[发明专利]用于去除包含在视频中的雾的图像处理装置及其方法

说明书

技术领域

本公开内容在一个或更多个实施方式中涉及用于去除包含在视频中的雾的图像处理装置和方法。更具体地，本公开内容涉及用于通过以下步骤来去除包含在视频中的雾的图像处理装置和方法：基于各个块代表值来测量雾的亮度；估计用于生成能够由视频中的对比度、图像损失和时间损失计算的最小最终成本函数所对应的按块(blockwise)透射；基于块单元透射来估计像素单元透射；以及通过使用雾的亮度和像素单元透射来重建图像。

背景技术

雾是以冷凝液滴的形式漂浮的水蒸气的大气现象。有雾环境通常对不到1km的能见度的视觉引起遮断。这样的有雾天气引起微粒水液滴进而引起光的散射。光的散射表示当它与空中微粒碰撞时行进光的方向改变。散射取决于光的波长和微粒尺寸。

光散射能够通常划分为瑞利(Rayleigh)散射和米氏(Mie)散射。瑞利散射在引起散射的微粒的尺寸小于光的波长时适用，其中散射能量与波长的四次幂成反比。这由在空气分子通过比红色使更多蓝色散射来使光散射时晴天里的天空的蓝色调举例说明。然而，米氏散射理论在负责微粒的尺寸大于光的波长时适用于光散射。雾遵循米氏散射理论，因为雾的微粒遍及可见光的400nm～700nm的波长具有和几个μm至几十个μm一样大的直径。根据米氏散射理论，在大气中像水液滴这样的较大散射微粒情况下，散射的量不太受波长影响以引起可见光区域中的所有光的更近散射(near-even scattering)。因此，当条件是有雾的时，对象展示模糊图像。这时，生成称作空气光的新的光源。

通过雾度失真的校正的图像质量改善可以解决能见度遮断并且锐化模糊图像。另外，这样的图像改善作为用于通过恢复由于雾而对字母、对象等导致的损坏信息而辨识对象的预处理步骤是重要的。

常规去雾技术可以粗略地分类为非模型方法和模型方法。

非模型方法的示例可以包括直方图均衡。直方图均衡是用于分析图像的直方图以调整分布的方法。直方图均衡是容易的并且提供改善的效果，但是不适合于具有非均匀深度的有雾图像。另外，直方图均衡适合于改善一般图像质量但是没有令人满意地反映雾对图像的影响的特性。对于包含厚雾的图像，它提供无意义的改善。

模型方法用于对光由于雾而导致的散射现象对图像的影响进行建模。首先，已公开了用于比较在不同天气下获得的两个或更多个图像以估计和校正场景深度从而校正由于雾而导致的失真的技术。然而，在这个技术中，在不同天气之下的至少两个图像的输入是需要的。对于实时实施方式，因此，有必要监测天气改变并且向其提供同数量的图像存储空间。另外，难以确定存储周期，因为不能够估计天气改变循环。此外，有必要捕获没有误差的相同场景。因此，移动对象在雾度失真的程度的估计期间频繁地引起误差。

接下来，公开了一种用于通过估计并且减去图像的像素值由于雾而导致的改变量来校正由于雾而导致的失真的技术。这个技术基于雾是均匀的假设，这仅适用于均匀且薄的雾。然而，大多数真实世界的雾往往是不均匀的。甚至对于均匀雾而言，这个方法也具有缺点，因为雾影响的程度取决于相机与对象之间的距离。

发明内容

技术问题

因此，本公开内容已被做出努力有效地解决以上描述的局限性，并且提供用于去除包含在视频中的雾以能够从视频有效地估计和去除雾成分从而改善图像质量的图像处理装置和方法。

另外，本公开内容提供了用于去除包含在视频中的雾以能够基于图像的深度信息不同地改善对比度的图像处理装置和方法。

技术方案

根据本公开内容的一些实施方式，用于去除包含在视频中的雾的图像处理装置包括雾亮度测量器、透射估计器和图像重建器。雾亮度测量器被构造成测量包含雾的图像中的雾亮度。透射估计器被构造成估计用于生成能够由所述图像的对比度、图像损失和时间损失计算的最小最终成本函数值所对应的按块透射并且构造成基于所述按块透射来估计按像素透射。并且图像重建器被构造成通过使用雾亮度和按像素透射来重建图像。

雾亮度测量器可以包括图像分割模块、代表值计算模块和像素值选择模块。图像分割模块被构造成将图像分割为预定第一数目的块。代表值计算模块被构造成计算每块的像素值的平均值和标准偏差并且构造成通过使用平均值和标准偏差来计算每块的代表值。像素值选择模块被构造成选择在块中的具有为各个块所获得的代表值中的最大一个代表值的块，并且，如果所选块具有等于或小于预设面积的面积，则选择所选块的最亮像素值作为雾亮度。