基于多尺度去卷积滤波的单帧去雾方法与流程

本发明涉及一种提高图像画质的方法，特别是涉及一种基于多尺度去卷积滤波的单帧去雾方法。

背景技术：

雾会使大气的能见度降低，景物图像发生退化，内容模糊，对比度下降，画质降低。为了保证监控，照相和摄像等视觉设备能够适应全天候正常工作的需要，对图像传感器采集的退化图像做去雾处理，提高对比度，增强边沿细节信息，获得尽量接近无雾条件下的画质。

常见的图像去雾处理的方法主要有两种，图像增强方法和大气退化物理模型方法。图像增强方法又分为图像颜色增强和图像对比度增强，主要是通过图像亮度曲线调节，图像亮度线性拉伸，直方图均衡化，和频率域图像锐化算法等方法处理退化图像，增强图像对比度；但这类方法没有考虑雾天大气对图像的影响，去雾效果不是非常理想。

基于大气退化物理模型的方法利用输入原始图像求得大气透过率图，再使用大气物理模型对输入退化图像做恢复；这种方法利用全图最暗的点来去除全局均匀的雾，利用darkobjectsubtraction（黑区对象抽取）处理局部图像的雾，不需要用到对比度，效果非常好。

基于大气物理模型做去雾处理，透过率图像画质对最后恢复图像的图像质量很关键，实现的方法也很多：导图滤波法，最小滤波法，双边滤波法，最小二乘滤波法；各种方法目的都是为了得到对比度高和细节丰富的透过率图像。

技术实现要素：

本发明所要解决的技术问题是提供一种基于多尺度去卷积滤波的单帧去雾方法，其通过最小值滤波得到粗糙图像，通过去卷积滤波得到精细图像，强恢复图像的细节表现和对比度，提高图像的画质。

本发明是通过下述技术方案来解决上述技术问题的：一一种基于多尺度去卷积滤波的单帧去雾方法，其特征在于，其通过最小值滤波的方法和去卷积滤波的方法，分别得到粗糙透过率图像和精细透过率图像，再对粗糙透过率图像和精细透过率图像做多尺度融合得到最终的最小值滤波透过率图像和去卷积滤波透过率图像，然后根据大气物理模型进行图像去雾计算恢复退化的输入图像。

优选地，所述最小值滤波的方法包括以下计算过程：求出每个像素rgb分量中的最小值，存入一副和原始图像大小相同的灰度图中；对这幅灰度图进行最小值滤波。

优选地，所述去卷积滤波的方法在计算机视觉图像处理中，通过图像滤波，把原有图像分解为精细级别不同的多个图像，每个级别的图像会保留不同程度细节的信息。

优选地，所述图像去雾计算将粗糙透过率图和精细透过率图两者累加计算得到最终的透过率图。

本发明的积极进步效果在于：通过最小值滤波得到粗糙图像，通过去卷积滤波得到精细图像；提高恢复的图像细节表现和对比度。

附图说明

图1为基于多尺度去卷积滤波的单帧去雾方法的流程示意图。

图2为去卷积滤波的方法处理后的图像的示意图。

图3为最小二乘滤波的方法处理后的图像的示意图。

图4是有雾图像的经过多尺度去卷积滤波处理后的结果示意图。

图5为只做最小滤波的结果示意图。

具体实施方式

下面结合附图给出本发明较佳实施例，以详细说明本发明的技术方案。

如图1所示，本发明基于多尺度去卷积滤波的单帧去雾方法通过最小值滤波的方法和去卷积滤波的方法，分别得到粗糙透过率图像和精细透过率图像，再对粗糙透过率图像和精细透过率图像做多尺度融合得到最终的最小值滤波透过率图像和去卷积滤波透过率图像，然后根据大气物理模型进行图像去雾计算可以恢复退化的输入图像。

一、大气物理模型

在计算机视觉和计算机图形中，下述方程所描述的雾图形成模型被广泛使用，如下式（1）：

……（1）

其中，i(x)是输入的退化图像，j(x)是要恢复的无雾的图像，a是全球大气光成分，t(x)为透射率。进一步推导得出恢复图像，如下式（2）：

……（2）

有公式（2），现在已有i(x)，要求目标值j(x)，需要得到t(x),a。

在发明中，大气透过率图像通过多尺度融合求得，多尺度透过率图像分别是最小值滤波得到的粗糙图像和去卷积滤波得到的精细图像。

二、最小值滤波的方法

在绝大多数非天空的局部区域里，某一些像素总会有至少一个颜色通道具有很低的值；换言之，该区域光强度的最小值是个很小的数；给暗通道一个数学定义，对于任意的输入图像j，其暗通道可以用下式表达，如下式（3）：

