一种基于透射率优化技术的雾天图像快速重建方法
【专利摘要】本发明公开了一种基于透射率优化技术的雾天图像快速重建方法，智能交通领域的视频图像处理的技术领域，该方法对原始图像进行降采样处理获得缩小图，再对缩小图计算透雾处理参数，在使用缩小透射率图恢复原始尺寸透射率的同时，引入图像像素邻域之间的灰阶相关性，对缩小图透射率的上采样插值的准确度进行了优化和改进，一方面提高了处理速度，另一方面改善了透雾实际效果。克服了传统方法中透射率上采样精度不够，导致的图像亮度突变区域出现黑色斑块和和白色光晕等难点问题，提高了雾霾环境下视频图像透雾处理方法的有效性和实用性。
【专利说明】
一种基于透射率优化技术的雾天图像快速重建方法
技术领域
[0001] 本发明涉及的是智能交通领域的视频图像处理的技术领域，尤其涉及的是一种基 于透射率优化技术的雾天图像快速重建方法。
【背景技术】
[0002] 近年来，随着工业化进程的加快，导致雾霾天气逐渐增多，并频繁出现在我国大部 分地区，引起空气质量退化并严重影响人们的正常生活和交通出行。同时，在雾霾天气拍摄 的视频图像，由于大气浑浊的传输媒介对光的吸收和散射产生干扰，使得光学传感器接受 到的光强度发生改变。拍摄的视频图像会出现成像物体细节轮廓模糊不清，对比度下降严 重，成像动态范围大大缩短。因此，雾霾天气对智能交通领域的电子监控设备的正常工作造 成严重影响。不仅使得视频图像的清晰度衰退，也会使得雾天视频图像分析处理技术(如交 通车牌识别、道路行人检测等）的准确率降低。如何在智能交通领域的电子监控设备上进行 快速实现透雾处理，成为当前视频图像处理领域研究的重点内容之一。
[0003] 在现有的透雾技术当中，最常见的有两类，一种方式是光学透雾，该方法主要由摄 像机的前端镜头来实现，该透雾镜头采用电动变倍镜头，价格昂贵，在智能交通和城市监控 领域无法普及。另一种方式是数字透雾，该技术则是在摄像机内部芯片上模块化集成，或者 在服务器后台处理软件上实现，物理成本相对较低，是一种按照人类视觉感知模型设计的 雾天图像复原技术，目前已经广泛地应用于平安城市建设和智能交通领域。
[0004] 近年来，针对单幅图像的透雾处理技术研究取得了较大进步，其中he等人提出了 基于暗通道先验的去雾算法（k he，j sun，x tang.single image haze removal using dark channel prior[j]. ieee transactionson pattern analysis and machine intelligence,2011,33:1-13.)，利用该算法进行透雾处理，对大多数户外场景的雾天图像 能得到较为理想的透雾效果。考虑到该方法原理简单，操作性强，基于暗通道先验规律的透 雾技术逐渐引起人们的关注和兴趣。虽然该算法效果较为出色，但是算法本身的局限性约 束了其在工业上的普及应用。例如:使用方法复杂度较高的软件抠图处理方法，即使一幅30 万像素彩色图像在高性能电脑上的处理时间就要以秒级算。随着降倍采样技术在图像处 理、信号处理方面的成熟应用，在允许一定信息损失的前提下，可以大幅度缩短处理耗时。 尤其是针对高清视频图像的透雾处理，降倍采样技术可以大幅度提升速度，使得实时透雾 技术在摄像机内部的集成变得较为可行。
[0005] 中国专利文献"一种图像去雾方法和装置"（公开号cn104091310a)，公开了一种图 像去雾方法，该方法就是借鉴降倍采样技术来加快透雾处理技术的实现速度。但是，比较高 倍的降采样之后会带来一些较为明显的副作用，例如:在雾天图像的明暗交界处，高倍降采 样会带来黑边问题;在浓雾区域会导致背景天空和前景物体之间出现光晕等问题，降采样 的倍率越大，副作用越明显，严重影响透雾效果。所以，针对高倍率的降采样技术带来的透 雾副作用，亟待需要提出一种切实可行的改善方法。
【发明内容】
[0006] 本发明的目的在于克服现有技术的不足，提供了一种基于透射率优化技术的雾天 图像快速重建方法，以提供一种新的图像去雾方法，解决现有技术的图像去雾方法的处理 速度慢，或者采用高倍率降采样导致的透雾处理后图像明暗交界处出现黑块或者白色光晕 等突出问题。
