[发明专利]一种基于湍流红外辐射模型的雾天降质图像清晰化方法

说明书

本发明涉及一种基于湍流红外辐射模型的雾天降质图像清晰化方法，包括：对图像进行傅里叶变换，得到频域内的退化图像，根据频域内的退化图像进而得到大气调制传递函数(MTF)；计算大气调制传递函数中未知的折射率结构系数；将频域内的退化图像在频域内滤除大气调制传递函数(MTF)；将滤除大气调制传递函数后的频域图像进行傅里叶逆变换，得到清晰化处理的图像。本发明在不增加硬件成本的前提下，从降质红外图像生成的逆过程分析，复原大气散射作用对图像对比度衰减的影响，从而解决雾天降质红外图像的清晰化处理问题，计算较简单，效率较高。

技术领域

本发明属于图像处理领域，具体涉及一种基于湍流红外辐射模型的雾天降质图像清晰化方法。

背景技术

红外成像具有出色的大气穿透能力和夜视功能，对温度的变化很敏感，因而在军事国防、遥感探测、公共卫生防疫、公共卫生防疫、化学物质检测与鉴定等方面获得了广泛的应用。然而雾天大气中悬浮粒子半径较大，大气粒子的散射作用使得红外图像上原本较低的灰度值被加强，而较高的灰度值被削弱，从而使得图像的灰度级分布过于集中，导致对比度较差；另一方面，在图像由三维空间向二维平面的映射过程中，丢失了深度信息，导致雾天采集图像的边缘轮廓具有模糊性。

雾天拍摄的红外图像,大气中水蒸汽的含量比较大，以及系统软硬件灵敏度等问题，所拍到的红外图像常存在噪声、模糊以及纹理细节丢失等的退化问题，给准确识别、跟踪目标物体等许多方面的应用造成困难。总的来说，解决雾天降质红外图像的清晰化问题，可以采取三种方法：

(1)从硬件的角度，利用多传感器融合以及红外焦平面阵列校正的方法来实现信息的互补与校正，如利用雷达、CCD和激光等传感设备，结合常用的两点校正与多点校正，可以实现较高的目标检测率和较低的错误率。然而，基于视觉的激光或CCD传感器在这种天气条件下的有效监测距离会大大缩短，无法为雷达传感器提供有效的确认信息，而基于红外的传感器只能对热信号实现检测，无法对场景中的非散热信号实现有效的检测。因此，这个策略在有雾天气条件下存在一些应用上的局限性，以及增加昂贵的硬件成本。

(2)不考虑图像降质的具体原因，而单纯从图像处理的角度出发，雾天降质红外图像的清晰化问题实质上就是图像对比度增强的问题；

(3)从降质图像生成的逆过程分析，则是将大气散射作用对图像对比度的衰减影响过程进行建模，最终解决降质图像的清晰化复原问题。

由于图像增强方法没有考虑雾天图像降质的物理过程，不能针对图像退化的原因设法进行补偿，因此只能在一定程度上改善视觉效果。近年来，国内外的一些学者基于大气散射理论对恶劣天气条件下的图像退化机理进行深入的分析，提出了一些基于退化模型的雾天降质图像清晰化复原方法。这些方法的研究主要集中在以下几个方面：

(1)假设场景各点深度信息已知的复原方法。上述这类方法虽然不需要预知天气信息，然而，却需要利用价格昂贵的雷达或距离传感器等硬件设备获取精确的场景深度信息，因此限制了算法在实际中的广泛应用。

(2)结合图像辅助信息实现深度提取的复原方法。有的算法通过用户指定场景的最大深度以及最小深度，利用线性插值的方法获得场景各点的深度信息，在某些情况下可能无法对场景深度突变信息作出反馈，此外，在确定各点的深度信息后，需要用户连续改变大气散射系数来确定一个视觉效果最好的复原结果，过多依赖人的主观性。

(3)基于经典退化模型点扩散函数的复原方法。由于利用这种方法的前提是需要已知点扩展函数，由于实际中雾所造成的图像污染过程和机理十分复杂，不同浓度的雾天气过程难以用统一的点扩散模型表达，一般无法预知图像退化的点扩散函数，因此也限制了该方法的实际应用。