基于邊界約束和上下文正則化的圖像去霧算法
【專利摘要】針對(duì)圖像去霧這個(gè)特定問題，為了提高去霧算法精確度和還原度，使其滿足實(shí)時(shí)性需求，本發(fā)明提出一種基于邊界約束和上下文正則化的圖像去霧算法。首先基于物理模型對(duì)天空亮度進(jìn)行估計(jì)；然后基于邊界約束和上下文正則化，計(jì)算出較為精確的場(chǎng)景透射率；最后在大氣散射模型的框架下，利用求得的場(chǎng)景透射率對(duì)圖像進(jìn)行去霧，得到清晰的無霧圖像。本發(fā)明所述算法基于的上下文正則化和邊界約束進(jìn)行精確估算，同時(shí)利用容差機(jī)制對(duì)場(chǎng)景透射率進(jìn)行修正，能準(zhǔn)確計(jì)算出較為精確的場(chǎng)景透射率，從而極大地提高了圖像去霧的效果。
【專利說明】
基于邊界約束和上下文正則化的圖像去霧算法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及計(jì)算機(jī)視覺領(lǐng)域，特指基于邊界約束和上下文正則化的圖像去霧算 法。
【背景技術(shù)】
[0002] 霧天條件下，大氣粒子的散射作用往往導(dǎo)致采集圖像對(duì)比度降低、顏色失真，從而 使得場(chǎng)景可見度大幅降低、給戶外視頻監(jiān)控、交通運(yùn)輸W及軍事偵察等領(lǐng)域的應(yīng)用帶來很 大困難。因此，提高霧天圖像的清晰度W及糾正其色移現(xiàn)象有著重要的實(shí)際意義，現(xiàn)行的先 進(jìn)去霧算法，經(jīng)過試驗(yàn)都會(huì)不同程度上的使還原后圖片產(chǎn)生一定程度的失真。

【發(fā)明內(nèi)容】

[0003] 針對(duì)圖像去霧運(yùn)個(gè)特定問題，為了提高去霧算法精確度和還原度，使其滿足實(shí)時(shí) 性需求，本發(fā)明提出一種基于邊界約束和上下文正則化的圖像去霧算法。
[0004] 本發(fā)明的技術(shù)方案是：
[0005] -種基于邊界約束和上下文正則化的圖像去霧算法，包括W下步驟：
[0006] Sl.基于物理模型天空亮度A的估計(jì)；
[0007] S2.基于邊界約束和上下文正則化，計(jì)算出大氣場(chǎng)景透射率t(x);
[000引S3.結(jié)合霧化圖像的光學(xué)模型，根據(jù)估計(jì)的天空亮度A、大氣場(chǎng)景透射率t(x) W及 有霧的圖像，計(jì)算出無霧的圖像。
[0009] 本發(fā)明中，步驟Sl的估計(jì)過程如下：
[0010] SI. 1對(duì)彩色圖像的最小顏色分量進(jìn)行最小值濾波，可表示為：
[0011] ^ ，L'- U、,U,Uj/J刀。4'^/^、1、、6、8顏色通道；Q (義）表不[^像素點(diǎn)義為中屯、的鄰域， Imin(X)為彩色圖像的最小顏色分量的最小值，I(y)為彩色圖像的最小顏色分量；
[0013] SI. 2采用化nny算子對(duì)彩色圖像的灰度分量進(jìn)行邊緣檢測(cè)，對(duì)邊緣圖像進(jìn)行分塊 統(tǒng)計(jì)，計(jì)算各圖像塊中邊緣像素?cái)?shù)所占的比例，記為化dge(x)，同時(shí)滿足Imin(X)XTv且化dge UKTp的像素集合S(X)指定為候選天空區(qū)域，其中Tv為亮度闊值，Tp為平坦闊值；
[0014] SI. 3將候選天空區(qū)域S(X)中的最大像素值確定為天空亮度A的估計(jì)值，即A=Hiax S(X)D
[0015] 進(jìn)一步地，步驟SI.3中，為了保證天空復(fù)原圖像不失真，需要對(duì)天空亮度A的估計(jì) 值進(jìn)一步修正，即A = Qmax S(X)，a為設(shè)定系數(shù)。
[0016] 本發(fā)明中，步驟S2的方法為：
[0017] S2.1利用邊界約束來對(duì)場(chǎng)景透射率進(jìn)行粗估計(jì)，得到基于塊的場(chǎng)景透射率的粗估 計(jì)f。