[0007] 本发明是通过以下技术方案实现的：
[0008] 本发明提供了一种基于透射率优化技术的雾天图像快速重建方法，包括以下步 骤：
[0009] 步骤s1:获取需要处理的雾天图像的原始图像i(i，j)，并计算该原始图像i(i，j) 的亮度图像f(i，j)，其中，，ω为图像的全部像素点坐标集；
[0010] 步骤s2:对原始图像i(i，j)进行降采样处理，获得降采样缩小图ids(ij)，统计降 采样缩小图ids(i，j)的各个通道的直方图，选取直方图右端高亮处0.5%部分灰阶的整体均 值作为该通道的大气光估计值，若原始图样为灰度图像，则大气光估计值为a，若原始图像 为三通道彩色图像，则大气光估计值为a c，其中，ce{r，g，b}表示红、绿、蓝三基色通道索引 值；
[0011 ]步骤s3:计算降采样缩小图ids(i，j)的透射率图tds(i，j);
[0012] 步骤s4:将大气透射率图tds(ij)进行精细化引导滤波处理，获得降采样缩小图 ids (i，j)的精细化透射率图tdsgf (i，j);
[0013] 步骤s5:对精细化透射率图tdsgf(i，j)进行上采样复原处理，获得原始尺寸的大气 透射率图toutgj);
[0014] 步骤s6:对原始图像i(i，j)的各个通道分量图像进行透雾重建处理，获得透雾处 理后的图像·1_(1，」），所述透雾重建处理的计算方法为：
[0016] 式中，to为透射率最小约束值；
[0017] 步骤s7 :输出透雾处理后的图像j〇ut(i，j) 〇
[0018] 进一步地，所述步骤s1中，原始图像的亮度图像f(i，j)的获得方法为：
[0019] 若原始图像为灰度图像，则将该原始图像的灰度图像表示为亮度图像f(i，j);
[0020] 若原始图像为三通道彩色图像，则利用如下亮度转换模型构建亮度图像f(i，j):
[0022] 式中，r(i，j)、g(i，j)、b(i，j)为图像的三基色分暈，wr为r通道系数，wg*g通道系 数，wb*b通道系数，全部通道权重系数总
[0023]进一步地，所述步骤s2中，降采样处理的方法为:将原始图像i(i，j)在行方向和列 方向进行均值降采样处理，获得比原始尺寸小n倍的降采样缩小图ids(i，j)，原始图像降采 样的总倍数表示为n=ni*nj，其中，ni为行方向降采样倍率，nj为列方向降采样倍率。
[0024]进一步地，所述步骤s3中，大气透射率图tds(i，j)的近似表达式计算方法如下：
[0026]式中：△表示进行最小值滤波处理的掩膜区域内全部像素坐标集合；ω表示透射 率图的修正因子。
[0027]进一步地，所述步骤s4中，精细化滤波处理的方法采用二维引导滤波处理，具体步 骤包括：
[0028]步骤s401:计算降采样缩小图ids(i，j)的亮度图像fds(i，j);
[0029]步骤s402:利用操作窗口半径为r的均值滤波函数fmean( ·)计算图像的均值滤波 结果，具体为：
[0030]计算fds(i，j)的均值滤波结果:xf (i，j) =fmean(fds(i，j));
[0031 ]计算tds(i，j)的均值滤波结果:xt (i，j) = fmean(tds(i，j));
[0032] 计算fds(i，j)和tds(i，j)点乘图像的均值滤波结果:xtf (i，j) =fmean(tds(i，j) · fds(ij));
[0033] 计算fds(i，j)和fds(i，j)点乘图像的均值滤波结果:xf 2( i，j) =fmean(fds(i，j) · fds(ij));
[0034] 步骤s403:计算经过引导滤波后的精细化透射率图tdsgf(i，j):
[0037] 参数父13(1，」）计算公式为:父13(1，」）=父七（1，」）-父 &(1，」）《父以1，」）
[0038] 进一步地，所述步骤s5中，利用基于局部亮度加权关系的二维线性插值算法进行 上采样复原处理，包括以下步骤：
