一种基于暗通道先验与深度信息的大气能见度估算方法

技术领域

本发明涉及计算机视觉领域，特别涉及一种基于暗通道先验与深度信息的大气能见度估算方法。

背景技术

大气能见度估计是指通过图像处理和计算机视觉技术，利用输入图像中的特征信息来估计大气中的能见度。大气能见度估计在许多领域中具有广泛的应用，例如交通安全、无人驾驶、航空、监控等。

随着道路监控设备的广泛使用和行车记录仪等图像视频采集设备的普及，基于图像视频的能见度检测成为一种检测大气能见度的有效方法，主要包括对比度法，拐点法和深度学习等方法；其中，对比度法主要通过计算目标物与背景天空亮度的对比值进行大气能见度估测，一般需要设置人工目标物，并且需要标定目标物与摄像机的位置，不具有良好的推广性；拐点法主要通过寻找图像特征信息的拐点位置进行大气能见度估测，该方法的关键点是摄像机的标定，由于相机型号和实际应用场景千变万化，因此该方法的前期准备工作较为复杂，且普适性较差；随着深度学习的快速发展，如何将深度学习应用于大气能见度检测也愈发受到研究者的关注，目前绝大部分基于深度学习的能见度检测算法都为有监督算法，这需要带有标签的图像数据对网络进行指导训练。由于能见度图像数据采集及标注需要大量人力，操作繁琐，现存的具有明确标签的能见度图像数据仍比较匮乏。

经检索发现，中国专利公开号为CN104809707A的一种单幅雾天图像能见度估计方法，该方法通过最小通道图估计大气光值，通过图像灰度梯度信息得到深度信息，但该方法存在大气光值与图像深度的方法过于简单，能见度检测方法普适性低，抗干扰能力差等问题。

因此，急需提供一种基于暗通道先验与深度信息的大气能见度估算方法以解决上述问题。

发明内容

为实现上述目的，发明人提供了一种基于暗通道先验与深度信息的大气能见度估算方法，包括以下步骤：

S1，基于暗通道先验方法，将输入图像转换为暗通道图像，根据暗通道图像估算当前的大气光值，将大气光值与大气散射模型相结合得到透射率图；

S2，利用导向滤波优化透射率图，消除透射率图块效应对能见度估计的影响；

S3，利用单应变换方法建立相机坐标系和真实坐标系的对应关系，通过测量四组对应点求解出变换矩阵，构建出对应关系，获得图像的深度信息；

S4，根据优化后的透射率图与图像深度信息得到大气能见度的估测值。

作为本发明的一种优选方式，在步骤S1中，根据暗通道图像估算当前的大气光值包括步骤：在暗通道图像中根据灰度值选取像素，进而在输入图像中寻找相应位置的像素值作为大气光值的估算值。

作为本发明的一种优选方式，所述步骤S1还包括步骤：

S101，获取输入图像各像素的三通道灰度最小值，以灰度图像的每个像素为中心，在局部区域Ω(x)内进行最小值滤波，即将该像素的灰度值用窗口内最低的灰度值代替，获得暗通道图像，表达式为：

其中，J

Size＝2×Radius+1

其中，Radius表示人为指定滤波窗口半径；

S102，将暗通道图像分为若干个块，在每个块内选择最亮的前0.1％的像素，进而在原始图像中寻找相应位置上的像素值，计算这些最大值的平均值作为大气光值A；

S103，对大气散射模型进行变形，表达式为：

其中，I

S104，假设在窗口区域内透射率t(x)为常数，对上式两端作两次最小值滤波，第一次对等式两端r，g，b三个通道取最小值，第二次滤波对以目标像素点为中心的方形区域内取最小值作为该像素点的值，则表达式为：

再根据暗通道先验方法可得，无雾图像J(x)暗像素趋于零，则有：

结合上式，计算出透射率t(x)的表达式为：

S105，引入雾浓度系数ω，对步骤S104中的透射率t(x)的表达式进行调整，得到修正后透射率的表达式为：

其中，I

作为本发明的一种优选方式，步骤S2还包括步骤：

S201，利用导向滤波优化透射率图，定义滤波优化后的透射率t

t

其中，w

S202，进一步得到t

其中，ε表示正则化参数，用来控制图像的平滑程度；

S203，利用线性回归求解线性系数a

其中，|w|表示对矩形卷积核w

作为本发明的一种优选方式，步骤S3还包括步骤：利用单应变换的方法，建立世界坐标系中一平面的点在不同像素坐标系之间的映射关系，对应的矩阵为单应性矩阵H，为一个3*3的非奇异矩阵，单应性变换表达式为：

其中，x、y表示第一幅图像中一点的齐次坐标，x′、y′表示该点在另一幅图像中的对应点，H为第一幅图到第二幅图的单应性变换矩阵，h

通过在原图中标注四个像素坐标点并测量其在现实世界中的真实距离，建立相机坐标系与真实坐标系的对应关系，通过该对应关系来获得图像中道路上任一像素点到坐标点的距离，结合摄像机高度获得道路的深度信息。