[001引 S2.1.1計(jì)算場(chǎng)景透射率的下邊界tb
[0019]
[0020] 其中：I(X)為有霧圖像，A為天空亮度，Co為下邊界點(diǎn)，Cl為上邊界點(diǎn)，r(x)，AK， 攝鮮分別是I(X)，A，Cq和。的顏色通道。
[0021] S2.1.2計(jì)算基于塊的場(chǎng)景透射率的粗估計(jì)爹
[0022]
[0023] 考慮到一幅圖像的場(chǎng)景福射(Scene Radiance)總是邊界約束的，對(duì)于基于物理模 型的無霧圖像J(X)，即：Co《J(X)《Cl，X彩％?。而Co和Cl是兩個(gè)與給定圖像相關(guān)的常向量， 因此，對(duì)于任意一個(gè)像素點(diǎn)X，J(X)的外推必須位于由Co和Cl邊界點(diǎn)組成的福射立方體 (Radiance化be)中，否則就違反了有霧圖像形成物理模型。
[0024] 上式是先W-像素點(diǎn)X為中屯、做局部最小值濾波，得到局部最小值坐標(biāo)點(diǎn)y，再Wy 為中屯、做局部最大值濾波，得到局部最大值坐標(biāo)點(diǎn)Z，那么坐標(biāo)點(diǎn)Z的灰度值就作為新的基 于塊的透射率f在X點(diǎn)處的灰度值，其中，COx是Wx為中屯、的局部塊，COy是Wy為中屯、的局部 塊，塊大小為SZ Xsz,塊大小SZ X SZ則根據(jù)實(shí)際需求來均勻劃分，如7*7,8*8等。
[0025] S2.2利用上下文正則化對(duì)粗估計(jì)的場(chǎng)景透射率進(jìn)行細(xì)化，得到細(xì)化的場(chǎng)景透射 率。
[00%] S2.2.1根據(jù)基于塊的場(chǎng)景透射率的粗估計(jì)f構(gòu)造細(xì)化的場(chǎng)景透射率的目標(biāo)函數(shù)
[0027]
[002引
[0029]
[0030]
[0031 ] (3)0 = 6 X Prate, = =
[0032] Until
[0033] 其中，A是為了平衡數(shù)據(jù)保真項(xiàng)和正則化項(xiàng)的正則化參數(shù)，其中，O是下標(biāo)集合，° 表示相應(yīng)元素相乘，繼表示卷積操作，Dj是一階微分算子，Wj是一個(gè)權(quán)重矩陣，j G CO )為 引入的輔助變量，從而能產(chǎn)生約束項(xiàng)%緣《，由此可W用來優(yōu)化W，最終通過目標(biāo)函數(shù)得 到細(xì)化的場(chǎng)景透射率t。
[0034] 另外式中0為一個(gè)權(quán)重系數(shù)，Pmax為權(quán)重系數(shù)的最大值，Prate是權(quán)重系數(shù)的比例因 子，ui為UjCjG O )的優(yōu)化函數(shù)，a為控制兩個(gè)相鄰像素的亮度差的敏感度，其中，O，0和a是 已知給定的。
[0035] S2.3利用容差機(jī)制對(duì)灰度值接近天空亮度A的區(qū)域進(jìn)行場(chǎng)景透射率的修正，從而 得出高精度的場(chǎng)景透射率。
[0036] 引入一個(gè)參數(shù)K，定義為容差系數(shù)，對(duì)于I I-Al >K的區(qū)域，認(rèn)為是明亮區(qū)域，需要修 正透射率;而對(duì)于I I-Al >K的區(qū)域，認(rèn)為是滿足邊界約束條件的區(qū)域，保持原始的透射率； 修正后的場(chǎng)景透射率函數(shù)為：
[0037]
[0038] 其中：to為常數(shù)，用于防止tture(X)為0。
[0039] 本發(fā)明中，步驟S3的方法為：
[0040] 根據(jù)光在霧天傳輸?shù)奈锢硖匦?，在?jì)算機(jī)視覺和圖形學(xué)領(lǐng)域中，霧化圖像的光學(xué) 模型可描述如下
[0041] I(x)=J(x)t(x)+A(l-t(x)),
[0042] 式中：I(X)為含霧圖像即輸入圖像;J(X)為場(chǎng)景福射率即恢復(fù)出的無霧圖像;t(x) 場(chǎng)景透射率;A為天空亮度。