[0039]步骤s501:将引导滤波处理的降采样后透射率图tdsgf(i，j)经过上采样复原处理 后获得的透射率图表示为!'。1^(1，」），此处1'。1^(1，」）与原始图像宽高尺寸保持一致，在使用 线性插值技术恢复某像素位置(i，j)的透射率时，通常在降采样透射率图t dsgf(i，j)中找出 与恢复某像素位置（i，j)最邻近的四个坐标位置的透射率数值，经过二维线性加权运算获 得该像素位置（i，j)的近似透射率数值，这里，将最邻近的四个透射率数值分别标记为ta (ia, ja)、tb(ib, jb)、tc(ic, jc)、td(id, jd)，鉴于线性插值运算属于领域内常见技术，最邻 近四个位置点的选取过程不做赘述；
[0040] 步骤s502:利用ta(ia，ja)、tb(ib，jb)、tc(ic，jc)、td(id，jd)来线性加权获得上 采样复原后透射率图坐标位置(i，j)处的透射率数值tx( i，j):
[0041] tx(i,j)=ffa · ta(ia,ja) ffb · tb(ib,jb) ffc · tc(ic,jc) ffd · td(id,jd)
[0046] 式中：恥、肫、此、财分别为了3(丨3，]_3)、113(丨13，讣）、1'(3(丨(3，扣）、了(1(丨(1，]_(1)的加权系 数，且wa wb wc wd = 1 ;rti和rt j分别表示ta(ia, ja)、tb(ib, jb)、tc(ic，jc)、td(id, jd)四 个坐标位置构成的矩形的宽度像素距离和高度像素距离;此处ci和cj分别为目标透射率tx (ij)坐标位置(ij)与ta(iaja)坐标位置之间的宽度像素距离和高度像素距离；
[0047]步骤s503:为了使用上采样技术复原出原始尺寸的透射率图，在二维图像坐标系 中，将原始图像降采样的总倍数表示为n = ni*nj，其中，ni为行方向降采样倍率，nj为列方 向降采样倍率;根据这样的降采样比例关系，可以推算出降采样后的四个邻近点ta(ia， ja)、tb(ib，jb)、tc(ic，jc)、td( id，jd)在原始尺寸图像对应的坐标位置依次为（ia · ni， ja · nj)、（ib · ni, jb · nj)、（ic · ni, jc · nj)、（id · ni, jd · nj);本发明中，将原始尺寸透 射率图某坐标位置（ijc)、td(idj d)四个坐标位置进 行线段连接，标记出连线的中心点，并将四条连线的中心点坐标在原始图像i(i，j)的亮度 图像f(i，j)上，该四条连线的中心点对应的亮度表示为ya、yb、yc、yd，原始尺寸透射率图某 坐标位置(i，j)处对应的亮度为yx，yx所对应的亮度值为yx( i，j);
[0048] 步骤s504:对加权系数1&、113、1(3、1(1进行灰阶相关性修正处理，具体为：
[0049] 步骤一：分别计算yx与￥&、￥13、￥(：、￥(1位置的亮度差绝对值￥&_(1丨€匕￥13_(1丨€匕￥(3_ diff、yd_diff，并取￥3_(1丨€匕￥13_(1丨€匕￥(3_(1丨€厂￥(1_(1丨€€中的最小值为組11(1丨€1最大值为 maxdiff
[0050] 步骤二：将13、113、1(3、1(1分别和￥3_(1丨€厂￥13_(1丨€厂￥(3_(1丨€厂￥(1_(1丨€€进行位置关联 和标记，即ya_diff与wa关联，关联过程依次类推，yb_diff与wb关联，yc_diff与wc关联，yd_ diff与wd关联；
[0051 ] 步骤三：将mindiff、maxdiff与灰阶绝对差值判断阈值thrdiff比较，如果 maxdiff-mindiff> = thrdiff，则将最小值mindiff相关联的加权系数wx累加到最大值 maxdiff相关联的加权系数wy上，然后将最小值mindiff相关联的加权系数wx置零处理，这 里的x，ye {a，b，c，d}，获得修正后的加权系数wa'、wb'、wc'、wd' ；如果maxdiff-mindiffx thrdiff，则加权系数保持不变，即修正后的加权系数wa'、wb'、wc'、wd'与原加权系数wa、 wb、wc、wd-致；
[0052] 步骤s505:利用修正后的加权系数wa'、wb'、wc'、wd'来指导透射率图的双线性插 值处理，获得原始尺寸的大气透射率图t? t( i，j):
