一種基于改進大氣散射模型的單幅圖像快速去霧方法

一種基于改進大氣散射模型的單幅圖像快速去霧方法
【專利摘要】本發明公開了一種基于改進大氣散射模型的單幅圖像快速去霧方法，該方法針對大氣散射模型的缺陷，將原散射模型中的大氣光與透射率分別重新定義，并以改進模型為基礎，首先依據霧氣濃度特征對有霧圖像進行場景分割；然后，借鑒He方法所提的腐蝕法，采用平均策略估計出場景入射光L；其次，通過最大化每個場景的對比度信息粗略估計出場景透射率T，并提出一種基于環境特征的透射率自適應調節機制，以實現柔性去霧；最后，提出一種導向全變分模型對初始估計結果進行邊緣優化，將優化結果導入改進的散射模型，復原出清晰圖像。該方法能有效解決光照不均勻、過增強和過飽和等問題，且在去霧能力，其普適性和去霧速度都優于現有的主流去霧方法。
【專利說明】
一種基于改進大氣散射模型的單幅圖像快速去霧方法
技術領域
[0001] 本發明涉及一種基于改進大氣散射模型的單幅圖像快速去霧方法，屬于圖像處理
技術領域。
【背景技術】
[0002] 戶外場景由于受到霧霾的影響，成像效果往往不佳。其原因是大氣中的懸浮水滴、 氣溶膠能對反射光產生散射、吸收、折射等作用，導致捕獲圖像的對比度降低、飽和度下降 以及顏色偏移，進而無法保證戶外機器視覺系統的執行精度，如車牌號識別、火災監控等。 因此，如何進行有效去霧，已成為圖像處理領域中的研究熱點之一。
[0003] 圖像去霧方法大體可以分為兩類：圖像增強去霧和基于物理模型的圖像去霧。前 者沒有考慮退化機理，而是突出圖像中一些重要的紋理細節，雖然一定程度上提高了算法 的可視性，但并沒有實現真正意義上的去霧。
[0004] 在機器視覺與圖形學中，大氣散射模型被廣泛的應用于圖像去霧技術的研究，其 成像方程可描述為：
[0005]
[0006] 上式中，（x，y)為像素索引，I表示觀察者實際感受到的圖像強度，A為大氣光，在單 幅圖像中一般視其為恒常量，P為期望恢復出的場景反照率，t為介質透射圖，當大氣同質且 均勻時，可表示為：
[0007] t(x，y)=e-e.d(x'y)
[0008] 上式中，i3、d分別表示介質散射系數與場景深度圖。由上式可知，去霧的關鍵就是 在原圖像中估計出參數A與t，其實質是一個的病態問題。近年來，諸多學者利用所提先驗知 識對該問題約束處理，雖取得了一定的進展，但復原效果仍不盡人意。由Retinex理論可知， 場景反照率是物體的內在性質，與入射光或其他外界因素無關，其具有無霧高清特征。He方 法將散射模型的大氣光設置為全局恒常量，認為圖像中各個場景都受到了大氣光的直接輻 射，而對于不同場景，其光照強度極有可能是不同的，設置大氣光為全局恒常量具有明顯的 局限性，因此無論怎樣設置大氣光值均無法恢復出"理想"的場景反照率。此外，利用散射模 型進行透射率估計時，需遍歷圖像中所有像素點，而相同場景下的深度變化相對平緩，一 般可近似認為單一場景下的透射率為恒定值，也就是說逐點透射率估計過程包含了大量冗 余計算。而本發明能夠很好地解決上面的問題。

【發明內容】

[0009] 本發明目的在于針對上述現有技術的缺陷，提出一種基于改進大氣散射模型的單 幅圖像快速去霧方法，該方法在改進大氣散射模型的基礎上，分別進行場景自動分割、估計 場景入射光圖以及場景透射率圖；最后，利用全變分模型對估計結果行邊緣優化，將優化后 的結果導入改進的散射模型復原出清晰圖像。