作为本发明的一种优选方式，步骤S4还包括步骤：根据大气能见度与透射率和深度信息之间的关系式，利用优化后的透射率图与图像深度信息得到大气能见度的估测值。

作为本发明的一种优选方式，步骤S4还包括步骤：

S401，日间能见度的计算表达式为：

其中，V

S402，忽略大气消光系数σ中的吸收系数α，得到近似消光系数β，即σ≈β，此时，透射率t(x)的表达式为：

t(x)＝e

其中，e表示为自然对数底；

S403，结合步骤S203中的透射率t

区别于现有技术，上述技术方案所达到的有益效果有：本方法通过暗通道先验估计大气光值，将大气光值与大气散射模型相结合，计算图像的透射率，结合单应性变换辅助大气能见度估算，提供额外的深度信息，这样可以更加有效的、准确的考虑物体之间的遮挡和远近关系，提高大气能见度的估算精度，使估算结果更具准确性。

附图说明

图1为具体实施方式所述方法步骤流程图；

图2为具体实施方式所述方法的大气散射模型示意图。

具体实施方式

为详细说明技术方案的技术内容、构造特征、所实现目的及效果，以下结合具体实施例并配合附图详予说明。

如图1和图2所示，本实施例提供了一种基于暗通道先验与深度信息的大气能见度估算方法，包括以下步骤：

S1，基于暗通道先验方法，将输入图像转换为暗通道图像，根据暗通道图像估算当前的大气光值，将大气光值与大气散射模型相结合得到透射率图；

S2，利用导向滤波优化透射率图，消除透射率图块效应对能见度估计的影响；

S3，利用单应变换方法建立相机坐标系和真实坐标系的对应关系，通过测量四组对应点求解出变换矩阵，构建出对应关系，获得图像的深度信息；

S4，根据优化后的透射率图与图像深度信息得到大气能见度的估测值。

在上述实施例的步骤S1中，根据暗通道图像估算当前的大气光值包括步骤：在暗通道图像中根据灰度值选取像素，进而在输入图像中寻找相应位置的像素值作为大气光值的估算值；具体的包括步骤：

S101，首先获取输入图像各像素的三通道灰度最小值，再以灰度图像的每个像素为中心，在局部区域Ω(x)内进行最小值滤波，即将该像素的灰度值用窗口内最低的灰度值代替，获得暗通道图像，表达式为：

其中，J

Size＝2×Radius+1

其中，Radius表示人为指定滤波窗口半径；

S102，将暗通道图像分为若干个块，在每个块内选择最亮的前0.1％的像素，进而在原始图像中寻找相应位置上的像素值，计算这些最大值的平均值作为大气光值A；

S103，对大气散射模型进行变形，得到下列表达式：

其中，I

S104，假设在窗口区域内透射率t(x)为常数，对上式两端作两次最小值滤波，第一次对等式两端r，g，b三个通道取最小值，第二次滤波对以目标像素点为中心的方形区域内取最小值作为该像素点的值，则表达式为：

再根据暗通道先验方法可得，无雾图像J(x)暗像素趋于零，则有：

结合上式，计算出透射率t(x)的表达式为：

S105，因为在实际生活中，即使是在晴朗的天气下也会不可避免地在空气中存在一些杂质分子，所以在实际操作时，本实施例选择保留一部分覆盖远景的雾。为此，引入雾浓度系数ω，，对步骤S104中的透射率t(x)的表达式进行调整，得到修正后透射率的表达式为：

其中，I

在上述实施例中，步骤S2还包括步骤：

S201，利用导向滤波优化透射率图，定义滤波优化后的透射率t

其中，w

S202，进一步得到t

其中，ε表示正则化参数，用来控制图像的平滑程度；

S203，接着利用线性回归求解线性系数a

其中，|w|表示对矩形卷积核w

在上述实施例中，步骤S3还包括步骤：利用单应变换的方法，建立世界坐标系中一平面的点在不同像素坐标系之间的映射关系，对应的矩阵为单应性矩阵H，为一个3*3的非奇异矩阵，单应性变换表达式为：

其中，x、y表示第一幅图像中一点的齐次坐标，x′、y′表示该点在另一幅图像中的对应点，H为第一幅图到第二幅图的单应性变换矩阵，h

在上述实施例中，步骤S4还包括步骤：根据大气能见度与透射率和深度信息之间的关系式，利用优化后的透射率图与图像深度信息得到大气能见度的估测值；具体的，包括步骤：

S401，日间能见度的计算表达式为：

其中，V

S402，忽略大气消光系数σ中的吸收系数α，得到近似消光系数β，即σ≈β，此时，透射率t(x)的表达式为：

t(x)＝e

其中，e表示自然对数底；

S403，结合步骤S203中的透射率t

需要说明的是，尽管在本文中已经对上述各实施例进行了描述，但并非因此限制本发明的专利保护范围。因此，基于本发明的创新理念，对本文所述实施例进行的变更和修改，或利用本发明说明书及附图内容所作的等效结构或等效流程变换，直接或间接地将以上技术方案运用在其他相关的技术领域，均包括在本发明的专利保护范围之内。