一种基于图像退化模型的大气能见度计算方法与流程

本发明属于图像处理领域，具体涉及一种基于图像退化模型的大气能见度计算方法。

背景技术：

能见度是气象观测的常规项目之一，它反映了人眼透过大气可以辨识物体的最远距离，也是间接描述大气污染程度的一个重要参量，在国民经济中许多方面都有重要应用。在气象学上，能见度是识别气团特性的关键参数之一，它代表了大气光学状态。近年来由于雾、霾、沙尘暴以及暴雨(雪)等天气现象造成的大气低能见度，是制约国民经济发展的重要因素，逐步开展能见度预报是保障国民经济良好发展的重要工作。

当前最主要的能见度测定方法有目测法与器测法(大气透射、散射仪法)。人工目测具有主观性，其规范性和客观性相对较差，能见度的观测值取决于观测者对于目标物的光度测定和尺度的特征，以及对比阔值，因此测量结果在一定程度上并不准确；相对于目测法的不足，器测法在这些方面显示出一定的优势，观测仪器能够在每间隔很短的一段时间对能见度进行测量，随着观测数据基数增多，精度也相应得以提高。但是，目前的能见度观测仪器存在设备造价高、调试复杂、大规模应用时工作量和成本巨大等问题，无法进行密集架设，难以实现大气能见度的全方位实时监测。

技术实现要素：

针对上述能见度估计的重要性和当前方法的局限性，本发明提出了一种基于图像退化模型的大气能见度计算方法。

具体步骤如下：

步骤一、根据经典的mccartney大气散射模型，将图像退化模型分解为入射光衰减模型和大气光成像模型，进而建立图像复原模型，由成像设备实际捕获的原始图像i计算出清晰图像j；

图像退化模型分解公式如下：

i＝j·t+a(1-t)

其中，i表示成像设备实际捕获的目标物体的原始图像，j表示最终要得到的清晰图像，t＝e^-σd表示由于大气介质的散射和吸收作用所形成的大气透射率，a表示大气光的值。

j·t表示入射光衰减模型；a(1-t)表示大气光成像模型。

由此得到图像复原模型中的清晰图像j为：

步骤二、利用消光系数与能见度、波长存在的关系，建立能见度与原始图像i和清晰图像j之间的关系。

关系式如下：

v表示能见度；κ表示特定消光系数；λ表示光的波长。

步骤三、在不同的能见度下分别各获取一张原始图像，利用能见度与原始图像i和清晰图像j之间的关系，计算各能见度对应的清晰图像；

步骤四、针对每张清晰图像，利用四个图像质量指标采用极差变换法分别进行归一化后加和，得到该图像的综合评价；

每个图像均有四个图像质量指标，分别为图像标准差δ、图像信息熵e、图像色彩自然度cni和图像色彩丰富度cci。

首先，针对图像k计算标准差δ，公式如下：

其中，m×n表示图像k的大小，p(p,q)表示图像k中第p行、第q列的像素值，μ表示图像k的均值。

图像信息熵e计算公式为：

其中，i表示图像k中每个像素的灰度值(0≤i≤255)，pi表示灰度值为i的像素数与图像总像素数的比值。

图像色彩自然度cni的值nimage计算公式为：

nimage＝(nskin*nskin+ngrass*ngrass+nsky*nsky)/(nskin+ngrass+nsky)

nskin为图像k中skin像素的数目；nskin为skin像素的图像色彩自然度值；ngrass为图像k中grass像素的数目；ngrass为grass像素的图像色彩自然度值；nsky为图像k中sky像素的数目；nsky为sky像素的图像色彩自然度值。