[0010] 本發明解決其技術問題所采取的技術方案是:一種基于改進大氣散射模型的單幅 圖像快速去霧方法，該方法包括以下步驟：
[0011]步驟1:將原散射模型中的大氣光A與透射率t分別重新定義為場景入射光L和場景 透射率T，每個場景下的L和T為恒定值，得到改進的大氣散射模型；
[0012] 步驟2:依據霧氣濃度特征對原始有霧圖像進行場景分割；
[0013] 步驟3:估計各顏色分量的場景入射光圖像，并采用腐蝕法消除白色物體對其產生 的影響，采用平均策略來弱化場景錯誤分割像素的干擾；
[0014] 步驟4:通過最大化每個場景的對比度信息粗略估計出場景透射率，再通過基于環 境特征的透射率自適應調節機制，柔性去霧；
[0015] 步驟5:通過一種具有導向功能的全變分模型，對估計的場景入射光圖和透射率圖 進行優化；
[0016]步驟6:將優化后的結果導入改進的散射模型復原清晰圖像R。
[0017] 進一步的，本發明步驟1包括：
[0018] 改進后的大氣散射模型為：
[0019] I(x,y)=L(i) · p(x,y) · T(i)+L(i) · (l-T(i)) (x,y)eQi
[0020] 上式中，i表示場景標簽號，QhUihTG)分別表示標簽號為i場景下的位置索引 集合、場景入射光以及場景透射率。
[0021] 進一步的，本發明的步驟2包括：
[0022] 1)將圖像分割為若干個不重疊的3X3分塊，計算每個分塊的霧氣濃度量化系數；
[0023] 2)遍歷所有分塊得到霧氣濃度分布圖，再采用均勻分割法對其進行聚類，實現場 景分割。
[0024]進一步的，本發明的步驟3包括：
[0025] 1)對每個顏色分量進行腐蝕操作，提取"場景i"在該顏色分量對應位置處的腐蝕 分量；
[0026] 2)將腐蝕分量中前10%較大強度值的平均設置為"場景i"的光照強度，遍歷所有 場景可得到該顏色分量的場景入射光圖像。
[0027]進一步的，本發明步驟4包括：
[0028] -種基于環境特征的透射率自適應調節機制包括以下步驟：
[0029] 步驟1:根據霧氣濃度量化圖，預估場景的霧氣濃度指標；
[0030] 步驟2:根據預估的霧氣濃度指標自適應調節透射率的幅度，控制不同環境下的透 射率增強幅度。
[0031]進一步的，本發明的步驟5包括：
[0032] -種具有導向功能的全變分模型為：
[0033]
[0034] 上式中，β、γ為懲罰因子，E為能量函數，G為引導圖像，W為梯度權重，
[0035] 為提高上述模型的計算速度，利用r Xr鄰域對圖像的梯度進行逼近，則模型可近 似為：
[0036]
[0041]上式中，j為迭代次數，分子中的前2項依賴于輸入信息，在迭代過程中只需計算一 次即可，僅第三項需要不斷更新，第三項只需進行簡單的r Xr鄰域求和操作，采用盒子濾波 器進一步加速處理，使其復雜度降為0(1)。令Trefine的初始輸入為f,引導圖像G為原圖像I 的亮度分量，當參數為α = 3、β = 3 · (Iter-Ι)、γ =4、r=max(lh，lw)/15時可取得較好的效 果，其中11虹、111、1|分別為迭代次數、圖像的高與寬。
[0042]進一步的，本發明的步驟6包括：
[0043]復原圖像R的表達式為：
[0044] Rc=min(max(pc,0), 1)
[0045] 上式中ce{R，G，B}為顏色標i
9場景反照率。
【附圖說明】
[0046] 圖1為本發明實施的方法流程圖。
[0047] 圖2為基于環境特征的透射率幅度自適應調節圖。