[0043] 由上式可得無霧圖像： , /(X)-Ad-/(X))
[0044] ./(A-) = ^~、------ O 心）
[0045] 本發(fā)明的有益技術(shù)效果:其中步驟Sl中的天空亮度A的估算是簡(jiǎn)便易行的快速算 法，步驟S2中的大氣場(chǎng)景透射率的估計(jì)與優(yōu)化均是結(jié)合現(xiàn)有先進(jìn)算法的缺陷改進(jìn)得出，該 計(jì)算極大的提高了去霧精確度。
【附圖說明】
[0046] 圖1是實(shí)施例所述估算大氣光時(shí)的自然場(chǎng)景圖像；
[0047] 圖2是實(shí)施例所述正則化參數(shù)對(duì)實(shí)驗(yàn)效果的影響圖像；
[0048] 圖3是實(shí)施例所述權(quán)重防4實(shí)驗(yàn)效果的影響圖像；
[0049] 圖4是實(shí)施例所述容差系數(shù)K對(duì)實(shí)驗(yàn)效果的影響圖像；
[0050] 圖5是各種現(xiàn)行先進(jìn)算法的對(duì)比去霧效果圖像；
[0051 ]圖6是實(shí)施例所述的算法整體流程圖。
【具體實(shí)施方式】
[0052] 實(shí)施例1: W單幅圖像去霧為例，結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步詳細(xì)說明。
[0053] 根據(jù)光在霧天傳輸?shù)奈锢硖匦?，在?jì)算機(jī)視覺和圖形學(xué)領(lǐng)域中，霧化圖像的光學(xué) 模型可描述如下
[0054] I(x)=J(x)t(x)+A(l-t(x)), (1)
[0055] 式（1)中：I(x)為含霧圖像（即輸入圖像）；J(X)為場(chǎng)景福射率（即恢復(fù)出的無霧圖 像）；t(x)為光路傳播圖，描述場(chǎng)景透射率;A為大氣光。去霧的目的在于從I(X)中恢復(fù)出t (X)、A，進(jìn)而恢復(fù)出無霧圖像J(X)D
[0056] 本發(fā)明利用一種有效的正則化方法來對(duì)單幅圖像進(jìn)行去霧，而單幅圖像去霧本質(zhì) 上是一個(gè)欠約束問題，解決運(yùn)類問題的普遍原理就是探究額外的先驗(yàn)知識(shí)或者約束，遵循 運(yùn)種思想，本發(fā)明利用霧圖像形成模型的幾何特性探究了一種在透射率函數(shù)上的邊界約 束，運(yùn)種邊界約束結(jié)合基于加權(quán)Ll范數(shù)的上下文正則化（weighted Ll-norm based contextual regularization)形成了復(fù)原未知場(chǎng)景透射率的優(yōu)化問題，然后用變量分裂法 (化ri ab I e Sp I i 11 ing Method，VSM)來對(duì)優(yōu)化問題進(jìn)行求解，最后利用容差機(jī)制對(duì)明亮區(qū) 域的透射率函數(shù)進(jìn)行修正。
[0057]本算法主要利用了 W下四個(gè)要點(diǎn)：第一個(gè)是在場(chǎng)景透射率上的約束，運(yùn)個(gè)有著明 確的幾何解釋的約束對(duì)于圖像去霧非常地有效;第二個(gè)是上下文正則化，運(yùn)個(gè)正則化可W 把濾波器用于圖像去霧，運(yùn)些濾波器有助于平滑噪聲和增強(qiáng)一些感興趣的圖像區(qū)域（比如 大的邊緣和角）；第=個(gè)是一個(gè)高效的優(yōu)化方案，運(yùn)個(gè)方案可W快速地對(duì)圖像進(jìn)行去霧;第 四個(gè)是容差機(jī)制，通過引入容差機(jī)制，可W有效地處理灰度值接近于全球大氣光的明亮區(qū) 域，修正該區(qū)域的透射率，消除在運(yùn)些區(qū)域產(chǎn)生的色彩失真。
[005引第一步:基于物理模型天空亮度的估計(jì)
