退化图像复原方法及系统技术方案

一种退化图像复原方法包括以下步骤：获取退化图像；建立退化图像关于大气掩盖层的数学模型；根据所述的数学模型，对退化图像利用奇异值分解，获得大气掩盖层的估算矩阵；根据估算矩阵计算大气掩盖层；选取大气光矩阵，运算得到大气掩盖层的传输系数矩阵；根据大气掩盖层及传输系数矩阵，求取复原图像。上述退化图像复原方法建立的数学模型含有大气掩盖层变量，通过优化计算得到较为精确的大气掩盖层及传输系数，则经修复的复原图也能够具有较高的对比度。本方法没有使用白化平衡、色调映射和伽玛校正技术，对退化图像的局部细节恢复效果较好，处理结果的颜色逼真度、清晰度也较好。还提供了一种退化图像复原系统。

【技术实现步骤摘要】
退化图像复原方法及系统
本专利技术涉及了图像处理技术，尤其涉及一种退化图像复原方法及系统。
技术介绍
当今，恶劣天气条件下的退化图像的复原技术成为研究的热点。但是，目前的图像复原方法要么是引入图像抠图技术后的改进算法，要么是采用两次中值滤波来求退化图像中大气掩盖层，造成图像部分细节严重丢失，计算量相对较大，而且还使用白化平衡、色调映射和伽玛校正技术来提高颜色逼真度，对恶劣天气条件下的某些退化图像处理效果不够王电相方法一采用暗原色先验来对单一图像去雾，能够处理彩色图像和灰度图像，但是计算量很大。方法二采用中值滤波来求退化图像中云雾掩盖层。采用两次中值滤波来求退化图像中云雾掩盖层，造成图像部分细节严重丢失，计算量相对较大，而且还使用白化平衡、色调映射和伽玛校正技术来提高颜色逼真度，对恶劣天气条件下的某些退化图像处理效果都不够理想。
技术实现思路
基于此，有必要提供一种能减少计算量并能提高退化图像的复原效果的退化图像复原方法。一种退化图像复原方法包括以下步骤获取退化图像；建立所述退化图像关于大气掩盖层的数学模型；对所述数学模型，利用奇异值分解，获得所述大气掩盖层的估算矩阵；根据所述估算矩阵计算大气掩盖层；选取大气光矩阵，运算得到大气掩盖层的传输系数矩阵；根据所述大气掩盖层及传输系数矩阵，求取复原图像。进一步地，所述建立所述退化图像的数学模型为I (X) = J(x) (l-B(x)/A)+B(X),其中，X为图像中像素坐标，I为采集的退化图像且I e Cmxn, J为场景辐射亮度，A为描述大气光颜色的大气光矩阵,B (X)为大气掩盖层,且B (X) = A(l-t(x))，大气掩盖层来源于空气中微粒引起的散射光，t(x)为传输系数矩阵。进一步地，所述建立所述退化图像的数学模型还包括以下步骤对所述退化图像进行初始化、归一化处理；输入参数。进一步地，所述对所述数学模型，利用奇异值分解，获得大气掩盖层的估算矩阵的步骤包括以下步骤求取所述退化图像的每个像素坐标位置处的亮度最小值构成云雾矩阵；、对所述云雾矩阵进行奇异值分解，得到奇异值矩阵；截取所述奇异值矩阵的主要元素构成所述大气掩盖层的主成分矩阵；对所述主成分矩阵进行奇异值分解的逆变换，重建得到所述大气掩盖层的估算矩阵。进一步地，所述对所述数学模型，利用奇异值分解，获得所述大气掩盖层的估算矩阵步骤中，还可以利用小波变换、傅立叶变换或离散余弦变换来获得大气掩盖层的估算矩阵。进一步地，所述根据估算矩阵计算大气掩盖层步骤包括按照如下公式计算大气掩盖层 B = q- max |min {w,j, 0|根据大气掩盖层的估算矩阵W与图像像素亮度的最小值w对大气掩盖层B进一步修正，其中，保证大气掩盖层的信号强度小于图像像素亮度的最小值，q为步骤建立所述退化图像的数学模型中输入的参数。本专利技术还提供一种退化图像复原系统包括获取模块，用于获取退化图像；建模模块，用于建立所述退化图像关于大气掩盖层的数学模型；分解模块，用于对所述数学模型，利用奇异值分解，获得大气掩盖层的估算矩阵；计算模块，用于根据所述估算矩阵计算大气掩盖层；选取模块，选取大气光矩阵，运算得到大气掩盖层的传输系数矩阵；成像模块，用于根据所述大气掩盖层及传输系数矩阵，求取复原图像。进一步地，所述建模模块建立的所述图像的数学模型为I (X) = J(x) (l-B(x)/A)+B (X)其中，X为图像中像素坐标，I为采集的退化图像，且I e CmXn，J为场景辐射亮度，A为描述大气光颜色的大气光矩阵，B(x)称为大气掩盖层B(X) = A(l_t(x))，来源于空气中微粒引起的散射光，t(x)为传输系数矩阵。进一步地，所述分解模块包括求最小单元，用于求取所述退化图像的每个像素坐标位置处的最小值构成云雾矩阵；奇异值分解单元，用于对所述云雾矩阵进行奇异值分解，得到奇异值矩阵；截取单元，用于截取所述奇异值矩阵的主要元素构成所述大气掩盖层的主成分矩阵；重建单元，用于对所述主成分矩阵，利用奇异值分解的逆变换，重建得到所述大气掩盖层的估算矩阵。上述恶劣天气条件下退化图像复原方法和系统中，通过对原始图像进行数学建模，建立的数学模型含有大气掩盖层变量，并对该数学模型，利用奇异值分解来获得截取的该原始图像的干扰信号的主要成分，根据矩阵分解的逆变换，获得大气掩盖层的估算矩阵。根据得到的估算矩阵计算大气掩盖层及传输系数，最终得到图像的复原图。上述恶劣天气条件下退化图像复原方法通过在退化图像的数学模型中引入大气掩盖层变量，通过优化计算得到较为准确的大气掩盖层，则经修复的复原图也能够具有较高的对比度。上述恶劣天气条件下退化图像复原方法和系统还能够处理由阴雨天气造成的退化图像，并且没有使用白化平衡、色调映射和伽玛校正技术，对退化图像的局部细节恢复效果较好，处理结果的颜色逼真度、清晰度也较好。附图说明图I为一实施方式的退化图像复原方法的流程图；图2为 一实施例中建立关于图像的数学模型的具体流程图；图3为另一实施例中对数学模型，利用矩阵分解，获得大气掩盖层的估计值的具体流程图；图4为一实施方式的退化图像复原系统的结构示意图；图5-1为道路大气退化灰度图像；图5-2为根据方法一对图5-1所示的道路大气退化图像的复原图；图5-3为根据方法二对图5-1所示的道路大气退化图像的复原图；图5-4为根据图I所示的复原方法对图5-1所示的道路大气退化图像的复原图；图6-1为森林大气退化彩色图像；图6-2为根据方法一对图6-1所示的森林大气退化图像的复原图；图6-3为根据方法二对图6-1所示的森林大气退化图像的复原图；图6-4为根据图I所示的复原方法对图6-1所示的森林大气退化图像的复原图；图7-1为房屋雨雾退化彩色图像；图7-2为根据方法一对图7-1所示的房屋大气退化图像的复原图；图7-3为根据方法二对图7-1所示的房屋大气退化图像的复原图；图7-4为根据图I所示的复原方法对图7-1所示的房屋大气退化图像的复原图；图8-1为雨天道路退化彩色图像；图8-2为根据方法一对图8-1所示的雨天道路退化图像的复原图；图8-3为根据方法二对图8-1所示的雨天道路退化图像的复原图；图8-4为根据图I所示的复原方法对图8-1所示的雨天道路退化图像的复原图。具体实施方式为了便于理解本专利技术，下面将参照相关附图对本专利技术进行更全面的描述。附图中给出了本专利技术的较佳实施方式。但是，本专利技术可以以许多不同的形式来实现，并不限于本文所描述的实施方式。相反地，提供这些实施方式的目的是使对本专利技术的公开内容理解的更加透彻全面。请参阅图1，本实施例的退化图像复原方法100包括以下步骤步骤S110，获取退化图像。在云雾天气下，获取的图像会因为大气掩盖层的低频干扰信号和高频干扰信号对图像质量造成影响，经研究表明，图像退化的主要原因来自于低频干扰信号。退化图像为单帧图像。在一实施例中，退化图像为灰度图像或彩色图像。步骤S120，建立退化图像关于大气掩盖层的数学模型。由于大气云雾等恶劣天气条件造成的图像退化，对于单帧图像来说，没有已知的场景结构信息，因此不能直接利用退化图像的对比度增强模型。引入大气掩盖层变量B(x) = A (l~t (x)) (I)则该退化图像的数学模型为I (X) = J(x) (l-B(x)本文档来自技高网...