[0053] tout(i，j)=w'a · ta(ia，ja) w'b · tb(ib，jb) w'c · tc(ic，jc) w'd · td(id，jd)〇
[0054] 本发明相比现有技术具有以下优点:本发明提供了一种基于透射率优化技术的雾 天图像快速重建方法，该方法采用对原始尺寸图像进行降采样处理获得缩小图，再对缩小 图计算透雾处理参数的技术方案，在使用缩小透射率图恢复原始尺寸透射率的同时，引入 图像像素邻域之间的灰阶相关性，对缩小图透射率的上采样插值的准确度进行了优化和改 进，一方面提高了处理速度，另一方面改善了透雾实际效果。该方法克服了传统智能交通视 频图像透雾处理时，因透射率上采样精度不够，导致的图像亮度突变区域出现黑色斑块和 和白色光晕等难点问题，提高了雾霾环境下视频图像透雾处理方法的有效性和实用性，使 得透雾技术满足智能交通摄像机实时要求的同时，能更好地抑制副作用。
【附图说明】
[0055]图1为基于透射率优化技术的雾天图像快速重建方法的流程图；
[0056]图2为上采样复原处理方法的流程图；
[0057]图3为精细化透射率图上采样对应的邻域透射率位置插值关系图；
[0058] 图4为精细化透射率图上采样对应的灰阶相关性约束关系图；
【具体实施方式】
[0059] 下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行 实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施 例。
[0060] 实施例1
[0061 ]本实施例提供的一种基于透射率优化技术的雾天图像快速重建方法，如图1所示， 包括以下步骤：
[0062] 步骤s1:用相机获取需要处理的雾天图像的原始图像i(i，j)，并计算该原始图像 的亮度图像f(i，j)，其中，，ω为图像的全部像素点坐标集；
[0063] 原始图像的亮度图像f(i，j)的计算方法具体如下：
[0064]若原始图像为灰度图像，则将该原始图像的灰度图像表示为亮度图像f(i，j); [0065]若原始图像为三通道彩色图像，则利用如下亮度转换模型构建亮度图像f(i，j):
[0067]式中，r (i，j)、g (i，j)、b (i，j)为图像的三基色分量，wr为r通道系数，取值0.299，叫为6
通道系数，取值0.587，wb为b通道系数，取值0.114，全部通道权重系数总和
[0068]步骤s2:对原始图像i(i，j)进行降采样处理，获得降采样缩小图ids(ij)，统计降 采样缩小图ids(i，j)的各个通道的直方图，选取直方图右端高亮处0.5%部分灰阶的整体均 值作为该通道的大气光估计值，若原始图样为灰度图像，则大气光估计值为a，若原始图像 为三通道彩色图像，则大气光估计值为a c，其中，ce{r，g，b}表示红、绿、蓝三基色通道索引 值；
[0069]所述降采样处理的步骤为：
[0070] 将原始图像i(i，j)在行方向和列方向进行均值降采样处理，获得比原始尺寸小n 倍的降采样缩小图ids(ij)，这里n = ni*nj，ni为行方向降采样倍率，nj为列方向降采样倍 率，降采样倍率可以取值2，4，8，16等数值，本实施例中，行方向和列方向的降采样倍率ni和 nj相同，均取值8。
[0071] 步骤s3:计算降采样缩小图ids(i，j)的大气透射率图tds(i，j)，所述大气透射率图 tds(ij)的近似表达式如下：
[0073]式中：△表示进行最小值滤波处理的掩膜区域内全部像素坐标集合；ω表示透射 率图的修正因子，本实施例中，透射率图的修正因子ω取值为0.8。
[0074]上述大气透射率图tds(ij)的近似表达式为采用有雾图像的成像物理模型和基于 暗通道先验规律理论推导得出，其中，有雾图像的成像物理模型为：
[0075] f(i，j)=j(i，j) · t(i，j) a·[卜t(i，j)]
[0076] 式中，j(i，j)为待计算的无雾图像，a为全球大气光估计值；
[0077]具体推导过程和原理，可参见he等人于2011年提出的基于暗通道先验的去雾算法 (k he，j sun,x tang.single image haze removal using dark channel prior[j]. ieee transactionson pattern analysis and machine intelligence,2011,33:1-13.)；
