鲁棒图像去雾的大气光校正与透射率优化算法
发布时间：2019-07-23 14:48
【摘要】：针对已有单幅图像去雾方法中存在的天空灰暗和对比度增强不足等问题,提出基于大气光自适应校正与透射率鲁棒性优化的高可见度图像去雾算法.该算法采用白平衡和伽马校正对输入图像进行预处理,以提升亮度、增强对比度并避免出现严重的偏色现象.为了防止大气光值估计过高,提出一种基于天空检测的大气光自适应校正方法,以获得更明亮的天空区域复原效果.最后通过检测光晕像素和透射率上下文一致性推断来识别透射率不可靠的像素,并在可靠透射率保持项、不可靠透射率插值项以及相似像素透射率关联项的约束下设计了透射率鲁棒性优化模型,以对不可靠透射率进行校正.实验结果表明,文中算法获得的透射率更符合场景中的深度变化趋势,使得去雾结果具有较高的清晰度、对比度与色彩饱和度,且天空区域也显得更为自然.
【图文】：
1606计算机辅助设计与图形学学报第29卷复原图像的亮度与对比度,同时避免偏色现象的产生.接着,采用基于支持向量机的大气光校验策略初步估计大气光,并对其进行自适应校正以削减估值过高的大气光.最后,采用基于块偏移的透射率计算策略[15]初步估计透射率,接着检测不可靠透射率估值,并以能量方程的形式进行优化校正,以得到更可靠的透射率估计结果.图1所示为本文算法的流程图.图1本文算法流程图2.1图像预处理自然条件下大气环境复杂,部分图像还会受到霾的影响.相较于主要由透明小液滴组成的雾,霾中含有大量具有颜色属性的灰尘、硫酸、硝酸等颗粒物,导致降质图像整体色调偏移,然而图像去雾方法一般都具有增强色彩饱和度的作用,往往会加重色调偏移的程度.因此,本文使用基于白色块的白平衡方法[21]对输入图像I做颜色校正,以避免后续图像去雾过程中出现更严重的偏色现象,并记颜色校正后的图像为wbI.此外,由式(1)可知,无雾图像J与有雾图像I之间存在关系(())(1)()()IxAtJxIxt.当I(x)A时,J(x)I(x).而大气光A一般大于I中大多数像素值,因此无雾图像J的总体亮度将低于有雾图像I,这将严重影响光线条件不佳的有雾图像的去雾效果.针对上述问题,本文使用伽马校正对I亮度通道进行预处理,以提高恢复结果的亮度与对比度.将wbI从RGB颜色空间转换到Lab颜色空间,对L通道进行伽马校正,即0.55g0.7,050,,50100LLLLL≤≤≤其中,L为校正前I的L通道的均值;gL为伽马校正后的L通道值.最后,将校正后的图像转换到RGB颜色空间作为预处理后的图像,记为ipI.2.2大气光自适应校正太阳光、物体表面反射光等光源在雾的漫反射作用下形成环境大气光A[15].自然图像中光线散布情况复杂,?
第9期沈逸云,等:鲁棒图像去雾的大气光校正与透射率优化算法1607显著影响.a.预处理后的图像b.天空检测二值图c.未校正大气光结果d.自适应校正大气光结果图2大气光自适应校正效果2.3透射率精确化计算暗通道先验图像去雾效果[15]总体上具有较高的对比度和色彩饱和度,但是局部存在光晕与块效应等视觉瑕疵,这是由于部分透射率与深度信息之间不成比例关系.针对这部分不可靠的透射率估值通常使用软抠图[15]、导向滤波[16]等基于滤波的方式进行精细化操作,使透射率图的边缘信息趋近原图像.然而,基于滤波的精细化操作存在2个缺陷.1)相同平面物体的透射率值应该保持一致,而滤波操作往往会使透射率图在平面内出现不必要的纹理波动.这不仅使透射率不再符合深度信息的变化规律,还会削弱无雾图像的对比度.2)由于滤波总是以相邻像素值作为参考以一定方式重新计算中心像素的值,这会导致不可靠透射率相邻区域里的可靠透射率估值受到影响,偏离原本可靠的值估计.一种正确的透射率校正方法应尽可能少地变动可靠的透射率估值.本文以ipI作为输入,使用基于块偏移的透射率计算策略[15]初步估计透射率t,能够有效地减少不可靠透射率的产生.接着,本文检测t中不可靠的透射率,并通过一种求解最优能量方程的形式对t进行优化校正,能在避免产生上述2个缺陷的同时提高透射率估值的鲁棒性.本文构造的能量方程形式为112233argminEEEE(2)其中,1E,2E与3E分别为可靠透射率保持项、不可靠透射率插值项以及相似像素透射率关联项;1,2和3分别是上述3项的权重.2.3.1不可靠透射率检测本文根据不可靠透射率的成因及其具体表现,将其分为2类并分别以不同的方式进行检测.第1类.使去雾结果产生光晕的不可靠透射
【作者单位】： 浙江工商大学计算机与信息工程学院;
【基金】：国家自然科学基金(61003188,61379075) 国家科技支撑计划项目(2014BAK14B01) 浙江省自然科学基金(LY14F020004) 浙江省公益性技术应用研究计划项目(2015C33071) 浙江工商大学青年人才基金项目(QZ13-9) 北京航空航天大学虚拟现实技术与系统国家重点实验室开放基金课题(BUAA-VR-13KF-2013-3) 浙江省智能交通工程技术研究中心开放课题(2015ERCITZJ-KF1)
