本發(fā)明涉及數(shù)字圖像處理和計(jì)算機(jī)視覺(jué)領(lǐng)域，尤其是一種基于梯度域的單幅圖像去霧方法。

背景技術(shù)：

隨著計(jì)算機(jī)成本的降低和性能的提升，攝像機(jī)和計(jì)算機(jī)視覺(jué)系統(tǒng)已經(jīng)廣泛的應(yīng)用于目標(biāo)識(shí)別與跟蹤、監(jiān)控、智能導(dǎo)航等相關(guān)領(lǐng)域。然而，這些系統(tǒng)設(shè)計(jì)的關(guān)鍵在于圖像采集設(shè)備可以捕獲到高質(zhì)量清晰的圖像。在霧天條件下，戶外采集的圖像會(huì)受到大氣中懸浮粒子、氣溶膠等雜質(zhì)的影響，出現(xiàn)模糊不清、對(duì)比度下降、顏色失真等現(xiàn)象，這給后續(xù)的圖像處理和計(jì)算機(jī)視覺(jué)系統(tǒng)的應(yīng)用帶來(lái)了嚴(yán)重的影響。因此，探究霧天圖像的降質(zhì)原因，并采用圖像去霧技術(shù)改善霧天降質(zhì)圖像的質(zhì)量，對(duì)計(jì)算機(jī)視覺(jué)系統(tǒng)的應(yīng)用具有重要的意義。

目前圖像去霧算法主要分為兩類：基于圖像增強(qiáng)的方法和基于圖像復(fù)原的方法?；趫D像增強(qiáng)的方法是從圖像的特征出發(fā)，通過(guò)使用圖像增強(qiáng)方法對(duì)降質(zhì)圖像的對(duì)比度、顏色以及亮度進(jìn)行處理來(lái)達(dá)到去霧的目的。這類方法的缺陷是沒(méi)有考慮到霧天圖像退化的原因，在圖像增強(qiáng)的過(guò)程中忽略場(chǎng)景的景深信息，使得增強(qiáng)后的圖像在景深較大的地方對(duì)比度和顏色不理想。而基于圖像復(fù)原的方法是從霧天降質(zhì)圖像的退化原因出發(fā)，建立物理模型，由于模型中的未知參數(shù)較多，無(wú)法直接恢復(fù)出清晰無(wú)霧的圖像，因此需要額外的信息、假設(shè)條件或一些先驗(yàn)知識(shí)來(lái)估計(jì)相應(yīng)的參數(shù)，然后反演退化過(guò)程，得到去霧后的圖像?；趫D像復(fù)原的方法中最具有代表性的是kaiminghe提出的基于暗原色先驗(yàn)的去霧方法，這種方法得到了較好的去霧效果，引起了廣泛的關(guān)注。但是該方法存在運(yùn)行時(shí)間長(zhǎng)，天空區(qū)域彩色失真，降質(zhì)較嚴(yán)重區(qū)域?qū)Ρ榷然謴?fù)不明顯等問(wèn)題。近年來(lái)，針對(duì)暗原色先驗(yàn)方法和傳統(tǒng)圖像增強(qiáng)方法的不足，李武勁(李武勁.低能見(jiàn)度下，圖像清晰化技術(shù)研究[d].四川大學(xué)，2012)提出了一種基于梯度域的圖像增強(qiáng)算法，雖然避免了以往算法的一些缺陷，但是該方法在梯度域增強(qiáng)時(shí)未考慮到原始圖像的亮度信息，導(dǎo)致增強(qiáng)后的結(jié)果圖偏暗，此外在融合操作時(shí)采用梯度域多尺度融合操作，選擇最大的梯度值作為最后融合的梯度，對(duì)噪聲敏感且增加了梯度重建的次數(shù)，執(zhí)行效率較低。

