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CN106548461A(43)申请公布日2017.03.29(21)申请号201610941808.9(22)申请日2016.10.25(71)申请人湘潭大学地址411105湖南省湘潭市雨湖区西郊羊牯塘湘潭大学(72)发明人汤红忠朱玲王翔王艳东李骁毛丽珍(74)专利代理机构上海精晟知识产权代理有限公司31253代理人熊娴冯子玲(51)Int.Cl.G06T5/00(2006.01)权利要求书1页说明书12页附图8页(54)发明名称图像去雾方法(57)摘要本发明提供一种图像去雾方法，首先通过双区域滤波法估计初始大气透射率，再以最小颜色通道图作为参考图像，结合传播滤波法得到优化后的大气透射率，最后采用自适应方法优化的大气光强度，基于大气散射模型实现无雾图像的恢复。与现有技术相比，本发明的优势在于，能得到更为精确的大气透射率，可以改善现有的图像去雾方法中景深突变边缘的去雾残留问题，同时边缘细节得到有效保持，局部纹理区域具有较好的空间平滑性。CN106548461ACN106548461A权利要求书1/1页1.图像去雾方法，其特征在于：首先通过双区域滤波法估计初始大气透射率，再以最小颜色通道图作为参考图像，结合传播滤波法得到优化后的大气透射率，最后采用自适应方法优化的大气光强度，基于大气散射模型实现无雾图像的恢复。2.权利要求1所述的方法，其特征在于，包括如下步骤：步骤a)对有雾图像进行双区域滤波处理，结合雾、霾环境下的大气散射模型，得到大气初始透射率t′(x)；步骤b)通过最小颜色通道图运用传播滤波器将步骤a所得大气初始透射率t′(x)优化后得到大气透射率t″(x)；步骤c)采用大气光强度的自适应恢复算法，实现对大气光强度A的估计，结合步骤b所得t″(x)得到无雾图。3.权利要求1所述的方法，其特征在于，步骤a的具体操作是：根据暗原色先验理论得到暗原色先验图，对暗原色先验图像进行双区域滤波操作，得到暗原色双区域值I'dark(x)，根据雾、霾环境下的大气散射模型，结合I'dark(x)，得到大气初始透射率t′(x)。4.权利要求1所述的方法，其特征在于，步骤b的具体操作是：由有雾图得到最小颜色通道图w(x)，运用传播滤波器对步骤a中所得大气透射率t′(x)进行优化，得到优化后的大气透射率t″(x)。5.权利要求1所述的方法，其特征在于，步骤c的具体操作是：采用大气光强度的自适应恢复算法，实现对大气光强度A的估计，根据步骤b所得t″(x)，结合所得A对有雾图进行大气散射模型反解，得到无雾图。2CN106548461A说明书1/12页图像去雾方法技术领域[0001]本发明涉及计算机图像处理领域，具体涉及一种单幅图像去雾技术，尤其是一种结合最小颜色通道图与传播滤波的单幅图像去雾的方法。背景技术[0002]近几年空气质量退化严重，雾霾等恶劣天气出现频繁，PM2.5值越来越引起人们的广泛关注。在有雾天气下拍摄的图像模糊不清，清晰度不够，细节不明显，色彩保真度下降，出现严重的颜色偏移和失真，达不到满意的视觉效果。由此限制和影响了室外目标识别和跟踪、智能导航、公路视觉监视、卫星遥感监测、军事航空侦查等系统效用的发挥，给生产与生活等各方面都造成了极大的影响。[0003]以公路监控为例，由于大雾弥漫，道路的能见度大大降低，司机通过视觉获得的路况信息往往不准确，进一步影响对环境的判读，很容易发生交通事故，此时高速封闭或公路限行，给人们的出行带来了极大的不便。故现在迫切需要对雾天图像进行有效的去雾处理。[0004]图像去雾算法目前已取得较大的进展，主要可分为两大类：第一类是基于图像增强的图像去雾方法，如直方图均衡化算法、基于小波变换的图像增强算法和基于Retinex理论的图像增强算法等，这类算法并不考虑图像退化模型及降质原因，仅从图像处理的角度提高图像对比度，因此容易造成图像的信息丢失，并不能从根本上去雾；第二类是基于物理模型的图像去雾方法，该类方法主要基于大气散射模型，研究雾天图像降质的物理过程，再反推恢复景物无雾图像，例如，Fattal等假设大气透射率和场景目标局部区域的反射率两者不相关，从而估算大气透射率及场景的辐照度，取得了一定的复原效果，但该方法不适用于浓雾天气下的图像去雾。He等提出了基于暗原色先验的图像去雾方法，该方法首先根据暗原色先验信息估算大气透射率，再采用软抠图算法对大气透射率进行细化，从而复原图像，但该算法时间复杂度大。因此Gibson等提出用中值滤波估计大气散射函数，从而实现图像恢复，但该方法容易导致边缘信息丢失，造成去雾后图像的黑斑效应。He等后续提出采用引导滤波代替软抠图实现透射率的优化，该图像复原的速度大大加快，但因采用原图作为引导图像，容易导致图像