留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

多尺度窗口的自适应透射率修复交通图像去雾方法

黄鹤 李昕芮 宋京 王会峰 茹锋 盛广峰

黄鹤, 李昕芮, 宋京, 王会峰, 茹锋, 盛广峰. 多尺度窗口的自适应透射率修复交通图像去雾方法[J]. 中国光学, 2019, 12(6): 1311-1320. doi: 10.3788/CO.20191206.1311
引用本文: 黄鹤, 李昕芮, 宋京, 王会峰, 茹锋, 盛广峰. 多尺度窗口的自适应透射率修复交通图像去雾方法[J]. 中国光学, 2019, 12(6): 1311-1320. doi: 10.3788/CO.20191206.1311
HUANG He, LI Xin-rui, SONG Jing, WANG Hui-feng, RU Feng, SHENG Guang-feng. A traffic image dehaze method based on adaptive transmittance estimation with multi-scale window[J]. Chinese Optics, 2019, 12(6): 1311-1320. doi: 10.3788/CO.20191206.1311
Citation: HUANG He, LI Xin-rui, SONG Jing, WANG Hui-feng, RU Feng, SHENG Guang-feng. A traffic image dehaze method based on adaptive transmittance estimation with multi-scale window[J]. Chinese Optics, 2019, 12(6): 1311-1320. doi: 10.3788/CO.20191206.1311

多尺度窗口的自适应透射率修复交通图像去雾方法

doi: 10.3788/CO.20191206.1311
基金项目: 

国家重点研发计划项目 2018YFB1600600

"十三五"装备预研领域基金 61403120105

陕西省自然科学基础研究计划面上项目 2019JM-611

陕西省创新人才推进计划-青年科技新星项目 2019KJXX-028

陕西省交通运输厅科技项目 17-33T

陕西省交通运输厅科技项目 17-16K

长安大学中央高校基本科研业务费专项资金项目 300102328204

长安大学中央高校基本科研业务费专项资金项目 300102329401

长安大学中央高校基本科研业务费专项资金项目 300102329502

详细信息
    作者简介:

    黄鹤(1979—), 男, 河南南阳人, 副教授, 2002年、2006年、2010年于西北工业大学分别获得学士、硕士和博士学位, 2010-2012年在西北工业大学自动化学院从事博士后工作, 专业为控制科学与工程, 现为长安大学电子与控制与工程学院教师, E-mail:8793141@qq.com

    李昕芮(1993—), 女, 甘肃庆阳人, 硕士研究生, 2017年于南京工程学院获得学士学位, 主要从事图像处理、机器视觉方面的研究。E-mail:1076359350@qq.com

  • 中图分类号: TP391.41

A traffic image dehaze method based on adaptive transmittance estimation with multi-scale window

Funds: 

National Key Research and Development Program of China 2018YFB1600600

"13th Five-Year" Equipment Pre-research Fund 61403120105

Natural Science Basic Research Plan in Shaanxi Province 2019JM-611

Shaanxi Province Innovative Talent Promotion Plan-Youth Science and Technology New Star Project 2019KJXX-028

Science and Technology Projects of Shaanxi Transportation Department 17-33T

Science and Technology Projects of Shaanxi Transportation Department 17-16K

the Fundamental Research Funds for the Central Universities in Chang′an University 300102328204

the Fundamental Research Funds for the Central Universities in Chang′an University 300102329401

the Fundamental Research Funds for the Central Universities in Chang′an University 300102329502

More Information
  • 摘要: 基于传统暗原色先验原理的图像去雾算法存在的"halo"效应,且图像中明亮区域存在颜色失真现象,针对此问题,本文提出了多尺度窗口的自适应透射率修复交通图像去雾方法。首先,利用新的8方向边缘检测算子求取图像中景深突变区域,根据暗通道先验理论和前一步求得的景深突变区域,在景深变化较大区域使用5×5的窗口,景深变化较小区域则使用15×15的窗口得到暗原色估计图。同时,针对暗通道先验原理对近景部分存在白色区域时透射率估计不准确的问题,引入了自适应透射率修复方法,通过引导滤波器得到边缘增强后的暗原色图像,并利用其与原暗原色图像的纹理差对近景区域的透射率进行修正,完成图像去雾。实验结果表明:双边滤波和梯度双边滤波两种算法均存在halo现象,并且在包含白色物体的明亮区域色彩失真严重,客观评价指标失去意义;相比于引导滤波,本文去雾算法的各项指标均有所提高,其中平均梯度平均提高了8.305%,PSNR平均提高了12.455%,边缘强度因子平均提高了7.77%。本文算法有效解决了复原图像中"halo"效应现象和明亮区域颜色失真现象,去雾效果最优。
  • 图  1  雾霾颗粒对成像影响示意图

