[发明专利]一种针对恶劣天气条件下的低质图像增强方法

说明书

本发明公开了一种针对恶劣天气条件下的低质图像增强方法，属于图像处理领域，解决同态滤波得到的图像会有严重的颜色退化；或Retinex算法在光照不均时会产生“halo”现象，也会出现局部过亮的现象的问题。本发明将读入待处理图像，在RGB空间，用Retinex方法修复图像颜色，得到彩色的改善后图像F；将读入待处理图像，在HSV空间，用同态滤波算法压缩图像亮度范围后，并增强对比度，得到改善后亮度图像J_v；将步骤1和步骤2处理的结果统一在HSV空间，提取Retinex处理后图像的色调和饱和度信息，提取同态滤波处理后的图像的亮度信息，并将提取的三者信息融合得到最终图像。本发明用于低质图像增强。

技术领域

一种针对恶劣天气条件下的低质图像增强方法，用于低质图像增强，属于图像处理领域。

背景技术

在图像处理和计算机视觉领域，恶劣天气条件下图像采集器采集到的图像退化严重是长久存在的问题。随着计算机视觉的高速发展，为了服务于后续的分析、判读、识别以及跟踪工作，人们对图像的质量提出了越来越高的要求。而恶劣天气则是导致现今户外图像退化的主要原因。

户外图像拍摄，图像的质量受天气影响很大。不同天气条件下散布在大气中的不同粒子会对图像成像造成不同的影响。雨天大气中散布的雨滴聚光，导致采集到的图像局部区域过亮；雾霾天气大气中的小颗粒会散射大气光，导致图像对比度降低、透光不均；沙尘天气散布在大气中的沙尘粒子会使整个采集图像的颜色偏向粒子颜色，导致色彩失真。

普遍来说，一般的恶劣天气条件下的退化图像都会包含光照不均、色彩失真、细节模糊这几个特征。

1960年，麻省理工学院的Thomas Stockham，Alan V.Oppenheim和RonaldW.Schafer等几位学者提出了同态滤波算法。同态滤波是一种可以同时增加图像对比度并压缩图像亮度范围的特殊方法。该方法把图像的灰度值认为是入射光分量和反射光分量的乘积，其中入射光是取决于大气中的照射光，在空间上变化平缓，一般占据低频部分；而反射光则取决于拍摄物体本身性质，在空间上变化剧烈，一般占据高频部分。同态滤波就是用一高通滤波器对图像在对数空间进行滤波，压制图像的低频成分、增强图像的高频成分。从而使得大气光对图像的影响减少，而物体的本质灰度进一步凸显，可以有效地处理明暗不均的图像。另外，不同于其他的线性变换，同态滤波在对数空间进行非线性滤波，可以更好的保留所需信息，去除乘性噪声。在处理光照不均图像方面，同态滤波方法有着显著的优越性。

然而对于彩色图像的处理，同态滤波存在着很大的局限性。因为在对反射光和入射光进行处理的时候，主要考虑的是光的亮度信息，而非颜色信息。若将图像拆分到RGB三个通道分别用同态滤波进行处理，因为这种独立操作忽略了颜色相关性，通道合并后的颜色会大幅度失真。目前如要用同态滤波对彩色图像进行处理，一般是将图像转换到HSV空间，只对亮度V通道进行处理，而保持原图的色调色度不变。然而一般恶劣天气而导致的退化现象往往不会只有光照不均，通常伴随着色彩的失真。因此这样处理后得到的图像会有严重的颜色退化。目前也有一些算法试图用不同的滤波器或者调整同态滤波器的参数对图像的颜色通道进行处理，但因为只是简单地进行调整，而并不了解人眼辨认色彩的本质，所以效果不好。

二十世纪七十年代，Edwin Land和McCann提出了Retinex理论。Reinex理论是与心理学、生物学和仿生学等学科密切相关的用于解释人类视觉系统如何能达到色彩恒常的一个视觉理论。Land通过大量的蒙德里安试验证明了物体表面的颜色与光照变化无关者以彩色恒常性质。与同态滤波类似，Retinex算法把图像灰度看作入射光分量和反射光分量的乘积。不同在于，Retinex算法用低通滤波器估计入射光的成分，从而求解出代表物体本身颜色的反射分量。这种方法有效地提取了物体的本身颜色，对于彩色退化图像的处理效果很好。但在光照不均时会产生“halo”现象，也会出现局部过亮的现象。另外，Retinex算法的处理效果与低通滤波器的参数有关，无法同时起到压缩图像动态范围和色彩保真的作用。