一种雾天降质图像清晰化处理方法与流程

本发明属于图像处理领域，具体涉及一种基于气溶胶红外辐射模型复原的雾天降质图像清晰化处理方法。

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。

红外图像与可见光图像相比有其自身的显著特征：

(1)红外热图像表征景物的温度分布，是灰度图像，没有彩色或阴影(立体感觉)，故对人眼而言，分辨率低、分辨潜力差；

(2)由于景物热平衡、波长长、传输距离远、大气衰减等原因，造成红外图像空间相关性强、对比度低、视觉效果模糊；

(3)热成像系统的探测能力和空间分辨率低于可见光ccd阵列，使得红外图像的清晰度低于可见光图像；

(4)外界环境的随机干扰和热成像系统的不完善，给红外图像带来多种多样的噪声，比如，热噪声、散粒噪声、1/f噪声、光子电子涨落噪声等等。这些分布复杂的噪声使得红外图像的信噪比比普通电视图像低；

(5)由于红外探测器各探测单元的响应特性不一致、光机扫描系统缺陷等原因，造成红外图像的非均匀性，体现为图像的固定图案噪声、串扰、畸变等。

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。

此外，还有一些图像图像的清晰化复原方法，如结合国际照明大会给出的雾天能见度与人眼视觉的阈值关系，将雾天路面的能见度与图像的对比度建立起联系，实现对大气散射系数的求取，并通过将场景各点的深度值建模为图像平面上的欧式距离函数来计算场景点的深度，实现动态场景的对比度实时恢复和目标检测。基于大气散射模型构建泊松方程，尝试将雾的退化图像看作为前景(雾)和背景(清晰图像)的融合，探讨解决雾天场景复原问题的新途径。这些方法对图像场景的深度信息有依赖，且部分需要过多的人工干预。

技术实现要素：

针对上述问题，本发明在不增加硬件成本的前提下改善降质图像的质量，从降质图像生成的逆过程分析，根据红外大气传输的特点，复原大气散射作用对图像对比度衰减的影响，最终解决降质图像的清晰化复原问题。该方法考虑了图像降质的物理过程，针对图像退化的原因设法进行补偿，且该方法不需获取精确的场景深度信息，也不需要过多的人为干预。将图像的复原的方法应用于雾天降质红外图像清晰化处理中。

本发明提出的技术方案如下：

一种基于气溶胶红外辐射模型复原的雾天降质图像清晰化处理方法，所述方法包括如下步骤：

步骤一：获取场景点所辐射的总能量和路径辐射能；

步骤二：基于场景点所辐射的总能量和路径辐射能计算雾天红外传感器所接收的红外辐射能；

步骤三：建立红外辐射大气衰减模型；

步骤四：基于步骤三的红外辐射大气衰减模型计算改进的红外辐射大气衰减模型；

步骤五：建立路径辐射模型；基于红外辐射大气衰减模型和路径辐射模型计算得到红外辐射模型；

步骤六：输入一幅雾天降质红外图像；利用红外辐射模型对雾天图像进行清晰化处理；输出清晰化处理后的红外图像。

进一步的，步骤二具体为：

雾天红外传感器所接收的红外辐射能为：

式中，eradiation为场景点所辐射的总能量，epath为路径辐射能，λ为波长，λ1为波长下限，λ2为波长上限。

进一步的，步骤三具体为：

红外辐射大气衰减模型为：

式中，d为场景点到红外传感器的距离，λ为波长，g为红外传感器相关的参数，e0(λ)为未衰减的场景点辐射强度，τ(λ)为称为大气透射系数，τ(λ)d为大气厚度。

进一步的，步骤四具体为：

改进的红外辐射大气衰减模型为：

式中，d为场景点到红外传感器的距离，λ为波长，g为红外传感器相关的参数，τ(λ)为称为大气透射系数，τ(λ)d为大气厚度，l∞(λ)为无穷远处的路径辐射，γ为综合属性值。

进一步的，步骤五具体为：

红外辐射模型为：

式中，d为场景点到红外传感器的距离，λ为波长，g为红外传感器相关的参数，τ(λ)为称为大气透射系数，τ(λ)d为大气厚度，l∞(λ)为无穷远处的路径辐射，γ为综合属性值。