图像色彩丰富度cci的值ck计算公式为：

ck＝sk+δk

sk是图像k的饱和度分量的均值，σk是图像k的标准差。

然后，将每个图像质量指标分别采用极差变换法进行归一化，得到各个指标的归一化结果；

极差变换法公式如下：

n表示各能见度对应的清晰图像的数量，m表示图像质量指标的数量；指标矩阵表示为x＝[xij]m×n，极差变换矩阵表示为y＝[yij]m×n。

最后，将四个图像质量指标的归一化结果进行加和，得到图像k的综合评价；

步骤五、从各清晰图像的综合评价结果中，选择最好的清晰图像对应的能见度，作为待求解数值，通过定量和定性的对应关系，得到能见度定性结果。

本发明的优点为：

(1)一种基于图像退化模型的大气能见度计算方法，成本低，易实施：相对于专业的能见度测量设备，本发明需要的数字拍照设备成本低廉，能见度测量成本大大降低；

(2)一种基于图像退化模型的大气能见度计算方法，自动化实现，避免人为误差：相对于目测能见度，本发明可以实现完全自动化地检测能见度，无需过多的人工操作，降低人为因素造成的误差。

附图说明

图1为本发明一种基于图像退化模型的大气能见度计算方法的流程图；

图2为本发明一种基于图像退化模型的大气能见度计算方法的原理图；

图3为本发明大气散射模型的示意图。

具体实施方案

下面将结合附图和实施例对本发明作进一步的详细说明。

本发明如图2所示，首先利用图像拍摄设备拍摄得到原始图像，然后将原始图像输入图像复原模型，在不同能见度数值下(v1，v2，…,vn)得到不同的复原后图像(j1，j2，..,jn)。通过图像质量评价，最后得到图像质量最好的复原图像所对应的能见度数据vbest。

如图1所示，具体实施步骤如下：

步骤一、根据经典的mccartney大气散射模型，将图像退化模型分解为入射光衰减模型和大气光成像模型，进而建立图像复原模型，由成像设备实际捕获的原始图像i计算出清晰图像j；

根据1975年mccartney提出的大气散射模型，将图像退化模型分解为入射光衰减模型(directtransmissionmodel)和大气光成像模型(airlightmodel)。当前，大部分雾天图像退化及还原研究是在此模型的基础上进行的。

经过公式推导，如果用单光谱相机作为成像设备获取目标物体的成像，那么针对每个像素点接收到辐照度的信息可以表示为：

e＝i∞ρe^-σd+i∞(1-e^-σd)(1)

其中，i∞表示天空光强，ρ表示景物点的归一化辐射，与目标表面反射特性、归一化的相机的光谱响应、天空辐射光谱有关。以上式子即为单光谱的大气散射模型。

如果以图像来表示式(1)的退化过程，可以重新表示为：

i＝j·t+a(1-t)(2)

其中，i表示成像设备实际捕获的目标物体的原始图像，j表示最终要得到的清晰图像，t＝e^-σd表示由于大气介质的散射和吸收作用所形成的大气透射率，a表示大气光的值。右侧的第一项j·t表示衰减模型。因为大气介质的散射和吸收，部分目标表面反射光因散射或吸收而削弱，其余部分直接传输至成像设备，光的强度随传输距离的增大表现为指数衰减。第二项a(1-t)表示大气光的成像模型。因为大气粒子对大气光具有散射作用，使大气具备光源的特性，传输距离越大，大气光的强度越大。

根据公式(2)图像退化过程，推到图像复原模型如下：

根据图像复原模型，可以由成像设备实际捕获的原始图像i计算出清晰图像j。

步骤二、利用消光系数与能见度、波长存在的关系，建立能见度与原始图像i和清晰图像j之间的关系。

学者mandichd提出的消光系数与能见度、波长存在的关系可以由下式来描述：

v表示能见度；可根据飞行时天气预报、塔台实际观察数据或人工经验估计得到，κ表示特定消光系数；λ表示光的波长。

具体系数的对应关系如表1所示。

表1

根据式(4)，图像复原模型(3)可以表示为：

在公式(5)中，κ和λ这两个系数为可视为已知量；则公式(5)实际表示的是实际拍摄图像i，清晰化处理图像j和能见度v之间的关系。

步骤三、在不同的能见度下分别各获取一张原始图像，利用能见度与原始图像i和清晰图像j之间的关系，计算各能见度对应的清晰图像；

步骤四、针对每张清晰图像，利用四个图像质量指标采用极差变换法分别进行归一化后加和，得到该图像的综合评价；

考虑到去雾后图像相对于有雾图像应该具有更大的对比度、更多的信息、色彩更自然和丰富，本发明对每个图像均引入四个图像质量指标，分别为图像标准差δ、图像信息熵e、图像色彩自然度cni和图像色彩丰富度cci。

