基于统计特性和亮度估计的夜晚图像去雾方法与流程

本发明涉及一种计算机图像处理方法，尤其涉及一种夜晚图像去雾方法。

背景技术：

夜晚有雾环境下拍摄图像时，会导致图像整体灰度值和对比度降低并且丧失大量的细节信息，难以识别感兴趣的区域，给视频监控、室外目标识别与追踪、遥感成像等带来很大困难。因此，夜晚图像去雾问题在计算机视觉应用领域和数字图像处理领域亟待解决。

现有的夜晚图像去雾方法较少，主要有pei^[1]提出的基于暗原色先验和颜色转换的夜晚图像去雾算法，zhang^[2]提出的基于新模型的去雾算法以及li^[3]的基于相对平滑约束的层次分解去雾算法等。这些算法的去雾主框架仍然是基于暗原色先验，但是由于夜晚有雾图像特殊的成像环境，暗原色先验在夜晚环境下并不适用，因此这些算法复原出的图像整体偏暗，并且存在着不同程度的颜色失真，在图像光源处晕轮效应明显，去雾不完全，而且计算复杂。

[参考文献]

[1]peisc,leety.nighttimehazeremovalusingcolortransferpre-processinganddarkchannelprior[a].proceedingsoftheieeeinternationalconferenceonimageprocessing[c].orlando:ieeecomputersocietypress,2012,957-960。

[2]zhangj,caoy,wangz.nighttimehazeremovalbasedonanewimagingmodel[a].proceedingsoftheieeeinternationalconferenceonimageprocessing[c].paris:ieeecomputersocietypress,2014.4557-4561。

[3]liy,tanrt,brownsmichael.nighttimehazeremov-alwithglowandmultiplelightcolors[c].proceedingsofieeeinternationalconferenceoncomputervi-sion.santiago:ieeecomputersocietypress,2015:226-234。

[4]hek,sunj,tangx.singleimagehazeremovalusingdarkchannelprior[j].patternanalysisandmachineintelligence,ieeetransactionson,2011,33(12):2341-2353。

[5]g.buchsbaum.aspatialprocessormodelforobjectcolourperception.journalofthefranklininstitute,1980,310(80):1–26。

[6]menggaofeng,wangying,duanjiangyong,etal.efficientimagedehazingwithboundaryconstraintandcontextualregularization[c].ieeeinternationalcon-ferenceoncomputervision(iccv),sydney,australia,2013:617-624。

[7]x.dong,j.t.wen,w.x.li,anefficientandintegratedalgorithmforvideoenhancementinchallenginglightingconditions,inproceedingsofinstituteofelectricalandelectronicengineersinternationalconferenceoncomputervisionandpatternrecognition,pp.1241-1249,2011。

技术实现要素：

针对上述问题，本发明提出一种基于统计特性和亮度估计的夜晚图像去雾方法。首先根据夜晚有雾图像特殊的成像环境建立带有色偏因子的夜晚有雾图像新模型；然后通过统计夜晚有雾图像和低照度图像的反转图像的亮通道直方图分布，将夜晚有雾图像去雾问题转化为低照度图像增强问题，并利用改进的he^[4]方法估计局部带色偏的大气光，同时通过夜晚有雾图像的反转图像的亮通道对透射率进行校正以保留去雾图像更多的边缘细节信息，最后通过局部的grey-world^[5]对去雾图像进行颜色校正。本发明夜晚图像去雾方法不仅能够有效恢复图像的亮度、对比度，还能有效校正夜晚图像的色偏，显著改善视觉效果，同时保留更多的图像细节信息，并大大降低运算复杂度。

为了解决上述技术问题，本发明提出的一种基于统计特性和亮度估计的夜晚图像去雾方法，步骤如下：

步骤1、输入的夜晚有雾图像为图像i(x)，将图像i(x)反转得反转图像

式(1)中，c∈{r,g,b}；

步骤2、计算反转图像局部带色偏的大气光rl(x)al(x)，并通过指导性滤波进行优化：

式(2)中，ω(x)为像素x的局部邻域，ω(y)为邻域y的局部邻域，gf表示指导性滤波；

步骤3、计算反转图像的三通道的初始透射率tal(x)和三通道的粗估透射率tbl(x)：

步骤4、利用反转图像的亮通道对三通道的粗估透射率tbl(x)进行校正，并通过指导性滤波进行优化：

tl(x)＝gf(e^a_lighttbl(x))(6)