有益效果：

本发明从降质图像生成的逆过程分析，根据红外大气传输的特点，复原大气散射作用对图像对比度衰减的影响，最终解决降质图像的清晰化复原问题。本发明具有如下特点：(1)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；(2)图像增强算法仅从视觉效果上增强图像的对比度，本发明考虑了图像降质的物理过程，针对退化原因进行补偿；(3)本发明不需要获取精确的场景深度信息，也不需要过多地人工干预；(4)本发明使用了改进的红外大气衰减模型。

说明书附图

图1平行辐射光束经过大气悬浮介质时的衰减示意图

图2具有法向的场景点p的辐射模型示意图

图3路径辐射几何模型示意图

图4e1关于e2的同一深度直线图

图5(a)测试图像1(原始雾天降质近红外图像)

图5(b)对测试图像1用基于气溶胶粒子模型复原结果

图6(a)测试图像2(原始雾天降质近红外图像)

图6(b)对测试图像2用基于气溶胶粒子模型复原结果

图7为本发明的方法流程图

具体实施方式

下面结合附图和具体的实施方式对本发明的技术方案做进一步详细的解释和说明。

本发明根据红外大气传输的特点，通过气溶胶红外辐射模型复原，建立大气辐射传输模型，完成雾天降质红外图像的清晰化处理。

一种基于气溶胶红外辐射模型复原的雾天降质图像清晰化处理方法，所述方法包括如下步骤：

步骤一：获取场景点所辐射的总能量和路径辐射能；

步骤二：基于场景点所辐射的总能量和路径辐射能计算雾天红外传感器所接收的红外辐射能；

步骤三：建立红外辐射大气衰减模型；

步骤四：基于步骤三的红外辐射大气衰减模型计算改进的红外辐射大气衰减模型；

步骤五：计算路径辐射模型；基于红外辐射大气衰减模型和路径辐射模型计算得到红外辐射模型；

步骤六：输入一幅雾天降质红外图像；

利用红外辐射模型对雾天图像进行清晰化处理；

并输出清晰化处理后的红外图像。

下面结合图1～图7对上述方法中的各个步骤进行具体介绍。

输入一幅雾天降质红外图像。

进一步的，步骤二具体为：

雾天下红外传感器所接收的能量为：

式中，eradiation为场景点所辐射的总能量，eradiation经过大气介质时随着传播距离的增大不断地衰减，eradiation＝eemitt+esky,eemitt为场景点自身发射的辐射能，esky为天空光辐射反射能。epath为路径辐射能，epath随着距离场景点越来越远其贡献也越来越大。λ为波长，λ1为波长下限，λ2为波长上限。

下面建立红外大气传输的辐射模型时就以eradiation与epath作为基本参量来构建。

进一步的，步骤三具体为：

在雾天气条件下，红外辐射能穿过大气悬浮介质时随着传播距离的增大其衰减也越来越大。由bouguer幂定理知，假设辐射能在单位截面柱体内平行沿直线传播，把柱内长度为x距离的大气看作是一些厚度为dx的连续薄片。由图1可知，红外辐射的衰减过程可表示为下面的表达式：

式中，eir_sensor(x,λ)为红外传感器所接收的能量，x为距离长度，τ(λ)

为大气透过系数。对上面的表达式从0到d积分可得到其解为：

eir_sensor(d,λ)＝e0(λ)e^-τ(λ)d(3)

式中，τ(λ)为大气透过率，d为场景点到红外传感器的距离。

由于bouguer幂定理在推导的过程中假定辐射能在单位截面的柱体内平行沿直线的传播，而在自然界中辐射能并不总是这样，因而上面的衰减表达式在具体的应用中会存在局限性。为了解决这个局限性，allard提出了点辐射源发散辐射的平方倒数定理，把上面的表达式(3)改成如下的表达式，从而得到红外辐射大气衰减模型为：

式中，d为场景点到红外传感器的距离，λ为波长，g为红外传感器相关的参数，τ(λ)为称为大气透射系数，它与大气中粒子的浓度、类型、形状、大小以及大气温度等因素有关，τ(λ)d为大气厚度，e0(λ)为未衰减的场景点辐射强度。

