[发明专利]一种基于HSV色彩空间的局部Retinex增强方法

说明书

技术领域

本发明属于图像信息处理的技术领域，本发明是一种基于HSV色彩空间的局部Retinex去雾方法，适用于增强雾霾天气下拍摄的雾化图像。

背景技术

计算机应用的众多户外监控系统都要求能准确地提取图像的特征，而在雾霾等天气状况下，往往由于大气中微小粒子散射作用的影响，导致获取的图像严重降质，不仅影响了图像的视觉效果，而且干扰了图像特征的提取，使户外监控系统无法正常运行，从而带来了严重的安全隐患。因此，利用有效且快速的去雾方法使雾化图像清晰化，具有重要的现实意义。

现有的图像去雾方法主要分为两大类：基于图像复原的处理方法和基于图像增强的处理方法。

基于图像复原的算法以大气散射模型为理论依据，大气散射模型描述雾天图像退化原因；图像复原算法通过反演图像退化过程，恢复场景反照率，以获得优化的无雾图像。此类方法从图像退化的本质出发，得到的结果通常较为自然。但大气散射模型是一个病态方程，无法直接求解方程得出场景的反照率，需要利用先验信息等约束条件，对大气散射模型中的参数进行估算，进而还原场景的反照率。

基于图像增强的算法不考虑图像质量下降原因，通过对图像进行整体或局部的拉伸，提高图像亮度、对比度及突出细节，从而改善视觉效果。目前，基于图像增强的主流方法是Retinex算法，基于人视觉的色彩恒常性，通过滤波估计图像的照度分量，得到反射分量实现图像去雾。但该方法易改变色彩比例造成色彩失真，拉伸的同时会损失局部细节，且难以选取合适的滤波器的参数值。

论文名：A Multiscale Retinex for Bridging the Gap Between Color Images and the Human Observation of Scenes，期刊：IEEE Transaction on image processing,年份：1997年，第7期，965页至976页，Daniel J.Jobson等人提出了带色彩恢复的多尺度Retinex算法，依据色彩恒常性原理，采用高斯滤波函数估计图像照度分量，还原图像反射分量，线性拉伸方式提高亮度和对比度。但是滤波器参数选取困难，而且无法还原多层次的雾天图像。

专利名：Smart Image Enhancement Process，期刊：Patent Application Publication,年份：2010年10月，编号：US 2010/0266214Al，Daniel J.Jobson等人首先对输入图像的对比度和亮度进行判断图像是否有雾，然后对雾天图像进行直方图均衡和MSRCR算法相结合的增强算法，最后反复迭代增强直到清晰度和亮度达到要求或者迭代次数达到上限。

论文名：Nonlinear Transfer Function-Based Local Approach for Color Image Enhancement,期刊：IEEE Transactions on Consumer Electronics,年份：2011年，第16期，858页至865页，提出了一种基于HSV色彩空间的图像增强方法，首先将图像转换到HSV色彩空间，然后单独对V分量(即亮度分量)采用非线性转换函数进行对比度增强，而不改变图像的S分量和H分量，来保留色彩，能有效增强照度不均匀图像，但不适用于雾天图像的处理。

发明内容

本发明为了克服现有图像去雾技术的不足，提供了一种基于HSV色彩空间的局部Retinex去雾方法，既能够增强雾化图像的清晰度，改善图像的视觉效果，又具有较快的运行速度，实时性好，适应范围广。

一种基于HSV色彩空间的局部Retinex去雾方法，该方法包括如下步骤：

A、在不同的色彩空间中处理多层次的雾天图像，实现图像对比度增强和清晰度提升；RGB色彩空间处理图像容易造成色彩失真；HSV色彩空间适于人类视觉感知，描述了图像饱和度、色调、亮度的特征；饱和度描述雾对场景色彩深浅的影响；亮度描述大气光对图像清晰度的影响；色调描述场景色彩的类型；在HSV色彩空间增强图像，不影响RGB三色彩分量的比例，，从而不会影响色彩的偏移。

B、获取图像大小，自适应判断子块图像的大小，对雾天图像的亮度图像进行分块；对亮度分量的各子图像进行增强处理，提高图像的清晰度；

雾天图像存在无雾、薄雾、大雾、浓雾四种情况，单一高斯卷积尺度无法适应多种情况；为了获取更多浓雾区域的细节，选取对应卷积尺度，利用高斯卷积估计照度分量，还原清晰反射分量。