一种雾天图像的清晰化处理方法技术

本发明专利技术公开了一种雾天图像的清晰化处理方法，首先用不同尺度的高斯核函数Fi(x，y)对原始雾天图像进行卷积得到反映环境亮度的亮度图像Li(x，y)，然后对原始图像V(x，y)和亮度图像Li(x，y)的对数差按权重求和得到反射图像R(x，y)，接下来对得到的反射图像进行对比度拉伸，得到拉伸后的反射图像R′(x，y)，并用改进的伽马校正对R′(x，y)进行校正，校正函数为Ia(a+I)。最后选择两个平台阈值T1和T2对伽马校正后的图像进行双平台直方图处理，得到最终处理后的图像。该算法完善了Retinex算法的不足，在图像动态范围和细节保真性之间取得了很好的平衡，在提高对比度同时很好的保留了图像的细节。

【技术实现步骤摘要】

本专利技术属于视频图像增强领域，具体涉及一种雾天图像的清晰化处理方法。
技术介绍
雾是一种常见的自然天气，即便是在晴朗的夏天，由于地表水的蒸发也会形成一层薄雾。雾天天气的最大弊端就是使大气的可见度降低，人们看到的图像质量降低，对比度下降，并且对于彩色图像而言，还会出现严重的颜色偏移与失真，使得所获取的图像并不是我们想要得到的图像，或者使图像中的有用信息被图像的低对比度所“掩盖”丢失了很多有用信息。今年来研究表明，图像退化的原因在于：由于大气中微粒的散射作用，使被照射景物的反射光通量部分被大气中微粒吸收或反射，从而使到达观察者的入射光衰减。这反映在图像上，原本较低的图像灰度值被加强，较高的图像灰度值被削弱，从而使图像中像素点灰度值的分布相对过于集中，对比度相对减弱。目前针对雾天图像的增强主要从以下两方面入手。一方面从雾天图像形成的原因出发，建立相应的大气恢复模型，从而得到降质前的图像。但是这种方法需要提前知道图像中景物的深度信息，并且需要借助于雷达装置来获取图像的深度信息。这种方法虽然有很好的去雾效果，但是却对设备的要求较高，并且处理过程较为复杂，硬件移植较为困难，因此不适用于正常的户外监控。和上述方法原理一样，有人提出用同一幅图像在不同的天气状况下的场景来估算出深度信息，虽然没有了雷达装置来计算景物深度，但是同一幅在不同天气状态的场景组却需要提前拍摄，并且提前估算出景物的深度，因此对于硬件来说算法较为复杂，并且此种算法只适应于已经知道景物深度的场合，因此算法有一定的缺陷性。另外一种思路是不考虑雾天天气形成的原因，认为原始图像是一幅低对比度、低照度下的图像，因此可以从图像增强的角度去获得清晰化的雾天图像。比较好的有直方图均衡化处理，并在此基础上进行了一些改进的算法，如局部直方图均衡化，非重叠子块的直方图均衡化处理等。这些算法简单，效果明显。全局直方图均衡由于没有考虑图像的局部信息，造成图像的部分高频信息丢失。局部直方图均衡的通过移动模板对图像的每一点都做了均衡化处理，但是计算量非常大，不利于硬件移植。非重叠子块的直方图均衡化处理完之后导致图像存在严重的块效应。针对这种算法的缺陷，又有学者提出了部分子块重叠直方图均衡算法(POSHE算法)，这种算法可以在一定程度上降低由于局部直方图均衡带了的块效应。目前较为流行的视网膜大脑皮层算法(Retinex算法)是埃德温·赫伯特·兰德(EdwinLand)提出的一个人类视觉系统如何调节并且感知物体颜色的模型。Land发现在视觉的信息传输过程中人类对接收到的信息做了部分处理，处理的结果只保留了反映物体本质的信息，如反射系数，而去除了光源和照射不均匀等带来的一些不确定因素。Retinex算法的基本原理是认为一幅图像到达人眼的部分是由两部分决定的。一部分是入射光，入射光影响着周围环境的亮度，另一部分是反射光，这部分是物体本身决定的，不同物体有不同反射系数。因此如果能求得反映物体的反射图像，而此图像不受入射光的影响，即达到了雾天图像清晰化的目的。在此基础了有了单尺度和多尺度的Retinex算法，但算法会淹没雾天图像中的有用信息。
技术实现思路
本专利技术的目的在于提供一种雾天图像的清晰化处理方法，该方法对图像的除雾效果有较大的改善，并且去雾后的图像的对比度和亮度均比之前的去雾算法要好。实现本专利技术目的的技术解决方案为：一种雾天图像的清晰化处理方法，其特征在于，包括以下步骤：步骤1)用不同尺度的高斯核函数和原始雾天图像进行平滑卷积，分别求出反映环境亮度不同尺度的亮度图像Li(x，y)，Li(x，y)＝V(x，y)*Fi(x，y)，V(x,y)为原始雾天图像，Li(x，y)是不同尺度的高斯核函数，其数学形式为ci为高斯环绕尺度，λ为归一化因子，(x，y)表示图像中像素点坐标；步骤2)对原始的雾天图像V(x，y)取对数，并用此结果减去不同尺度下亮度图像Li(x，y)的对数，得到不同尺度下的反射图像Ri(x，y)，并按权重进行求和，得到叠加的反射图像R(x,y),R(x,y)=Σi=1NWi{logV(x,y)-log[Fi(x,y)*V(x,y)]本文档来自技高网...

