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

downloadPDF
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]. , 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]. , 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(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 3Blackfly型偏振相机

    Figure 3.Blackfly polarization camera

    图 43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 10MSCNN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 12.8627 2.3589 0.9886
    最小二乘方法 14.6039 2.7229 0.9896
    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 45.6613 2.5432 0.9709
    最小二乘方法 59.3331 2.9357 0.9177
    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
    3900 7.16 6.73 7.42 7.19 7.26 1.53 4.85 6.14 5.13 6.18
    6800 6.56 5.50 7.18 7.11 6.55 1.22 5.79 4.01 5.18 5.55
    9000 7.15 5.46 7.09 7.16 6.28 1.43 4.94 4.05 5.16 5.11
    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
    3900 3.25 30.90 37.15 7.25
    6800 4.13 31.01 34.36 7.71
    9000 3.26 30.14 34.33 6.57
    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:1666
  • HTML全文浏览量:617
  • PDF下载量:178
  • 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:2021-03-23

目录

    /

      返回文章
      返回
        Baidu
        map