【分类号】：TP391.41
本文编号：2518226
【图文】：
1606计算机辅助设计与图形学学报第29卷复原图像的亮度与对比度,同时避免偏色现象的产生.接着,采用基于支持向量机的大气光校验策略初步估计大气光,并对其进行自适应校正以削减估值过高的大气光.最后,采用基于块偏移的透射率计算策略[15]初步估计透射率,接着检测不可靠透射率估值,并以能量方程的形式进行优化校正,以得到更可靠的透射率估计结果.图1所示为本文算法的流程图.图1本文算法流程图2.1图像预处理自然条件下大气环境复杂,部分图像还会受到霾的影响.相较于主要由透明小液滴组成的雾,霾中含有大量具有颜色属性的灰尘、硫酸、硝酸等颗粒物,导致降质图像整体色调偏移,然而图像去雾方法一般都具有增强色彩饱和度的作用,往往会加重色调偏移的程度.因此,本文使用基于白色块的白平衡方法[21]对输入图像I做颜色校正,以避免后续图像去雾过程中出现更严重的偏色现象,并记颜色校正后的图像为wbI.此外,由式(1)可知,无雾图像J与有雾图像I之间存在关系(())(1)()()IxAtJxIxt.当I(x)A时,J(x)I(x).而大气光A一般大于I中大多数像素值,因此无雾图像J的总体亮度将低于有雾图像I,这将严重影响光线条件不佳的有雾图像的去雾效果.针对上述问题,本文使用伽马校正对I亮度通道进行预处理,以提高恢复结果的亮度与对比度.将wbI从RGB颜色空间转换到Lab颜色空间,对L通道进行伽马校正,即0.55g0.7,050,,50100LLLLL≤≤≤其中,L为校正前I的L通道的均值;gL为伽马校正后的L通道值.最后,将校正后的图像转换到RGB颜色空间作为预处理后的图像,记为ipI.2.2大气光自适应校正太阳光、物体表面反射光等光源在雾的漫反射作用下形成环境大气光A[15].自然图像中光线散布情况复杂,?
第9期沈逸云,等:鲁棒图像去雾的大气光校正与透射率优化算法1607显著影响.a.预处理后的图像b.天空检测二值图c.未校正大气光结果d.自适应校正大气光结果图2大气光自适应校正效果2.3透射率精确化计算暗通道先验图像去雾效果[15]总体上具有较高的对比度和色彩饱和度,但是局部存在光晕与块效应等视觉瑕疵,这是由于部分透射率与深度信息之间不成比例关系.针对这部分不可靠的透射率估值通常使用软抠图[15]、导向滤波[16]等基于滤波的方式进行精细化操作,使透射率图的边缘信息趋近原图像.然而,基于滤波的精细化操作存在2个缺陷.1)相同平面物体的透射率值应该保持一致,而滤波操作往往会使透射率图在平面内出现不必要的纹理波动.这不仅使透射率不再符合深度信息的变化规律,还会削弱无雾图像的对比度.2)由于滤波总是以相邻像素值作为参考以一定方式重新计算中心像素的值,这会导致不可靠透射率相邻区域里的可靠透射率估值受到影响,偏离原本可靠的值估计.一种正确的透射率校正方法应尽可能少地变动可靠的透射率估值.本文以ipI作为输入,使用基于块偏移的透射率计算策略[15]初步估计透射率t,能够有效地减少不可靠透射率的产生.接着,本文检测t中不可靠的透射率,并通过一种求解最优能量方程的形式对t进行优化校正,能在避免产生上述2个缺陷的同时提高透射率估值的鲁棒性.本文构造的能量方程形式为112233argminEEEE(2)其中,1E,2E与3E分别为可靠透射率保持项、不可靠透射率插值项以及相似像素透射率关联项;1,2和3分别是上述3项的权重.2.3.1不可靠透射率检测本文根据不可靠透射率的成因及其具体表现,将其分为2类并分别以不同的方式进行检测.第1类.使去雾结果产生光晕的不可靠透射
【作者单位】： 浙江工商大学计算机与信息工程学院;
【基金】：国家自然科学基金(61003188,61379075) 国家科技支撑计划项目(2014BAK14B01) 浙江省自然科学基金(LY14F020004) 浙江省公益性技术应用研究计划项目(2015C33071) 浙江工商大学青年人才基金项目(QZ13-9) 北京航空航天大学虚拟现实技术与系统国家重点实验室开放基金课题(BUAA-VR-13KF-2013-3) 浙江省智能交通工程技术研究中心开放课题(2015ERCITZJ-KF1)
【分类号】：TP391.41
【相似文献】
相关期刊论文 前2条
1 冯骢;达飞鹏;陈璋雯;;一种改进的基于暗原色理论的去雾方法[J];东南大学学报(自然科学版);2012年S1期
2 唐红梅;申瑾;周亚同;韩力英;王霞;;雾霾天气条件下车牌信息的识别[J];电视技术;2014年05期
相关硕士学位论文 前2条
1 曾宇骏;雾天降质图像增强处理技术研究[D];国防科学技术大学;2013年
2 孙张明;数字图像去雾方法及其应用研究[D];天津大学;2014年
，本文编号：2518226
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/2518226.html
