一种面向大面积天空区域图像的去雾方法技术

本发明专利技术针对暗原色先验去雾算法对天空区域估计透射率偏小，导致复原无雾图像色彩失真，存在不均匀色块等问题，给出了一种面向大面积天空区域图像的去雾方法。首先通过改进的阈值分割方法将图像分成天空区域和非天空区域，在天空区域使用四叉树模型得到准确的大气光照值，并且使用导向滤波和天空透射率补偿方法对透射率图进行优化；然后利用暗原色先验原理分别对天空及非天空区域进行去雾处理；最后，在融合阶段，给出了一种融合处理方法，消除了融合后分界处的明显的“白边”效应，使得天空与非天空区域处理后融合效果更加自然。该发明专利技术对处理含有大面积天空区域的有雾图像具有良好的效果，可用于交通道路的实时监控等领域。

A fog removal method for large area sky images

The present invention is directed to a dark channel prior to the sky area estimation algorithm of transmittance is small, leading to restoration of fog image color distortion, uneven color and other issues, given a large area of the sky area oriented image defogging method. First, through the improved threshold segmentation method divides the image into the sky area and non sky area in the sky area using four binomial tree model to get an accurate atmospheric light value, and use oriented filtering and compensation method of sky transmittance transmittance diagram is optimized; then the sky and sky area to fog using dark channel prior principle; finally, in the integration phase, presents a fusion method, eliminates the obvious \white effect\ after the fusion boundary, the sky and the sky after the regional non fusion effect more natural. The invention has good effects on processing fog images containing large area of sky, and can be used for the real-time monitoring of traffic roads.