[0078] 步骤s4:将大气透射率图tds(ij)进行精细化引导滤波处理，获得降采样缩小图 ids(i，j)的精细化透射率图tdsgf(i，j);其中，精细化滤波处理的方法采用二维引导滤波处 理，具体步骤包括：
[0079] 步骤s401:计算降采样缩小图ids(ij)的亮度图像fds(ij)，计算方法参见步骤s1 的原始图像的亮度图像的计算方法；
[0080]步骤s402:利用操作窗口半径为r的均值滤波函数fmean( ·)计算图像的均值滤波 结果，具体为：
[0081 ]计算fds(i，j)的均值滤波结果:xf (i，j) =fmean(fds(i，j));
[0082] 计算tds(i，j)的均值滤波结果:xt (i，j) = fmean(tds(i，j));
[0083] 计算fds(i，j)和tds(i，j)点乘图像的均值滤波结果:xtf (i，j) =fmean(tds(i，j) · fds(ij));
[0084] 计算fds(i，j)和fds(i，j)点乘图像的均值滤波结果:xf2( i，j) =fmean(fds(i，j) · fds(ij));
[0085] 步骤s403:计算经过引导滤波后的精细化透射率图tdsgf(i，j):
[0086] tdsgf(i , j)=fmean(xa(i , j)) · fds(i , j) fmean(xb(i , j))
[0088] 参数父13(1，」）计算公式为:父13(1，」）=父七（1，」）-父 &(1，」）《父以1，」）
[0089] 本实施例中，fmean( ·)函数的窗口半径r取值为10。
[0090] 步骤s5:如图2所示，对精细化透射率图tdsgf (i，j)进行上采样复原处理：
[0091] 由于在有雾图像的偏亮区域需要透雾处理的程度相对较高，则相应的透射率数值 就会比较小;在较暗的区域(如黑颜色车身或者背光的暗处广告牌)需要透雾处理的程度相 对较低，则对应的透射率数值就比较高。如果对高倍率降采样图像对应的透射率直接线性 上采样，在大片高亮天空区域中存在较暗广告牌或者深黑色的车身的区域，那么就会在广 告牌或者车身与天空区域交界的边缘处出现副作用。出现副作用的主要原因是：由于采样 的线性插值引入的权重系数不够精确，没有考虑到原始尺寸图像的亮度相关性约束关系， 导致在亮度突变的地方，无法准确还原出原始尺寸的透射率图，所以在亮度突变区域的透 射率图误差直接导致透雾图像的副作用。因此，为了减小副作用，本发明采用局部领域像素 亮度与中心像素亮度之间的关系，设计了一种基于局部亮度加权关系的二维线性插值算 法，并利用该插值算法对降采样缩小图ids(i，j)的精细化透射率图td sgf(i，j)进行上采样复 原处理，该处理方法可以较为精确地恢复原始尺寸大气透射率图tqut ( i，j )，使得tqut ( i，j ) 更加适合透雾处理要求，同时，尽量在优化速度的同时提升了透雾图像的实际效果，具体步 骤如下：
[0092]步骤s501:将引导滤波处理的降采样后透射率图tdsgf(i，j)经过上采样复原处理 后获得的透射率图表示为!'。1^(1，」），此处1'。1^(1，」）与原始图像宽高尺寸保持一致;在使用 线性插值技术恢复某像素位置(i，j)的透射率时，通常在降采样透射率图t dsgf(i，j)中找出 与恢复某像素位置（i，j)最邻近的四个坐标位置的透射率数值，经过二维线性加权运算获 得该像素位置（i，j)的近似透射率数值。这里，将最邻近的四个透射率数值分别标记为ta (ia, ja)、tb(ib, jb)、tc(ic, jc)、td(id, jd)，鉴于双线性插值运算属于领域内常见技术，最 邻近四个位置点的选取过程不做赘述；
[0093] 步骤s502:利用了&(丨&，」&)、113(丨13，讣）、1'(3(化，扣）、了(1(丨(1，」(1)来线性加权获得上 采样复原后透射率图坐标位置(i，j)处的透射率数值tx( i，j):
