[发明专利]一种去雾效果的无参考客观评价方法

权利要求书

1.一种去雾效果的无参考客观评价方法，其特征在于：具体步骤如下：

步骤1：构建清晰度评价指标

一幅清晰的去雾图像具有增强的对比度和去除的雾效应，需要构造对比度特征和雾残留度特征，通过将这两种特征相结合来评价图像的清晰度水平；

1.1 多尺度对比度特征描述

对于一张图像，通过在非重叠的滑动窗口内计算局部均方根来定义它的对比度图，具体描述为：

其中，I表示一张图像的灰度图，k表示局部窗口的大小，u，v是窗口位置的横纵坐标，x,y为局部窗口内的位置坐标，μ为局部窗口内的均值，定义如下：

通过对图像I进行多次下采样来生成一系列子图像I⁽⁰⁾，I⁽¹⁾，...，I⁽ⁿ⁾，从而得到图像金字塔；其中，I⁽⁰⁾表示初始图像，I^(j+1)是I^(j)下采样的结果；为了保证下采样图像的大小满足后续处理的需要，最后一层的图像I⁽ⁿ⁾的大小应满足以下约束：

min(h⁽ⁿ⁾，w⁽ⁿ⁾)≥ξ (3)

其中，h⁽ⁿ⁾和w⁽ⁿ⁾表示图像I⁽ⁿ⁾的高和宽；

对于图像金字塔中的每一张图像I^(j)，根据公式(1)计算其在不同窗口下的对比度图局部窗口大小k的取值根据下式计算：

其中，表示图像金字塔中第j层图像的第i个对比度图的窗口大小，表示向下取整操作，m表示生成的对比度图个数，m的值取为3，即金字塔中的每一张图像I^(j)具有3种不同尺度的对比度图从公式(4)看出，局部窗口的最大尺寸为这保证了对比度图的最小尺寸为10×10；

由于每一张图像I^(j)对应的3种对比度图具有不同的尺寸，采用最近邻插值法重新调整的大小，使其与的大小保持一致；之后，采用逐像素取最大操作对三张对比度图进行融合：

获得金字塔中每张图像的CMap^(j)，则定义图像的对比度描述子为以下形式：

其中，N_n表示CMapⁿ中像素点的个数，T表示向量转置；

最后，构造图像的多尺度对比度特征为以下形式：

其中，和分别表示去雾图像的对比度描述子结果和带雾图像的对比度描述子结果；该多尺度对比度特征MC描述了去雾图像的对比度增强程度，MC越大，复原后的图像对比度增强越多，图像越清晰；

1.2 雾残留度特征描述

去雾图像中雾的残留度也影响了图像的清晰程度；雾去除的越干净，图像越清晰；根据暗通道先验理论，在非天空区域，对于清晰的自然图像，至少有一个通道在局部区域内的最小值是接近于0的；相反，有雾图像不满足该规律，其在局部区域内的最小灰度值是大于0的；对于一幅去雾图像，越多的雾被去除，就有越多的像素点满足暗通道先验规律；因此，利用暗通道特征来度量去雾图像的雾残留度；

一幅图像的暗通道被定义为以下形式：

其中，c为r,g,b三个颜色通道中的一个，I^c表示去雾图像的一个颜色通道，Ω(x)表示以像素点x为中心的局部区域，区域大小为15×15，y表示局部区域Ω(x)内的像素；暗通道图像的平均值反映去雾图像中雾的残留程度，为了降低亮度效应的影响，用RGB三个通道之和对其进行归一化，则去雾图像的雾残留度特征描述为：

其中，S表示图像区域，ε为一个很小的值，其作用为防止分母为零，取为10^-6；该雾残留度特征用来衡量图像欠去雾的程度，DC的值越大，说明满足暗通道先验规律的像素点越少，图像中残留的雾越多；

1.3 清晰度评价指标构造

分别从对比度增强和雾残留度两方面衡量去雾图像的清晰程度；所构造的多尺度对比度特征MC和雾残留度特征DC分别反映了去雾图像的对比度增强程度和雾残留程度；MC越大，去雾后图像的对比度增强越多；DC越小，去雾图像中残留的雾越少；将这两个特征相结合来反映图像的清晰程度，具体形式如下：

VI＝αMC-(1-α)DC (10)

其中，α为一个控制系数，用于调节两种特征的相对重要性；

厚雾图像中的雾更难去除并且容易出现欠去雾现象，而雾残留度特征DC更有效地评价图像的欠去雾效果，因此，对厚雾图像的去雾结果进行评价时，应采用小的α值；通过对大量带雾图像暗通道的统计，图像中厚雾像素点满足以下约束：

I^dc(x)＞0.6 (11)

