《一种快速的单幅图像去雾算法.pdf》由会员分享，可在线阅读，更多相关《一种快速的单幅图像去雾算法.pdf（13页珍藏版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 104240192 A (43)申请公布日 2014.12.24 CN 104240192 A (21)申请号 201310287579.X (22)申请日 2013.07.04 G06T 5/00(2006.01) (71)申请人 西南科技大学 地址 621010 四川省绵阳市涪城区青龙大道 中段 59 号 (72)发明人 张红英 段然 吴亚东 (54) 发明名称 一种快速的单幅图像去雾算法 (57) 摘要 本发明公开了一种基于暗原色先验和信息合 成的单幅图像快速去雾算法及其硬件平台的实 现。 通过图像色彩空间的RGB三通道中的最小值、 图像梯度和暗通道图以特定的条。
2、件快速合成出去 雾模型所需要的透射图， 代替了原来暗原色验去 雾算法中软抠图法求解透射图的步骤， 并优化了 暗通道的计算。这种方法将原来的大规模稀疏矩 阵的运算变为了对几幅不同信息图像对应像素点 的比较， 运算量大大减小， 且在大多数情况下能得 到与原算法效果同等理想的结果。 同时， 该算法由 于简化了运算量， 并且用像素比较的方法取代原 算法中精度要求非常高的浮点运算， 更容易在硬 件平台如 FPGA、 DSP 等平台上实现。此外， 由于该 算法耗时大大减小且能在硬件平台上实现， 理论 上具备实时处理的能力。 (51)Int.Cl. 权利要求书 1 页 说明书 4 页 附图 7 页 (19)。
3、中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书1页 说明书4页 附图7页 (10)申请公布号 CN 104240192 A CN 104240192 A 1/1 页 2 1. 一种快速的单幅图像去雾算法， 其特征在于， 融合了暗原色先验和梯度信息， 包括以 下步骤 ： 步骤 1 ： 对输入图像色彩空间 R、 G、 B 三个通道取数值上最小的值得到最小值图像 ； 步骤 2 ： 求出步骤 1 得到的最小值图像的梯度图并给与适当的阈值使其二值化， 得到二 值化梯度图 ； 步骤 3 ： 将步骤 2 得到的二值化梯度图作为暗通道运算的条件， 优化暗通道计算， 得到 图像整体或局部的暗通道。
4、图像 ； 步骤 4 ： 求出步骤 3 中暗通道图像的梯度图作为滤波的引导图像 ； 步骤 5 ： 以步骤 5 所得的二值化梯度图像作为合成的条件， 将步骤 1 的最小值图像和步 骤 3 的暗通道图像以特定运算合成， 得到含随机噪声和光晕效应的透射图 ； 步骤 6 ： 以步骤 4 求得的滤波引导图像对步骤 5 所得的透射图进行平滑滤波， 得到消弱 光晕现象的透射图 ； 步骤 7 ： 对步骤 6 所得的透射图进行低通滤波， 得到去噪后的透射图 ； 步骤 8 ： 利用步骤 7 所得的透射图， 通过对大气散射模型的逆运算求得去雾后的图像。 2. 根据权利要求 1 所述的基于暗原色先验和信息合成的单幅图像。
5、快速去雾算法， 其特 征在于， 步骤 3 中采用梯度先验的方法优化了暗通道计算。 3. 根据权利要求 1 所述的基于暗原色先验和信息合成的单幅图像快速去雾算法， 其特 征在于， 步骤 5 信息合成的算法为 ： 其中 t(x) 为透射图， IMin(x) 为最小值图像， IDark(x) 为暗通道图像， Gradient(x) 为二 值化梯度图像， C 为一个 0 到 1 之间的常数， 其典型值为 0.6。 权 利 要 求 书 CN 104240192 A 2 1/4 页 3 一种快速的单幅图像去雾算法 技术领域 0001 本发明涉及图像处理技术领域， 具体来讲， 涉及一种处理雾、 霾天气条件下。
6、的图像 清晰化技术， 即基于暗原色先验和信息合成的单幅图像快速去雾算法。 背景技术 0002 图像去雾问题在数学分析中属于图像处理中的不适定问题 (ill posed problem) 或称反问题(inverse problem)， 这种问题往往未知参数较多且没有客观的评价标准。 因此 对图像去雾算法的早期研究都采样图像增强的相关手段， 通过研究图像的亮度对比度等实 现图像在视觉效果上的恢复， 这种方法被归纳为非物理模型方法。 随着理论的发展， 图像降 质过程得到了越来越多的关注， 其目的是通过图像降质的逆运算求得原始图像， 其中像大 气散射模型等模型的提出让图像去雾技术有了较大的进展， 基于。
7、降质模型的方法统称为物 理模型方法。近几年， 何凯明等人提出的暗原色先验算法让图像去雾技术再向前推进一大 步， 受到了研究人员的高度关注。 暗原色先验的算法在去雾效果上可以说十分理想， 但却因 算法的复杂度过高、 耗时过大而没有得到广泛应用， 所以近期关于暗通道算法的快速算法 成为了热点话题。 0003 在国内的研究机构中， 微软亚洲研究院和香港中文大学信息工程系的多媒体实验 室 He 等人研究出基于暗原色先验的单幅图像去雾方法 1。该方法属于物理模型方法， 利 用大气散射模型 2， 假设在至少一个颜色通道的局部区域内， 场景反照率趋于 0， 实用最 小值滤波对介质传播函数进行粗估计。然后利用。
