一種基于數(shù)學(xué)形態(tài)學(xué)和多分辨率融合的圖像去霧方法
【專利摘要】本發(fā)明涉及一種基于數(shù)學(xué)形態(tài)學(xué)和多分辨率融合的圖像去霧方法，首先計算霧天圖像中三通道的最小值作為高分辨率分量，對其進(jìn)行形態(tài)學(xué)開運算得到低分辨率分量；然后使用引導(dǎo)濾波器對高分辨率和低分辨率分量進(jìn)行圖像融合，獲取大氣光幕圖；最后計算大氣光強(qiáng)度值，采用大氣散射模型對霧氣圖像進(jìn)行復(fù)原處理。本發(fā)明具有下述優(yōu)點：(1)采用多分辨率融合估計大氣光幕，效果顯著，執(zhí)行速度快。(2)通過灰度直方圖計算大氣光強(qiáng)度值，簡單有效。(3)適用于彩色圖像或灰度圖像、適用于光學(xué)圖像或其它圖像，具有通用性。
【專利說明】一種基于數(shù)學(xué)形態(tài)學(xué)和多分辨率融合的圖像去霧方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理領(lǐng)域，涉及一種基于數(shù)學(xué)形態(tài)學(xué)和多分辨率融合的圖像去霧 方法，可用于單幅圖像或連續(xù)視頻的快速去霧。

【背景技術(shù)】
[0002] 霧是一種常見的自然現(xiàn)象，在霧天拍攝的圖像中，由于大氣中懸浮粒子的散射作 用，使得拍攝圖像的亮度增加，對比度降低，圖像的可辨識度下降。即使是在晴天條件下拍 攝的照片，大氣散射作用也會導(dǎo)致照片的清晰度受到影響。每一個實際場景中，照片清晰度 受到影響的原因在于：光線到達(dá)相機(jī)之前都會從物體表面反射并且散射到空氣中。這是因 為空氣中的某些因素（如浮質(zhì)、灰塵、霧和煙等）會導(dǎo)致物體表面顏色變淡，并導(dǎo)致整幅圖 像的對比度降低。一方面，這些質(zhì)量很差的圖像不但貶低其應(yīng)用價值、縮窄其應(yīng)用范圍；另 一方面，也會給戶外成像的采集與處理系統(tǒng)（如各類視覺機(jī)器）的圖像采集帶來巨大的困 難。在實際應(yīng)用中，經(jīng)常需要從戶外采集的視頻序列中提取清晰的圖像特征用于對象匹配 和識別，例如位于高速公路上的視頻監(jiān)控器，在天氣條件較惡劣的情況下，得到的圖像會有 退化現(xiàn)象，使其無法清楚地監(jiān)控路況和了解車輛信息；在國家安全的軍事行動中，這種退化 圖像會造成信息的不準(zhǔn)確性，最終導(dǎo)致決定性行動方案的偏差，甚至是導(dǎo)致無法挽回的后 果；遙感技術(shù)運用傳感器對物體進(jìn)行探測，這種退化圖像會對物體的性質(zhì)，特征和狀態(tài)等信 息造成偏差，不利于對圖像數(shù)據(jù)的分析研究?？傊芯吭诟鞣N惡劣天氣條件下如何對獲得 的退化圖像進(jìn)行有效的處理，這對圖像恢復(fù)和圖像增強(qiáng)有著非常重要的現(xiàn)實意義。
[0003] 現(xiàn)國內(nèi)外，圖像去霧處理的方法大致可以分為兩大類：基于圖像處理的增強(qiáng)方法 和基于物理模型的復(fù)原方法?；趫D像處理的增強(qiáng)方法包括全局化的圖像增強(qiáng)方法，如全 局直方圖均衡化、同態(tài)濾波、小波方法、Retinex算法等，或是局部化的圖像增強(qiáng)方法，如局 部直方圖均衡化、局部對比度增強(qiáng)法；以上圖像處理的算法相對簡單，對于復(fù)雜場景的去霧 效果一般?；谖锢砟Ｐ偷膹?fù)原方法包括基于偏微分方程的復(fù)原、基于深度關(guān)系的復(fù)原和 基于先驗信息的復(fù)原；以上圖像處理的算法相對復(fù)雜，且能較好地對復(fù)雜場景的霧氣影響 做處理，但是計算復(fù)雜度高、實現(xiàn)難度大、處理速度慢，使得去霧處理難以實現(xiàn)實時處理，這 樣就不能高效的運用到視頻去霧處理中。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于克服以前各種圖像去霧方法的不足之處，提供一種基于數(shù)學(xué)形 態(tài)學(xué)和多分辨率融合的圖像去霧方法，該方法簡單高效，能很好地提高圖像去霧后的效果。
[0005] 該發(fā)明的技術(shù)方案如下：
[0006] -種基于數(shù)學(xué)形態(tài)學(xué)和多分辨率融合的圖像去霧方法，首先計算霧天圖像中三通 道的最小值作為高分辨率分量，對其進(jìn)行形態(tài)學(xué)開運算得到低分辨率分量；然后使用引導(dǎo) 濾波器對高分辨率和低分辨率分量進(jìn)行圖像融合，獲取大氣光幕圖；最后計算大氣光強(qiáng)度 值，采用大氣散射模型對霧氣圖像進(jìn)行復(fù)原處理。
[0007] 上述方法的具體包括如下步驟：
[0008] (1)分別計算高、低分辨率圖像分量，具體包括：（la)高分辨率圖像分量；（lb)低 分辨率圖像分量i 1ot ;
[0009] (2)利用引導(dǎo)濾波器進(jìn)行多分辨率融合：
[0010] (2a)根據(jù)分量Ihigh和分量IlOT計算線性轉(zhuǎn)換系數(shù)，得到與原圖像長寬相同的系數(shù) 矩陣；
[0011] (2b)計算融合后的圖像；
[0012] (2c)獲取大氣光幕圖；
[0013] (3)計算大氣光強(qiáng)度值以及復(fù)原圖像：
[0014] (3a)根據(jù)高分辨率分量Ihigh估算大氣光值A(chǔ) :統(tǒng)計Ihigh的灰度直方圖Histgram_ I，然后計算直方圖的累加和