图像中厚雾面积越大，越容易出现欠去雾效果，则雾残留度特征应占有更大比重；而厚雾面积越小，越不容易出现欠去雾效应，则雾残留度特征应占有小的比重；因此，定义控制系数α的取值为以下形式：

其中，r表示厚雾像素点在整张图像中所占的比例；

步骤2：构建颜色保真度评价指标

分别构造色调相似度特征和自然度特征，用来表征去雾图像的色彩偏移程度和过饱和程度；通过将这两种特征相结合，得到颜色保真度评价指标；

2.1 色调相似度特征描述

HSV颜色空间描述了颜色的直观特性，其由色调、饱和度和明度三个分量构成；其中，明度分量反映了图像的明亮程度，色调分量和饱和度分量分别表征图像颜色的色度和纯度信息，与人眼视觉对颜色的感知相符；一幅图像在去雾前后，其亮度和饱和度是变化的，而色调应该基本保持不变；从该角度出发，构造色调相似度特征来反映去雾后图像的色彩偏移程度；

首先，将图像从RGB颜色空间转换到HSV空间，具体计算公式如下：

V＝max(R，G，B) (13)

其中，V表示明度分量，取值范围在[0,1]之间，S表示饱和度分量，取值范围为[0,1]，H表示色调分量，取值范围为[0,360]；

然后，将色调分量H划分为100个小区间，分别统计带雾图像和去雾图像的色调直方图；由于去雾前后图像的色调信息应该保持基本不变，则二者的色调直方图的形状应该是相似的；两个直方图向量之间的距离反映直方图形状的相似程度；采用余弦相似度来衡量两个直方图向量之间的距离：

其中，H^h表示带雾图像的色调直方图，H^d表示去雾图像的色调直方图；由于两个直方图向量均为正值，该余弦相似度的取值范围在[0,1]之间，D越接近于1，说明距离越小，去雾前后图像的色调直方图越相似；D越接近于0，说明距离越大，去雾前后图像的色调直方图越不相似；

为了使结果更具有鲁棒性，采用Sigmoid函数对余弦相似度的结果进行非线性拉伸，具体为：

公式(17)即为构造的色调相似度特征，其结果的取值范围在[0,1]之间，HS越大，去雾后图像的色调保持性越好，HS越小，去雾图像的颜色偏移越严重；需要注意的是，原始图像中的厚雾区域无法提供有效的色调信息，其与复原后的色调不一致是正常情况；因此，需要在计算色调直方图时排除厚雾区域；该区域通过计算暗通道，并寻找满足公式(11)的像素点的方式提取；

2.2 自然度特征描述

颜色失真的另一种形式是过饱和；过饱和会导致图像色彩过于鲜艳，颜色不自然，与人眼视觉愉悦感不符；通过观察发现，在过饱和图像中，有更多的像素点具有高的饱和度值，其饱和度直方图集中在坐标轴的右半部分，而正常图像的饱和度直方图分布均匀；为了获得正常图像的饱和度分布规律，对于一幅去雾图像，颜色越自然，其饱和度直方图的中间值应该离集中点越近，而过饱和越严重，其饱和度直方图的中间值向右偏离集中点越远；因此，对于一幅去雾图像，用它的饱和度直方图中间值到集中点的距离来定义该图像的自然度特征：

ND＝1-max(0，S^d-S^a) (18)

其中，S^d表示去雾图像的饱和度直方图的中间值，S^a表示统计的平均饱和度图的直方图中间值，S^a为0.35，ND的取值范围为[0.35,1]；

公式(18)即为构造的自然度特征，ND值越接近1，说明去雾图像的自然度越高；ND值越接近0.35，说明去雾图像的过饱和越严重；

2.3 颜色保真度指标构造

分别从色彩偏移和过饱和两方面来衡量去雾图像的颜色保真度；所构造的色调相似度特征HS和自然度特征ND分别反映了去雾图像的颜色偏移程度和过饱和程度；HS越大，色彩偏移量越小；ND越大，过饱和现象越弱；将这两个特征相结合来反映图像的颜色保真程度，具体形式如下：

CI＝θHS+(1-θ)ND (19)

其中，θ为一个控制系数，在本文中取为1/2；

颜色保真度指标CI能有效评价去雾图像的颜色保真程度；CI值越接近1，去雾后图像颜色偏移越小，过饱和效应越弱，颜色保真度越高；

步骤3：构建综合评价指标

好的去雾结果应该具有清晰的纹理信息，并且保持颜色不变；将清晰度指标和颜色保真度指标相结合，去雾图像的综合质量评价指标定义如下：

DQI＝VI^pCI^q (20)

其中，p和q用来调节清晰度和颜色保真度在综合评价指标中的比重；

对一幅去雾图像的质量进行评价，根据公式(10)和(19)计算清晰度指标和颜色保真度指标的结果，再通过公式(20)即得到去雾图像质量的综合评价结果。