基于暗通道的线状自适应改进全局大气光的图像去雾方法.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CN108765309A(43)申请公布日2018.11.06(21)申请号201810387076.2(22)申请日2018.04.26(71)申请人长安大学地址710064陕西省西安市南二环中段33号(72)发明人黄鹤崔博宋京胡凯益王会峰许哲郭璐黄莺惠晓滨徐锦李昕芮任思奇何永超李光泽程慈航(74)专利代理机构西安通大专利代理有限责任公司61200代理人齐书田(51)Int.Cl.G06T5/00(2006.01)G06T7/136(2017.01)权利要求书2页说明书5页附图3页(54)发明名称基于暗通道的线状自适应改进全局大气光的图像去雾方法(57)摘要本发明公开了基于暗通道的线状自适应改进全局大气光的图像去雾方法，首先获取雾霾天气下的雾霾图像，然后通过对图像的二值图像求取重心中心连线斜率的方法获得图像大气光变化角度θ，再求取沿大气光变化方向θ规律变化的线形大气光图，之后再通过大气散射模型求解无雾图像，输出处理后的雾霾天气下的有雾图像。本发明既满足了在浓雾或者景深较深情况下远处景物不失真，又保留了近处景物的细节，对后续的雾霾图像处理及信息提取尤为重要。CN108765309ACN108765309A权利要求书1/2页1.基于暗通道的线状自适应改进全局大气光的图像去雾方法，其特征在于，包括以下步骤：步骤1：获取雾霾天气下雾霾图像；步骤2：对步骤1得到的雾霾图像进行阈值分割求取其二值图像；步骤3：对步骤2得到的二值图像求取其图像重心(x0y0)与图像中心(0.5*h0.5*w)，其中h为二值图像的高，w为二值图像的宽，然后对图像重心和中心对应的横坐标和纵坐标分别除以h，w进行归一化后，得到重心(x0′y0′)和中心(0.50.5)，定义斜率k：定义θ为大气光值偏转度：θ＝arctan(1/k)步骤4：对步骤1得到的雾霾图像I求取其暗通道：Idark(x,y)＝minC∈{r,g,b}(min(x′,y′)∈Ω(x,y)(IC(x′,y′)))式中：Ω(x,y)为点(x,y)邻域的窗口，Idark′(x,y)为暗通道图像像，IC(x′,y′)为雾霾图像I的单色通道图像像素；将图像暗通道Idark(x,y)按照步骤3得到的旋转角θ逆时针旋转，得到旋转后的暗通道Idark′(x,y)；步骤5：对步骤4得到的暗通道求取其变化均匀的大气光图A′(x,y)；步骤6：对步骤5得到的变化均匀的大气光图A′(x,y)按照步骤3得到的大气光值偏转度θ逆时针旋转，得到最终大气光图A(x,y)，此大气光图按照雾的浓淡变化方向规律分布；步骤7：由大气散射模型求取去雾图像，其中大气散射模型如下：I(x,y)＝J(x,y)t(x,y)+A(1-t(x,y))其中J为去雾后清晰图像，t是透射率，A即为步骤6求得的最终大气光图A(x,y)。2.根据权利要求1所述的基于暗通道的线状自适应改进全局大气光的图像去雾方法，其特征在于，步骤4中Ω(x,y)为9×9的图像块。3.根据权利要求1所述的基于暗通道的线状自适应改进全局大气光的图像去雾方法，其特征在于，步骤5中求取其变化均匀的大气光图A′(x,y)具体如下：将旋转后暗通道图片Idark′(x,y)的每行暗通道值从大到小进行排序，取其前0.1％的最小值作为该行的大气光值，依次求取每行大气光值，得到初始大气光图A0(x,y)；对初始大气光图进行滤波，得到变化均匀的大气光图A′(x,y)。4.根据权利要求3所述的基于暗通道的线状自适应改进全局大气光的图像去雾方法，其特征在于，步骤5中采用均值滤波的方法对初始大气光图进行滤波。5.根据权利要求1所述的基于暗通道的线状自适应改进全局大气光的图像去雾方法，其特征在于，步骤7中求取去雾图像具体为：根据暗原色统计规律，去雾图像J的暗原色趋近于0，即：Jdark(x,y)＝min(min(x′,y′)∈Ω(x,y)(JC(x′,y′)))＝0其中Jdark(x,y)为去雾图像的暗通道像素，Ω(x,y)为点(x,y)邻域的窗口，JC(x′,y′)为有雾图像J(x,y)的单色通道图像像素；2CN108765309A权利要求书2/2页而A恒为正数，则有：minC(min(x′,y′)∈Ω(x,y)(JC(x′,y′)/A))＝0得粗略透射率图为：t′(x,y)＝1-minC(min(x′,y′)∈Ω(x,y)(IC(x′,y′)/A))晴朗天气下，远方的景物也会有少许雾气遮罩，为了使去雾效果不失真，加入因子ω：t(x,y)＝1-ωminC(min(x′,y′)∈Ω(x,y)(IC(x′,y′)))采用I，t和A解出无雾清晰图像J：J(x,y)＝(I(x,y)-A(x,y))/t(x,y)+A(x,y)并输出无雾清