【技术实现步骤摘要】
一种面向大面积天空区域图像的去雾方法
本专利技术涉及图像处理技术，具体来讲，涉及一种面向大面积天空区域图像的去雾方法。
技术介绍
由于大气粒子的散射作用，雾，霾等恶劣自然天气状况很容易导致视觉系统获得的图像降质，信息丢失严重，严重影响人类视觉感受和相关视觉算法的处理效果。因此快速有效的去雾算法研究具有重要的意义。目前的雾天图像清晰化技术处理方法有很多种，大体上分为两种，一种是对被降质图像进行增强，改善图像质量以达到去雾效果，另一种是基于物理模型，通过研究大气悬浮颗粒的散射作用，分析建立大气散射模型，进而复原出未降质前的图像。雾天图像增强方法如局部直方图均衡化，同态滤波，Retinex算法等适用性广，能有效提高雾天图像的对比度，增强图像的细节，但是这种方法可能会丢失图像的部分信息，造成图像失真。物理模型的复原方法如基于偏微分方程，基于深度关系，基于半逆法和基于先验信息等通过研究雾天图像退化的物理机制，建立雾天退化模型，反演退化过程，复原出未降质前的图像，得到的去雾效果明显。相比而言，前者可能会造成图像部分信息的损失，后者的图像信息保存的更加完整。因此，基于物理模型的去雾方法已成为图像去雾领域的研究热点。近年来，基于先验知识或假设的单幅图像去雾技术取得重大突破。Fattal通过假定透射率和物体表面阴影局部不相关来估计场景反照率，并推导出介质透射率，反演大气散射模型求出无雾图像，该方法无法作用于灰度图像，而且在浓雾和低信噪比区域假设失效。Tan假设局部区域的环境光为常数，通过最大化局部对比度来达到去雾效果，该方法会在景深不连续的地方产生Halo效应。Tarel等假设大气散耗函数在可行域中逼近最大值，且局部变化平缓，利用中值滤波来估计大气耗散函数，此方法容易导致颜色失真且产生Halo效应。He提出的基于暗通道先验的方法使得处理后图像颜色自然，去雾效果理想，并且使用导向滤波方法后较大的提高了处理速度。以上算法中，He算法因为原理简单，效果理想在近来被更多人研究。但是，He认为，在有雾图像中天空区域颜色与大气光的颜色非常接近，透射率趋于0，而天空在无穷远处其实际透射率也接近于0，因此无需分割出天空区域另外估算透射率。实际上，天空区域不满足暗原色先验，其实际透射率要稍大。这样就会造成天空区域复原过程中在除以一个稍小的透射率后，像素通道之前色彩值的微小差异会被严重放大，造成图像色彩失真。所以有必要分割天空区域再估算透射率。为克服复原图像天空区域容易出现光晕伪影或者色彩失真现象这一缺陷，蒋建国等人通过引入容差机制，纠正了这类区域错误估计的透射率，复原图像消除了色彩失真，但是其设定的容差值不具有普遍适用性；李坤等人首先对有雾图像的前N行，求得该区域的平均亮度值V_avg,和最大亮度值V_max,并认为V_avg>uV_max时存在天空区域，根据多次实验表明u=0.9结果较好，然后对有雾图像灰度图进行直方图均衡，增强边缘信息，再应用Canny算子进行边缘检测，逐行扫描，检测边缘处的亮度值V，比较V与wV_max，w取0.95，直到扫描到有效边缘。李加元等人将天空看作面积大，颜色值较高且平滑，首先找出具有高亮度值且平滑的像素，然后取出面积较大的连通区并标记为天空。胡平采用均值漂移算法分割天空区域，并且分类判定该像素点所处的区域有多大的概率处于天空区域，若满足设定的阈值，则将其合并为一个区域。雷琴等采用均值漂移与嵌入置信度的边缘检测相结合的方法。以上多种天空区域识别算法分割结果比较满意，但是分割算法复杂度较高。
技术实现思路
本专利技术的目的在于面向含大面积天空区域的图像，针对暗原色先验去雾算法对天空区域估计透射率偏小，导致复原无雾图像色彩失真，存在不均匀色块等问题，通过研究图像分割和图像融合方法，提供一种结合天空区域分割和暗通道原理的单幅图像去雾方法，得到更加自然和清晰的去雾图像。为了实现上述目的，本专利技术提供一种面向大面积天空区域图像的去雾方法，其中主要包括三个部分：天空区域与非天空区域的分割、获取天空区域与非天空区域的无雾图像、融合天空和非天空区域无雾图像，得到最终的复原图像。第一部分包括两个步骤：步骤1，对含大面积天空区域的有雾图像根据最大类间方差法求得自适应阈值，进行初步分割；步骤2，利用改进的处理算法对分割结果进行细化，得到天空区域S1；第二部分包括五个步骤：步骤3，针对天空区域S1，采用四叉树方法分割求得平均值和标准差之差最大的块；步骤4，重复步骤3直到区域大小小于给定阈值，其均值即为大气光值A；步骤5，使用导向滤波算法细化透射率图；步骤6，使用提出的补偿公式对天空区域透射率进行优化，消除天空部分光晕伪影和色彩失真；步骤7，根据公式，并且利用暗原色先验原理分别还原天空区域和整幅有雾图像的无雾图像，其中，I(x)是待去雾图像,J(x)是要恢复的无雾图像,A是大气光照度，是透射率，是环境光的散射系数，d(x)为景深；第三部分包括一个步骤：步骤8，利用本专利技术的融合方法融合复原后的天空与非天空区域，得到最终的无雾图像。本专利技术首先通过求得自适应阈值粗分割天空区域，再通过细分割处理精确确定天空部分，并分别进行合适的去雾处理，对天空区域透射率进行优化补偿，消除天空部分光晕伪影和色彩失真。此外，针对处理后天空部分和非天空部分分界处出现的“白边”效应，提出了一种简单的融合处理方法，使得融合后的图像更加自然。具体实施方式为了更好的理解本专利技术，下面结合具体实施方式对本专利技术的面向大面积天空区域图像的去雾方法进行更为详细的描述。在以下的描述当中，当前已有的现有技术的详细描述也许会淡化本专利技术的主题内容，这些描述在这里将被忽略。在本实施方案中，按照以下步骤进行：步骤1，图像获取：通过成像设备捕获一幅含大面积天空区域的有雾图像；步骤2，天空区域和非天空区域的粗分割：利用最大类间方差法选定最优分割阈值后，按照阈值对步骤1获取的图像进行粗分割：步骤3，天空区域和非天空区域的细分割：为使分割结果更加准确，采用改进的阈值分割方法，即将步骤2的阈值分割结果作形态学膨胀处理，用最大值运算替代卷积求和，再用加法运算替代卷积乘积，为后续操作消除非天空区域噪声影响，将此时的天空区域作加法运算，此时满足：其中Ic(x)表示彩色图像I(x)的r,g,b三个色彩通道；步骤4，求取全局大气光照值A：包含4个步骤：①将步骤3分割出的天空图像均分为四块区域；②计算每块区域的平均值和标准差之差；③将②中计算结果最大的区域再重复进行①②③步骤直到区域大小小于设定的阈值，即最终选定的区域；④计算最终选定区域亮度平均值，即为估算的大气光照值A；步骤5，透射率图t(x)的求取：使用暗原色先验原理求得透射率并用导向滤波对透射率图进行优化，得到透射率图t(x)；步骤6，天空区域透射率的优化：天空区域亮度值相近且平滑，暗原色先验原理不适用于天空区域，所以对步骤5获得的天空区域部分的透射率图t(x)进行天空补偿，设定天空补偿阈值为，利用公式，也就是将透射率逐渐递增来抵消由于天空区域透射率过小导致的通道间色彩差异变大，消除天空色彩失真。其中是补偿后天空区域透射率，t(x)为步骤5获得的透射率，即整幅图像透射率：其中为0-1之间的常数，本专利中取值为0.4；参数是为了保留一定程度的雾气，让本文档来自技高网...

