0073]为了证明本发明的方法的可行性及有效性将基于背景复用的视频图像去雾算法 与直接对图像序列进行暗原色先验去雾的算法和Treal算法相比较。
[0074] 从算法速度上比较，三种算法在东芝电脑L600-35R上的Matlab2010a平台上的运 行分辨率为360240大小80帧的视频图像平均时间分别为本算法:4.737859秒，暗原色先验 算法：162.42704秒，Treal算法：1121.6372秒。三种方法运行分辨率为640480大小50帧的图 片所用时间分别为本算法：5.341638秒，暗原色先验算法：180.36802秒，Treal算法： 1641.6613秒。并且由三种方法的前三帧比较可看出三种方法对视频的去雾效果此文提出 的基于背景复用概念去雾和基于暗原色先验去雾效果差不多都比Treal算法效果显著，还 原度更好。而且本发明提出的算法在运行速度上有了显著的提高。
[0075]从算法复杂度上比较，基于背景复用的视频去雾算法比利用暗原色直接去雾多了 运动目标检测以及背景复用这两个算法。运动目标检测算法利用的是典型的帧间差分算 法，运算并不复杂，在背景复用算法这里采用的是简化的连续帧差法，算法也并不复杂。所 以算法虽然比暗原色先验去雾算法多了两大块，但是在算法上的难度并没有增加很大。 Treal算法复比引导滤波简单，所以也并不复杂。
[0076]以上证明出本发明的方法是具有一定的可行性以及通过与基于暗原色去雾的算 法比较得出本文提出的新算法确实在运行速度上有了大大的提高。
【主权项】
1. 一种基于背景复用的视频图像增强处理方法，其特征在于，包括W下步骤： 1) 读入视频数据，做去噪预处理操作； 2) 然后利用帖间差分算法，进行背景和前景的分离，提取出背景区域和运动目标； 3) 利用图像增强方法对开始帖图像的背景区域和运动目标区域进行图像增强处理，并 保存背景区域增强处理后的结果； 4) 此后提取每一帖图像的运动目标区域并进行图像增强处理，最后把处理后的结果与 保存的背景区域增强处理后的结果进行合并，得到背景复用的增强处理后的视频图像； 5) 背景区域每隔一段时间会更新一次，并且对更新后的背景进行增强处理，然后再与 其后的各帖的运动目标区域增强处理后的结果合并，得到背景复用的增强处理后的视频图 像。2. 根据权利要求1所述的基于背景复用的视频图像增强处理方法，其特征在于，步骤2) 中，所述帖间差分算法具体按照W下步骤进行： (1) 输入所需处理的视频，计算得出视频帖数； (2) 将彩色视频图像序列变化为灰度图像； (3) 灰度化后的图像前后两帖做差，将做差结果二值化； (4) 二值化的结果与阔值进行比较，标记出运动目标； (5) 还原出彩色图像。3. 根据权利要求2所述的基于背景复用的视频图像增强处理方法，其特征在于，所述帖 间差分算法中，将彩色视频图像变换为灰度图像的公式如下： Υ = 0.212671 XR+0.715160 XG+0.07216 XB (2-1) 式(2-1)中:Υ为灰度值，R、G、B分别表示为彩色视频图像的Ξ个通道； 由于彩色视频图像为Ξ维矩阵，因而按照下式将彩色视频图像转为灰度图像二维矩阵 (x，y)W便于做差：公式(2-2)中（X，y)为像素坐标，Dl为(X，y)像素坐标点上二值化后的灰度值;T为阔值， 阔值的选取是基于反复实验W及经验得出，由于每帖图像光照的不同，W及成像系统的随 机误差，阔值的选取不可为0,阔值对于帖间差分法的效果有着直接的影响，所W需要经过 多次反复试验比较结果得出。
【专利摘要】本发明提出了一种基于背景复用的视频图像增强处理方法，通过观察、比较得知在固定摄像头拍摄的视频中，一般背景具有不变性，根据这一特性进行背景复用，本发明先用帧间差分算法将视频中的运动目标识别出来，通过不断的与阈值比较找出运动目标的最小坐标和最大坐标，标记出运动目标矩形框。之后利用简化的连续帧差法进行背景提取和刷新。再利用暗原色先验法分别对运动目标和背景去雾，运动目标为逐帧去雾，而背景只需要定时处理，再将去雾后的背景和运动目标合并，完成视频的去雾，本方优点在于在固定背景的视频中能大大提高运算速度，实现高质量的视频去雾效果。
【IPC分类】G06T7/20, G06T5/00, G06T7/00
【公开号】CN105550999
【申请号】CN201510908418
【发明人】王殿伟, 郭华
【申请人】西安邮电大学
【公开日】2016年5月4日
【申请日】2015年12月9日