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

多尺度奇异值分解的偏振图像融合去雾算法与实验

周文舟 范晨 胡小平 何晓峰 张礼廉

周文舟, 范晨, 胡小平, 何晓峰, 张礼廉. 多尺度奇异值分解的偏振图像融合去雾算法与实验[J]. 中国光学, 2021, 14(2): 298-306. doi: 10.37188/CO.2020-0099
引用本文: 周文舟, 范晨, 胡小平, 何晓峰, 张礼廉. 多尺度奇异值分解的偏振图像融合去雾算法与实验[J]. 中国光学, 2021, 14(2): 298-306. doi: 10.37188/CO.2020-0099
ZHOU Wen-zhou, FAN Chen, HU Xiao-ping, HE Xiao-feng, ZHANG Li-lian. Multi-scale singular value decomposition polarization image fusion defogging algorithm and experiment[J]. Chinese Optics, 2021, 14(2): 298-306. doi: 10.37188/CO.2020-0099
Citation: ZHOU Wen-zhou, FAN Chen, HU Xiao-ping, HE Xiao-feng, ZHANG Li-lian. Multi-scale singular value decomposition polarization image fusion defogging algorithm and experiment[J]. Chinese Optics, 2021, 14(2): 298-306. doi: 10.37188/CO.2020-0099

多尺度奇异值分解的偏振图像融合去雾算法与实验

doi: 10.37188/CO.2020-0099
基金项目: 国家自然科学基金面上项目(No. 61773394);国防科技大学科研计划项目(No. ZK18-03-24)
详细信息
    作者简介:

    周文舟(1996—),男,陕西汉中人,硕士研究生,2018年于国防科技大学机电工程与自动化学院获得学士学位,主要从事偏振光成像和偏振光导航方面的研究。E-mail:zwz1119@163.com

    范晨:范 晨(1988—),男,陕西渭南人,博士,讲师,2011年于哈尔滨工业大学电气工程与自动化学院获得学士学位,2013年于国防科技大学机电工程与自动化学院获得硕士学位,2018年于国防科技大学智能科学学院获得博士学位,主要从事偏振视觉成像与测量、组合导航方面的研究。E-mail:fanchen@nudt.edu.cn

    胡小平(1960—),男,四川泸州人,教授,博士生导师,1982年、1985年于国防科技大学机电工程与自动化学院获得学士、硕士学位,主要从事导航制导与控制、仿生导航等领域的研究。E-mail:xphu@nudt.edu.cn

  • 中图分类号: TP394.1;TH691.9

Multi-scale singular value decomposition polarization image fusion defogging algorithm and experiment

Funds: Supported by National Natural Science Foundation of China (No. 61773394); National University of Defense Technology Research Program (No. ZK18-03-24)
More Information
  • 摘要: 针对现有偏振去雾算法鲁棒性不强和图像增强效果有限的问题,提出一种基于多尺度奇异值分解的图像融合去雾算法。首先,利用偏振测量信息的冗余特性,采用最小二乘法,提高了传统偏振图像去雾算法中偏振信息的准确度;然后,从传统偏振图像去雾算法的局限性出发,定性分析了偏振图像融合去雾的可行性,并提出了一种基于多尺度奇异值分解的偏振图像融合去雾算法;最后,设计了不同能见度条件下的验证实验并进行了量化评价。结果表明,与经典偏振图像去雾算法相比,该算法不需要进行人工参数调节,具有较强的自适应性和鲁棒性,能够有效改善传统算法中出现的光晕以及天空区域过曝的问题,图像信息熵与平均梯度最大可分别提高18.9%和38.4%,有效地增强了复杂光照条件下的视觉成像质量,具有较广泛的应用前景。
  • 图  1  雾霾天气下的相机成像过程

    Figure  1.  Imaging process of camera under haze weather

    图  2  多尺度奇异值分解的偏振图像融合流程图

    Figure  2.  Flowchart of multi-scale singular value decomposition polarization image fusion

    图  3  Blackfly型偏振相机

    Figure  3.  Blackfly polarization camera

    图  4  3层MSVD分解结构示意图

    Figure  4.  Schematic diagram of the three-layer MSVD decomposition structure

    图  5  实验装置图

    Figure  5.  Experimental setup

    图  6  偏振信息计算结果示意图

    Figure  6.  Calculation results of polarization information

    图  7  图像融合去雾流程示意图

    Figure  7.  Schematic diagram of image fusion defogging process

    图  8  能见度6.8 km去雾结果

    Figure  8.  Defogging results with a visibility of 6.8 km

    图  9  能见度9 km去雾结果

    Figure  9.  Defogging results with a visibility of 9 km

    图  10  MSCNN去雾结果

    Figure  10.  Defogging results of MSCNN

    表  1  晴天计算结果

    Table  1.   Calculation results in sunny conditions

    平均梯度信息熵SSIM
    传统方法12.86272.35890.9886
    最小二乘方法14.60392.72290.9896
    下载: 导出CSV

    表  2  雾天计算结果

    Table  2.   Calculation results in foggy conditions

    平均梯度信息熵SSIM
    传统方法45.66132.54320.9709
    最小二乘方法59.33312.93570.9177
    下载: 导出CSV

    表  3  去雾效果定量比较

    Table  3.   Quantitative comparison of different defogging algorithms

    能见度/m信息熵平均梯度
    原图高斯滤波算法Stokes矢量算法MSCNN图像融合算法原图高斯滤波算法Stokes矢量算法MSCNN图像融合算法
    39007.166.737.427.197.261.534.856.145.136.18
    68006.565.507.187.116.551.225.794.015.185.55
    90007.155.467.097.166.281.434.944.055.165.11
    下载: 导出CSV

