專利名稱：：基于小波照度估計的霧天圖像清晰化方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及圖像清晰化方法，更具體地說是一種基于小波照度估計的霧天圖像清晰化方法。
背景技術(shù)：
：在霧天條件下，戶外景物圖像的對比度和顏色都會被改變或退化，圖像中所蘊(yùn)含的許多特征都會被覆蓋或模糊。這對戶外視頻監(jiān)控系統(tǒng)帶來了很大的干擾。為保證戶外視頻監(jiān)控系統(tǒng)能夠在霧天下IH常工作，必須借助計算機(jī)信息處理方法對霧天圖像進(jìn)行清晰化處理。針對霧天圖像的清晰化已有主要為兩種方法，一種是基于大氣物理模型的圖像復(fù)原方法，另一種是圖像增強(qiáng)方法。目前，國內(nèi)外關(guān)于霧天圖像清晰化的研究主要集中在基于大氣物理模型的圖像復(fù)原方法上。該類方法需要建立和求解較為復(fù)雜微分方程，算法計算量很大，一般無法用于實時場合，實用價值較低。圖像增強(qiáng)是指按實際的需要突出圖像中感興趣的信息，去除或抑制不需要的信息，以改善圖像的視覺效果。目前關(guān)于圖像增強(qiáng)的研究主要是針對低照度圖像、醫(yī)學(xué)圖像和高動態(tài)范圍圖像；針對霧天圖像的圖像增強(qiáng)方法主要采用直方圖均衡化方法和Retinex方法。這兩種方法都有一定的局限性。霧天獲取的景物圖像在視覺感受上不清晰，反映在數(shù)據(jù)上就是原本較低的灰度值被加強(qiáng)、原本較高的灰度值被削弱，導(dǎo)致象素點灰度值的分布過于集中，使得對比度發(fā)生退化。圖像退化的程度跟場景的深度成非線性關(guān)系，圖像中不同區(qū)域有著不同的退化程度。景深越深的圖像區(qū)域，其退化就越嚴(yán)重。直方圖均衡化圖像增強(qiáng)方法一般對整幅圖像進(jìn)行增強(qiáng)，沒有考慮到針對圖像不同的景深區(qū)域采用不同的增強(qiáng)策略，因此不能直接用于對霧天圖像的增強(qiáng)。局部的直方圖均衡化方法，即AHE方法，雖然可以解決不同景深問題，但是該方法計算量非常大，不實用。AHE的改進(jìn)算法，如POSHE算法、插值直方圖均衡化方法等雖然在一定程度上減少了計算量，但降低了清晰化的效果一般會出現(xiàn)棋盤效應(yīng)。Retinex方法是根據(jù)圖像的構(gòu)成模型所提出的圖像增強(qiáng)方法。局部Retinex算法(SSR方法、MSR方法及MSRCR方法)雖然能在一定程度上解決不同景深問題，但是該方法對霧天圖像的清晰化效果一般不理想，例如會存在光暈偽影現(xiàn)象等，而且對不同的圖像采用不同的參數(shù)值，需要通過手工對這些參數(shù)值進(jìn)行調(diào)節(jié)。因此，該方法僅適合于某些特定的圖像，難以推廣到一般情形。
發(fā)明內(nèi)容4本發(fā)明是為避免上述現(xiàn)有技術(shù)所存在的不足之處，提供一種運行速度快，不僅能解決多景深問題，而且不需要手工調(diào)節(jié)參數(shù)，具有很好的通用性的基于小波照度估計的霧天圖像清晰化方法。本發(fā)明解決技術(shù)問題采用如下技術(shù)方案本發(fā)明基于小波照度估計的霧天圖像清晰化方法的特點是在對數(shù)域把輸入的模糊霧天圖像看成反射圖像分量和照度圖像分量之和，其中反射圖像分量對應(yīng)于圖像中清晰的場景，照度圖像分量對應(yīng)于引起清晰圖像模糊的因素，并使用小，波分析方法計算出照度圖像分量，再從輸入的模糊霧天圖像中減去在對數(shù)域中的照度分量，獲取反射圖像分量，實現(xiàn)對霧天圖像的清晰化效果的增強(qiáng)。本發(fā)明方法的特點也在于所述使用小波分析方法計算出照度圖像分量是首先選取小波基函數(shù)對輸入圖像進(jìn)行八級小波分解，得到一系列小波系數(shù)；其中低頻系數(shù)集中了圖像的能量，反映了圖像的整體輪廓，高頻系數(shù)反映了圖像的細(xì)節(jié)；然后分別采用高斯函數(shù)和類蔓葉曲線調(diào)整低頻系數(shù)和高頻系數(shù)，最后通過小波反變換對調(diào)整過后的小波系數(shù)，包括低頻系數(shù)和高頻系數(shù)進(jìn)行小波重構(gòu)得到照度圖像分量。