试验表明当雾的浓度比较大时，用该模型(4)所处理的红外退化图像的效果也不是很理想。为了得到效果更好的处理结果，下面我们来介绍衰减模型(4)的改进模型，其中改进的红外大气衰减模型是通过重新估计e0(λ)来实现的。

进一步的，步骤四具体为：

根据步骤二可知，eradiation＝eemitt+esky，即雾天场景点的红外辐射能eradiation分为天空背景反射辐射esky与自身发射辐射eemitt两部分。

如图2所示，取场景点p，该场景点所在平面的法向量为n，ω为点p所张的有效辐射天空锥体，取面积无穷小的天空块。该天空块在p点所张成的立体角为δω，该天空块的极角为δθ，方位角为δφ，在雾天气条件下无穷小天空块所张的锥体δω。设p点的单位邻域块在垂直于观察方向的投影为σ，那么p点的辐射强度可表示为：

esky(λ)＝l∞(λ)γ1(5)

式中，l∞(λ)为无穷远处的路径辐射，γ1＝σ∫∫ωf(θ)r(θ,φ)dθdφ，γ1表示有效辐射天空立体角及沿观察方向的反射率，式(5)即为天空背景的红外辐射反射模型。

eemitt(λ)＝l∞(λ)γ2(6)

式中，γ2表示场景点自身发射有效发射立体角，场景点的材质属性以及沿观察方向的自身发射辐射。t为p点的绝对温度，ω为点p所张的有效发射锥体，取面积无穷小的球面块，该无穷小球面块的极角为δθ，方位角为δφ，在p点所张成的立体角为δω＝sinθδθδφ，η(λ,t)为灰体自身发射特征函数，该特征函数是与场景点的材质和温度相关的量，bλ(t)为普朗克函数，其表达式为：l∞(λ)为无穷远处的路径辐射，式(6)即为自身发射辐射的模型。

根据天空背景红外辐射反射模型和自身发射辐射模型，我们可以得到：

eradiation＝eemitt+esky＝l∞(λ)γ(7)

式中，γ＝γ1+γ2，γ为综合属性值，表示天空背景反射有效辐射天空立体角、自身发射辐射有效发射立体角、沿观察方向的反射率、沿观察方向的自身发射辐射率以及场景点的材质属性。

用eradiation替代e0(λ)可以得到下面改进的红外辐射衰减模型：

式中，g为红外传感器相关的参数，τ(λ)为称为大气透射系数，它与大气中粒子的浓度、类型、形状、大小以及大气温度等因素有关，d为场景点到红外传感器的距离，τ(λ)d为大气厚度，e0(λ)为未衰减的场景点辐射强度，l∞(λ)为无穷远处的路径辐射，λ为波长，γ为综合属性值。

进一步的，步骤五具体为：

在对流层大气范围内，雾天气下的红外路径辐射是由大气自身发射的辐射eemitt_atmos与大气散射辐射escatter_atmos两部分组成的，这两部分辐射是没有经过地表目标物而直接到达红外传感器的辐射。由于路径辐射的原因所拍得的红外图像相对来说比较亮，这在一定程度上模糊了场景中要跟踪识别目标的红外图像，因此必须对路径辐射进行准确地估计。由图5可得到路径辐射的模型：

lpath(d,λ)＝l∞(λ)(1-e^-τ(λ)d)(9)

式中，d为距离，λ为波长，τ(λ)为称为大气透射系数，τ(λ)为大气透过率，l∞(λ)为无穷远处的路径辐射。

通过红外大气辐射的衰减模型和路径辐射模型，红外传感器所接受到的红外辐射模型为：

式中，g为红外传感器相关的参数，d为距离，τ(λ)为大气透过率，l∞(λ)为无穷远处的路径辐射。

进一步的，步骤六具体为：

输入一幅雾天降质红外图像；

通过调节红外辐射模型中的参数对对雾天图像进行清晰化处理；

并输出清晰化处理后的红外图像。

上述具体实施方式仅用于解释和说明本发明的技术方案，但并不能构成对权利要求的保护范围的限定。本领域技术人员应当清楚，在本发明的技术方案的基础上做任何简单的变形或替换而得到的新的技术方案，均将落入本发明的保护范围之内。