[0048] 圖3為幾組有霧圖像對應的霧氣濃度量化圖以及場景分割效果圖。
[0049] 其中，（a)表示有霧圖像;（b)表示霧氣濃度分布圖；（c)表示場景分割效果圖。
[0050] 圖4為兩組邊緣優化處理效果圖。
[0051] 其中，（a)(g)表示有霧圖像；（b)(h)表示粗透射圖；（c)~(f)、（i)~（1)表示迭代 后的透射率圖（colormap = "hot"）。 具體實施方案
[0052]下面結合說明書附圖對本發明創造作進一步的詳細說明。
[0053]本發明以場景為基本單元，將原散射模型中的大氣光A與透射率t分別重新定義為 場景入射光L與場景透射率T，且認為每個場景下的場景照度與場景透射率為恒定值，則改 進后的散射模型表示為：
[0054] I(x,y)=L(i) · p(x,y) · T(i)+L(i) · (l-T(i)) (x,y)e Qi
[0055] 上式中，i表示場景標簽號，QhUihTG)分別表示標簽號為i場景下的位置索引 集合、場景入射光以及場景透射率。
[0056] 接著以霧氣濃度作為場景分割依據，則場景分割問題可轉變為對霧氣濃度分布圖 的聚類問題，其具體可分為以下2個步驟，包括
[0057] 步驟1:將圖像分割為若干個不重疊的3X3分塊，并采用下式計算出每個分塊的霧 氣濃度量化系數：
[0058] V,.
[0059] 上式中，Bi表示標簽號為i的分塊，Φ，分別表示平均值計算函數與標準差計算函 數。設置分塊B1中所有像素的量化系數為V1，遍歷所有分塊得到霧氣濃度分布圖V。
[0060] 步驟2:采為簡化計算，采用復雜度較低的均勻分割法對V進行聚類，其過程可描述 為：
[0061]
[0062]上式中，C表示場景分割圖，k=15為場景分割目標數，Vscirt表示V中所有量化系數 的一維升序序列，1為原圖像的分辨率。圖3給出了幾組有霧圖像的霧氣濃度分布圖及其對 應的場景分割效果圖（相同顏色表示為同一場景），從圖中可以看出，所提方法能夠較好的 識別出圖中各個場景。
[0063] 場景入射光的估計要考慮到白色物體的混淆以及場景分割的精確性問題，本發明 借鑒He方法所提腐蝕法來消除白色物體的影響，采用平均策略來弱化場景錯誤分割像素的 干擾，以估計紅色分量I R的場景入射光為例，首先對其進行腐蝕操作，即：
[0064]
[0065] 上式中，Θ表示腐蝕計算符號，Λ表示腐蝕模板。然后，提取"場景i"在對應位置 處的腐蝕分量，并將中前10%較大強度值的平均設置為"場景i"的光照入射光，遍 歷所有場景便可得到紅色分量的場景入射光圖L r，其余顏色分量的場景入射光圖LG、LB與上 述方法一致。
[0066] 其次，本發明利用"梯度和"來表征對比度信息，則"場景i"在紅色分量對應位置的 透射率公式為：
[0067]
[0068] 上式為一維最小搜索問題，利用黃金分割法可快速獲取最優解。考慮到單純的提 高對比度，會引起紋理區域的過飽和現象以及天空區域的過增強現象，為此，本發明提出一 種基于環境特征的透射率自適應調節機制，以消除上述感知層面的視覺干擾，其具體步驟 如下：
[0069] 步驟1:根據霧氣濃度量化圖V，預估出"場景i"的霧氣濃度指標，即
[0070]
[0071] 上式中，Q1表示"場景i"所包含的像素個數。根據預估指標值進行環境特征分類， 將指標值分布于[0,0.3]、（0.3,0.5]、（0.5,0.7]、（0.7，1]區間內的場景分別設定為紋理區 域、薄霧區域、濃霧區域以及天空區域。