式(5)和式(6)中：a_light为反转图像的亮通道，tl(x)为对三通道的粗估透射率tbl(x)校正后的优化透射率；

步骤5、利用上述步骤2求解的局部带色偏的大气光rl(x)al(x)和步骤4得到的优化透射率tl(x)求解复原图像rl(x)jl(x)：

式(7)中：ε为固定常数，ε＝0.1；

步骤6、对复原图像rl(x)jl(x)再次进行反转得到夜晚带色偏的去雾图像jp(x)：

jp(x)＝255-r(x)j(x)(8)

步骤7、采用局部的greyword对夜晚带色偏的去雾图像jp(x)进行颜色校正，得到最终的夜晚去雾图像j(x)，

式(9)中：ω表示整个可见光范围，λ为光波长，e(λ)表示某波段的光的分布，s(x,λ)为空间中某一点对某一波长的反射率，p(λ)表示相机对某种光的感光特性，m为[0,1]之间的一个常数。

与现有技术相比，本发明的有益效果是：

本发明基于统计特性对夜晚图像进行去雾，可以将夜晚有雾图像看作低照度图像进行处理，利用改进了的he的求取大气光的方法求取局部带色偏的大气光，并利用反转图像的亮通道对粗估透射率进行校正以进一步保留图像的细节和亮度信息，最后通过局部greyworld对复原图像进行颜色校正以提高算法对多光源夜晚有雾场景的鲁棒性。

附图说明

图1(a)是夜晚有雾图像的反转图像的亮通道直方图；

图1(b)是低照度图像的反转图像的亮通道直方图；

图2(a)为一幅夜晚有雾图像trains；

图2(b)为文献[2]基于新模型的去雾算法对图像trains处理后的结果；

图2(c)为文献[3]基于相对平滑约束的层次分解去雾算法对图像trains处理后的结果；

图2(d)为本发明夜晚图像去雾方法对图像trains进行处理的结果；

图3(a)为一幅夜晚有雾图像street；

图3(b)为文献[2]基于新模型的去雾算法对图像street处理后的结果；

图3(c)为文献[3]基于相对平滑约束的层次分解去雾算法对图像street处理后的结果；

图3(d)为本发明夜晚图像去雾方法对图像street进行处理的结果。

具体实施方式

下面结合附图和具体实施例对本发明技术方案作进一步详细描述，所描述的具体实施例仅对本发明进行解释说明，并不用以限制本发明。

本发明夜晚图像去雾方法的设计思路如下：

1、通常的夜晚图像去雾方法中的算法基本原理是：根据文献[2]，夜晚有雾图像成像模型：

i(x)＝r(x)(j(x)t(x)+(1-t(x))a(x))①

其中，i(x)为夜晚有雾图像，j(x)为夜晚去雾图像，t(x)为透射率，a(x)为背景光强度，r(x)为色偏因子。

根据边界约束^[6]，可得雾天图像的初始透射率ta(x)和粗估透射率tb(x)：

进而得到夜晚清晰图像：

对于低照度图像il(x)，先对其进行反转：

rl(x)＝255-il(x)⑤

后将rl(x)代入式④得到：

对jl(x)进行再次反转，得到最后的增强图像。

2、通过对比随机选取的50幅夜晚有雾图像和50幅低照度图像的反转图像的亮通道的直方图分布，如图1(a)和图1(b)所示。发现夜晚有雾图像和低照度图像的反转图像具有极大的相似性，因此夜晚有雾图像去雾问题可以转化为低照度图像增强问题，根据文献[7]，低照度图像的反转图像可以看作白天有雾图像，类似的，夜晚有雾图像的反转图像也可近似看作白天有雾图像进行处理，但是由于夜晚环境色偏的存在，夜晚有雾图像的反转图像依然具有光照不均匀，色偏等属性，现有的去雾算法仍然不适用，本发明夜晚图像去雾方法中将大气光与色偏作为一个整体进行处理并利用改进的he方法估计带色偏的大气光，针对夜晚有雾图像色偏严重，导致三通道透射率差异较大，本发明夜晚图像去雾方法中对上述式②计算的初始透射率进行三通道处理同时为了保留更多的图像细节，通过反转图像的亮通道对粗估透射率进行校正并利用指导性滤波进行优化，最后通过局部的greyworld对去雾图像进行颜色校正。

