[发明专利]保持颜色的去雾方法

说明书

技术领域

本发明属于图像处理领域，涉及一种保持颜色的去雾方法，用于计算机视觉领域里的有雾场景/阴霾下视频质量的改善。

背景技术

计算机视觉领域中的许多应用，都要求能适应户外场合，如目标的检测、跟踪和识别，需要高质量的输入图像来检测稳定特征。然而，在恶劣天气条件下，图像的可视性能和图像的颜色会发生严重的退化。尤其是在有雾/阴霾条件下，这种退化更为明显，严重影响了特征的提取。

现有的方法提出了假设来自于同一场景下场景深度和两帧或多帧图像被不同浓雾所覆盖的等情况。在这些条件下，利用场景的深度信息，达到去雾效果。然而这些方法要求场景的深度已知，其对输入的特定要求使得这些方法很难用于实际场合。如果采用单帧图像来提高图像质量的方法处理图像是一种较好的选择。该方法取得了较好的改善效果，但是其计算复杂，而且很容易导致图像颜色发生偏差。

基于光照和颜色恒常性(color constancey)原理的Retinex理论是迄今为止最接近人类视觉系统的理论之一。由于Retinex有许多优点，如动态范围压缩(dynamic range compression)、颜色独立(color independence)、颜色和光照再现能力(color and lightnessrendition)，Retinex理论被广泛应用于图像处理领域。其中，中心/环绕Retinex理论(center/surround Retinex theory)具有较低的计算复杂度并且对场景没有标定的要求优点，所以被广大的研究人员所关注，用来实现图像的动态范围压缩、颜色恢复、光照再现等。但将Retinex理论应用与实际的图像处理过程中，由于没有从作整体来考虑雾的作用，所以其去雾效果不理想，特别是场景中存在浓雾的情况。

现有的去雾技术，有些对输入图像有特定的要求，如要求多帧图像作为输入，场景的深度已知，实际应用中很难满足这些条件，因此受到局限。有些方法要求用户进行交互，如给出那些区域是天空等，这在实时的图像处理应用中也很难满足。有些图像采用单帧的图像作为输入，克服了对输入的特定要求，但是存在恢复后图像颜色发生明显失真，不符合去雾的需求，或处理速度太慢，而无法应用到实时系统中。

发明内容

本发明一种保持颜色的去雾方法，用第二次平滑的结果来估计光照后从原始图像中去除光照，得到反射部分，然后采用自适应对比度拉伸方法来增强反射部分的对比度得到去雾后的图像。本方法能够自动的把真实场景从雾/阴霾中恢复出来，同时恢复其颜色信息，并且采用单一的图像作为输入，能够满足多种场景应用需求，有较高的实时性。

一种保持颜色的去雾方法，包括如下步骤：

步骤1：从输入的降质的彩色视频数据中读入一帧视频图像；

步骤2：对读入的该帧视频图像进行对数变换；

步骤3：对读入的该帧视频图像进行平滑处理，得到估计的光照图像，并对得到的光照图像进一步进行对数变换；

步骤4：用步骤2中的对数变换的结果减去步骤3中的光照图像的对数变换的结果，得到该视频图像帧的反射图像；

步骤5：对反射图像进行指数变换得到该帧去掉光照后的视频图像；

步骤6：对该帧去掉光照后的视频图像进行拉伸，得到去雾后的图像；

步骤7：读入下一帧视频图像，转到步骤1，直至彩色视频数据中所有视频图像帧处理完毕。

所述步骤2、步骤3和步骤4可为：

步骤2：对读入的该帧视频图像进行平滑处理，得到估计的光照图像，并对得到的光照图像进一步进行对数变换；

步骤3：对读入的该帧视频图像进行对数变换；

步骤4：用步骤3中的对数变换的结果减去步骤2中的光照图像的对数变换的结果，得到该视频图像帧的反射图像。

所述步骤3中进行平滑处理时，对原始的视频图像帧进行两次平滑处理，第一次采用高斯低通滤波对原始图像进行平滑，第二次采用平滑之后结果的平均值进行估计，得到估计的光照图像。

所述步骤3中第一次对原始的视频图像帧进行平滑时，选取的高斯函数模板的标准差σ和模板宽度w符合

所述步骤6中对视频图像进行拉伸时，采用自适应的对比度拉伸的方法对图像进行拉伸，选取累积分布函数选取当前反射图像的灰度范围。

所述步骤6中，所述累积分布函数中选取的剪切阈值为一经验数值，取值区间为[0.01，0.04]。

本发明保持颜色的去雾方法，与现有技术相比，其优点在于：