[0072] 步驟2:為盡可能不影響去霧質量，定義透射率調節幅度函數為：
[0073]
[0074] 上式中，參數μ = 0.5, ω =0.15。圖2為此機制下的自適應調節曲線圖，從圖中可以 看出，該機制能夠控制不同環境的透射率增強幅度，對于難以判別所屬類型的場景，也采取 了折中策略來降低這種不確定性。
[0075] 為消除上述場景自動分割過程引起的塊效應問題，以及對透射圖與場景照度圖的 估計結果進行導向平滑處理，本發明在原變分模型的基礎上，提出一種具有導向功能的全 變分模型·
[0076]
[0077] 上式中，β、γ為懲罰因子，E為能量函數。第一項與第二項與原變分模型一致，增加 的第三項為導向結構罰函數，其引入的目的是為了強調邊緣的導向性，使得Trrf lne3具有與引 導圖像G相一致的邊緣特征，W為梯度權重，其計算公式為：
[0078]
[0079] 為提高上述模型的計算速度，利用r Xr鄰域對圖像的梯度進行逼近，則模型可近 似為：
[0083]上式中，j為迭代次數。分子中的前2項依賴于輸入信息，在迭代過程中只需計算一 次即可，僅第三項需要不斷更新，而第三項也只是簡單的r Xr鄰域求和操作，并且可采用盒 子濾波器進一步加速處理，使其復雜度降為0(1)。令Trefine的初始輸入為T~，引導圖像G為 原圖像I的亮度分量，當參數為α = 3、β = 3 · (Iter-Ι)、γ =4、r=max(lh，lw)/15時可取得較 好的效果，其中11從、111、1分別為迭代次數、圖像的高與寬。圖4為邊緣優化的兩個具體實 例，從圖中可以看出，本文所提邊緣優化方法具有極快的收斂速度，經過少數幾次的迭代便 能獲得較好的優化效果，在勾勒出深度結構的同時，模糊了大量的紋理細節。場景入射光圖 的優化結果同樣按此方法獲得。
[0084] 獲取優化后的場景入射光圖以及透射率圖后，將其代入下式得到場景反照率：
[0085]
[0086] 上式中，Ce{R，G，B}為顏色標簽。
[0087] 將場景反照率限制在[0，1]范圍內，利用下式復原清晰圖像R:
[0088] R=min(max(pc,0) ,1) 〇
【主權項】
1. 一種基于改進大氣散射模型的單幅圖像快速去霧方法，其特征在于，所述方法包括 如下步驟： 步驟1:將原散射模型中的大氣光A與透射率t分別重新定義為場景入射光L和場景透射 率T，每個場景下的L和T為恒定值，得到改進的大氣散射模型； 步驟2:依據霧氣濃度特征對原始有霧圖像進行場景分割； 步驟3:估計各顏色分量的場景入射光圖像，并采用腐蝕法消除白色物體對其產生的影 響，采用平均策略來弱化場景錯誤分割像素的干擾； 步驟4:通過最大化每個場景的對比度信息粗略估計出場景透射率，然后通過基于環境 特征的透射率自適應調節機制，實現柔性去霧； 步驟5:通過一種具有導向功能的全變分模型，對估計的場景入射光圖和透射率圖進行 優化； 步驟6:將優化后的結果導入改進的散射模型復原清晰圖像R。2. 根據權利要求1所述的一種基于改進大氣散射模型的單幅圖像快速去霧方法，其特 征在于，所述方法的步驟1包括： 原散射模型為： I(x,y)=A · p(x,y) · t(x,y)+A · (l-t(x,y)) 上式中，（x，y)為像素索引，I表示觀察者實際感受到的圖像強度，A為大氣光，在單幅圖 像中一般視其為恒常量，P為期望恢復出的場景反照率，t為介質透射圖，當大氣同質且均勻 時，表示為： t(x，y) = e-e.d(x'y) 上式中，i3、d分別表示介質散射系數與場景深度圖； 改進后的大氣散射模型為： I(x，y)=L(i) · p(x，y) · T(i)+L(i) · (l-T(i)) (x，y) e Ω i 上式中，i表示場景標簽號，QhLahTG)分別表示標簽號為i場景下的位置索引集合、 場景入射光以及場景透射率。