一种信息损耗约束的沙尘图像清晰化方法

摘要

本发明公开了一种信息损耗约束的沙尘图像清晰化方法，步骤包括：建立大气光的成像模型，步骤1、计算大气光分量；步骤2、计算透射率的粗略估计值，得到整个原始图像的粗略透射率；步骤3、对粗略透射率进行细化，得到细化后的整幅图像的透射率；步骤4、得到最终恢复的目标图像，获得基于沙尘原始图像的清晰化后的目标图像，即成。本发明的方法实现了对沙尘条件下所拍摄的图像进行清晰化处理，对不同退化程度及色偏程度的沙尘图像均有较好的清晰化效果，能恢复有原图中有效的信息，丰富细节，抑制光晕，在提升对比度的同时，保持良好的场景色彩，适用于不同程度的雾霾、沙尘天气下的图像清晰化。

主权项

一种信息损耗约束的沙尘图像清晰化方法，其特征在于，该方法按照以下步骤具体实施：建立大气光的成像模型如下式：I^C(x)＝J^C(x)·t(x)+A^C·(1‑t(x))，C＝R,G,B，x∈image   (1)其中，x为原始图像的像素坐标，x∈image是指相应图像中所有的像素；I^C(x)是采集到的退化的原始图像；J^C(x)是待求的目标图像；t(x)是透射率，其取值范围是[0,1]；A^C是大气光分量，R,G,B分别表示对应图像的红色、绿色、蓝色三个颜色通道的值，步骤1、计算大气光分量A^C假设在最小的透射率t_min作用下，待恢复的目标图像满足灰色世界假设，对于式(1)，对等式两边求均值后得：${\bar{I}}^C={\bar{J}}^C·t_{\min }+A^C·(1-t_{\min }),C=R,G,B---\left(2\right)$其中，为所采集的原始图像的三个颜色通道的均值，t_min为透过沙尘层的最小透过率，即：${\bar{I}}^C=\frac{1}{N_{image}}·\underset{x\in image}{\Sigma }I\left(x\right),C=R,G,B---\left(3\right)$为原始图像的像素总个数，x∈image，为目标图像的均值，因为满足灰色世界假设，因此则有：${\bar{J}}^C=\frac{1}{3}·\underset{C=R,G,B}{\Sigma }{\bar{I}}^C,C=R,G,B---\left(4\right)$将t_min、式(3)以及式(4)计算得到的和C＝R,G,B带入式(2)中，计算得到大气光分量A^C如下：$A^C=({\bar{I}}^C-{\bar{J}}^C·t_{min})/(1-t_{\min }),C=R,G,B;---\left(5\right)$步骤2、计算透射率的粗略估计值2.1)选取局部观测窗Ω^C假设局部区域内场景的深度连续平滑，因此在透射率估计过程中选取的局部观测窗，局部观测窗的大小为w×w，采集到的原始图像大小为m×n，其中函数int()表示取整数运算；2.2)初始化，设置局部观测窗Ω^C内的透射率初值t_initial＝t_min；2.3)计算局部观测窗内的透射率和信息损耗令x_w∈Ω^C，带入式(6)中，计算对应区域的初始恢复的目标图像x_w∈Ω^C，C＝R,G,B：${\hat{J}}^C\left(x_w\right)=\frac{I^C\left(x_w\right)-A^C(1-\hat{t}(x_w\left)\right)}{\hat{t}\left(x_w\right)},x_w\in {\Omega }^C,C=R,G,B;---\left(6\right)$2.4)统计中的信息损耗，x_w∈Ω^C，C＝R,G,B，即R,G,B三个颜色通道的像素溢出总数N_loss：$N_{loss}=Num\left({\hat{J}}^C\right(x_w)<0|C=R,G,B)+Num\left({\hat{J}}^C\right(x_w)>255|C=R,G,B,x_w\in {\Omega }^C)---\left(7\right)$其中，函数Num()表示统计满足条件要求的像素个数的操作；2.5)更新局部观测窗内的透射率预先设定阈值Th，若N_loss大于预先设定阈值Th，则表明信息损耗过大，估计出的透射率不准确，这时，对t_initial以步长Δt加大透射率，即：$\hat{t}\left(x_w\right)=t_{initial}+\Delta t,x_w\in {\Omega }^C;---\left(8\right)$2.6)令x_w∈Ω^C，返回步骤2.3)，进行重复操作，直到N_loss＜Th，转步骤2.7)；2.7)计算整个原始图像的粗略透射率将局部观测窗无重叠平移，重复步骤2.2)至步骤2.6)，遍历整个原始图像，即得到整个原始图像的粗略透射率x∈image；步骤3、对粗略透射率进行细化3.1)描述场景深度的导向图I_guide(x)的计算式如下：$I_{guide}\left(x\right)=\underset{C\in \{R,G,B\}}{\min }{I}^C\left(x\right),x\in image;---\left(9\right)$3.2)建立能量方程如下：t(x_k)＝a_k·I_guide(x_k)+b_k，x_k∈ω_k，      (10)其中，ω_k是细化过程中局部观测窗，其大小与步骤2.1)中的局部观察窗Ω^C的大小相同，两个系数α_k和b_k的计算公式如下：$a_k=\frac{\frac{1}{N_{{\omega }_k}}·{\Sigma }_{x_k\in {\omega }_k}[I_{guide}\left(x_k\right)·\hat{t}\left(x_k\right)-{\mu }_k·{{\mu }_{\hat{t}}}^{\left(k\right)}]}{{\sigma }_k^2+ϵ},---\left(11\right)$$b_k={{\mu }_{\hat{t}}}^{\left(k\right)}-a_k·{\mu }_k,---\left(12\right)$其中的μ_k和分别是I_guide(x_k)在ω_k内的均值和方差，x_k∈ω_k；是ω_k内像素的总数；是在ω_k内的均值；ε是为了防止分母为零而设置的一个极小的值；3.3)将得到的a_k,b_k，带入式(10)得到细化后的透射率t(x_k)，x_k∈ω_k；3.4)将局部观测窗ω_k逐像素平移遍历整个原始图像，重复步骤3.2)和3.3)，就可最终得到细化后的整幅图像的透射率t(x)，x∈image；步骤4、得到最终恢复的目标图像根据步骤2和步骤3估计出来的大气光A^C和透射率t(x)，由下式计算得到最终的目标图像J^C(x)：J^C(x)＝(I^C(x)‑A^C)/t(x)+A^C，C∈{R,G,B}，x∈image， (14)获得基于沙尘原始图像的清晰化后的目标图像，即成。