8、图像抠图 (image matting) 算法 3 对介 质传播函数进行细化 (refining)， 其成果较为显著， 但由于细化方法实质上是一个大规模 稀疏线性矩阵方程组求解， 具有很高的时间复杂度和空间复杂度， 使其与实际应用仍然存 在较大差距。 0004 与国内相比， 国外的研究展开较早， 著名的有美国国家航空航天局 (NASA) 的 Langley 研究中心 (LRC) 的基于领域 (surround-based) 的 Retinex 算法 4， 对雾、 烟、 水 下和夜晚图像进行增强， 并将其算法嵌入 DSP 中， 处理分辨率为 256256 的灰度图像可以 达到 30 帧每秒， 基。
9、本满足实时性的要求。这种算法源于 Land 在人眼对颜色感知特性的研 究5， 将图像表示为反射分量和照度分量相乘积的形式。 而基于领域的Retinex算法理论 基础是， 照度分量的强度一般变化缓慢， 在频域中表现为低频成分， 而不同物体表面材质的 反射率差异交大， 表现为高频成分， 所以可以通过低通滤波的方法估计照度分量， 然后在图 像中去除场景的照度分量， 获得实际反射分量。 此类方法属于非物理模型方法， 这类方法基 于图像本身像素或领域的处理， 计算相对简单， 可应用于实时性要求的场合， 但是存在严重 的颜色失真问题。 0005 此外哥伦比亚大学的计算机视觉实验室研究如何利用不同条件下同一。
10、场景的 多幅图像来恢复清晰图像， 并建立了不同天气条件下同一场景的 WILD 数据库。与 He 等 人一样同样是采用物理模型方法， 该方法从 RGB 色彩空间出发推导出二色大气散射模型 (dichromatic atmospheric scattering model)6， 分析不同天气条件下场景颜色的变 说 明 书 CN 104240192 A 3 2/4 页 4 化关系， 在场景颜色变换的约束条件下恢复出场景的三维结构和颜色， 但是这 种方法假设 了大气散射系数并不随光的波长变化而变化， 这个假设在雾天不成立， 如果场景中的物体 接近雾霾颜色， 则恢复效果并不理想。之后该方法作者 Nara。
11、simhan 和 Nayar 又提出单色 大气散射模型 7， 并基于该模型利用两幅图像中同一像素点灰度值的变化， 检测景深边缘 (depth edges or depth discontinuities)， 将图像分割为不同景深的若干区域 ( 同一区 域内景深相同 )， 来获得场景的三维结构， 进而恢复图像。 0006 以色列的联合成像实验室 Schechner 等人认为环境光是部分水平的偏振光， 而大 气粒子的散射作用不会改变物体表面反射光的偏振状态 8。他们研究的基于偏振滤波的 方法， 是通过旋转偏振片获取同一场景的最大和最小偏振度的两幅图像， 利用它们之间的 差值估计环境光， 进而恢复图。
12、像。 此算法大气成像和水下成像均适用， 但是稳定性依赖于环 境光的偏振状态和偏振度， 在阴天和浓雾情况下效果并不理想。 0007 帝国理工学院通信和信号处理组 Tan 等人 9 在马尔科夫随机场 (MRF) 模型的框 架下， 构造关于边缘强度的代价函数， 使用图分割 (graph cut) 理论来估计最优光照。此方 法假设局部区域环境光为常数， 而对对比度进行增强， 明显改善图像的视见度。 但此方法可 能使颜色过饱和， 且在深景突变的边界产生晕轮效应 (The Halo Effect)。 发明内容 0008 本发明的目的在于找到一种在去雾效果相对理想的条件下处理速度更快且适合 硬件实现的算法。。
13、 0009 为达到上述发明目的， 本发明的基于暗原色先验和信息合成的单幅图像快速去雾 算法， 包括以下步骤 ： 0010 步骤 1 ： 对输入图像色彩空间 R、 G、 B 三个通道取数值上最小的值得到最小值图 像 ； 0011 步骤 2 ： 求出步骤 1 得到的最小值图像的梯度图并给与适当的阈值使其二值化， 得 到二值化梯度图 ； 0012 步骤 3 ： 将步骤 2 得到的二值化梯度图作为暗通道运算的条件， 优化暗通道计算， 得到图像整体或局部的暗通道图像 ； 0013 步骤 4 ： 求出步骤 3 中暗通道图像的梯度图作为滤波的引导图像 ； 0014 步骤 5 ： 以步骤 5 所得的二值化梯度。
