一种基于暗原色先验的交通视频实时去雾的方法
【技术领域】
[0001] 本发明涉及一种基于暗原色先验的交通视频实时去雾的方法，属于数字图像处 理、智能交通技术领域。
【背景技术】
[0002] 随着社会的发展，工业生产对环境造成了严重的污染。尤其近两年来，空气污染十 分严重，据相关部门的统计，京津冀、"长三角"、"珠三角"区域和直辖市、省会城市及计划单 列市共74个城市空气质量状况全年空气达标的天数不足四成。而空气污染主要是PM2. 5超 标引起的，使得整个环境笼罩严重的雾霾。这种雾霾污染一方面对人类的身体危害非常大， 另一方面对交通影响也是不容小觑。在雾天天气下驾驶，能见度降低，驾驶员的视线受到影 响，发生事故的几率大大提高，尤其在高速公路上，更是容易发生严重的连环交通事故。如 果存在一个嵌入式监控系统，可以实时的把高清头采集的有雾图像进行去雾处理，将去雾 之后的图像数据输送到显示模块，一方面可以辅助驾驶员观察到周围清晰的交通情况，减 少交通事故的发生；另一方面对交管部门分析交通监控视频情况也很有帮助。
[0003] 现有的图像去雾处理方法有很多，总体上可以分为两大类：基于图像增强的方法 和基于物理模型的方法。
[0004] 第一类是基于图像增强的方法，这类方法是对被降质的图像进行增强，改善图像 的质量。文章【1】提出了全局的直方图均衡化的增强方法，该方法较简单，但是处理效果不 理想，可能会造成图像部分信息的损失，以致图像失真_。文章【2】中提出了局部的直方图 均衡化，有不错的处理效果，但是会造成严重的块效应。文章【3】中使用同态滤波抑制图像 中的低频部分，增强高频部分，以此来达到视觉上的去雾效果。但是该方法效果有限，并且 对细节部分不能很好的处理。
[0005] 第二类是基于物理模型的方法，这种方法通过研究大气悬浮颗粒对光的散射作 用，建立大气散射模型，了解图像退化的物理机理，并反演复原出无雾图像。文章【4】通过对 大量无雾图像统计特征观察，发现了被命名为暗原色先验的先验规律。该方法在处理效果 上有非常好的表现，开辟了图像去雾的一个新领域。但是文中采用软抠图来细化透射率图， 复杂度非常高，后来文章作者又使用导向滤波代替软抠图的方式，去雾效果相当，处理速度 却提高100倍左右。但是即使使用导向滤波针对高清视频进行去雾，想要实现实时处理，还 有很大的差距。文章【5】中，提出了一种快速去雾的方法，使用双中值滤波代替【4】中的最 小值滤波和导向滤波，大大简化了处理过程，提高效率。但是中值滤波并不是好的边缘保持 滤波算法，局部区域景深突变会产生光晕效应。并且算法中的参数较多，无法实现自适应调 整，需要人工进行测试调整，在实际应用中受到了限制。文章【6】提出了一种针对YUV视频 数据进行快速去雾的方法，但是该方法每帧之间存在亮度差异，处理后的结果会存在闪烁 问题。
[0006] 【I 】Gonzal ez R Cj Woods R E. Digital Image Processing. Reading，M: Addison -Wesley, 1992.
[0007] 【2 】 Kim T K，Paik J Κ，Kang B S.Contrast enhancement system using spatially adaptive histogram equalization with temporal filtering. IEEE Transactions on Consumer Electronics，1998,44 (I):82-87.
[0008] 【3】Seow M J，Asari V K. Ratio rule and homomorphic filter for enhancement of digital colour image. Neurocomputing, 2006, 69(7-9):954-958.
[0009] 【4】He K，Sun J，Tang X. Single image haze removal using darkchannel prior.IEEE Transactions on Pattern Analysis and Machine Intelligen ce，2011，33(12) :2341-2353.
[0010] 【5】Tarel J PjHautiere N. Fast visibility restoration from a single color or gray level image. In:Proceedings of the 12th IEEE International Conference on Computer Vision, 2009. Kyoto:IEEE, 2009. 2201-2208.
[0011] 【6】Jin-Hwan Kimj Won-Dong Jang, Jae-Young Sim，Chang-Su Kim Optimized, contrast enhancement for real-time image and video dehazing. J. Vis. Commun. Image R. 24(2013)410 - 425.
