一种基于大气散射模型的图像增强方法

摘要

本发明公开了一种能够自适应保留图像暗部及高亮部分信息的基于大气散射模型的图像增强方法，包括步骤：（1）基于大气散射模型的暗原色通道原理的直方图图像均衡化：利用大气散射模型的暗原色通道特性及图像直方图分布特性控制图像均衡化范围，使均衡化后的图像利于保持图像中暗部及高亮区域细节特征；（2）基于大气散射模型的暗原色图像恢复。

主权项

一种基于大气散射模型的图像增强方法，其特征在于，包括以下步骤：(1)基于大气散射模型的暗原色通道原理的直方图图像均衡化：利用大气散射模型的暗原色通道特性及图像直方图分布特性控制图像均衡化范围，使均衡化后的图像利于保持图像中暗部及高亮区域细节特征；(2)基于大气散射模型的暗原色图像恢复；步骤(1)包括以下分步骤：(1.1)按大气散射模型的暗原色通道原理，计算图像原色通道，计算方法如下：$I_{dark}\left(x\right)=\underset{c\in \{r,g,b\}}{min}\left(\underset{y\in \Omega \left(x\right)}{min}\right(I^c\left(y\right)\left)\right)$式中，I_dark(x)为图像暗原色通道图像，I^c(y)为原始图像在c定义域内的图像表示，Ω(x)为求取区域，c为计算定义域：r为图像的红通道、g为图像的绿通道、b为蓝通道；按区域检测暗原色通道图像I_dark(x)，标定min(I_dark(x))的区域，标定max(I_dark(x))的区域；(1.2)对图像亮度进行直方图统计及均衡处理对图像亮度分量Y进行直方图统计，统计图像中灰度为i的像素的出现概率：$p_x\left(i\right)=\frac{n_i}{n},i\in 0,1,...,L-1$式中，L是图像的亮度值，n是图像中所有的像素数，n_i为亮度值为i的像素数，p_x(i)为图像的统计直方图，归一化到[0.0,1.0]；检查统计直方图p_x(i)的分布，计算分布最大值y_max、最小值y_min及分布均值y_mean、分布均方差σ_y；c(i)是图像的累计归一化直方图，对应于p_x(i)的累计概率函数，定义为：$c\left(i\right)=\underset{j=0}{\overset{i}{\Sigma }}{p}_x\left(j\right)$构建图像亮度均衡函数y_i＝T(x_i)，与亮度的累计概率函数的转换方法为：y_i＝T(x_i)＝c(i)检查已标定min(I_dark(x))的区域，统计区域中亮度直方图分布及检查已标定max(I_dark(x))的区域中区域亮度值及按下式设置y′_max及y′_min：$y_{max}^{\prime }=p_1·y_{max}+p_2·y_{\max }^{dark}+p_3·y_{max}^{light}$$y_{\min }^{\prime }=q_1·y_{\min }+q_2·y_{min}^{dark}+q_3·y_{\min }^{light}$p₁、p₂、p₃为y′_max计算的归一化权值，p₁+p₂+p₃＝1，q₁、q₂、q₃为y′_min计算的归一化权值，q₁+q₂+q₃＝1图像亮度均衡方法为：y′_i＝c(i)×(y′_max‑y′_min)+y′_min式中，y′_max为图像均衡化最大亮度，y′_min为图像均衡化最小亮度，y′_i为输出亮度；步骤(2)包括以下分步骤：(2.1)图像暗原色通道检测对图像均衡化后的图像进行图像暗原色通道检测，计算图像原色通道方法如下：$I_{dark}\left(x\right)=\underset{c\in \{r,g,b\}}{min}\left(\underset{y\in \Omega \left(x\right)}{min}\right(I^c\left(y\right)\left)\right)$式中，I_dark(x)为图像暗原色通道图像，I^c(y)为图像均衡化图像在c定义域内输入图像表示，Ω(x)为求取区域，c为计算定义域：r为图像的红通道、g为图像的绿通道、b为蓝通道；按区域检测暗原色通道图像I_dark(x)，标定I_dark(x)≤15的区域及统计数量X_dark；标定max(I_dark(x))的区域，统计区域X_dark；(2.2)估计大气光利用I_dark(x)对大气光A^c进行估计：选择nxn个Ω(x)区域内，计算满足I_dark(x)≥15的所有I_dark(x)中前0.1％的高亮对应的原始图像像素的(r,g,b)做为大气光A^c的估计；(2.3)计算大气透射图图像透射图表示在大气光照射下，图像中各个部分的透射关系，根据下式计算图像透射图：$\tilde{t}\left(x\right)=1-\omega \underset{c}{min}\left(\underset{y\in \Omega \left(x\right)}{min}\right(\frac{I^c\left(y\right)}{A^c}\left)\right)$式中ω＝0.95；I^c(y)为c定义域内输入图像表示，Ω(x)为求取区域，c为计算定义域：r为图像的红通道、g为图像的绿通道、b为蓝通道，A^c为区域大气光估计；采用下面方法对进行细化，得到t(x)；$(L+\lambda U)t\left(x\right)=\lambda \tilde{t}\left(x\right)$L为拉普拉斯抠图矩阵，U为单位阵，λ＝10^‑4；(2.4)图像复原由大气透射图t(x)，按下式进行图像复原，$J\left(x\right)=\left\{\begin{array}{cc}\frac{I\left(x\right)-A^c}{\max \left(t\right(x),t_0)}+A^c,& I_{drak}\left(x\right)\ge dark\_th\\ I\left(x\right),& I_{dark}\left(x\right)<dark\_th\end{array}\right.$式中，t₀＝0.1，t(x)为大气透射图，A^c为区域大气光估计，I(x)为输入图像，I_dark(x)为图像像素暗原色值，dark_th为暗原色阈值。