一种基于颜色立方先验的单一图像能见度复原方法

摘要

本发明公开了一种基于颜色立方先验的单一图像能见度复原方法，属于图像信息处理领域。该方法建立在物理模型的基础上，包括以下各步骤：获取原始输入图像Ic(x)；获取原始输入图像Ic(x)每一坐标邻域内的实际分布特征；对图像采集环境中的介质层颜色进行估计，得到介质层颜色Ac；基于颜色立方先验原理，获取表征介质层光学厚度的传输率估计图对传输率估计图进行精细化处理，得到传输率图t(x)；提取能见度复原后的图像Jc(x)；本发明方法仅需单一图像作为输入，能够对图像采集环境中介质层的颜色自适应处理，并输出高质量的能见度复原图像，稳定性强、应用范围广。

主权项

1.一种基于颜色立方先验的单一图像能见度复原方法，其特征在于，按如下步骤进行：步骤1、获取原始输入图像I^c(x)；其中c表示图像的通道，x为图像的二维坐标；步骤2、获取原始输入图像I^c(x)每一坐标邻域内的实际分布特征；所述实际分布特征包括：(a)表征分布最小值的腐蚀图像E^c(x)，(b)表征分布最大值的膨胀图像D^c(x)，(c)表征分布加权均值的参考图像R^c(x)；步骤3、对图像采集环境中的介质层颜色进行估计，得到介质层颜色A^c；步骤4、基于颜色立方先验原理，获取表征介质层光学厚度的传输率估计图步骤5、对传输率估计图进行精细化处理，得到传输率图t(x)；步骤6、按式(2)提取能见度复原后的图像J^c(x)；$J^c\left(x\right)=\frac{I^c\left(x\right)-A^c}{t\left(x\right)}+A^c$c∈{r，g，b}    (2)；所述步骤2按以下过程进行：步骤21、对原始输入图像I^c(x)采用形态学腐蚀处理，获得腐蚀图像E^c(x)；步骤22、对原始输入图像I^c(x)采用形态学膨胀处理，获得膨胀图像D^c(x)；步骤23、对原始输入图像I^c(x)采用均值滤波法处理，得到均值图像步骤24、对原始输入图像I^c(x)与均值图像进行加权平均，得到参考图像R^c(x)；所述步骤4按如下过程进行：首先，根据步骤3中所述的介质层颜色A^c与步骤2中获取的参考图像R^c(x)，确定当原始输入图像I^c(x)满足颜色立方先验原理时所应有的理想分布特征；然后，在图像退化的物理模型框架下，根据步骤2中确定的实际分布特征与所述理想分布特征之间的差异，确定传输率初始图t_ini(x)；最后，对传输率初始图t_ini(x)采用形态学开处理，得到传输率估计图所述步骤3按如下步骤31-38进行：步骤31、按式(7)用膨胀图像D^c(x)减去腐蚀图像E^c(x)获得梯度图像G^c(x)；G^c(x)＝D^c(x)-E^c(x) c∈{r，g，b}        (7)；步骤32、在梯度图像G^c(x)的R、G、B通道上取最大值，按式(8)获得最大梯度图像G_max(x)；$G_{\max }\left(x\right)=\underset{c\in \{r,g,b\}}{\max }{G}^c\left(x\right)---\left(8\right);$步骤33、对原始输入图像I^c(x)的R、G、B分量图像做加权平均，按式(9)获得强度图像L(x)；$L\left(x\right)=\frac{I^r+I^g+I^b}{3}---\left(9\right);$式(7)中I^r(x)、I^g(x)、I^b(x)分别是原始输入图像的R、G、B分量图像；步骤34、以强度图像L(x)作为引导图像，对最大梯度图像G_max(x)作引导滤波，获得精细梯度图像G_fine(x)；步骤35、对精细梯度图像G_fine(x)采用形态学膨胀处理，按式(13)获得膨胀梯度图像G_dilate(x)；$G_{\mathrm{dilate}}\left(x\right)=\underset{y\in \Omega \left(x\right)}{\max }{G}_{\mathrm{fine}}\left(y\right)c\in \{r,g,b\}---\left(13\right);$步骤36、对精细梯度图像G_fine(x)与膨胀梯度图像G_dilate(x)进行加权平均，按式(14)得到评价图像G_rank(x)；G_rank(x)＝k₁·G_fine(x)+k₂·G_dilate(x)            (14)，式(14)中k₁的取值范围为0.3-0.7，k₂＝1-k₁；步骤37、对所述评价图像G_rank(x)进行二值化处理，按式(15)得到标记图M(x)；$M\left(x\right)=\left\{\begin{array}{c}0,G_{\mathrm{rank}}\left(x\right)>\mathrm{Threshold}\\ 1,G_{\mathrm{rank}}\left(x\right)\le \mathrm{Threshold}\end{array}\right.