【发明内容】
[0012] 本发明技术解决问题：克服现有技术的不足，提供一种基于暗原色先验的交通视 频实时去雾的方法，针对交通视频，能够到达较好的实时去雾效果。
[0013] 本发明的技术方案分为三个阶段：第一阶段是对YUV数据直接降采样成RGB图像， 计算出降采样后的大气光值和透射率；第二阶段是对原图YUV数据使用上一阶段得到的透 射率直接重构成去雾后的YUV数据；第三阶段是对上一阶段去雾之后的YUV数据进行对比 度拉伸。
[0014] 1)YUV降采样成RGB，计算大气光和透射率
[0015] 对YUV数据进行降采样处理，直接降采样成RGB格式的图像。对RGB格式的图像 进行基于暗原色先验的去雾处理，计算出降采样后的RGB图像的大气光和透射率。
[0016] 2)恢复成YUV无雾图像
[0017] 根据上一步计算出来的透射率，直接对原YUV数据直接进行重构，重构出无雾的 YUV格式的数据。
[0018] 3)对比度拉伸
[0019] 由于上述方法处理结果相对原视频亮度偏暗，对处理后的Y分量进行对比度拉伸 处理，设计拉伸曲线，可以得到较好的视觉效果。
[0020] 本发明进行交通视频去雾的执行流程如图1所示：
[0021] STEP1):读取YUV视频流图像。
[0022] STEP2):针对YUV格式图像进行降采样，直接保存成RGB格式的图像。
[0023] STEP3):将上一步中的RGB图像三通道中最小的通道保存下来，得到最小值通道 图。
[0024] STEP4):对最小值通道图进行最小值滤波，得到暗通道图。
[0025] STEP5):根据暗通道图求出大气光值，这里选取的规则是：选取暗通道中值最大 的0. 1 %对应的RGB图中的RGB三通道的平均值作为该帧图像的大气光值。
[0026] STEP6):根据有雾图像的物理模型，带入上面求得的暗通道求得预估的透射率图。
[0027] STEP7):求取RGB图的灰度图作为导向图，预估透射率作为输入图，进行导向滤波 处理，将得到的输出图作为精细化的透射率图。
[0028] STEP8):针对YUV原图像，使用上面求得的大气光值和精细化的透射率，直接计算 得到YUV格式的无雾图像。
[0029] STEP9):对上一步求得的YUV无雾图像的Y分量进行对比度拉伸处理，得到视觉效 果更好的图像。
[0030] STEP 10):输入下一帧YUV图像，回到1)继续执行。
[0031] 本发明技术方案的优点和积极效果：
[0032] (1)由YUV的大图直接降采样成RGB格式的小图
[0033] 输入数据为YUV数据格式的，本发明中直接把YUV数据转换成RGB格式的小图， RGB图像为后面基于暗原色先验去雾所用。直接转换，避免了先把YUV图转换成同等长宽的RGB图，再对RGB图进行降采样所带来的时间和空间上的浪费。
[0034] (2)直接针对YUV格式图像进行重构
[0035] 基于暗原色先验的去雾原本是针对RGB单幅图像进行去雾处理的，本发明提出一 种可以直接对YUV格式的视频进行去雾处理的方法，使用基于暗原色先验求得的透射率， 直接对原YUV格式的图像进行重构，相对RGB图的重构在计算量上和消耗的存储空间上大 大减小。
[0036] (3)针对1080P的交通视频，可以实现实时去雾
[0037] 本发明提出的快速去雾算法，省略中间YUV格式与RGB格式转换部分，针对1080P 的视频，可以达到40ms/帧的速度，达到了实时处理的要求。
[0038] (4)处理结果对比度拉伸
[0039] 基于暗原色的去雾结果相对原图像亮度偏暗，在视觉上有一定的负面影响。本发 明对去雾处理结果中的Y分量进行对比度拉伸处理，使得亮度与原图像的亮度相当，视觉 上看起来更自然。
[0040] 总之，本发明对交通视频，能够到达较好的去雾效果，且对1080P的YUV视频，能够 达到实时处理；对处理结果进行对比度拉伸，进一步改善视觉效果，对驾驶员的安全驾驶、 交通监控系统等领域有重大意义，并且有着重要的商业价值。
【附