【技术保护点】
一种雾天图像的清晰化处理方法，其特征在于，包括以下步骤： 步骤1)用不同尺度的高斯核函数和原始雾天图像进行平滑卷积，分别求出反映环境亮度不同尺度的亮度图像Li(x，y)，Li(x，y)＝V(x，y)*Fi(x，y)，V(x,y)为原始雾天图像，Fi(x，y)是不同尺度的高斯核函数，其数学形式为ci为高斯环绕尺度，λ为归一化因子，(x，y)表示图像中像素点坐标；步骤2)对原始的雾天图像V(x，y)取对数，并用此结果减去不同尺度下亮度图像Li(x，y)的对数，得到不同尺度下的反射图像Ri(x，y)，并按权重进行求和，得到叠加的反射图像其中N为尺度个数；步骤3)对得到的叠加反射图像R(x，y)进行对比度拉伸，得到拉伸后的反射图像R′(x，y)，对比度拉伸调整如下：如果Iin＜Ilow，则Iout＝0；如果Iin＞Ihi，则Iout＝dmax；如果Ilow＜Iin＜Ihi，则Iout＝(Iin‑Ilow)/(Ihi‑Ilow)×dmax，其中Iin为输入值的像素，即R(x，y)的像素值，Iout为输出值的像素，dmax为输出设备的动态范围，Ilow为R(x，y)像素的低阈值，Ilow＝μ‑3δ，Ihi为R(x，y)像素的高阈值，Ihi＝μ+3δ，μ是R(x，y)的均值，δ是R(x，y)灰度值的方差； 步骤4)用改进的伽马校正对拉伸后的反射图像R′(x，y)进行进一步校正，方法如下：先对拉伸后的反射图像R′(x，y)进行归一化，再对归一化后的反射图像进行校正，校正函数为Ia(a+I)，I是归一化后的像素值，a(a+I)为伽马校正系数，其中a为一个常数，取值大于0小于1； 步骤5)选择两个平台阈值T1和T2，对步骤4)进行伽马校正后的图像进行 双平台直方图处理，得到去雾后的图像。如果h(rk)≤T1，则H(rk)＝T1；如果T1＜h(rk)＜T2，则H(rk)＝h(rk)，如果h(rk)≥T2，则H(rk)＝T2，(k＝0,1,…,L‑1)；其中，H(rk)为图像的双平台直方图的值；h(rk)为图像的统计直方图值；L为图像的灰度级数。...

【技术特征摘要】
1.一种雾天图像的清晰化处理方法，其特征在于，包括以下步骤：
步骤1)用不同尺度的高斯核函数和原始雾天图像进行平滑卷积，分别求出反映环境亮度不同尺度的亮度图像Li(x，y)，Li(x，y)＝V(x，y)*Fi(x，y)，V(x,y)为原始雾天图像，Fi(x，y)是不同尺度的高斯核函数，其数学形式为ci为高斯环绕尺度，λ为归一化因子，(x，y)表示图像中像素点坐标；
步骤2)对原始的雾天图像V(x，y)取对数，并用此结果减去不同尺度下亮度图像Li(x，y)的对数，得到不同尺度下的反射图像Ri(x，y)，并按权重进行求和，得到叠加的反射图像其中N为尺度个数；
步骤3)对得到的叠加反射图像R(x，y)进行对比度拉伸，得到拉伸后的反射图像R′(x，y)，对比度拉伸调整如下：如果Iin＜Ilow，则Iout＝0；如果Iin＞Ihi，则Iout＝dmax；如果Ilow＜Iin＜Ihi，则Iout＝(Iin-Ilow)/(Ihi-Ilow)×dmax，其中Iin为输入值的像素，即R(x，y)的像素值，Iout为输出值的像素，dmax为输出设备的动态范围，Ilow为R(x，y)像素的低阈值，Ilow＝μ-3δ，Ihi为R(x，y)像素的高阈值，Ihi＝μ+3δ，μ是R(x，y)的均值，δ是R(x，y)灰度值的方差；
步骤4)用改进的伽马校正对拉伸后的反射图像R′(x，y)进行进一步校正，方法如下：先对拉伸后的反射图像R′(x，y)进行归一化，再对归一化后的反射图像进行校正，校正函数为Ia(a+I)，I是归一化后的像素值，a...

【专利技术属性】
技术研发人员：陈钱，赵耀，颜奇欢，钱毅涛，顾国华，隋修宝，于雪莲，钱惟贤，何伟基，高航，孙镱诚，曾俊杰，刘源，陶远荣，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32