【技术保护点】

【技术特征摘要】
2011.12.12 CN 201110412106.91.一种退化图像复原方法，包括以下步骤 获取退化图像； 建立所述退化图像关于大气掩盖层的数学模型； 对所述数学模型，利用奇异值分解，获得所述大气掩盖层的估算矩阵； 根据所述估算矩阵计算大气掩盖层； 选取大气光矩阵，运算得到所述大气掩盖层的传输系数矩阵； 根据所述大气掩盖层及传输系数矩阵，求取复原图像。2.根据权利要求I所述的退化图像复原方法，其特征在于，所述建立所述退化图像的数学模型为I(x) = J(X) (1-B(x)/A)+B(x) 其中，X为图像中像素坐标，I为采集的退化图像且I e Cmxn, J为场景辐射亮度，A为描述大气光颜色的大气光矩阵，B(X)为大气掩盖层，且B(X) =A(l-t(x))，大气掩盖层来源于空气中微粒引起的散射光，t(x)为传输系数矩阵。3.根据权利要求I所述的退化图像复原方法，其特征在于，所述建立所述退化图像的数学模型还包括以下步骤 对所述退化图像进行初始化、归一化处理； 输入参数。4.根据权利要求I所述的退化图像复原方法，其特征在于，所述对所述数学模型，利用奇异值分解，获得大气掩盖层的估算矩阵的步骤包括以下步骤 求取所述退化图像的每个像素坐标位置处的最小值构成云雾矩阵； 对所述云雾矩阵进行奇异值分解，得到奇异值矩阵； 截取所述奇异值矩阵的主要元素构成所述大气掩盖层的主成分矩阵； 对所述主成分矩阵进行奇异值分解的逆变换，重建得到所述大气掩盖层的估算矩阵。5.根据权利要求I所述的退化图像复原方法，其特征在于，所述对所述数学模型，利用奇异值分解，获得所述大气掩盖层的估算矩阵步骤中，还可以利用小波变换、傅立叶变换或离散余弦变换来获得大气掩盖层的估算矩阵。6.根据权利要求3所述的退化图像复原方法，其特征在于...

【专利技术属性】
技术研发人员：章勇勤，苗卉，宋怡彪，邱本胜，刘新，郑海荣，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：