首先，针对图像k计算标准差δ，公式如下：

其中，m×n表示图像k的大小，p(p,q)表示图像k中第p行、第q列的像素值，μ表示图像k的均值。

图像信息熵e计算公式为：

其中，i表示图像k中每个像素的灰度值(0≤i≤255)，pi表示灰度值为i的像素数与图像总像素数的比值。

图像色彩自然度，是反映人类视觉判断图像色彩场景是否真实自然的度量，cni为该判断标准的衡量指标，其主要用于对去雾后的图像进行质量评价，取值范围为0～1，一幅图像的cni越趋近于1，表明该图像越自然。

图像色彩自然度的值nimage的具体计算步骤如下：

1)将图像k从rgb颜色空间模型变换到cieluv颜色空间模型；

2)分别计算得到cieluv空间中的三个分量：色调(hue,h)，饱和度(saturation,s)以及亮度(luminance,l)；

3)对s和l分量分别进行阈值化：留下s分量大于0.1的值，对l分量保留20～80取值范围之间的值；

4)基于h分量值的范围大小把图像像素值分为三类：“skin”像素对应h值的范围是25～70，“grass”像素对应h值的范围是95～135，“sky”像素对应h值的范围是180～260；

5)针对“skin”，“grass”和“sky”像素分别计算它们的饱和度s均值，为：saverage_skin，saverage_grass，saverage_sky。同时分别统计三类像素的数目，为：nskin，ngrass，nsky；

6)分别求出三类像素的图像色彩自然度值：

nskin＝exp(-0.5*((saverage_skin-0.76)/0.52)²)(8)

ngrass＝exp(-0.5*((saverage_grass-0.81)/0.53)²)(9)

nsky＝exp(-0.5*((saverage_sky-0.43)/0.22)²)(10)

7)计算得到图像色彩自然度cni的值nimage：

nimage＝(nskin*nskin+ngrass*ngrass+nsky*nsky)/(nskin+ngrass+nsky)(11)

由于cni评价指标在0～1区间，与其他几个指标差距过大，为了使所有指标基本处在同一个数量级上，本发明计算cni指标时在原有值的基础上乘以100。

图像色彩丰富度，是描述色彩的鲜艳丰富程度的度量，cci为该判断标准的衡量指标。图像色彩丰富度的值ck可由式(13)计算得到：

ck＝sk+δk(12)

sk是图像k的饱和度s分量的均值，σk是图像k的标准差。将这一指标用来评价复原后的无人机图像，如果cci值在某一指定特定取值区间内，此时人类的视觉系统对图像的色彩感受最为合适。图像色彩丰富度评价指标与图像信息有关，主要用来评价同一景物、同一场景条件、不同去雾效果下色彩的丰富程度。

然后，将每个图像质量指标分别采用极差变换法进行归一化，得到各个指标的归一化结果；

极差变换法公式如下：

n表示各能见度对应的清晰图像的数量，m表示图像质量指标的数量；指标矩阵表示为x＝[xij]m×n，极差变换矩阵表示为y＝[yij]m×n。

最后，将四个图像质量指标的归一化结果进行加和，得到图像k的综合评价，用于去雾前后图像质量评价。

步骤五、从各清晰图像的综合评价结果中，选择最好的清晰图像对应的能见度，作为待求解数值，通过定量和定性的对应关系，得到能见度定性结果。

通过对不同能见度数值下(v1，v2，…,vn)得到不同复原后图像(j1，j2，..,jn)的图像质量评价，最后得到图像质量最好的复原图像所对应的能见度定量数据vbest。

依据能见度分级表2，建立大气能见度定量和定性结果关系，进而得到能见度定性结果。

表2