【技术保护点】
一种面向大面积天空区域图像的去雾方法，其特征在于，主要包括三个部分：天空区域与非天空区域的分割、获取天空区域与非天空区域的无雾图像、融合天空和非天空区域无雾图像，得到最终的复原图像；第一部分包括两个步骤：步骤1，对含大面积天空区域的有雾图像根据最大类间方差法求得自适应阈值，进行初步分割；步骤2，将步骤1的阈值分割结果作形态学膨胀处理得到细化的天空区域

【技术特征摘要】
1.一种面向大面积天空区域图像的去雾方法，其特征在于，主要包括三个部分：天空区域与非天空区域的分割、获取天空区域与非天空区域的无雾图像、融合天空和非天空区域无雾图像，得到最终的复原图像；第一部分包括两个步骤：步骤1，对含大面积天空区域的有雾图像根据最大类间方差法求得自适应阈值，进行初步分割；步骤2，将步骤1的阈值分割结果作形态学膨胀处理得到细化的天空区域S1；第二部分包括五个步骤：步骤3，针对天空区域S1，采用四叉树方法分割求得平均值和标准差之差最大的块；步骤4，重复步骤3直到区域大小小于给定阈值，其均值即为大气光值A；步骤5，使用暗原色先验原理求得透射率并用导向滤波对透射率图进行优化，得到透射率图t(x)；步骤6，天空区域亮度值相近且平滑，暗原色先验原理不适用于天空区域，所以对步骤5获得的天空区域部分的透射率图t(x)进行天空补偿，设定天空补偿阈值为，利用公式，也就是将透射率逐渐递增来抵消由于天空区域透射率过小导致的通道间色彩差异变大，消除天空色彩失真；其中是补偿后天空区域透射率，t(x)为步骤5获...

【专利技术属性】
技术研发人员：张红英，徐振轩，吴亚东，
申请(专利权)人：西南科技大学，
类型：发明
国别省市：四川,51