【權(quán)利要求】
1. 一種基于數(shù)學(xué)形態(tài)學(xué)和多分辨率融合的圖像去霧方法，其特征在于：所述方法中， 首先計算霧天圖像中三通道的最小值作為高分辨率分量，對其進(jìn)行形態(tài)學(xué)開運算得到低分 辨率分量；然后使用引導(dǎo)濾波器對高分辨率和低分辨率分量進(jìn)行圖像融合，獲取大氣光幕 圖；最后計算大氣光強(qiáng)度值，采用大氣散射模型對霧氣圖像進(jìn)行復(fù)原處理。
2. 根據(jù)權(quán)利要求1所述的基于數(shù)學(xué)形態(tài)學(xué)和多分辨率融合的圖像去霧方法，其特征 在：所述方法具體包括如下步驟： (1) 分別計算高、低分辨率圖像分量： (la) 高分辨率圖像分量Ihigh :若霧天圖像I為彩色圖像，則取每一個像素點R，G，B三 通道的最小值，得到分量Ihigh = min(IK，Ie，IB);若霧天圖像I為灰度圖像，則Ihigh = I ; (lb) 低分辨率圖像分量IlM :對高分辨率分量Ihigh進(jìn)行形態(tài)學(xué)開運算，即先取Ihigh的局 部最小值，再取局部最大值，得到低分辨率分量
，其中Ω (X)是以X 為中心的局部區(qū)域； (2) 利用引導(dǎo)濾波器進(jìn)行多分辨率融合： (2a)根據(jù)分量Ihigh和分量IlM計算線性轉(zhuǎn)換系數(shù)：

其中
表示計算Ihigh和IlOTt局部協(xié)方差， ￥￡11^表示計算Ihigh的 局部方差，ε為預(yù)置的控制參數(shù)，fm(IlOT)，fm(Ihigh)分別是對I lOT和Ihigh進(jìn)行均值濾波的結(jié) 果，得到的a，b是與原圖像長寬相同的系數(shù)矩陣； (2b)根據(jù)a，b計算融合后的圖像：
，其中fm(a)，fm(b)分別 是對系數(shù)矩陣a，b進(jìn)行均值濾波的結(jié)果； (2c)獲取大氣光幕圖：對融合圖像Ifusim進(jìn)行模糊化處理，得到大氣光幕圖V =
? (3) 計算大氣光強(qiáng)度值以及復(fù)原圖像： (3a)根據(jù)高分辨率分量Ihigh估算大氣光值A(chǔ) :統(tǒng)計Ihigh的灰度直方圖Histgram_I，然 后計算直方圖的累加和
當(dāng)
?時，其對應(yīng)的j為 大氣光強(qiáng)度值A(chǔ)，其中p為預(yù)置的控制參數(shù)； (3b)計算介質(zhì)透射率：根據(jù)大氣光幕V和大氣光強(qiáng)度值A(chǔ)，得到透射率
其中ω為預(yù)置參數(shù)； (3c)對霧天圖像進(jìn)行復(fù)原：根據(jù)復(fù)原公式
其中tmin為預(yù)置參 數(shù)，若霧天圖像I(x)為彩色圖像，則分別將R、G、B三個顏色通道值IK(X)，Ie( X)，IB(X)以及 大氣光值A(chǔ)、透射率值t(x)代入計算得到三通道的復(fù)原值
，即可得到復(fù) 原后圖像J(x);若霧天圖像I(x)為灰度圖像，則將I(x)以及大氣光值A(chǔ)、透射率值t(x)代 入計算得到復(fù)原后圖像J(x)。
【文檔編號】G06T5/00GK104091306SQ201410181672
【公開日】2014年10月8日 申請日期:2014年4月30日 優(yōu)先權(quán)日:2014年4月30日
【發(fā)明者】戴聲奎 申請人:武漢博睿達(dá)信息技術(shù)有限公司