[0059] 直接用最亮像素值估計(jì)天空亮度A易受到高亮噪聲或白色物體的影響。先分別對(duì) 各顏色分量進(jìn)行灰度腐蝕操作，再取顏色分量之間的最小值，從中選取0.1%最亮的像素， 用對(duì)應(yīng)原圖像中的最大像素值估計(jì)天空亮度A。為了濾除圖像中白色物體對(duì)估計(jì)天空亮度 的影響，結(jié)構(gòu)元素的尺寸應(yīng)大于圖像中白色物體的尺寸。但是，若圖像中的天空區(qū)域也小于 結(jié)構(gòu)元素的尺寸，則將錯(cuò)誤地濾除天空區(qū)域。如圖1所示的兩幅自然場(chǎng)景圖像，僅可從樹枝 之間看到天空，圖像中天空區(qū)域的面積較小，因此，較大的尺寸容易將天空區(qū)域完全腐蝕。
[0060] 顯而易見，天空區(qū)域具有3個(gè)特性：1)亮度較高；2)灰度平坦;3)位置偏上。本發(fā)明 將滿足W上3個(gè)特性的像素集合確定為天空區(qū)域。
[0061] SI. 1對(duì)彩色圖像的最小顏色分量進(jìn)行最小值濾波，也稱為灰度腐蝕操作，可表示 為：
[0062]
[0063] 巧甲，(：￡14,0,6}分別巧不4、6、8顏色通道；〇^)表示^像素義為中屯、的鄰域，其 尺寸自適應(yīng)地與圖像寬和高中的最小值成比例，Imin(X)為彩色圖像的最小顏色分量的最小 值，I(y)為彩色圖像的最小顏色分量。
[0064] SI. 2,采用化nny算子對(duì)彩色圖像的灰度分量進(jìn)行邊緣檢測(cè)，對(duì)邊緣圖像進(jìn)行分 塊統(tǒng)計(jì)，計(jì)算各圖像塊中邊緣像素?cái)?shù)所占的比例，記為Nedge(X).同時(shí)滿足Imin(x)〉Tv且 NedgeUKTp的像素集合S(X)指定為候選天空區(qū)域，其中Tv為亮度闊值，Tp為平坦闊值(低頻 闊值），二者都根據(jù)不同情況設(shè)定，通常為已知。
[0065] SI. 3,將候選的天空區(qū)域S(X)中的最大像素值確定為天空亮度A的估計(jì)值，即A = max S(X),但是為了保證任何條件下天空復(fù)原圖像不失真，通常需要進(jìn)一步修正，即A = Q max S(X)，a的值根據(jù)不同場(chǎng)景的需要來設(shè)定，為已知。
[0066] 第二步:基于邊界約束和上下文正則化，計(jì)算出較為精確的場(chǎng)景透射率t(x);
[0067] S2.1利用邊界約束來對(duì)場(chǎng)景透射率進(jìn)行粗估計(jì)，得到基于塊的場(chǎng)景透射率；
[006引Input:有霧圖像I(X)、全球大氣光A、下邊界點(diǎn)C日和上邊界點(diǎn)Cl、塊大小SZ Xsz,其 中PU)，A。，瑞，巧分別是I(X)，A，Cq和。的顏色通道。
[0069] Output:基于塊的場(chǎng)景透射率的粗估計(jì)I
[0070] 1.計(jì)算場(chǎng)景透射率的下邊界tb
[0071]
(3)
[0072]
[0073]
[0074] 考慮到一幅圖像的場(chǎng)景福射(Scene Radiance)總是邊界約束的，對(duì)于基于物理模 型的無霧圖像J(X),即：抗《1^)《打，》'€賊3。而〇)和打是兩個(gè)與給定圖像相關(guān)的常向量， 因此，對(duì)于任意一個(gè)像素點(diǎn)X，J(X)的外推必須位于由Co和Cl邊界點(diǎn)組成的福射立方體 (Radiance化be)中，否則就違反了有霧圖像形成物理模型。
[0075] 而公式(4)是先W為X中屯、做局部最小值濾波，得到局部最小值坐標(biāo)點(diǎn)y，再Wy為 中屯、做局部最大值濾波，得到局部最大值坐標(biāo)點(diǎn)Z，那么坐標(biāo)點(diǎn)Z的灰度值就作為新的基于 塊的透射率f在X點(diǎn)處的灰度值，其中，O X是WX為中屯、的局部塊，O y是Wy為中屯、的局部 塊，塊大小szXsz則根據(jù)實(shí)際需求來均勻劃分，如7*7,8*8等。
[0076] S2.2利用上下文正則化對(duì)粗估計(jì)的場(chǎng)景透射率進(jìn)行細(xì)化，得到細(xì)化的場(chǎng)景透射 率.