    Figure  1.  Schematic diagram of effects of haze particles on imaging

    图  2  传统暗原色估计去雾前后图像

    Figure  2.  Images before and after defogging by traditional dark priori image defogging algorithm

    图  3  新的8方向边缘检测算子图

    Figure  3.  Diagram of new 8-direction edge detection operator

    图  4  4种边缘算子的检测结果

    Figure  4.  Detection results of 4 kinds of edge operators

    图  5  基于多尺度窗口的自适应暗原色估计算法的实验结果

    Figure  5.  Experimental results of adaptive dark estimation algorithm with multi-scale window

    图  6  本文算法流程图

    Figure  6.  Flowchart of proposed algorithm

    图  7  4种方法对第一组图像处理结果

    Figure  7.  Defogging results of the first set of image by 4 kinds of algorithms

    图  8  4种方法对第二组图像的处理结果

    Figure  8.  Defogging effects of the second set of image by 4 kinds of algorithms

    表  1  两种算法的时间复杂度

    Table  1.   Consuming times of two kinds of algorithms

    算法名称 时间(s)
    插值抠图算法 10.732
    多尺度算法 0.304
    下载: 导出CSV

    表  2  第一组实验结果的定量评价结果

    Table  2.   Evaluation indexes of the first set of experimental results

    算法 图片 平均梯度 信息熵 边缘强度因子 PSNR 模糊系数
    双边滤波 图 7(c) 5.474 13.780 54.224 26.006 1.594
    梯度双边滤波 图 7(d) 4.584 13.014 45.395 26.511 1.359
    引导滤波 图 7(e) 3.818 12.013 37.704 24.274 1.181
    本文算法 图 7(f) 4.251 12.858 42.553 29.151 1.225
    下载: 导出CSV

    表  3  第二组实验结果的定量评价结果

    Table  3.   Evaluation indexes of the second set of experimental results

    算法 图片 平均梯度 信息熵 边缘强度因子 PSNR 模糊系数
    双边滤波 图 8(c) 2.592 10.272 24.779 24.126 1.155
    梯度双边滤波 图 8(d) 3.913 12.355 38.262 24.415 1.587
    引导滤波 图 8(e) 3.717 12.083 36.390 24.378 1.524
    本文算法 图 8(f) 3.913 12.719 37.364 25.554 1.554
    下载: 导出CSV
  • [1] SINGH D, KUMAR V. Single image haze removal using integrated dark and bright channel prior[J]. Modern Physics Letters B, 2018, 32(4):1850051. doi: 10.1142/S0217984918500513
    [2] FATTAL R. Single image dehazing[J]. ACM Transactions on Graphics, 2008, 27(3):72. http://d.old.wanfangdata.com.cn/Periodical/jsjyjyfz201012013
    [3] ZHANG Z, FENG W, WANG T, et al.. An improved aerial remote sensing image defogging method based on dark channel prior information[C]. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, ISPRS, 2017.
    [4] TAN K, OAKLEY J P. Enhancement of color images in poor visibility conditions[C]. Proceedings 2000 International Conference on Image Processing, IEEE, 2000: 788-791.
    [5] NARASIMHAN S G, NAYAR S K. Contrast restoration of weather degraded images[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2003, 25(6):720-724. http://d.old.wanfangdata.com.cn/OAPaper/oai_doaj-articles_429f21ea83a55d2761e1aa45a29e1537
    [6] LI Z G, ZHENG J H, YAO W, et al.. Single image haze removal via a simplified dark channel[C]. 2015 IEEE International Conference on Acoustics, Speech and Signal Processing, IEEE, 2015.
    [7] HE K M, SUN J, TANG X O. Single image haze removal using dark channel prior[C]. 2009 IEEE Conference on Computer Vision and Pattern Recognition, 2009: 1956-1963.
    [8] 黄大荣, 方周, 赵玲.一种改进的结合边缘检测的去雾新方法[J].上海交通大学学报, 2015, 49(6):861-867. http://d.old.wanfangdata.com.cn/Periodical/shjtdxxb201506021

    HUANG D R, FANG ZH, ZHAO L. An improved defogging algorithm combined with edge detection[J]. Journal of Shanghai Jiaotong University, 2015, 49(6):861-867.(in Chinese) http://d.old.wanfangdata.com.cn/Periodical/shjtdxxb201506021
    [9] 石文轩, 詹诗萦, 李婕.一种边缘优化的暗通道去雾算法[J].计算机应用研究, 2013, 30(12):3854-3856, 3862. doi: 10.3969/j.issn.1001-3695.2013.12.088