14、图像作为合成的条件， 将步骤 1 的最小值图像 和步骤 3 的暗通道图像以特定运算合成， 得到含随机噪声和光晕效应的透射图 ； 0015 步骤 6 ： 以步骤 4 求得的滤波引导图像对步骤 5 所得的透射图进行平滑滤波， 得到 消弱光晕现象的透射图 ； 0016 步骤 7 ： 对步骤 6 所得的透射图进行低通滤波， 得到去噪后的透射图 ； 0017 步骤 8 ： 利用步骤 7 所得的透射图， 通过对大气散射模型的逆运算求得去雾后的图 像。 0018 本发明通过图像色彩空间的 RGB 三通道中的最小值、 图像梯度和暗通道图以特定 的条件快速合成出去雾模型所需要的透射图， 代替了原来暗原色验去雾算。
15、法中软抠图法求 解透射图的步骤， 并优化了暗通道的计算。这种方法将原来的大规模稀疏矩阵的运算变为 对几幅不同信息图像对应像素点的比较， 运算量大大减小， 且在大多数情况下能得到与原 说 明 书 CN 104240192 A 4 3/4 页 5 算法效果同等理想的结果。 同时， 该算法由于简化了运算量， 并且用像素比较的方法取代原 算法中精度要求非常高的浮点运算， 更容易在硬件平台如 FPGA、 DSP 等平台上 实现。此外， 由于该算法耗时大大减小且能在硬件平台上实现， 理论上具备实时处理的能力。 附图说明 0019 图 1 是本发明单幅图像去雾的一种具体实施方式的流程图。 0020 图 2 。
16、是本发明中暗通道优化的方法示意图， 其中左图为二值化梯度图， 右图为通 过二值化梯度图作为暗通道运算条件得到的图像暗通道。 0021 图 3 是本发明中基于信息合成的快速透射图求解过程示意图。 0022 图 4 是本发明 matlab 程序测试结果， 其中左图为有雾图像， 右图为本发明的去雾 后的图像。 0023 图 5 是本发明 matlab 程序算法耗时， 其中横坐标为图像像素点总个数， 纵坐标为 本发明算法整体耗时秒数。 0024 图 6 是本发明基于 FPGA 平台的系统设计图。 0025 图 7 是本发明基于 DE2 平台的演示系统设计图。 0026 图 8 是本发明演示系统算法启动。
17、前显示。 0027 图 9 是本发明演示系统算法启动后显示。 具体实施方式 0028 为更好地理解本发明， 下面结合具体实施方式对本发明进行更为详细描述。在以 下的描述中， 当已有的现有技术的详细描述也许会淡化本发明的主题内容时， 这些描述在 这儿将被忽略。 0029 图 1 是本发明单幅图像去雾的一种具体实施的方式的流程图， 在本实施例中， 按 照以下步骤进行 ： 0030 ST101 ： 首先将输入图像， 并按步骤求得最小值图像、 二值化梯度图像、 暗通道图像 和滤波引导图像。 0031 其中暗通道图像计算如下 ： 0032 0033 其中 Ic(x) 是色彩空间为 RGB 的有雾输入图像。
18、。 0034 ST102 ： 根据 ST101 所得到的最小值图像 IMin(x)、 二值化梯度图像 Gradient(x) 和 暗通道图像 IDark(x) 按下面运算合成透射图 t(x) ： 0035 0036 ST103 ： 根据大气散射模型， 由输入的有雾图像以及求得的透射图像， 通过逆运算 求出去雾后的图像， 其运算过程为 ： 说 明 书 CN 104240192 A 5 4/4 页 6 0037 0038 其中 J(x) 为去雾结果， I(x) 为原始图像， A 为大气光强， t0为常数， 典型值 0.1。 0039 图 2 和图 3 则是 ST101 和 ST102 的过程示意图。
19、。图 4 则为 matlab 程序的测试结 果。图 5 为算法的耗时， 其测试条件为笔记本电脑 2.4G 双核 i5。 0040 图 6 为 FPGA 平台的系统设计， 图 7 为 DE2 开发板上演示系统的设计。 0041 图8和图9中， 显示的四幅图像从左到右依次为有雾图像， 最小值图像， 透射图， 去 雾后图像。 0042 因为 DE2 板硬件资源限制， 在图 8 和图 9 中的演示系统并没有达到软件算法的效 果， 但可以明确该算法能够在 FPGA 系统上得以实现。 0043 尽管上面对本发明说明性的具体实施方式进行了描述， 但应当清楚， 本发明不限 于具体实施方式的范围， 对本技术领域。
20、的普通技术人员来讲， 只要各种变化在所附的权利 要求限定和确定的本发明的精神和范围内， 这些变化是显而易见的， 一切利用本发明构思 的发明创造均在保护之列。 说 明 书 CN 104240192 A 6 1/7 页 7 图 1 图 2 说 明 书 附 图 CN 104240192 A 7 2/7 页 8 图 3 说 明 书 附 图 CN 104240192 A 8 3/7 页 9 说 明 书 附 图 CN 104240192 A 9 4/7 页 10 图 4 说 明 书 附 图 CN 104240192 A 10 5/7 页 11 图 5 图 6 说 明 书 附 图 CN 104240192 A 11 6/7 页 12 图 7 图 8 说 明 书 附 图 CN 104240192 A 12 7/7 页 13 图 9 说 明 书 附 图 CN 104240192 A 13 。