    表  4  去雾时间成本定量比较

    Table  4.   Time-cost comparison of different defogging algorithms

    能见度/m去雾时间/s
    高斯滤波算法Stokes矢量算法MSCNN图像融合用时
    39003.2530.9037.157.25
    68004.1331.0134.367.71
    90003.2630.1434.336.57
    下载: 导出CSV
  • [1] PATEL S P, NAKRANI M. A review on methods of image dehazing[J]. International Journal of Computer Applications, 2016, 133(12): 44-49. doi: 10.5120/ijca2016908076
    [2] FATTAL R. Single image dehazing[J]. ACM Transactions on Graphics, 2008, 27(3): 547-555.
    [3] HE K M, SUN J, TANG X O. Single image haze removal using dark channel prior[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2011, 33(12): 2341-2353. doi: 10.1109/TPAMI.2010.168
    [4] 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. doi: 10.3788/OPE.20162404.0892

    DENG L. Adaptive image dehazing for bright areas based on global dark channel prior[J]. Optics and Precision Engineering, 2016, 24(4): 892-901. (in Chinese) doi: 10.3788/OPE.20162404.0892
    [5] 杨燕, 刘珑珑, 张得欣, 等. 结合自适应雾气估计的快速单幅图像去雾[J]. 光学 精密工程,2019,27(10):2263-2271. doi: 10.3788/OPE.20192710.2263

    YANG Y, LIU L L, ZHANG D X, et al. Fast single image dehazing combined with adaptive haze estimation[J]. Optics and Precision Engineering, 2019, 27(10): 2263-2271. (in Chinese) doi: 10.3788/OPE.20192710.2263
    [6] 杨燕, 张国强, 姜沛沛. 结合景深估计的高斯衰减与自适应补偿去雾[J]. 光学 精密工程,2019,27(11):2439-2449. doi: 10.3788/OPE.20192711.2439

    YANG Y, ZHANG G Q, JIANG P P. Gaussian decay and adaptive compensation dehazing algorithm combined with scene depth estimation[J]. Optics and Precision Engineering, 2019, 27(11): 2439-2449. (in Chinese) doi: 10.3788/OPE.20192711.2439
    [7] CAI B L, XU X M, JIA K, et al. DehazeNet: an end-to-end system for single image haze removal[J]. IEEE Transactions on Image Processing, 2016, 25(11): 5187-5198. doi: 10.1109/TIP.2016.2598681
    [8] SCHECHNER Y Y, NARASIMHAN S G, NAYAR S K. Polarization-based vision through haze[J]. Applied Optics, 2003, 42(3): 511-525. doi: 10.1364/AO.42.000511
    [9] MUDGE J, VIRGEN M. Real time polarimetric dehazing[J]. Applied Optics, 2013, 52(9): 1932-1938. doi: 10.1364/AO.52.001932
    [10] NAMER E, SHWARTZ S, SCHECHNER Y Y. Skyless polarimetric calibration and visibility enhancement[J]. Optics Express, 2009, 17(2): 472-493. doi: 10.1364/OE.17.000472
    [11] SCHECHNER Y Y, NARASIMHAN S G, NAYAR S K. Instant dehazing of images using polarization[C]. Proceedings of 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, IEEE, 2003.
    [12] LIANG J, REN L Y, QU E SH, et al. Method for enhancing visibility of hazy images based on polarimetric imaging[J]. Photonics Research, 2014, 2(1): 38-44. doi: 10.1364/PRJ.2.000038
    [13] 曾佳. 基于大气散射模型的雾天图像复原方法研究[D]. 合肥: 合肥工业大学, 2015.

    ZENG J. Research of fog-degraded image restoration method based on the atmospheric scattering model[D]. Hefei: Hefei University of Technology, 2015. (in Chinese).
    [14] FAN CH, HU X P, LIAN J X, et al. Design and calibration of a novel camera-based bio-inspired polarization navigation sensor[J]. IEEE Sensors Journal, 2016, 16(10): 3640-3648. doi: 10.1109/JSEN.2016.2533628
    [15] FANG S, XIA X S, HUO X, et al. Image dehazing using polarization effects of objects and airlight[J]. Optics Express, 2014, 22(16): 19523-19537. doi: 10.1364/OE.22.019523
    [16] 高隽, 毕冉, 赵录建. 利用偏振信息的雾天图像全局最优重构[J]. 光学 精密工程,2017,25(8):2212-2220. doi: 10.3788/OPE.20172508.2212

    GAO J, BI R, ZHAO L J. Global optimized hazed image reconstruction based on polarization information[J]. Optics and Precision Engineering, 2017, 25(8): 2212-2220. (in Chinese) doi: 10.3788/OPE.20172508.2212
    [17] 汪晓波, 刘斌. 基于多分辨奇异值分解的多聚焦图像融合[J]. 量子电子学报,2014,31(3):257-263.

    WANG X B, LIU B. Multi-focus image fusion based on multi-resolution singular value decomposition[J]. Chinese Journal of Quantum Electronics, 2014, 31(3): 257-263. (in Chinese)
    [18] BURT P J, ADELSON E H. The Laplacian pyramid as a Compact image code[J]. Reading in Computer Vision, 1987, 31(4): 671-679.
  • 加载中
图(10) / 表(4)
计量
  • 文章访问数:  224
  • HTML全文浏览量:  66
  • PDF下载量:  31
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-06-01
  • 修回日期:  2020-07-13
  • 网络出版日期:  2021-02-05
  • 刊出日期:  2021-04-01

目录

    /

    返回文章
    返回