[发明专利]图像除雾装置和图像除雾方法

说明书

技术领域

本发明涉及一种图像除雾装置和图像除雾方法。

背景技术

中国地理环境复杂，天气多样，雾天在大多数地区经常可见，而且个别地区还会受到沙尘天气的影响。雾与沙尘天气降低了户外视频图像的能见度。另外，在大型城市中，由于空气质量的问题，户外视频图像的能见度也会降低。能见度的降低对于视频图像的质量产生较大影响。特别是对于安防监控领域，影响更加明显。雾化图像清晰化是图像处理领域中的迫切的实用需求。同时最近几年基于单帧图像的除雾技术的突破使得雾化图像除雾处理成为计算机视觉领域越来越重要的研究方向。

目前，雾化图像清晰化方法主要有两个方向：基于一般图像增强方法的除雾算法和基于大气模型的除雾算法。属于基于一般图像增强方法的除雾算法的有直方图均值、空间锐化滤波、高频加强滤波、小波增强、Retinex增强滤波等等。这些算法以增强图像的对比度和能见度为出发点并且与除雾没有直接关系，对于由低照明等原因引起的视频图像能见度降低等问题也可以进行处理。在2002年，由NARASIMAHAN等人在论文《Vision and the Atmosphere》中首次提出了基于大气模型的除雾清晰化方法。这类方法在最近几年取得技术突破，主要是由Fattal,Kaiming He等人提出了一些新的算法，在仅仅单帧图像的情况下，除雾效果远远优于一般图像增强的除雾方法。

大气物理模型描述了当大气中具有悬浮颗粒时摄像装置拍摄或人眼观察物体的光学原理。大气模型的公式为：

I(X)=J(X)t(X)+A(1-t(X))

（1）

其中，I(X)代表摄像装置拍摄到的雾化图像或者人眼观察到的雾化图像，X=(x,y)为图像像素坐标。J(X)为物体反射光图像，表示没有雾的图像，或者可以说是除雾处理的结果图像。A为图像中天空的一点（以下也称作“天空点”）的RGB值，以下也称作天空点参数。如果当前输入图像中没有天空存在，则将图像中雾浓度最强的点视作天空点。t(X)定义了空气介质的传输函数，描述了物体反射光经过空中悬浮颗粒的散射以后残留下来而达摄像装置的比例。t(X)是一个大于0且小于1的标量数据，图像中每个像素具有一个t(X)。I(X)、J(X)与A均为图像RGB数据。

以下参照图1说明式(1)。图1是大气模型公式的示意图。图1左侧的图像是人眼或摄像装置观察到的图像I(X)。图像I(X)由两部分组成，其中，第一部分为物体反射光J(X)经过空中悬浮颗粒散射以后存留下来的部分J(X)t(X)，第二部分为空中悬浮颗粒散射太阳光所造成的大气环境光A(1-t(X))。式(1)中的t(X)是被摄物体与摄像装置（人眼）之间距离（即物距）的函数，具体表示为

t(X)=e^-βd(X) （2）

其中，d(X)是图像中一物体点与摄像装置（人眼）之间的距离，因此t(X)也称作“距离参数”。β是大气散射系数，是常数。

由式(1)与式(2)可以看出物体反射光到达摄像装置的强度J(X)t(X)和物体与摄像装置之间的距离d(X)之间的关系为距离越远则光线衰减越厉害；大气环境光到达摄像装置的强度A(1-t(X))与距离d(X)之间的关系为距离越远则光线越强，所以在无穷远处呈现出白色。

最近几年，基于大气模型公式(1)的除雾算法取得突破，这些算法仅需单帧图像作为输入图像就能取得不错的除雾效果。在表1中列举了一些相关算法。

表1基于大气模型的除雾算法

与传统的图像增强算法相比，这些基于大气模型的除雾算法能够获得更好的除雾效果。

由式（1），可推出式（3）。

由式（3）可看出，当距离参数t(x)很小时，基于大气模型的除雾结果J(x)受输入图像I(x)的影响很大。在实际场景中，天空部分的距离参数t(x)很小，大气模型的除雾结果对输入图像I(x)中的不连续以及噪声非常敏感，而这些像素又位于大片的天空区域，除雾结果中不连续以及噪声会非常明显。但由于天空部分本身是灰白色，雾也是灰白色，所以对除雾结果的影响看起来不明显。此外，现有技术采用取阈值的方法，保留少量的雾，使结果看起来更自然。如式（4）所示。阈值取为t0。

而在沙尘的场景中，或者彩色雾的场景中，使用基于大气模型的除雾算法，并进行基于现有技术的白平衡后，天空部分会产生明显的不自然的结果。例如，天空中小的彩色噪声变得明显，去沙尘后天空中残留大片的黄色，以及由于阈值t0造成的天空中大块的不连续等。

发明内容