基于此，本發(fā)明提供了一種基于梯度域的單幅圖像去霧方法，在梯度域增強(qiáng)時(shí)考慮了原始圖像的亮度信息，引入相對(duì)梯度，并構(gòu)造了基于亮度特征的梯度域函數(shù)，并將其應(yīng)用到多尺度上，對(duì)梯度域增強(qiáng)圖像進(jìn)行修正操作，使得增強(qiáng)結(jié)果更符合人眼視覺(jué)效果。此外，在多尺度融合時(shí)，本發(fā)明采用了帶有顏色恢復(fù)的加權(quán)融合算法對(duì)重建后的圖像進(jìn)行融合操作，考慮了原始圖像各個(gè)通道之間的比例，可以有效的提高結(jié)果圖像的色彩保真度，解決了因各通道單獨(dú)處理而引起的顏色失真問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提供了一種基于梯度域的單幅圖像去霧方法，能夠有效的改善現(xiàn)有梯度域去霧算法中結(jié)果圖較暗以及顏色失真等問(wèn)題。

為了解決上述問(wèn)題，本發(fā)明的技術(shù)解決方案為：基于梯度域的單幅圖像去霧方法，其特征在于，主要包括如下步驟：

(1)采集原始的霧天降質(zhì)圖像，計(jì)算霧天降質(zhì)圖像的梯度和相應(yīng)的透射率圖；

(2)設(shè)定多個(gè)合適的尺度值，通常選擇大、中和小三個(gè)尺度，較大的尺度值可對(duì)降質(zhì)圖像中的遠(yuǎn)景區(qū)域進(jìn)行對(duì)比度增強(qiáng)，而較小的尺度可對(duì)近景區(qū)域進(jìn)行增強(qiáng)；

(3)將對(duì)應(yīng)的尺度值代入到增強(qiáng)函數(shù)中，然后采用增強(qiáng)函數(shù)對(duì)降質(zhì)圖像的梯度進(jìn)行不同尺度的增強(qiáng)；

(4)構(gòu)造基于亮度特征的梯度域函數(shù)，并將其應(yīng)用于多尺度上，對(duì)增強(qiáng)后的梯度圖像進(jìn)行修正操作，使得增強(qiáng)后的結(jié)果圖更符合人眼視覺(jué)效果；

(5)對(duì)步驟(4)中處理后的圖像通過(guò)最小化梯度均方誤差進(jìn)行梯度域重建操作得到重建后圖像；

(6)考慮了原始霧天圖像各個(gè)通道之間的比例，構(gòu)造了顏色恢復(fù)因子，并將其與加權(quán)融合算法相結(jié)合，利用帶有色彩恢復(fù)系數(shù)的加權(quán)融合公式，對(duì)步驟(5)中所得的多幅重建后的圖像進(jìn)行加權(quán)融合操作，得到融合后的圖像；

(7)對(duì)步驟(6)中所得的圖像進(jìn)行動(dòng)態(tài)范圍壓縮，得到最終增強(qiáng)后的去霧圖像。

其中，步驟(4)所述構(gòu)造基于亮度特征的梯度域函數(shù)的具體過(guò)程為：首先考慮原始圖像的亮度信息，將絕對(duì)梯度轉(zhuǎn)換為相對(duì)梯度，如下式表示：

其中，i(x,y)代表輸入圖像的亮度信息，代表輸入圖像的梯度信息，而代表相對(duì)梯度。對(duì)于相同的絕對(duì)梯度值，亮度較大處的相對(duì)梯度值較小。然后構(gòu)造基于亮度特征的梯度域處理函數(shù)，如下式表示：

其中，為平均相對(duì)梯度值，max()運(yùn)算保證相對(duì)梯度值較小的得到拉伸，而較大的保持原來(lái)的對(duì)比度。參數(shù)α(1>α>0)控制梯度拉伸的閾值，β(1>β>0)控制拉伸的幅度。α的值越大時(shí)，代表越多的梯度值被拉伸，β的值越小時(shí)，代表對(duì)應(yīng)的梯度拉伸的幅度越大。

其中，步驟(6)所述加權(quán)融合操作的具體過(guò)程為：首先考慮原始圖像各個(gè)通道之間的比例，引入顏色恢復(fù)因子，可用如下式子表示：

其中，i∈{r,g,b}，ci(x,y)表示rgb彩色空間中某個(gè)顏色通道的色彩恢復(fù)因子，代表輸入圖像的三個(gè)顏色通道所占的權(quán)重。然后利用帶有顏色恢復(fù)因子的加權(quán)融合策略對(duì)每個(gè)顏色通道梯度域重建圖像rn進(jìn)行處理，可用如下式子表示：