[0094] tx(i,j)=ffa · ta(ia,ja) ffb · tb(ib,jb) ffc · tc(ic,jc) ffd · td(id,jd)
[0099] 式中：恥、肫、此、财分别为了&(丨&，]_ &)、113(丨13，讣）、1'(3(丨(3，扣）、了(1(丨(1，]_(1)的加权系 数，且wa wb wc wd = 1;如图 3所示，这里rti 和rt j分别表示ta(ia，ja)、tb (ib，jb)、tc (i c， jc)、td(id，jd)四个坐标位置构成的矩形的宽度像素距离和高度像素距离;此处ci和cj分 别为目标透射率tx(i，j)坐标位置(i，j)与ta(iaja)坐标位置之间的宽度像素距离和高度 像素距离；
[0100]步骤s503:为了使用上采样技术复原出原始尺寸的透射率图，在二维图像坐标系 中，将原始图像降采样的总倍数表示为n = ni*nj，其中，ni为行方向降采样倍率，nj为列方 向降采样倍率;根据这样的降采样比例关系，可以推算出降采样后的四个邻近点ta(ia， ja)、tb(ib，jb)、tc(ic，jc)、td( id，jd)在原始尺寸图像对应的坐标位置依次为（ia · ni， ja · nj)、（ib · ni, jb · nj)、（ic · ni, jc · nj)、（id · ni, jd · nj);本发明中，将原始尺寸透 射率图某坐标位置（ijc)、td(idj d)四个坐标位置进 行线段连接，标记出连线的中心点，并将该四条连线的中心点坐标在原始图像i(i，j)的亮 度图像f(i，j)上标记，如图4所示，该四条连线的中心点对应的亮度表示为ya、yb、yc、yd，原 始尺寸透射率图某坐标位置(i，j)处对应的亮度为υχ，υχ所对应的亮度值为yx( i，j);
[0101] 步骤s504:对加权系数1&、113、1(3、1(1进行灰阶相关性修正处理，具体为 ：
[0102] 步骤一：分别计算υχ与￥&、￥13、￥(：、￥(1位置的亮度差绝对值￥&_(1丨€匕￥13_(1丨€匕￥(3_ diff、yd_diff，并取￥3_(1丨€匕￥13_(1丨€匕￥(3_(1丨€厂￥(1_(1丨€€中的最小值为組11(1丨€1最大值为 maxdiff
[0103] 步骤二：将13、113、1(3、1(1分别和￥3_(1丨€厂￥13_(1丨€厂￥(3_(1丨€厂￥(1_(1丨€€进行位置关联 和标记，即ya_diff与wa关联，yb_diff与wb关联，依次类推；
[0104] 步骤三:将mindiff、maxdiff与灰阶绝对差值判断阈值thrdiff比较，具体为：
[0105] (1)如果maxdiff-mindiff> = thrdiff，则将最小值mindiff相关联的加权系数wx 累加到最大值maxdiff相关联的加权系数wy上，然后将最小值mindiff相关联的加权系数wx 置零处理，这里的1，7￡{￡1，13，(3，(1}，获得修正后的加权系数1&'、113'、1(3'、1(1'，且1 &'、肫'、 wc'、wd'总和保持恒定；
[0106] (2)如果maxdiff-mindiff〈thrdiff，则加权系数保持不变，即修正后的加权系数 wa'、wb'、wc'、wd'与原加权系数wa、wb、wc、wch^jc ;
[0107] 本实施例中，灰阶绝对差值判断阈值thrdiff取值为25;
[0108]步骤s505:利用修正后的加权系数1&'、113'、1(3'、1(1'来指导透射率图的双线性插 值处理，提高透射率恢复的精确度，并获得原始尺寸的大气透射率图t?t( i，j )，即：
[0109] tout(i，j)=w'a · ta(ia，ja) w'b · tb(ib，jb) w'c · tc(ic，jc) w'd · td(id，jd)〇
[0110] 本发明方法使得上采样后的透射率图更加接近实际，抑制了亮度突变产生的透射 率误差，达到改善透雾效果的目的。
[0111] 步骤s6:根据he等人提出的基于暗通道先验的去雾算法，对原始图像i(i，j)的各 个通道分量图像进行透雾重建处理，最终获得透雾处理后的图像joutgj)，所述透雾重建 处理的计算方法为：