[0077] 根據(jù)S2.1場(chǎng)景透射率的粗估計(jì)，已知基于塊的場(chǎng)景透射率，進(jìn)一步需要得到更加 自然的場(chǎng)景透射率。在此利用基于加權(quán)Ll范數(shù)的上下文正則化(wei曲ted Ll-norm based contex化al regularization)對(duì)基于塊的場(chǎng)景透射率進(jìn)行細(xì)化，得到細(xì)化的場(chǎng)景透射率。
[0078] Input:有霧圖像I、基于塊的場(chǎng)景透射率f :、正則化參數(shù)A、加權(quán)函數(shù)的方差O [00巧]Output:場(chǎng)景透射率的細(xì)估計(jì)t
[0080] 1.根據(jù)基于塊的場(chǎng)景透射率J構(gòu)造細(xì)化的場(chǎng)景透射率的目標(biāo)函數(shù)
[0081]
[0082]
[0083]
[0084]
[00化](3 ) 0 = P X Prate , U"1 = Ui，t"1 = 11
[0086] Until
[0087] 其中，A是為了平衡數(shù)據(jù)保真項(xiàng)和正則化項(xiàng)的正則化參數(shù)，其中，O是下標(biāo)集合，° 表示相應(yīng)元素相乘，纔表示卷積操作，化是一階微分算子，Wj是一個(gè)權(quán)重矩陣。對(duì)于化通常用 高階差分算子，因?yàn)樗昧烁嘞噜徬袼攸c(diǎn)之間的信息，能夠提取出更多的邊緣細(xì)節(jié)信 息，而CO)為引入的輔助變量，從而能產(chǎn)生約束項(xiàng)^-'=?觀。由此可W用來優(yōu)化化最 終通過目標(biāo)函數(shù)來進(jìn)一步細(xì)估算場(chǎng)景透射率t。另外式中0為一個(gè)權(quán)重系數(shù)，Pmax為權(quán)重系 數(shù)的最大值，Prate是權(quán)重系數(shù)的比例因子，在上述公式中用于迭代遞增0。111為11^ jG CO)的 優(yōu)化函數(shù)，a為控制兩個(gè)相鄰像素的亮度差的敏感度。其中，《，e和a是已知的，且根據(jù)不同 情況給定不同的數(shù)值。
[0088] S2.3利用容差機(jī)制對(duì)灰度值接近全球大氣光的區(qū)域進(jìn)行場(chǎng)景透射率的修正，從而 得出精度較高的場(chǎng)景透射率；
[0089] 經(jīng)過步驟S2.1和S2.2,已經(jīng)得出大致的場(chǎng)景透射率，但若想消除彩色失真，還原真 實(shí)的清晰的無霧圖像，就必須調(diào)整灰度值接近全球大氣光A的明亮區(qū)域的透射率，使得估計(jì) 的透射率t更加符合實(shí)際的透射率，同時(shí)最好不破壞按照邊界約束和上下文正則化的去霧 框架?；谶\(yùn)種情況，本發(fā)明引進(jìn)了一個(gè)參數(shù)K，定義為容差系數(shù)，對(duì)于I I-Al >K的區(qū)域，認(rèn) 為是明亮區(qū)域，需要修正透射率；而對(duì)于I I-Al >K的區(qū)域，認(rèn)為是滿足邊界約束條件的區(qū) 域，保持原始的透射率。修正后的場(chǎng)景透射率函數(shù)：
[0090]
[0091] 其中，to是一個(gè)很小的常數(shù)(比如0.01)，防止tture(X)為0。容差機(jī)制就是對(duì)原有算 法的一種修正，使其能更好的處理明亮區(qū)域的有霧圖像，并沒有脫離邊界約束，而是在原有 基礎(chǔ)上對(duì)明亮區(qū)域的透射率進(jìn)行了修正，仍舊在邊界約束的框架之上。可W理解為:對(duì)于接 近大氣光A的區(qū)域把去霧程度降低。