---\left(15\right),$式(15)中二值化的阈值Threshold按式(16)确定：Threshold＝min{Z|G_rank(x)中有q％元素的灰度值小于等于Z}        (16)，式(16)中q的取值范围为0.01-2.0；步骤38、对原始输入图像I^c(x)对应标记图M(x)中非零位置的像素求均值，按式(17)获取介质层颜色A^c；$A^c=\frac{\underset{x}{\Sigma }(M\left(x\right)·I^c\left(x\right))}{\underset{x}{\Sigma }M\left(x\right)}$c∈{r，g，b}                    (17)；所述步骤4中传输率初始图t_ini(x)，按如下步骤41-42确定：步骤41、根据分布特征的差异，获取传输率候选图分为以下三种情况进行讨论：情况(i)，当A^c＝Imin时：$t_{\mathrm{can}}^c\left(x\right)=\frac{D^c\left(x\right)-I\min }{I\max -I\min }$，c∈{r，g，b}            (18)；情况(ii)，当A^c＝Imax时：$t_{\mathrm{can}}^c\left(x\right)=\frac{I\max -E^c\left(x\right)}{I\max -I\min }$，c∈{r，g，b}            (19)；情况(iii)，当Imin＜A^c＜Imax时：$t_{\mathrm{can}}^c\left(x\right)=\left\{\begin{array}{cc}\frac{D^c\left(x\right)-A^c}{I\max -A^c}& ,A^c{\le R}^c\left(x\right)\\ \frac{A^c-E^c\left(x\right)}{A^c-I\min }& ,A^c>R^c\left(x\right)\end{array}\right.$，c∈{r，g，b}            (20)；式(18)至(20)中Imin为图像灰度取值范围的最小值，Imax为图像灰度取值范围的最大值；步骤42、在传输率候选图的R、G、B通道上取最大值，按式(21)获得传输率初始图t_ini(x)；$t_{\mathrm{ini}}\left(x\right)=\underset{c\in \{r,g,b\}}{\max }{t}_{\mathrm{can}}^c\left(x\right)---\left(21\right);$所述步骤5中的精细化处理按如下步骤51-53进行：步骤51、将原始输入图像I^c(x)由RGB图像空间转换为YCrCb图像空间，得到Y分量图像I_Y(x)、Cr分量图像I_Cr(x)、Cb分量图像I_Cb(x)；步骤52、对传输率估计图按顺序以所述Cr、Cb、Y分量图像为引导图像进行引导滤波，按如下过程得到第三次精细图像首先，以所述Cr分量图像I_Cr(x)作为引导图像，对所述传输率估计图进行引导滤波，得到第一次精细图像然后，以所述Cb分量图像I_Cb(x)作为引导图像，对所述第一次精细图像进行引导滤波，得到第二次精细图像最后，以所述Y分量图像I_Y(x)作为引导图像，对所述第二次精细图像进行引导滤波，得到第三次精细图像步骤53、对第三次精细图像做门限处理，获得传输率图t(x)；$t\left(x\right)=\max \{{\tilde{t}}_3\left(x\right),\mathrm{LB}\},$其中LB的取值范围为0.01-0.1。