[0113]式中，to为透射率最小约束值，本实施例中，to取值为0.1;
[0114]步骤s7:输出透雾处理后的图像j〇ut( i，j) 〇
【主权项】
1. 一种基于透射率优化技术的雾天图像快速重建方法，其特征在于，包括w下步骤： 步骤s1:获取需要处理的雾天图像的原始图像i(i，j)，并计算该原始图像i(i，j)的亮 度图像f(i，j)，其中，（1，如￡0,0为图像的全部像素点坐标集； 步骤s2:对原始图像i(i，j)进行降采样处理，获得降采样缩小图ids(i，j)，统计降采样 缩小图ids(i，j)的各个通道的直方图，选取直方图右端高亮处0.5%部分灰阶的整体均值作 为该通道的大气光估计值，若原始图样为灰度图像，则大气光估计值为a，若原始图像为ξ 通道彩色图像，则大气光估计值为ac，其中，c e {r，g，b}表示红、绿、蓝ξ基色通道索引值； 步骤s3:计算降采样缩小图ids(i，j)的大气透射率图tds(i，j); 步骤s4:将大气透射率图tds(i，j)进行精细化引导滤波处理，获得降采样缩小图ids(i， j)对应的精细化透射率图tdsgf(ij); 步骤s5:对精细化透射率图tdsgf (i，j)进行上采样复原处理，获得原始尺寸的大气透射 率图 tout(ij); 步骤s6:对原始图像i (i，j)的各个通道分量图像进行透雾重建处理，获得透雾处理后 的图像jdut(i，j)，所述透雾重建处理的计算方法为：式中，to为透射率最小约束值； 步骤s7 :输出透雾处理后的图像jnut (i，j)。2. 根据权利要求1所述的一种基于透射率优化技术的雾天图像快速重建方法，其特征 在于，所述步骤s1中，原始图像的亮度图像f( i，j)的获得方法为： 若原始图像为灰度图像，则将该原始图像的灰度图像表示为亮度图像f(i，j); 若原始图像为ξ通道彩色图像，则利用如下亮度转换模型构建亮度图像f(i，j):式中，r(i，j)、g(i，j)、b(i，j)为图像的ξ基色分量，wr为r通道系数，wg为g通道系数，wb 为b通道系数，全部通道权重系数总巧。3. 根据权利要求1所述的一种基于透射率优化技术的雾天图像快速重建方法，其特征 在于，所述步骤s2中，降采样处理的方法为:将原始图像i(i，j)在行方向和列方向进行均值 降采样处理，获得比原始尺寸小n倍的降采样缩小图ids(i，j)，原始图像降采样的总倍数表 示为n=ni*nj，其中，ni为行方向降采样倍率，nj为列方向降采样倍率。4. 根据权利要求1所述的一种基于透射率优化技术的雾天图像快速重建方法，其特征 在于，所述步骤s3中，大气透射率图tds(i，j)的近似表达式计算方法如下：式中：δ表示进行最小值滤波处理的掩膜区域内全部像素坐标集合；ω表示透射率图 的修正因子。5. 根据权利要求1所述的一种基于透射率优化技术的雾天图像快速重建方法，其特征 在于，所述步骤s4中，精细化滤波处理的方法采用二维引导滤波处理，具体步骤包括： 步骤s401:计算降采样缩小图ids(i，j)的亮度图像fds(ij); 步骤s402:利用操作窗口半径为r的均值滤波函数化ean( ·)计算图像的均值滤波结 果，具体为： 计算fds (i，j)的均值滤波结果:xf (i，j) = fmean(fds (i，j)); 计算tds (i，j)的均值滤波结果:xt (i，j) = fmean(tds (i，j)); 计算fds(i，j)和tds(i，j)点乘图像的均值滤波结果:xtf (i，^'）=化6曰11(了(13(：[，j) · fds (i，j)); 计算fds(i，j)和fds(i，j)点乘图像的均值滤波结果：xf2(i，^'）=化6曰11化3。，j) · fds (i，j)); 步骤s403:计算经过引导滤波后的精细化透射率图tdsgf (i，j): tdsgfq, j)=fmean(xa(i, j)) · fds(i，j) fmean(xb(i，j)) 式中：参数xa( i，j)的计算公式为：参数xb(i，j)计算公式为:xb(i，j)=xt(i，j)-xa(i，j)·xf(i，j)6. 