其中，r'i(x,y)為每個(gè)通道最終加權(quán)融合后的圖像。色彩恢復(fù)因子的引入，可以有效的提高結(jié)果圖的色彩保真度。

其中，步驟(7)所述動(dòng)態(tài)范圍壓縮的具體過(guò)程為：加權(quán)融合后的圖像r'中部分像素點(diǎn)的亮度值可能會(huì)超出正常的顯示范圍，這是因?yàn)樘荻扔蛟鰪?qiáng)很容易將低動(dòng)態(tài)圖像變?yōu)楦邉?dòng)態(tài)圖像。因此，為了使最終增強(qiáng)的圖像可以顯示在正常的范圍內(nèi)，可用如下式子表示：

其中，max(r')和min(r')分別表示圖像r'中的最大和最小的亮度值，r為最終輸出增強(qiáng)后的去霧圖像。

與現(xiàn)有的單幅圖像去霧技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)在于：

(1)本發(fā)明在對(duì)霧天降質(zhì)圖像梯度增強(qiáng)時(shí)，考慮了原始圖像的亮度信息，構(gòu)造了基于亮度特征的梯度域函數(shù)，并將其應(yīng)用于多尺度上，對(duì)每個(gè)尺度下梯度增強(qiáng)后的圖像進(jìn)行修正操作，使得到的增強(qiáng)效果更符合人眼視覺(jué)效果；

(2)本發(fā)明在最后融合操作時(shí)采用了帶有顏色恢復(fù)因子的加權(quán)融合算法對(duì)重建后的圖像進(jìn)行處理，色彩恢復(fù)因子引入考慮了原始彩色圖像各個(gè)通道之間的比例，可以有效的提高結(jié)果圖像的色彩保真度，避免了結(jié)果圖像出現(xiàn)顏色失真的現(xiàn)象；

(3)本發(fā)明在最后采用了簡(jiǎn)單有效的加權(quán)融合方法，與現(xiàn)有的梯度域去霧和增強(qiáng)算法相比，減少了梯度域重建的次數(shù)，提高了算法的執(zhí)行效率。

附圖說(shuō)明

圖1：為本發(fā)明的流程框架示意圖。

具體實(shí)施方式

下面結(jié)合附圖和具體實(shí)施例進(jìn)一步對(duì)本發(fā)明進(jìn)行詳細(xì)的說(shuō)明。

如圖1所示，本發(fā)明是一種基于梯度域的單幅圖像去霧方法，其特征在于，主要包括如下步驟：

(1)采集原始的霧天降質(zhì)圖像，計(jì)算霧天降質(zhì)圖像的梯度g和相應(yīng)的透射率圖t；此處的梯度包括水平方向和垂直方向的梯度，透射率圖的計(jì)算方法可用如下表示：

其中，p表示二維空間的坐標(biāo)，指代圖像中像素點(diǎn)的位置，max()運(yùn)算表示取最大值運(yùn)算median()表示中值濾波操作，sv為中值濾波采用的窗口大小，w(p)＝min(i(p))表示輸入圖像的每個(gè)像素點(diǎn)在三個(gè)通道的最小值，t(p)表示所求的霧天圖的透射率。

(2)選擇三個(gè)尺度值，分別代表大、中和小三個(gè)尺度，較大的尺度值可對(duì)降質(zhì)圖像中的遠(yuǎn)景區(qū)域進(jìn)行對(duì)比度增強(qiáng)，而較小的尺度可對(duì)近景區(qū)域進(jìn)行增強(qiáng)。

(3)將對(duì)應(yīng)的尺度值代入到增強(qiáng)函數(shù)中，然后對(duì)霧天降質(zhì)圖像的梯度采用增強(qiáng)函數(shù)進(jìn)行不同尺度的增強(qiáng)，即計(jì)算g·c(t)，其中增強(qiáng)函數(shù)c(t)＝e^λ(1-t)。

