本发明提供一种基于图像纹理的图像快速去雾方法，包括以下步骤：步骤一、估计输入图像I(x)的大气环境光；步骤二、估计输入图像I(x)的传输矩阵t(x)：步骤三、根据大气环境光与传输矩阵t(x)恢复出去雾后的图像。步骤二中依据输入图像的边缘检测结果，使用大小可变的滑动块块获得粗略的传输矩阵：在景深突变的地方采用较小的滑动块精确处理，在景深变化不大的地方采用较大的滑动块处理，提高运算速度。可变块处理的结果比用固定的块处理的结果精细，也能可以直接用此粗略的传输矩阵结果进行后续处理。
1.一种基于图像纹理的图像快速去雾方法，其特征在于，包括以下步骤：步骤一、估计输入图像I(x)的大气环境光；
1)分别对输入图像I(x)的R、G、B三个通道求取对应矩阵Ira、Iga、Iba：R R
其中，I(x)、I(x)、I(x)分别为输入图像I(x)的R、G、B分量图像，A、A、A 分别为所述大气环境光的R、G、B分量；
2)对输入图像I(x)进行边缘检测，获得输入图像边缘检测图，并将边缘点和非边缘点二值化，将边缘点置1，非边缘点置0；
3)对矩阵Ira,Iga,Iba进行滑动块处理，获得粗略传输矩阵t'(x)：其中，Ω(x)为以像素x为中心的滑动块，滑动块的大小通过边缘像素点在第一范围小块与第二范围小块中的具体情况而定，第一范围大于第二范围；
当以像素x为中心的第一范围小块中不存在边缘像素点，则滑动块Ω(x)的大小为第一范围；
当以像素x为中心的第一范围小块中存在边缘像素点，且以像素x为中心的第二范围小块中不存在边缘像素点，则滑动块Ω(x)的大小为第二范围；
当以像素x为中心的第一范围小块中存在边缘像素点，且以像素x为中心的第二范围小块中存在边缘像素点，则判断像素x是否为边缘节点，如是，则滑动块Ω(x)的大小为
1×1，否则滑动块Ω(x)的大小为第二范围内不包含任何边缘点的最大方块的大小；
4)对粗略传输矩阵t'(x)进行中值滤波得到精细的传输矩阵t(x)；
步骤三、根据大气环境光与传输矩阵t(x)恢复出去雾后的图像。
2.如权利要求1所述一种基于图像纹理的图像快速去雾方法，其特征在于，根据大气环境光与传输矩阵t(x)恢复出去雾后的图像J(x)的具体方法是：其中，A为大气环境光，t0为预设的噪声阈值，I(x)为输入图像，J(x)为去雾后的图像，t(x)为传输矩阵。
3.如权利要求1所述一种基于图像纹理的图像快速去雾方法，其特征在于，根据大气环境光与传输矩阵t(x)恢复出去雾后的图像J(x)的具体方法是：其中，A为大气环境光，t0为预设的噪声阈值，I(x)为输入图像，J(x)为去雾后的图像，t(x)为传输矩阵，t1为亮度调整系数。
4.如权利要求3所述一种基于图像纹理的图像快速去雾方法，其特征在于，t0取值
5.如权利要求1所述一种基于图像纹理的图像快速去雾方法，其特征在于，所述第一范围小块大小为15×15，第二范围小块大小为5×5。
6.如权利要求1所述一种基于图像纹理的图像快速去雾方法，其特征在于，估计输入图像I(x)的大气环境光的具体步骤如下：
1)通过对输入图像I(x)进行滑动块处理，获得输入图像I(x)的暗通道Dark(x)：其中，Ω(x)为以像素x为中心的滑动块，滑动块大小为15×15；
2)在暗通道Dark(x)中寻找亮度大于预设亮度阈值的所有像素并保存其在图像中的位置于矩阵Lo中；
3)将输入图像I(x)转换成灰度图像Gray(x)，找出矩阵Lo存储的像素位置所对应在灰度图像Gray(x)中的像素值并保存该像素值于矩阵C中；
4)在矩阵C找出亮度最高的像素值并保存对应像素在图像中的位置LL；
5)输入图像I(x)的位置LL的像素值为大气环境光。
一种基于图像纹理的图像快速去雾方法
技术领域
[0001] 本发明属于图像处理技术，特别涉及图像去雾方法。
背景技术
[0002] 雾天条件下，户外场景拍摄的图像往往会受到大气中杂质颗粒的影响，造成色彩失真、对比度降低、物体变得模糊不清，影响了室外场景视频监控和目标识别等视觉系统的使用效果。空气中的悬浮颗粒，例如：灰尘、雾等，会使物体表面真实反射光发生色散和衰减，造成了物体颜色的失真。并且，这些悬浮颗粒会反射大气环境光，大气环境光分量进入视觉系统后使图像对比度降低。去雾在图像处理和计算机视觉领域有广泛的应用，有重要的研究意义和实用价值。首先，图像或视频无雾处理后，可以显著提高场景中物体的可视性，还可以纠正由于大气环境光分量带来的颜色偏移，使色彩更加真实。其次，大多数的计算机视觉处理的算法往往假设输入图像是物体表面的反射光，因此，这些算法的性能不可避免的会受到颜色偏移，对比度降低的影响。最后，去雾可以产生图像的深度信息，可以应用于场景理解等领域。
