一种雾霾条件下视频图像增强方法

摘要

本发明公开了一种视频图像去雾处理方法，能够在满足实时去雾功能的同时，有效消除去雾后视频图像闪烁。具体步骤为：通过暗通道以及自适应调整的方法求取各帧图像的大气光值；暗通道先验算法计算第一帧图像的初始透射率；构造帧间的透射率估计和邻域空间的能量函数，求解块区域最优透射率值；快速导向滤波算法细化对初始透射率；通过去雾模型求去雾后的视频图像。

主权项

一种雾霾条件下视频图像增强方法，其特征在于，包括如下步骤：步骤一、求取基于时间连续自适应调整的大气光值，具体为：A、针对输入视频的当前帧图像I_k，获得每一个像素点的三个独立的单通道图像R、G、B中的最小值，遍历图像I_k的各个像素点，得到暗通道图I_dark；将暗通道图I_dark中像素亮度值从大到小排列的前0.1％的像素点筛选出来，其它像素点不考虑，形成大气光区域图；针对图像I_k中与大气光区域图对应位置的各个像素点，获得各个像素点通道R、通道G以及通道B的平均值，则得到的三个平均值作为大气光值，该大气光值为一个有R,G,B分量的向量。B、对视频中的每一帧图像进行如a中所述的处理，获得各帧图像原始大气光值；C、如果视频中当前帧为第一帧，则将该帧图像的原始大气光值作为经过学习得到的当前帧大气光值A_k，此时k＝0；D、如果视频中当前帧非第一帧，则当前帧的前N帧大气光值以及当前帧原始大气光值进行加权平均，作为经学习得到的当前帧大气光值A_k；其中，所述N至少取2，且小于或等于k‑1；步骤二、估计初始透射率图，具体包括如下步骤：S201、将图像I_k各元素的值除以步骤一得到的经过学习的当前帧大气光值A_k，得到图像I_A，将图像I_A划分为半径为r的窗口，求每个窗口中的各个像素点的R、G和B三通道中的最小通道值，再从该窗口中各像素点的最小通道值中选择一个最小值，得到每个窗口对应的暗通道图I′_A；将该暗通道图I′_A与加权系数ω的乘积后，再用1减去该乘积，最终估计得到初始的透射率其中，半径r的取值范围为7‑15个像素；加权系数ω取值范围在0.90至0.99 之间；S202、判断：如果视频中的当前帧为第一帧，则将透射率作为经过调整得到的当前帧的初始透射率；如果视频中当前帧非第一帧，则通过时间相干性方法获取调整后的初始透射率图，所述时间相干性方法求解透射率图的方法进一步包括：将每一帧的RGB彩色图像转换到YUV空间，得到Y通道的图像I_y；将步骤一获得的经过学习的大气光值A_k转换为标量：A＝A^r·0.3+A^g·0.59+A^b·0.11              (4) 其中A^r、A^g和A^b分别表示大气光值A_k的三通道分量值；S203、第k帧透射率t_k(p)和k‑1帧的透射率t_k‑1(p)在像素点P的关系为t_k(p)＝τ_k(p)t_k‑1(p)，则时间相干性因子根据下式求出：其中，I_k(p)和I_k‑1(p)表示同一像素点P在第k帧和k‑1帧Y通道的图像所具有单通道值，σ²表示模型的方差；所述σ²的取值为10；S204、根据时间相干因子τ_k，得到t_k(p)＝τ_k(p)t_k‑1(p)后构造代价函数，如下式所述:其中，t_k为最终要求的透射率，为未知数；σ_t²表示透射率估计的模型误差，所述σ_t²取值为10；N_p表示像素点P的邻域像素点；t_k‑1(p)表示第k‑1帧中像素点P的透射率；I_k‑1(q)表示第k‑1帧图像中像素点p的邻域像素点的Y通道图像的值；表示像素点p的邻域像素点的透射率，由暗通道求得的初始透射率；所述a²取值为0.005²；S205、求式(8)表示的代价E最小时的透射率t^k；步骤三、将输入图像的YUV空间的Y通道图像作为导向图像，初始透射率图t_k作为输入图，对初始透射率t_k导向滤波，得到各个区域块最终的透射率t^*；步骤四、针对输入的当前帧图像的各个像素点，通过以下公式得到去雾处理后的图像：其中，t^*(p)表示任意像素点p所在位置的最终的透射率，根据步骤3的最终的透射率t^*获得；I(p)为输入的RGB彩色图像的像素点p的三通道值，A_k为步骤一得到的三通道大气光值。