本發(fā)明方法按如下過程進(jìn)行.a、使用小波分析方法計算出照度圖像分量設(shè)/(x，,;^)為輸入圖像，使用(1)式對其進(jìn)行8級小波分解w(a,Z^,62)二丄ff/(x"X2),(^~^l，^2_^l)^血2(1)其中a是分解的級數(shù)，取2、k=l，2，…，8;、，62是位移因子，以4個象素為步長進(jìn)行移動；y(w,v)是多貝西小波基函數(shù)；根據(jù)a，"，^的不同取值得到一系列的小波系數(shù)w(a,h,Z^)，按小波樹對其進(jìn)行排列，形成小波系數(shù)序列W,;設(shè)小波系數(shù)的總數(shù)為W，其前iV(l)s個系數(shù)為低頻系數(shù)，記為4，4其余為高頻系數(shù)，記為化；對于低頻系數(shù)4，使用高斯函數(shù)對其進(jìn)行調(diào)整，得到新的低頻系數(shù)^，公式如下S,=一尸1(2)其中w為低頻系數(shù)的個數(shù)，m=0.00082^,c為亮度調(diào)節(jié)因子，它與原圖像的亮度均值有關(guān)，取c二223，6=6000;對于高頻系數(shù)",，使用類蔓葉函數(shù)對其進(jìn)行調(diào)整，得到新的高頻系數(shù)《，公式如下.=0.439ln(l",|+1)(3)新的低頻系數(shù)S,和新的高頻系數(shù)五,組成了調(diào)整后的小波系數(shù)"，使用小波反變換進(jìn)行重構(gòu)，得到照度圖像/0c,，X》其中:C..,=1^(0^,(^2、'2(5)4b、獲取反射圖像使用式(5)獲取反射圖像K^,x》r(x"X2)=1og/(x,X2)—1og/(x,，X2)其中，K^，A)即為清晰圖像。本發(fā)明方法中所述小波基函數(shù)選用多貝西小波、symlet小波或bior小波棊函數(shù)。以上方法針對灰度圖像。對于彩色圖像，對RGB三個通道分別使用上述方法處理即可。與已有技術(shù)相比，本發(fā)明方法的有益效果體現(xiàn)在本發(fā)明方法運行速度快，效果好，不僅能解決多景深問題，而且不需要手工調(diào)節(jié)參數(shù)，'具有很好的通用性。選取一幅1600*1200的霧天圖像進(jìn)行實驗對比，圖1霧天圖像，圖2經(jīng)本發(fā)明方法處理的效果，圖3是直方圖均衡化方法處理的效果，圖4是Retinex方法處理的效果。從視覺效果上看，本發(fā)明方法對于圖像的細(xì)節(jié)的增強(qiáng)更加有效，在紋理上和圖像信息的恢復(fù)上也取得了較好的實驗效果，顏色恢復(fù)也比較平滑自然，沒有出現(xiàn)光暈偽影。圖5是小波系數(shù)比較圖，從圖5可以清晰看出通過本發(fā)明方法處理的結(jié)果低頻系數(shù)整體上低于原圖和Retinex方法處理的結(jié)果。從小波系數(shù)均值方差統(tǒng)計表(表l)中可以看出-本發(fā)明方法的低頻系數(shù)均值最小，說明本發(fā)明方法對處理霧天圖像泛白發(fā)灰的問題起到很好的效果。本發(fā)明方法的低頻系數(shù)方差高于原圖和Retinex方法。這說明本發(fā)明方法處理后的系數(shù)波動性增強(qiáng)，反映在圖像上則表現(xiàn)為圖像的輪廓更加清晰。從小波系數(shù)均值方差統(tǒng)計表可以明顯看出，本發(fā)明方法處理結(jié)果的高頻系數(shù)的方差明顯大于原圖、直方圖均衡化和Retinex方法處理結(jié)果。這說明本發(fā)明方法處理后的小波系數(shù)的波動性明顯增強(qiáng)，反映在圖像上則是圖像細(xì)節(jié)和紋理得到突顯，細(xì)節(jié)被明顯增強(qiáng)。