一种智能的无人艇视觉系统视频快速海雾去除方法

摘要

本发明属于视频图像增强领域，具体涉及一种智能的无人艇视觉系统视频快速海雾去除方法。本发明包括：获取海上视频图像；判别海上场景是否含雾：去除单幅图像海雾；去除快速的视频海雾。经过本发明所提方法的处理，能够极大的提高无人艇视频去雾的智能性和实时性，进而使得无人艇或其他水面航行器对于不同水面环境的适应能力。

主权项

一种智能的无人艇视觉系统视频快速海雾去除方法，其特征在于：(1)获取海上视频图像：在海雾下，通过安装在无人艇或其他水面航行器上的可见光摄像头采集海雾视频图像；(2)判别海上场景是否含雾：通过实际运行过程中采集的首帧图像来识别当前场景是否含雾：(2.1)建立海上图像库：包括水面有雾图像和清晰图像样本库；(2.2)提取图像特征：提取图像改进后的均值、图像的能见度和暗通道图像强度3个特征作为水面有雾图像和清晰图像的分类特征：(2.2.1)改进的均值：图像均值表示为：其中p_i同样表示在一幅图像中灰度值为i的像素点出现的概率，改进的均值特征公式：μ′＝μ/(M‑m)其中μ为所求的均值，M为灰度图像的最大灰度值，m为灰度图像的最小灰度值；(2.2.2)图像能见度：图像能见度：对于一幅灰度图像f的任意一个像素点x，若在以x为中心的4邻域内满足：min[f(x),f(y)]≤s＜max[f(x),f(y)]则称图像f中的像素对(x,y)能被阈值s分割，其中y为以x为中心的4邻域像素点，即y∈V₄(x)；F(s)为图像f中所有能被阈值s分割的像素对(x,y)所组成的集合，对于每一个分割阈值s∈[0,255]都对应一个集合F(s)，对于集合F(s)中的任意像素对(x,y)，图像空间对比度为：则集合F(s)的平均对比度为：其中cardF(s)表示集合F(s)的像素对总数，得到最佳的分割阈值s₀：即将平均对比度取最大值时对应的阈值s₀作为图像的分割阈值，在原灰度图像f中满足空间对比度2C_x(s₀)＞0.05的像素点则为可见边缘像素点，得到图像能见度：其中n为可见边缘像素点总数，m为图像中满足条件C_x(s₀)＞0的所有像素点总数，为可见边缘像素点组成的集合；(2.2.3)暗通道图像强度：根据前一节所求的可见边缘图像求得对应原图像中的可见边缘暗通道图像，统计暗通道图像中像素值小于阈值T的像素点总数以及可见边缘图像的像素总数，得到图像强度为：其中I(i)为由可见边缘图像得到的暗通道灰度图像中像素值为i的像素点数量；其中暗通道图像为：J^c(x)表示彩色图像J的RGB三通道中的某一通道，Ω(x)表示以x为中心的方形窗口；得到的暗通道图像I：I(x)＝J^dark(x)·I_e(x)其中I_e为前面求取能见度时所求的可见边缘图像，该边缘图像在图像目标边缘处的值为1，显示为白色，非边缘处的值为0；(2.3)识别BP神经网络雾图：提取水面图像样本库中所有有雾图像和清晰图像的三个特征，利用BP神经网络进行分类器训练，得到当前周围水面场景是否含雾的识别结果，若周围场景图像的识别结果为含雾则执行步骤(3)；(3)去除单幅图像海雾：(3.1)估计大气光值：若当周围场景有雾图像为I，首先对图像I进行最小值滤波，得到其暗通道图像J^dark；然后取经过最小值滤波后的图像像素值最大的0.01％个像素值作为候选大气光值估计区域；对候选像素点进行8联通区域分析；再选取连通分量像素个数最多的连通分量作为大气光值估计的精确候选区域；最后在区域中选取最大的亮度值作为天空亮度即大气光值A的估计；(3.2)透射率的估计和优化：利用得到的暗通道图像J^dark以及大气光值A，初步估计当前无人艇场景图像的透射率：将原有雾图像的灰度图像作为引导滤波的引导图像，得到原有雾图像的灰度图像：I^gray(x)＝0.3×I^r(x)+0.59×I^g(x)+0.11×I^b(x)I^r,I^g,I^b分别表示原无人艇采集的海雾图像的RGB三个通道分量图像，利用引导滤波对透射率进行优化：为初步估计的透射率；t表示引导滤波优化后的透射率；W为引导滤波核函数：其中μ_k和σ_k分别为引导图像I^gray中局部小区域ω_k内的均值和方差，而|ω|表示该局部小区域内的像素总数；ε是调整因子；(3.3)复原单幅海雾图像：求解大气散射物理模型，得到海雾去除后的图像：A为前面改进的大气光值估计算法所求的大气光值，t为引导滤波优化后的透射率；t₀为防止分母为0的因子，J为经过本发明单幅图像海雾去除算法处理后的清晰图像，I为原海雾图像；(4)去除快速的视频海雾：(4.1)求取雾气分量：对于无人艇采集的海雾视频，首先对海雾视频的第i帧海雾图像进行单幅图像海雾去除清晰化处理，然后求取该视频第i帧的初始雾气分量：F_i＝I_i‑J_iI_i表示当前海雾视频下的第i帧海雾图像，J_i是对I_i进行处理后得到的第i帧去雾清晰化图像，F_i为视频第i帧的雾气分量；(4.2)引导滤波的雾气分量估计：估计海雾视频背景变化量：(4.2.1)将视频第i帧和第j帧图像进行做差运算，并进行二值化操作：上式中I^gray(x,y,t_j)表示海雾下视频第j帧图像在坐标(x,y)处的像素灰度值，I^gray(x,y,t_i)表示的是视频第i帧海雾图像在坐标(x,y)位置的灰度值，t_j、t_i分别表示视频的第j帧和第i帧，Th表示二值化操作的阈值，得到的二值图像D中目标运动或背景变化大的区域为白色，值为255，而变化不大的区域则为黑色，值为0；(4.2.2)求取海雾视频第i帧和第j帧之间的变化量：是视频帧灰度图像的像素总数，即采集的图片的尺寸，N_D得到的二值图D中值为255的像素总数，即运动目标区域或背景变化大的区域；(4.2.3)若T_D＞T，则可认为视频第j帧相对于第i帧场景变化大，即场景中的雾气浓度变化较大；否则认为背景变化不大，即场景中雾气浓度变化不大，T为视频去雾时雾气分量的更新阈值；(4.3)去除视频海雾：若海雾视频第j帧与第i帧背景变化大，对第j帧进行单幅图像海雾去除处理；否则表明场景雾气浓度变化不大，利用引导滤波得到的第i帧雾气分量进行滤波，得到第j帧海雾视频的雾气分量此时引导滤波的引导图像为当前要去雾的第j帧视频海雾图像；用引导滤波得到的第j帧视频海雾图像的雾气分量得到第j帧视频海雾图像的去雾恢复结果：I_j表示的是原始第j帧海雾视频图像，J_j表示对第j帧海雾视频图像去雾恢复后的图像。