基于多尺度细节优化的MSRCR图像去雾算法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112950488A(43)申请公布日2021.06.11(21)申请号202011644983.4(22)申请日2020.12.31(71)申请人电子科技大学成都学院地址611730四川省成都市高新西区百叶路1号(72)发明人王小芳邹倩颖方登杰何海瑞颜琪刘俸宇罗理文(74)专利代理机构成都弘毅天承知识产权代理有限公司51230代理人梁伟东(51)Int.Cl.G06T5/00(2006.01)权利要求书2页说明书9页附图2页(54)发明名称基于多尺度细节优化的MSRCR图像去雾算法(57)摘要本发明公开了基于多尺度细节优化的MSRCR图像去雾算法，属于图像去雾技术领域，包括以下步骤：通过MSRCR算法进行图像整体去雾，得到整体去雾的图像，在去雾过程的像素分类上使用KNN算法进行像素快速分类；通过双边滤波对整体去雾的图像进行处理，消除图像的噪声，保留边缘信息得到整体降噪去雾的RGB图像；对RGB图像使用MsDB进行细节优化得到细节优化的去雾图像；本发明首先利用MSRCR算法进行图像整体去雾，在该过程的像素分类上，使用KNN算法进行快速像素快速分类，然后使用双边滤波实现降噪的同时保留边缘信息边缘，最后使用多尺度细节优化算法对降噪后图片进行细节优化，以为图片检测提升检测精度。CN112950488ACN112950488A权利要求书1/2页1.基于多尺度细节优化的MSRCR图像去雾算法，其特征在于：包括以下步骤：步骤一：通过MSRCR算法进行图像整体去雾，得到整体去雾的图像，在去雾过程的像素分类上使用KNN算法进行像素快速分类；步骤二：通过双边滤波对整体去雾的图像进行处理，消除图像的噪声，保留边缘信息得到整体降噪去雾的RGB图像；步骤三：对RGB图像使用MsDB进行细节优化得到细节优化的去雾图像。2.根据权利要求1所述的基于多尺度细节优化的MSRCR图像去雾算法，其特征在于：所述通过MSRCR算法进行图像整体去雾，得到整体去雾的图像，在去雾过程的像素分类上使用KNN算法进行像素快速分类包括以下步骤：MSRCR算法的表达公式如下所示：其中，k是尺度的个数；ωi为第i个尺度的加权系数，Si(x，y)是待处理的原始图像，Fi(x，y)是高斯卷积函数，*表示滤波操作；其中对于ωi加权系数需要满足K个加权系数和为1的条件，其计算公式如下式所示：高斯卷积函数Fi(x，y)用于对去雾过程中滤波提供相应标准，采用高斯公式进行计算，其计算公式如下式所示：其中，c是高斯环绕尺度，β是一个尺度系数常量，i是高斯环绕函数的总数，在平衡增强效果与处理速度情况下，选取i值为3，代表将图像分为大中小三个尺度；KNN分类算法采用欧氏距离公式得到待处理点最近的K个像素点，然后进行快速分类，其计算公式如下式所示：第一次KNN算法分类，通过计算隶属度函数确定滤波模板中的像素点是否滤波，在计算过程中需要计算相似度s1，其计算如下式所示：s1＝grey/aver；其中，grey是某近邻点的灰度值，aver是由欧氏距离找到的K个近邻点的平均像素值；得到相似度s1后，计算隶属度函数μ1，其计算如下式所示：其中，a是一个相似性度量标准，a＝0.3；第二次KNN算法分类后，通过计算隶属度函数判断模板中心是否需要滤波，在计算过程中需要计算相似度s2，公式如下式所示：s2＝filter/origin；其中，filter是进行滤波后的像素值，origin是图像的原始像素值；得到相似度s2后，计算隶属度函数μ2，其计算如下式所示：2CN112950488A权利要求书2/2页其中，a是一个相似性度量标准，a＝0.3；不断循环，直至无滤波操作为止，得到三个处理后的颜色通道然后使用色彩恢复因子C进行色彩修正，其计算过程如下式所示：其中，Ci(x，y)是第i个通道的彩色恢复系数，而色彩回复系数计算如下式所示：其中，K是图像波段的总数，Ii是图像在第i个波段的像元值。3.根据权利要求1所述的基于多尺度细节优化的MSRCR图像去雾算法，其特征在于：所述双边滤波的计算公式如下所示：其中，f(x1，y1)表示需要处理的图像，f(x2，y2)表示图像在点(x2，y2)处的像素值，(k，l)表示模板窗口的中心坐标，(i，j)表示模板窗口的其他系数的坐标，σ表示高斯函数的标准差。4.根据权利要求1所述的基于多尺度细节优化的MSRCR图像去雾算法，其特征在于：所述对RGB图像使用MsDB进行细节优化得到细节优化的去雾图像包括以下步骤：首先选取低、中、高三个模糊尺度对图像处理，得到三个不同模糊的图像B1、B2和B3，其计算如下式所示：B1＝G1*I，B2＝G2*I，B3＝G3*I；其中，*表示滤波操作，G1、G2、G3分别表示高中低三个