[0092] Input:有霧圖像I、全球大氣光A、細(xì)化的透射率t、容差K
[0093] Output:修正的場(chǎng)景透射率tture
[0094] 計(jì)算修正的場(chǎng)景透射率
[0095]
[0096] 第=步:結(jié)合霧化圖像的光學(xué)模型，根據(jù)估計(jì)的大氣光A、大氣場(chǎng)景透射率tW及有 霧的圖像，計(jì)算出無霧的圖像；
[0097] 由式（I)I(X)= T(x)t(x)+A(l-t(x))可得無霧圖像：
[009引
㈱
[0099] 由于I(X)，A，t(x)都由本發(fā)明所述方法可W得出，所W無霧圖像J(X)可W根據(jù)公 式(4)得出。
[0100] 如圖2,3,4所示，分別為本實(shí)施例調(diào)整參數(shù)A，e，即寸恢復(fù)出的無霧圖像，圖5為各種 現(xiàn)行先進(jìn)算法的比對(duì)圖像，可W發(fā)現(xiàn)本實(shí)施例獲得的去霧效果可W略優(yōu)于化Kaiming, Meng等人現(xiàn)行的先進(jìn)算法。圖6為本算法的整體流程圖。
[0101] 本發(fā)明中提出的方法實(shí)際上可嵌入FPGA實(shí)現(xiàn)，開發(fā)具有實(shí)時(shí)去霧功能的相機(jī)或攝 像機(jī)。W上實(shí)施例僅起到解釋本發(fā)明技術(shù)方案的作用，本發(fā)明所要求的保護(hù)范圍并不局限 于上述實(shí)施例所述的實(shí)現(xiàn)系統(tǒng)和具體實(shí)施步驟。因此，僅對(duì)上述實(shí)施例中具體的公式及算 法進(jìn)行簡(jiǎn)單替換，但其實(shí)質(zhì)內(nèi)容仍與本發(fā)明所述方法相一致的技術(shù)方案，均應(yīng)屬于本發(fā)明 的保護(hù)范圍。
【主權(quán)項(xiàng)】
1. 一種基于邊界約束和上下文正則化的圖像去霧算法，其特征在于，包括以下步驟：51. 基于物理模型天空亮度A的估計(jì)；52. 基于邊界約束和上下文正則化，計(jì)算出大氣場(chǎng)景透射率t(x);53. 結(jié)合霧化圖像的光學(xué)模型，根據(jù)估計(jì)的天空亮度A、大氣場(chǎng)景透射率t(x)以及有霧 的圖像，計(jì)算出無霧的圖像。2. 根據(jù)權(quán)利要求1所述的基于邊界約束和上下文正則化的圖像去霧算法，其特征在于， 步驟Sl的估計(jì)過程如下： Sl. 1對(duì)彩色圖像的最小顏色分量進(jìn)行最小值濾波，可表示為：式中，(：￡{1?，6,8}分別表示1?、6、8顏色通道；〇&)表示以像素點(diǎn)1為中心的鄰域，1^11 (X)為彩色圖像的最小顏色分量的最小值，Ky)為彩色圖像的最小顏色分量； Sl. 2采用Canny算子對(duì)彩色圖像的灰度分量進(jìn)行邊緣檢測(cè)，對(duì)邊緣圖像進(jìn)行分塊統(tǒng) 計(jì)，計(jì)算各圖像塊中邊緣像素?cái)?shù)所占的比例，記為NedgeU)，同時(shí)滿足Imin(X)XTv且Nedge UKT p的像素集合S(X)指定為候選天空區(qū)域，其中Tv為亮度閾值，Tp為平坦閾值； SI.3將候選天空區(qū)域S(X)中的最大像素值確定為天空亮度A的估計(jì)值，即A = max S (x)〇3. 根據(jù)權(quán)利要求2所述的基于邊界約束和上下文正則化的圖像去霧算法，其特征在于， 步驟SI.3中，為了保證天空復(fù)原圖像不失真，對(duì)天空亮度A的估計(jì)值進(jìn)行修正，即令A(yù) = Ctmax S(X)，α為設(shè)定系數(shù)。4. 