[0003] 目前对于雾天图像的处理方法主要分为两类：雾天图像增强方法和雾天图像复原方法。雾天图像增强的方法适用范围较广，往往是从图像处理的角度，提高图像的对比度，可以改善图像的视觉效果，突出图像的细节，但有时恢复后的图像对比度较高，不一定具有真实性。雾天图像复原是研究雾天图像降质的物理过程，建立大气退化物理模型，利用图像数据估计模型参数，之后依据物理模型估计出恢复图像。这种方法针对性强，得到的去雾效果具有一定的真实性，可以获得图像的深度信息，一般不会有信息损失，处理的关键点是模型中参数的估计。
[0004] 针对单幅雾天图像，现有的雾天图像恢复方法往往是基于雾天图像的先验信息规律。典型的方法有Tan方法、Fattal方法和He方法。Tan方法发现无雾图像往往比有雾图像对比度高，基于此先验信息规律，使有雾图像的局部区域的对比度达到最大，可以获得恢复后的图像，恢复后的视觉效果较好，但对比度往往很高，并且不一定具有真实性。Fattal方法的先验信息是假设环境光分量和物体表面的反射光分量是不相关的，这种方法恢复的图像具有一定真实性，但是不能很好的处理浓雾图像。He方法基于暗通道的先验信息，恢复出的图像质量较真实，但此运算复杂、计算量大，不能做到对图像进行实时处理，制约了其在实际中的应用。
发明内容
[0005] 本发明所要解决的技术问题是，提供一种速度较快、图像恢复质量较高的雾天图像恢复方法。
[0006] 本发明为解决上述技术问题所采用技术方案是，一种基于图像纹理的图像快速去雾方法，包括以下步骤：
[0007] 步骤一、估计输入图像I(x)的大气环境光；
[0008] 步骤二、估计输入图像I(x)的传输矩阵t(x)：
[0009] 1）分别对输入图像I(x)的R、G、B三个通道求取对应矩阵Ira、Iga、Iba：
[0010] Ira＝IR(x)/AR
[0011] Iga＝IG(x)/AG
[0012] Iba＝IB(x)/AB
[0013] 其中，IR(x)、IG(x)、IB(x)分别为输入图像I(x)的R、G、B分量图像，AR、AG、AB分别为所述大气环境光的R、G、B分量；
[0014] 2）对输入图像I(x)进行边缘检测，获得输入图像边缘检测图，并将边缘点和非边缘点二值化，将边缘点置1，非边缘点置0；
[0015] 3）对矩阵Ira,Iga,Iba进行滑动块处理，获得粗略传输矩阵t'(x)：
[0016]
[0017] 其中，Ω(x)为以像素x为中心的滑动块，滑动块的大小通过边缘像素点在第一范围小块与第二范围小块中的具体情况而定，第一范围大于第二范围；
[0018] 当以像素x为中心的第一范围小块中不存在边缘像素点，则滑动块Ω(x)的大小为第一范围；
[0019] 当以像素x为中心的第一范围小块中存在边缘像素点，且以像素x为中心的第二范围小块中不存在边缘像素点，则滑动块Ω(x)的大小为第二范围；
[0020] 当以像素x为中心的第一范围小块中存在边缘像素点，且以像素x为中心的第二范围小块中存在边缘像素点，则判断像素x是否为边缘节点，如是，则滑动块Ω(x)的大小为1×1，否则滑动块Ω(x)的大小为第二范围内不包含任何边缘点的最大方块的大小；
[0021] 4）对粗略传输矩阵t'(x)进行中值滤波得到精细的传输矩阵t(x)；
[0022] 步骤三、根据大气环境光与传输矩阵t(x)恢复出去雾后的图像。
[0023] 本发明通过步骤二的方法能够快速获得传输矩阵。依据输入图像的边缘检测结果，使用大小可变的滑动块块获得粗略的传输矩阵：在景深突变（边缘像素点多）的地方采用较小的滑动块精确处理，在景深变化不大（边缘像素点少）的地方采用较大的滑动块处理，提高运算速度。可变块处理的结果比用固定的块处理的结果精细，也能可以直接用此粗略的传输矩阵结果进行后续处理。
[0024] 进一步的，步骤一具体实现方法如下：
[0025] 1）通过对输入图像I(x)进行滑动块处理，获得输入图像I(x)的暗通道Dark(x)：
[0026]
[0027] 其中，Ω(x)为以像素x为中心的滑动块，滑动块大小为15×15；
[0028] 2）在暗通道Dark(x)中寻找亮度大于预设亮度阈值的所有像素并保存其在图像中的位置于矩阵Lo中；
[0029] 3）将输入图像I(x)转换成灰度图像Gray(x)，找出矩阵Lo存储的像素位置所对应在灰度图像Gray(x)中的像素值并保存该像素值于矩阵C中；
[0030] 4）在矩阵C找出亮度最高的像素值并保存对应像素在图像中的位置LL；
[0031] 5）输入图像I(x)的位置LL的像素值为大气环境光。
