[发明专利]一种视频帧图像去雾方法及装置

说明书

技术领域

本发明涉及数字图像处理技术领域，尤其涉及一种视频帧图像去雾方法及装置。

背景技术

户外景物的光学图像往往会由于有雾天气的影响而呈现出对比度降低及颜色偏灰白色等降质现象，这将直接限制和影响了室外目标识别和室外视觉监控等各种视觉系统效用的发挥。

目前，对图像去雾的研究可以主要分为两类：基于图像增强的去雾方法和基于图像退化物理模型的去雾方法。前者主要是主观的处理，而后者主要是通过使用退化的先验知识来试图重建一幅因天气而退化的图像。基于图像增强的去雾方法通常计算量大、可靠性不稳定；基于退化的物理模型的去雾方法中，在取景对象在较大范围内不与天空接近或没有阴影覆盖的情况下去雾效果较好的是何凯明在2009年提出的一种基于暗原色的单帧图像去雾算法，该算法建立在麦卡特尼(McCartney)提出的大气散射物理模型基础上：在天气状况不良的情况下，由于大气中存在灰尘颗粒或者雨滴等悬浮物，场景中反射到相机的光线在其传播路径上经过颗粒的吸收和散射，到达相机时已经退化，造成了成像后的图片对比度低、色彩失真及图像雾化。大气颗粒的光散射模型如图1所示，由此建立的带雾图像的数学模型为：

E(x)＝J(x)e^-βd(x)+E_∞(1-e^-βd(x)) (1)

其中，e^-βd(x)代表衰减系数(也可称为传播函数或传播图)，J(x)代表场景的辐照度，E_∞代表大气亮度，β代表散射系数。J(x)e^-βd(x)和E_∞(1-e^-βd(x))分别表示了光的直接衰减模型和大气亮度模型，E(x)代表观察到的带雾的图像。为了对图片进行去雾，即需要找到目标真实的辐照度J(x)，也即去雾后的图像。

在记t(x)＝e^-βd(x)时，上述公式(1)变为公式(2)：

E(x)＝J(x)t(x)+E_∞(1-t(x)) (2)

公式(2)中，由于t(x)和E_∞未知，不能直接得到J(x)。何恺明等通过暗原色先验的统计规律(即绝大多数户外无雾图像的非天空的每个局部区域里，某一些像素总会在至少一个颜色通道具有很低的值)，解决了t(x)和E_∞的计算问题，具体步骤如下：

第一步：利用公式(3)计算图像上每一点的暗原色；

公式(3)中J_dark为图像J的强度值接近于0的暗原色，E^c为图像E的R、G、B三通道中的一个通道，W(x)是以x为中心的一块区域。

第二步：利用公式(4)计算大气亮度；

第三步：利用公式(5)确定传播图；

第四步：利用软件抠图算法(Soft Matting)对传播图进行优化处理；

第五步：利用公式(6)得到去雾后图像；

后来的研究人员在何恺明的去雾方法的基础上主要在以下两个方面进行了改进：

一方面：在大气亮度估计方面的改进。主要通过对图像进行分割等方式找到天空区域，进而得到真实的大气亮度。

另一方面：针对Soft Matting的改进。由于Soft Matting方法耗时，影响实际应用。后续的改进方案中均采取滤波的方式替换Soft Matting方法，如中值滤波、均值滤波、双边滤波等。

然而，上述的技术方案都是建立在对单帧图片的处理之上，对于视频图像的处理，可以针对构成视频图像的每一帧分别利用上述方法进行去雾处理，但并没有考虑视频图像中的帧之间的关联性，使得处理效果相对较差。

发明内容

有鉴于此，本发明实施例提供了一种视频帧图像去雾方法及装置，用以解决现有的针对视频帧图像的去雾方法中去雾效果相对较差的问题。

本发明实施例技术方案如下：

一种视频帧图像去雾方法，包括：

确定当前帧图像相对于设定的参考帧图像的运动区域和静止区域以及当前帧图像的暗原色图像，所述当前帧图像为视频帧图像中的除第一帧图像外的图像；