高頻系數(shù)與其他結(jié)果相比變化不大，這也說明，圖像的高頻細(xì)節(jié)系數(shù)對圖像的整體能量影響并不大。'本發(fā)明方法可以廣泛應(yīng)用在如下場合中1、汽車、船只駕駛員視覺增強(qiáng)在夜晚、濃霧等低能見度天氣條件下，道路場景的可視性較差，駕駛員通過視覺獲得道路環(huán)境信息不足，極易發(fā)生車輛碰撞等惡性交通事故?？梢砸员痉椒樗惴ɑA(chǔ)，設(shè)置一種嵌入式車載視覺增強(qiáng)系統(tǒng)，滿足駕駛員在夜間或霧天實時獲取清晰路況信息的需求。系統(tǒng)通過車載前視攝像頭獲取路況視頻，使用高性能車載DSP處理器運行上述新算法，對低照度或霧天視頻做實時清晰化處理，并將處理后的清晰路況視頻實時顯示在車載顯示屏上供駕駛員參考，預(yù)防交通事故。車輛的剎車距離與車輛行駛速度有關(guān)，速度越快，剎車距離越遠(yuǎn)。在霧天，高速公路'上經(jīng)常發(fā)生多車連環(huán)相撞的交通事故，其主要原因是由于霧天導(dǎo)致能見度降低，駕駛員在高速行駛中發(fā)現(xiàn)前方有車輛或障礙物時再采取剎車、避讓措施時，為時已晚。該系統(tǒng)能有效提高駕駛員的視覺距離，駕駛員可以提前采取剎車、避讓等措施，從而避免撞車事故的發(fā)生。另外，江、河、湖、海等是易發(fā)大霧的區(qū)域，經(jīng)常發(fā)生由于大霧造成船只碰撞事故，本發(fā)明方法同樣可用于船只駕駛員的視覺增強(qiáng)，避免撞船、撞橋等事故發(fā)生。2、安防視頻監(jiān)控在霧天條件下，景物圖像的對比度和顏色都會被改變或退化，視頻圖像中所蘊(yùn)含的許多特征都會被覆蓋或模糊，這些顯然降低了視頻監(jiān)控系統(tǒng)的作用。目前廣泛使用的視頻監(jiān).控攝像機(jī)基本不具備視頻增強(qiáng)功能?？梢詫⒈景l(fā)明方法應(yīng)用到攝像機(jī)內(nèi)部，生產(chǎn)具有視頻增強(qiáng)功能的攝像機(jī)；也可以將本發(fā)明方法應(yīng)用到圖像解碼程序中，在接收端對視頻圖像進(jìn)行增強(qiáng)處理，提高圖像的視覺效果。7<table>tableseeoriginaldocumentpage8</column></row><table>圖1為實施例1的彩色霧天圖象；圖2為經(jīng)本發(fā)明方法處理的效果；圖3為直方圖均衡化方法處理的效果；圖4為Retinex方法處理的效果；圖5是小波系數(shù)比較圖6為霧天彩色圖像圖1的R通道圖像分量數(shù)據(jù)，用灰度圖像表示;圖7為小波系數(shù)的分布(前300位系數(shù))；圖8為調(diào)整后小波系數(shù)分布(前300位系數(shù))；圖9為小波重構(gòu)的照度圖像；圖10為R分量增強(qiáng)圖像；圖11為實施例2的彩色霧天圖象；圖12為彩色霧天圖像圖11的R通道圖像分量數(shù)據(jù)；圖13為小波系數(shù)分布(前300位系數(shù))；圖14為調(diào)整后小波系數(shù)分布(前300位系數(shù))；圖15為本發(fā)明方法中使用小波重構(gòu)得到的照度圖像；圖16為R分量增強(qiáng)圖像；圖17為本發(fā)明方法增強(qiáng)后的彩色圖像；以下通過具體實施方式對本發(fā)明作進(jìn)一步說明。具體實施方式本實施例是針對灰度圖像，按如下兩個步驟進(jìn)行1、使用小波分析方法計算出照度圖像分量設(shè)/(X，,&)為輸入圖像，使用(1)式對其進(jìn)行8級小波分解<formula>formulaseeoriginaldocumentpage9</formula>其中"是分解的級數(shù)，取2、k=l，2,…，8;6,，62是位移因子，以4個象素為步長進(jìn)行移動；W(",V)是多貝西小波基函數(shù)；根據(jù)"，4，^的不同取值得到一系列的小波系數(shù)W(fl^,&)，按小波樹對其進(jìn)行排列，形成小波系數(shù)序列W,;設(shè)小波系數(shù)的總數(shù)為iV，其前iV(l)8個系數(shù)為低頻系數(shù)，記為4，4其余為高頻系數(shù)，記為i^;對于低頻系數(shù)4，使用高斯函數(shù)對其進(jìn)行調(diào)整，得到新的低頻系數(shù)B,，公式如下5,=c4e(2)其中w為低頻系數(shù)的個數(shù)，m二0.00082^,c為亮度調(diào)節(jié)因子，它與原圖像的亮度均值'有關(guān)，取￡:=223,6=6000;對于高頻系數(shù)D,，使用類蔓葉函數(shù)對其進(jìn)行調(diào)整，得到新的高頻系數(shù)《，公式如下=0.439l寺,|+1)(3)新的低頻系數(shù)A和新的高頻系數(shù)五,組成了調(diào)整后的小波系數(shù)^使用小波反變換進(jìn)行重構(gòu)，得到照度圖像/Oc,，xJ，公式如下c*°a"(4)射1J—一2)|22、獲取反射圖像使用式(5)獲取反射圖像r(x,，;^),x2)=log/(a,x2)—log/(x,,x2)(5)其中，K^,X2)即為清晰圖像。小波基函數(shù)可以選用多貝西小波、symlet小波或bior小波基函數(shù)。此外，對于彩色圖像，對RGB三個通道分別使用上述方法處理即可。實施例1:對彩色圖像圖1進(jìn)行清晰化處理。將圖1分解為RGB三個通道，圖6是其中的R通道圖像分量數(shù)據(jù)，用灰度圖像表示；首先，對于灰度圖像圖6使用公式(1)做8級小波分解，選用多貝西函數(shù)作為小波基函數(shù)為，一共得到1943550個小波系數(shù)。其中1到99為低頻系數(shù)，100到1943550為高頻系數(shù)，圖7表示其中前300位系數(shù)的分布；然后，用公式(2)對低頻部分進(jìn)行計算可以得到調(diào)整后的低頻系數(shù)，用公式(3)對高頻部分進(jìn)行計算可以得到調(diào)整后的高頻系數(shù)。調(diào)整后小波系數(shù)中的前300位的數(shù)據(jù)分布如圖8所示；最后，使用公式(4)對調(diào)整后小波系數(shù)進(jìn)行小波重構(gòu)，提取到估計出的照度圖像如圖9所示；使用公式(5)，在對數(shù)閾中用原圖像減去照度圖像可以得到處理后的增強(qiáng)(清晰化)'圖像，如圖IO所示；以上得到R分量增強(qiáng)圖像如圖10所示。用同樣的方法，可以得到G和B兩個通道的增強(qiáng)圖像。將RGB三個通道的增強(qiáng)圖像合成后，就可以得到最終的增強(qiáng)后的彩色圖像如圖2。實施例2:對霧天彩色圖像11進(jìn)行清晰化處理。將圖11分解為RGB三個通道，圖12是其中的R通道圖像分量數(shù)據(jù)，用灰度圖像表示。首先，對灰度圖像圖12使用公式(1)做8級小波分解，選用多貝西函數(shù)為小波基函數(shù)，一共得到640115個小波系數(shù)，其中1到56為低頻系數(shù)，57到640115為高頻系數(shù)，圖13'表示其中前300位系數(shù)的分布；然后，對于低頻部分，使用公式(2)可算出調(diào)整后的低頻系數(shù)；對高頻部分，使用公式(3)可算出調(diào)整后的高頻系數(shù)。調(diào)整后小波系數(shù)的前300位的數(shù)據(jù)分布如圖14所示；最后，使用公式(4)對調(diào)整后小波系數(shù)進(jìn)行小波重構(gòu)，提取到估計出的照度圖像如圖15所示；1使用公式(5)，在對數(shù)域中用原圖像減去照度圖像可以得到處理后的增強(qiáng)(清晰化)圖像，如圖16所示。以上得到R分量增強(qiáng)圖像如圖16所示；用同樣的方法，可以得到G和B兩個通道的增強(qiáng)圖像。將RGB三個通道的增強(qiáng)圖像合成后，就可以得到最終的增強(qiáng)后的彩色圖像如圖17所示。