    SHI W X, ZHAN SH Y, LI J. Dark channel prior dehazing algorithm based on edge optimization[J]. Application Research of Computers, 2013, 30(12):3854-3856, 3862.(in Chinese) doi: 10.3969/j.issn.1001-3695.2013.12.088
    [10] 杨红, 崔艳.基于开运算暗通道和优化边界约束的图像去雾算法[J].光子学报, 2018, 47(6):238-244. http://d.old.wanfangdata.com.cn/Periodical/gzxb201806028

    YANG H, CUI Y. Image defogging algorithm based on opening dark channel and improved boundary constraint[J]. Acta Photonica Sinica, 2018, 47(6):238-244.(in Chinese) http://d.old.wanfangdata.com.cn/Periodical/gzxb201806028
    [11] VERMA O P, PARIHAR A S. An optimal fuzzy system for edge detection in color images using bacterial foraging algorithm[J]. IEEE Transactions on Fuzzy Systems, 2017, 25(1):114-127. doi: 10.1109/TFUZZ.2016.2551289
    [12] SIDOR K, SZLACHTA A. The impact of the implementation of edge detection methods on the accuracy of automatic voltage reading[J]. Measurement Science Review, 2017, 17(2):93-99. doi: 10.1515/msr-2017-0012
    [13] LIU Y, CHENG M M, HU X W, et al.. Richer convolutional features for edge detection[C]. 2017 IEEE Conference on Computer Vision and Pattern Recognition, IEEE, 2017.
    [14] 汪贵平, 宋京, 杜晶晶, 等.基于改进梯度相似度核的交通图像去雾算法[J].中国公路学报, 2018, 31(6):264-271, 280. doi: 10.3969/j.issn.1001-7372.2018.06.013

    WANG G P, SONG J, DU J J, et al.. Haze defogging algorithm for traffic images based on improved gradient similarity kernel[J]. China Journal of Highway and Transport, 2018, 31(6):264-271, 280.(in Chinese) doi: 10.3969/j.issn.1001-7372.2018.06.013
    [15] 黄鹤, 宋京, 郭璐, 等.基于新的中值引导滤波的交通视频去雾算法[J].西北工业大学学报, 2018, 36(3):414-419. doi: 10.3969/j.issn.1000-2758.2018.03.002

    HUANG H, SONG J, GUO L, et al.. A novel dehazing algorithm based on median guide filter for traffic video[J]. Journal of Northwestern Polytechnical University, 2018, 36(3):414-419.(in Chinese) doi: 10.3969/j.issn.1000-2758.2018.03.002
    [16] 邓莉.针对明亮区域的自适应全局暗原色先验去雾[J].光学 精密工程, 2016, 24(4):892-901. http://d.old.wanfangdata.com.cn/Periodical/gxjmgc201604026

    DENG L. Adaptive image dehazing for bright areas based on global dark channel prior[J]. Opt. Precision Eng., 2016, 24(4):892-901.(in Chinese) http://d.old.wanfangdata.com.cn/Periodical/gxjmgc201604026
    [17] 徐伟, 陈彦彤, 朴永杰, 等.基于吉林一号遥感图像的星载目标快速识别系统[J].光学 精密工程, 2017, 25(1):255-262. http://d.old.wanfangdata.com.cn/Periodical/gxjmgc201701032

    XU W, CHEN Y T, PIAO Y J, et al.. Target fast matching recognition of on-board system based on Jilin-1 satellite image[J]. Opt. Precision Eng., 2017, 25(1):255-262. (in Chinese) http://d.old.wanfangdata.com.cn/Periodical/gxjmgc201701032
    [18] 李佳童, 章毓晋.图像去雾算法的改进和主客观性能评价[J].光学 精密工程, 2017, 25(3):735-741. http://d.old.wanfangdata.com.cn/Periodical/gxjmgc201703025

    LI J T, ZHANG Y J. Improvements of image haze removal algorithm and its subjective and objective performance evaluation[J]. Opt. Precision Eng., 2017, 25(3):735-741.(in Chinese) http://d.old.wanfangdata.com.cn/Periodical/gxjmgc201703025
  • 加载中
图(8) / 表(3)
计量
  • 文章访问数:  403
  • HTML全文浏览量:  102
  • PDF下载量:  10
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-12-17
  • 修回日期:  2019-02-07
  • 刊出日期:  2019-12-01

目录

    /

    返回文章
    返回