(4)考慮原始圖像的亮度信息，將絕對(duì)梯度轉(zhuǎn)換為相對(duì)梯度，如下式表示：

其中，i(x,y)代表輸入圖像的亮度信息，代表輸入圖像的梯度信息，而代表相對(duì)梯度。對(duì)于相同的絕對(duì)梯度值，亮度較大處的相對(duì)梯度值較小。然后構(gòu)造基于亮度特征的梯度域處理函數(shù)，如下式表示：

其中，為平均相對(duì)梯度值，max()運(yùn)算保證相對(duì)梯度值較小的得到拉伸，而較大的保持原來(lái)的對(duì)比度。參數(shù)α(1>α>0)控制梯度拉伸的閾值，β(1>β>0)控制拉伸的幅度。α的值越大時(shí)，代表越多的梯度值被拉伸，β的值越小時(shí)，代表對(duì)應(yīng)的梯度拉伸的幅度越大。對(duì)于大多數(shù)圖像而言，兩個(gè)參數(shù)設(shè)置為α＝0.1,β＝0.8。

然后將構(gòu)造的基于亮度特征的梯度域處理函數(shù)應(yīng)用于多尺度上，對(duì)不同尺度增強(qiáng)后的圖像進(jìn)行修正操作，可用如下式子表示：

g'n(x,y)＝gn(x,y)·φ(x,y)

其中，n為尺度的標(biāo)號(hào)，實(shí)驗(yàn)中選擇三個(gè)尺度，即n分別取1,2,3；φ(x,y)表示對(duì)梯度gn(x,y)操作的拉伸函數(shù)，g'n(x,y)表示修正后的梯度場(chǎng)。需要注意的是，修正后的梯度場(chǎng)g'n(x,y)與原梯度場(chǎng)gn(x,y)的方向相同，只是在大小發(fā)生了變化。

(5)對(duì)步驟(4)中處理后的圖像通過(guò)最小化梯度均方誤差進(jìn)行梯度域重建操作得到重建后圖像，梯度域重建的過(guò)程可表示為如下過(guò)程：

假設(shè)已知梯度g，h＝f(x,y)為其重建后的圖像。最小化梯度均方誤差可表示為：

其中，為圖像f(x,y)的梯度，可用其一階偏導(dǎo)數(shù)來(lái)近似表示，因此，可用如下式子表示：

上式需滿足如下euler-lagrange方程：

將f代入euler-lagrange方程中可得：

再次對(duì)上式進(jìn)行化簡(jiǎn)，得到泊松微分方程：

其中，表示拉普拉斯算子：div代表散度：通過(guò)求解泊松微分方程便可得到重建后的圖像h。

為了后續(xù)方便表示，將每個(gè)顏色通道重建得到的圖像記為其中i表示顏色通道，n表示尺度標(biāo)記。

(6)考慮了原始霧天圖像各個(gè)通道之間的比例，引入顏色恢復(fù)因子，可用如下式子表示：

其中，i∈{r,g,b}，ci(x,y)表示rgb彩色空間中某個(gè)顏色通道的色彩恢復(fù)因子，代表輸入圖像的三個(gè)顏色通道所占的權(quán)重。然后利用帶有顏色恢復(fù)因子的加權(quán)融合策略對(duì)每個(gè)顏色通道梯度域重建圖像進(jìn)行處理，可用如下式子表示：

其中，r'i(x,y)為每個(gè)通道最終加權(quán)融合后的圖像。色彩恢復(fù)因子的引入，可以有效的提高結(jié)果圖的色彩保真度。

(7)由于梯度域的圖像處理容易將低動(dòng)態(tài)圖像轉(zhuǎn)換為高動(dòng)態(tài)圖像，因此需要對(duì)步驟(6)中所得的圖像進(jìn)行動(dòng)態(tài)范圍壓縮，得到最終去霧后的圖像，可用如下式子表示：

其中，max(r')和min(r')分別代表圖像r'中的最大和最小的亮度值，r為最終輸出增強(qiáng)后的去霧圖像。