根據(jù)權(quán)利要求1所述的基于邊界約束和上下文正則化的圖像去霧算法，其特征在于， 步驟S2的方法為:利用邊界約束來對(duì)場(chǎng)景透射率進(jìn)行粗估計(jì)，得到基于塊的場(chǎng)景透射率的 粗估計(jì)篆； S2.1計(jì)算場(chǎng)景透射率的下邊界tb其中：I(x)為有霧圖像，A為天空亮度，Co為下邊界點(diǎn)，C1為上邊界點(diǎn)，Γ(χ)，Α%Cf, ;分 別是1&)^、0)和&的顏色通道； S2.2計(jì)算基于塊的場(chǎng)景透射率的粗估計(jì)I上式是先以任意一個(gè)像素點(diǎn)X為中心做局部最小值濾波，得到局部最小值坐標(biāo)點(diǎn)y，再 以y為中心做局部最大值濾波，得到局部最大值坐標(biāo)點(diǎn)z，那么坐標(biāo)點(diǎn)z的灰度值就作為新的 基于塊的透射率f:在X點(diǎn)處的灰度值，其中，ω χ是以X為中心的局部塊，ωγ是以y為中心的局 部塊。5. 根據(jù)權(quán)利要求4所述的基于邊界約束和上下文正則化的圖像去霧算法，其特征在于， 步驟S2還包括，利用上下文正則化對(duì)S2.2粗估計(jì)的場(chǎng)景透射率進(jìn)行細(xì)化，得到細(xì)化的場(chǎng)景 透射率； S2.3根據(jù)基于塊的場(chǎng)景透射率的粗估計(jì)f構(gòu)造細(xì)化的場(chǎng)景透射率的目標(biāo)函數(shù)其中，λ是為了平衡數(shù)據(jù)保真項(xiàng)和正則化項(xiàng)的正則化參數(shù)，其中，ω是下標(biāo)集合，°表示 相應(yīng)元素相乘，⑩表示卷積操作A是一階微分算子，Wj是一個(gè)權(quán)重矩陣，β為一個(gè)權(quán)重系數(shù)， Pmax為權(quán)重系數(shù)的最大值，Lt e是權(quán)重系數(shù)的比例因子，U1為Uj(j e ω )的優(yōu)化函數(shù)，α為控制 兩個(gè)相鄰像素的亮度差的敏感度，W(je ω )為引入的輔助變量，從而能產(chǎn)生約束項(xiàng) %二$發(fā)?，由此可以用來優(yōu)化Uj，最終通過目標(biāo)函數(shù)得到細(xì)化的場(chǎng)景透射率t。6. 根據(jù)權(quán)利要求5所述的基于邊界約束和上下文正則化的圖像去霧算法，其特征在于， 步驟S2還包括，利用容差機(jī)制對(duì)灰度值接近天空亮度A的區(qū)域進(jìn)行場(chǎng)景透射率的修正，從而 得出高精度的場(chǎng)景透射率，其方法為： 引入?yún)?shù)K，定義為容差系數(shù)，對(duì)于I I-Al >K的區(qū)域，認(rèn)為是明亮區(qū)域，需要修正透射 率;而對(duì)于I I-Al >Κ的區(qū)域，認(rèn)為是滿足邊界約束條件的區(qū)域，保持原始的透射率;修正后 的場(chǎng)景透射率函數(shù)為：其中：to為常數(shù)，用于防止tture(x)為0。7. 根據(jù)權(quán)利要求1所述的基于邊界約束和上下文正則化的圖像去霧算法，其特征在于， 步驟S3的方法為： 根據(jù)光在霧天傳輸?shù)奈锢硖匦?，在?jì)算機(jī)視覺和圖形學(xué)領(lǐng)域中，霧化圖像的光學(xué)模型 可描述如下 I(x)=J(x)t(x)+A(l-t(x))， 式中：Κχ)為含霧圖像即輸入圖像;JU)為場(chǎng)景輻射率即恢復(fù)出的無霧圖像;t(x)場(chǎng)景 透射率;A為天空亮度； 由上式可得無霧圖像：
【文檔編號(hào)】G06T7/40GK106023108SQ201610332967
【公開日】2016年10月12日
【申請(qǐng)日】2016年5月19日
【發(fā)明人】譚樹人, 張斯堯, 馬昊辰
【申請(qǐng)人】湖南源信光電科技有限公司