[0032] 本发明在估计大气环境光中采用预设亮度阈值选择暗通道中环境光的选取区域，使得大气环境光获取的速度快，有利于实时处理。
[0033] 具体的，根据大气环境光与传输矩阵t(x)恢复出去雾后的图像J(x)的具体方法是：
[0034]
[0035] 其中，A为大气环境光，t0为预设的噪声阈值，I(x)为输入图像，J(x)为去雾后的图像，t(x)为传输矩阵。
[0036] 进一步的，为了恢复出图像效果更好，在恢复出去雾后的图像J(x)的算法中增加了亮度调整系数t1来提高图像J(x)的亮度。
[0037] 本发明的有益效果是，恢复出的图像质量较高，计算量小，速度较快，能够达到实时处理的目的，可以方便的应用于实际系统中。
附图说明
[0038] 图1：本发明流程示意图。
[0039] 图2：输入的有雾图像I(x)。
[0040] 图3：输入图像的暗通道图。
[0041] 图4：输入图像的边缘检测图。
[0042] 图5：粗略的传输矩阵图t′(x)。
[0043] 图6：优化后的传输矩阵图t(x)。
[0044] 图7：去雾后的效果图J(x)。
具体实施方式
[0045] 本实施例使用matlab2010b开发的仿真程序。在双核2.5GCPU，2G内存的PC机平台上，对如图2所示的240*320像素的图像进行去雾处理，具体步骤如图1所示。
[0046] 步骤一、估计大气环境光A。具体包括以下分步骤：
[0047] 第1步：通过对输入图像进行滑动块处理，获得输入图像I(x)的暗通道Dark(x)，可以获得如图3所示的输入图像的暗通道图。输入图像I(x)的暗通道Dark(x)可按下式获得：
[0048]
[0049] 此时，滑动块Ω(x)是以像素x为中心的15×15的小块。
[0050] 第2步：在暗通道Dark(x)中寻找亮度大于预设亮度阈值的像素，并保存其在图像中的位置于矩阵Lo中。
[0051] 第3步：将I(x)转换成灰度图像Gray(x)，可以获得输入图像灰度图。在Gray(x)中取出处于位置Lo处的像素，并保存于矩阵C中。将I(x)转换成灰度图像，转换方法如下：将I(x)RGB模型转换成HSI模型，HSI中的亮度分量I就是I(x)转换成的灰度图像。
[0052] 第4步：在矩阵C中找出亮度最高的像素，保存其在图像中的位置于LL中。
[0053] 第5步：在输入图像I(x)处于位置LL的像素，即为获得的大气环境光A。I(x)中像素LL即为大气环境光。
[0054] 步骤二、估计雾天图像传输矩阵。具体包括以下分步骤：
[0055] 第1步：分别对输入图像I(x)RGB三个通道求取矩阵：
[0056] Ira=IR(x)/AR
[0057] Iga=IG(x)/AG
[0058] Iba=IB(x)/AB
[0059] 三个公式分别是I(x)的RGB三个分量除以大气环境光A的RGB三个分量。
[0060] 第2步：对输入图像I(x)进行边缘检测，获得如图4所示的输入图像边缘检测图，并将边缘点和非边缘点二值化。对输入图像I(x)进行边缘检测，边缘检测用的是sobel算子。二值化指的是，将边缘点置1，非边缘点置0。
[0061] 第3步：获得粗略的传输矩阵t'(x)，即如图5所示的粗略传输矩阵图。用像素x处的局部小块Ω(x)，对矩阵Ira,Iga,Iba进行滑动块处理,获得粗略传输矩阵t'(x)。t'(x)可以按照下述公式获得：
[0062]
[0063] 做以像素x为中心的15×15局部小块Ω'(x),做以像素x为中心的改成5×5的局部小块Ω″(x)。对于像素x，局部小块Ω(x)的大小选择分以下情况讨论：
[0064] 如果Ω'(x)中不存在任何边缘点时，Ω(x)取为Ω′(x)。
[0065] 如果Ω'(x)中存在边缘点时,Ω(x)取值如下：
[0066] 当Ω″(x)中不存在任何边缘点时，Ω(x)取值Ω″(x)。
[0067] 当Ω″(x)中存在边缘点且中心像素x是边缘点时，Ω(x)取为像素x。
[0068] 当Ω″(x)中存在边缘点，但边缘点不在中心元素时，Ω(x)取为在Ω″(x)内以像素x为中心的不包含任何边缘点的最大方块。
[0069] 第4步：获得优化后精细的传输矩阵t(x)，即优化后的传输矩阵图，如图6所示。对透射系数矩阵t'(x)进行中值滤波，可获得精细的传输矩阵t(x)。
[0070] 步骤三、获得恢复后图像J(x)，如图7所示。恢复图像J(x)按照如下公式获得：
[0071]
[0072] 其中t0取值0.3，t1取值1.0-1.3。
[0073] 实验结果表示，实施例对处理每幅图像大约需要3s左右，处理速度快，能够满足实时性要求。