本发明提出的基于统计特性和亮度估计的夜晚图像去雾方法，具体步骤如下：

步骤1、输入的夜晚有雾图像为图像i(x)，将图像i(x)反转得反转图像

式(1)中，c∈{r,g,b}，x为图像i(x)中像素的位置；

步骤2、计算反转图像局部带色偏的大气光rl(x)al(x)，并通过指导性滤波进行优化：

式(2)中，ω(x)为像素x的局部邻域，ω(y)为领域y的局部邻域，gf表示指导性滤波；

步骤3、为了使透射率求解更加准确，对文献[6]计算透射率的方法进行改进，计算三通道的初始透射率tal(x)和三通道的粗估透射率tbl(x)：

步骤4、为了使透射率局部平滑并且保持良好的亮度特性，利用反转图像的亮通道对三通道的粗估透射率tbl(x)进行校正，并通过指导性滤波进行优化：

tl(x)＝gf(e^a_lighttbl(x))(6)

式(5)和式(6)中：a_light为反转图像的亮通道，tl(x)为对三通道的粗估透射率tbl(x)校正后的优化透射率；

步骤5、利用上述步骤2求解的局部带色偏的大气光rl(x)al(x)和步骤4得到的优化透射率tl(x)求解复原图像rl(x)jl(x)：

式(7)中：ε为固定常数，防止分母为零，ε取0.1。

步骤6、对复原图像rl(x)jl(x)再次进行反转得到夜晚带色偏的去雾图像jp(x)：

jp(x)＝255-r(x)j(x)(8)

步骤7、为了提高算法对夜晚多光源场景的鲁棒性，采用文献[5]中提出的greyword算法并进行局部化改进对夜晚带色偏的去雾图像jp(x)进行颜色校正，最终得到夜晚去雾图像j(x)，

式(9)中：ω表示整个可见光范围，λ为光波长，e(λ)表示某波段的光的分布，s(x,λ)为空间中某一点对某一波长的反射率，p(λ)表示相机对某种光的感光特性，m为[0,1]之间的一个常数。

为了验证本发明提出的夜晚图像去雾方法的有效性，对夜晚有雾图像进行去雾实验，并与相关算法进行对比。图2(a)为一幅夜晚有雾图像trains，图2(b)为采用文献[2]提出的基于新模型的去雾算法对图像trains处理后的去雾效果，图2(c)为采用文献[3]提出的基于相对平滑约束的层次分解去雾算法对图像trains处理后的去雾效果，图2(d)为本发明夜晚图像去雾方法对图像trains进行处理后的去雾效果。图3(a)为一幅夜晚有雾图像street，图3(b)为采用文献[2]提出的基于新模型的去雾算法对图像street处理后的去雾结果，图3(c)为采用文献[3]提出的基于相对平滑约束的层次分解去雾算法对图像street处理后的去雾结果；图3(d)为本发明夜晚图像去雾方法对图像street进行处理后的去雾结果。可以看出，利用本发明夜晚图像去雾方法处理后得到的夜晚去雾图像与文献[2]zhang提出的基于新模型的去雾算法和文献[3]li提出的基于相对平滑约束的层次分解去雾算法相比可均衡提高图像亮度和对比度，有效去除光源区域带来的晕轮伪影，并可恢复出更多的图像细节信息，校正图像的色偏，具有更好的视觉效果可视性。

为客观评价本发明夜晚图像去雾方法，计算夜晚去雾图像的色偏程度和对比度。如表1所示。

表1客观指标比较结果

由表1色偏程度数据显示，本发明方法可有效校正图像的色偏；由对比度结果可看出，本发明方法可提高去雾后的图像的整体对比度。

实验结果表明，本发明提出的基于统计特性和亮度估计的夜晚图像去雾方法可针对传统基于暗原色方法进行夜晚图像去雾所具有的缺陷，有效校正夜晚图像的色偏，保留更多的图像细节，均衡提高图像的整体亮度和对比度，具有更好的视觉性。

尽管上面结合附图对本发明进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨的情况下，还可以做出很多变形，这些均属于本发明的保护之内。