3. 根據權利要求1所述的一種基于改進大氣散射模型的單幅圖像快速去霧方法，其特 征在于，所述方法的步驟2包括： 1) 將圖像分割為若干個不重疊的3X3分塊，計算每個分塊的霧氣濃度量化系數； 2) 遍歷所有分塊得到霧氣濃度分布圖，再采用均勻分割法對其進行聚類，實現場景分 割。4. 根據權利要求1所述的一種基于改進大氣散射模型的單幅圖像快速去霧方法，其特 征在于，所述方法的步驟3包括： 1) 對每個顏色分量進行腐蝕操作，提取"場景i"在該顏色分量對應位置處的腐蝕分量； 2) 將腐蝕分量中前10%較大強度值的平均設置為"場景i"的光照強度，遍歷所有場景 得到該顏色分量的場景入射光圖像。5. 根據權利要求1所述的一種基于改進大氣散射模型的單幅圖像快速去霧方法，其特 征在于，所述方法的步驟4包括： 一種基于環境特征的透射率自適應調節機制包括以下步驟： 步驟1:根據霧氣濃度量化圖，預估場景的霧氣濃度指標； 步驟2:根據預估的霧氣濃度指標自適應調節透射率的幅度，控制不同環境下的透射率 增強幅度。6. 根據權利要求1所述的一種基于改進大氣散射模型的單幅圖像快速去霧方法，其特 征在于，所述方法的步驟5包括： 一種具有導向功能的全變分模型為：上式中，β、γ為懲罰因子，E為能量函數，G為引導圖像，W為梯度權重， iF(x，)，) = explVG('r)l-1. > 為提高上述模型的計算速度，利用rXr鄰域對圖像的梯度進行逼近，則模型為：上式中，TrefimGi分別為Trefine、G的鄰域像素，令上式的導數為0,經整理得：將上式改寫為迭代形式：上式中，j為迭代次數，分子中的前2項依賴于輸入信息，在迭代過程中只需計算一次即 可，僅第三項需要不斷更新，第三項只需進行簡單的rXr鄰域求和操作，采用盒子濾波器進 一步加速處理，使其復雜度降為0(1)，令T rrfine3的初始輸入為f，引導圖像G為原圖像I的亮 度分量，當參數為α = 3、β = 3 · (Iter-Ι)、γ =4、r=max(lh，lw)/15時取得較好的效果，其中 I ter、lh、lw分別為迭代次數、圖像的高與寬。7. 根據權利要求1所述的一種基于改進大氣散射模型的單幅圖像快速去霧方法，其特 征在于，所述方法的步驟6包括： 復原圖像R的表達式為：Rc=min(max(pc,0), 1) 上式中ce {R,G,B}為顏色標簽， [〇, 1]為場景反照率。8. 根據權利要求1所述的一種基于改進大氣散射模型的單幅圖像快速去霧方法，其特 征在于，所述方法是分別進行場景自動分割、估計場景入射光圖以及場景透射率圖；最后， 利用全變分模型對估計結果行邊緣優化，將優化后的結果導入改進的散射模型復原出清晰 圖像。9. 根據權利要求1所述的一種基于改進大氣散射模型的單幅圖像快速去霧方法，其特 征在于，所述方法應用于圖像去霧。
【文檔編號】G06T7/00GK106056557SQ201610409700
【公開日】2016年10月26日
【申請日】2016年6月12日
【發明人】張登銀, 鞠銘燁, 李世鋒
【申請人】南京郵電大學