根据权利要求1所述的一种基于透射率优化技术的雾天图像快速重建方法，其特征 在于，所述步骤s5中，利用局部亮度加权关系的二维线性插值算法进行上采样复原处理，包 括w下步骤： 步骤s501:使用二维线性插值技术恢复某像素位置（i，j)的透射率，具体为:在降采样 透射率图tdsgf(ij)中找出与恢复某像素位置(i，j)最邻近的四个坐标位置，经过二维线性 加权运算获得该像素位置（i，j)的近似透射率数值，并标记为ta(ia，ja)、化（ib，jb)、tc (ic,jc)、td(id,jd); 步骤s502:利用化。3^3)、化（化，扣）、1'〇。(3^(3)、了(1。(1^(1)来线性加权获得上采样 复原后透射率图t?t( i，j)坐标位置(i，j)处的透射率数值τχ( i，j): tx(i, j)=wa · ta(ia, ja) wb ·化（化，jb) wc · tc(ic, jc) wd · td(id, jd)式中：胖曰、胖6、胖(3、胖(1分别为化。曰^曰）、化（化，扣）、1'〇。(3^(3)、了(1。(1^(1)的加权系数， 且wa wb wc wd=l;iu巧日rtj分别表示ta(ia, ja)、tb(ibjb)、tc(ic，jc)、td(id, jd)四个 坐标位置构成的矩形的宽度像素距离和高度像素距离;ci和cj分别为目标透射率tx(ij) 坐标位置(i，j)与化(ia，ja)坐标位置之间的宽度像素距离和高度像素距离； 步骤s503:在二维图像坐标系中，将原始尺寸透射率图某坐标位置(i，j)与化(ia，ja)、 tbqb，jb)、tc(ic，jc)、td(id，jd)四个坐标位置进行线段连接，标记出连线的中屯、点，并将 四条连线的中屯、点坐标在原始图像i (i，j)的亮度图像f(i，j)上对应的亮度表示为化、yb、 化、yd，原始尺寸透射率图某坐标位置(i，j)在原始图像i(i，j)的亮度图像f(i，j)上对应的 亮度为yx; 步骤s504:对加权系数wa、师、wc、wd进行灰阶相关性修正处理，具体为： 步骤一：分别计算yx与化、yb、yc、yd位置的亮度差绝对值^_diff、^_diff、yc_diff、 yd_diff，并取 ya_diff、^_diff、yc_diff、yd_diff 中的最小值为mindiff，最大值为 maxdiff〇 步骤二:将wa、师、wc、wd分别和化_diff、化_diff、yc_diff、yd_diff进行位置关联和标 记，即化_dif f与wa关联，关联过程依次类推，y^dif f与师关联，yc_dif f与wc关联，yd_dif f 与wd关联； 步骤ξ:将mindiff、maxdiff与灰阶绝对差值判断阔值thrdiff比较，如果maxdiff- mindiff〉=thrdiff， 则将最小值 mindiff 相关联的加权系数 wx 累加到最大值 maxdiff 相关 联的加权系数wy上，然后将最小值mindiff相关联的加权系数wx置零处理，运里的x，y e {a， b，c，d}，获得修正后的加权系数wa'、师'、wc'、wd' ；如果maxdiff-mindiffcr虹diff，则加权 系数保持不变，即修正后的加权系数wa'、师'、wc'、wd'与原加权系数wa、师、wc、wd-致； 步骤s505:利用修正后的加权系数wa'、wb'、wc'、wd'来指导透射率图的双线性插值处 理，获得原始尺寸的大气透射率图tdut( i，j): t〇ut(i，j)=wa' ?tauajahwl·'《tbabj^ wc'《tcacjchwd' ·τ(?α(υ(1)。
【文档编号】g06t5/00gk106097259sq201610382086
【公开日】2016年11月9日
【申请日】2016年5月27日 公开号201610382086.8, cn 106097259 a, cn 106097259a, cn 201610382086, cn-a-106097259, cn106097259 a, cn106097259a, cn201610382086, cn201610382086.8
【发明人】王庚中, 王传根, 张乾坤, 邱换春, 陈岩, 许如峰
【申请人】安徽超远信息技术有限公司