……（3）

式（1）中，jc表示彩色图像的每个通道，μ(x)表示以像素x为中心的一个窗口；

最小值滤波的方法包括以下计算过程：求出每个像素rgb分量中的最小值，存入一副和原始图像大小相同的灰度图中；对这幅灰度图进行最小值滤波，滤波的半径由窗口大小决定，一般有windowsize=2*radius+1，radius是滤波窗口的半径；

实际生活中造成暗原色中低通道值主要有三个因素：汽车、建筑物和城市中玻璃窗户的阴影，或者是自然景观的投影；色彩鲜艳的物体或表面在rgb的三个通道中，有些通道的值很低；颜色较暗的物体或者表面。总之，自然景物中到处都是阴影或者彩色，这些景物的图像的暗原色总是很灰暗的；

采用最小值滤波的方法的透过率图像粗糙，原有图像中的很多细节信息都丢失了；这也导致最后恢复出的图像在一些局部去雾效果不理想。

三、去卷积滤波的方法

在计算机视觉图像处理中，通过图像滤波把原有图像分解为精细级别不同的多个图像，每个级别的图像会保留不同程度细节的信息。与图像分解方法相近，去雾处理也可以采用粗糙图像和精细图像融合的方法。精细图像的获得方法有很多，比较常用的有：低通滤波，双边滤波，最小二乘滤波等。滤波的目的是为了获得保留有丰富细节信息和对比度好的透过率图像。本发明采用去卷积滤波得到精细透过率图像，如图2所示，对比采用最小二乘，图3的效果，在细节表现和对比度上去卷积滤波的效果都所有增强。

去卷积滤波的方法包括以下过程：对输入有雾图像做高斯模糊：jgaussian=i*g。其中，i是输入暗通道rgb有雾图像，g是高斯模糊函数。

对得到的模糊图像做去卷积处理：jdeconvolve=devolve(jgaussian,g)，

得到精细透过率图像：jdeconvolve=i-bdeconvolve。

去卷积处理公式如下式（4）：

……（4）

其中，λ是调整权重，p是与b相关的调整函数；b是滤波得到的图像。

四、图像去雾计算

图像去雾计算将粗糙透过率图和精细透过率图两者累加计算得到最终的透过率图，公式如下式（5）：

……（5）

其中，weight(i)表示每个尺度对应的权重，各尺度权重之和必须为1，常用采用等权重取值；对数log[r(x,y)]的计算可以通过对每一个值做线性量化求得，公式如下式（6）：

……（6）

其中，max是log[r(x,y)]的最大值，min是log[r(x,y)]的最小值；

用公式（2）运算，当投射图t的值很小时，会导致j的值偏大，从而使淂图像整体向白场过度；一般可设置一阈值t0，当t(x)的值小于t0时，令t(x)=t0。恢复公式（2）恢复改进如下式（7）：

……（7）

公式（1）、（2）和（7）中，都假设了全球大气光a值时已知的，实际做有雾图像恢复时，可以借助于暗通道图来从有雾图像中获取该值，如以下具体步骤：从暗通道图中按照亮度的大小取前0.1%的像素；对应这些位置，在原始有雾图像i中寻找对应的具有最高亮度的点的值，作为a值。

图4是有雾图像的经过多尺度去卷积滤波处理后的结果，对比图5只做最小滤波的结果，恢复图像在对比度，细节表现上都有明显的增强。

大气透过率图像的质量对最后恢复图像的画质影响非常关键，本发明通过最小值滤波的方法和去卷积滤波的方法，分别得到粗糙的透过率图像和细节丰富的透过率图像，再对粗糙图像和精细图像做多尺度融合得到最终的透过率图像，然后根据大气物理模型可以恢复退化的输入图像。本发明的优点：基于多尺度融合获得大气透过率图像，通过最小值滤波得到粗糙图像，通过去卷积滤波得到精细图像；提高恢复的图像细节表现和对比度。

以上所述的具体实施例，对本发明的解决的技术问题、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。