權(quán)利要求1、基于小波照度估計的霧天圖像清晰化方法，其特征是在對數(shù)域把輸入的模糊霧天圖像看成反射圖像分量和照度圖像分量之和，其中反射圖像分量對應(yīng)于圖像中清晰的場景，照度圖像分量對應(yīng)于引起清晰圖像模糊的因素，并使用小波分析方法計算出照度圖像分量，再從輸入的模糊霧天圖像中減去在對數(shù)域中的照度分量，獲取反射圖像分量，實現(xiàn)對霧天圖像的清晰化效果的增強(qiáng)。2、根據(jù)權(quán)利要求1所述的基于小波照度估計的霧天圖像清晰化方法，其特征是所述使用小波分析方法計算出照度圖像分量是首先選取小波基函數(shù)對輸入圖像進(jìn)行八級小波分解，得到一系列小波系數(shù)；其中低頻系數(shù)集中了圖像的能量，反映了圖像的整體輪廓，高頻系數(shù)反映了圖像的細(xì)節(jié)；然后分別采用高斯函數(shù)和類蔓葉曲線調(diào)整低頻系數(shù)和高頻系數(shù)，最，后通過小波反變換對調(diào)整過后的小波系數(shù)，包括低頻系數(shù)和高頻系數(shù)進(jìn)行小波重構(gòu)得到照度圖像分量。3、根據(jù)權(quán)利要求2所述的基于小波照度估計的霧天圖像清晰化方法，其特征是按如下過程進(jìn)行a、使用小波分析方法計算出照度圖像分量設(shè)/(X,，xJ為輸入圖像，使用(1)式對其進(jìn)行8級小波分解<formula>formulaseeoriginaldocumentpage2</formula>(1)其中fl是分解的級數(shù)，取2、k=l，2，…，8;"，62是位移因子，以4個象素為步長進(jìn)行移動；y(w,v)是多貝西小波基函數(shù)；根據(jù)fl，6,，^的不同取值得到一系列的小波系數(shù)w("，h,^)，按小波樹對其進(jìn)行排列，形成小波系數(shù)序列W,;設(shè)小波系數(shù)的總數(shù)為W，其前iV《)S個系數(shù)為低頻系數(shù)，記為j,，其余為高頻系數(shù)，記為化；對于低頻系數(shù)4，使用高斯函數(shù)對其進(jìn)行調(diào)整，得到新的低頻系數(shù)^，公式如下<formula>formulaseeoriginaldocumentpage2</formula>(2)其中w為低頻系數(shù)的個數(shù)，m二0.00082^，c為亮度調(diào)節(jié)因子，它與原圖像的亮度均值'有關(guān)，取c-223，6=6000;對于高頻系數(shù)",，使用類蔓葉函數(shù)對其進(jìn)行調(diào)整，得到新的高頻系數(shù)《，公式如下:=0.439ln(|D,|+1)(3)新的低頻系數(shù)g和新的高頻系數(shù)E,組成了調(diào)整后的小波系數(shù)A,使用小波反變換進(jìn)行重構(gòu)，得到照度圖像/0q,X》射:C.,,=-b、獲取反射圖像使用式(5)獲取反射圖像KA-,，X》<formula>formulaseeoriginaldocumentpage3</formula>)其中，K^，A)即為清晰圖像。4、根據(jù)權(quán)利要求2或3所述的基于小波照度估計的霧天圖像清晰化方法，其特征是所述小波基函數(shù)選用多貝西小波、symlet小波或bior小波基函數(shù)。全文摘要基于小波照度估計的霧天圖像清晰化方法，其特征是在對數(shù)域把輸入的模糊霧天圖像看成反射圖像分量和照度圖像分量之和，其中反射圖像分量對應(yīng)于圖像中清晰的場景，照度圖像分量對應(yīng)于引起清晰圖像模糊的因素，并使用小波分析方法計算出照度圖像分量，再從輸入的模糊霧天圖像中減去在對數(shù)域中的照度分量，獲取反射圖像分量，實現(xiàn)對霧天圖像的清晰化效果的增強(qiáng)。本發(fā)明方法運行速度快、效果好，不僅能解決多景深問題，而且不需要手工調(diào)節(jié)參數(shù)，具有很好的通用性。文檔編號H04N9/64GK101448170SQ200810246229公開日2009年6月3日申請日期2008年12月31日優(yōu)先權(quán)日2008年12月31日發(fā)明者張新彤,汪榮貴申請人:合肥工業(yè)大學(xué)