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