一种基于形状可变形态学重构的去雾方法技术

本发明专利技术公开一种基于形状可变形态学重构的去雾方法，利用图像最小颜色通道、最大颜色通道同时并行计算对应媒介透射率，通过形态学膨胀重构优化最小颜色通道透射率，对两幅透射率分布图融合，获得对天空免疫的最优透射率。本发明专利技术相对于现有去雾算法中媒介透射率精细化方式，能从根本上抑制光晕现象，同时无需事先检测，自适应补偿天空区域低估计的透射率，避免去雾结果天空区域失真。

【技术实现步骤摘要】

本专利技术涉及图像复原
，具体公开了一种去雾方法。
技术介绍
近年来，空气质量下降严重，雾和霾等恶劣天气频繁出现。受雾霾天气影响，图像呈现低对比度、低清晰度特点，近景处细节信息丢失严重，远景处特征被完全覆盖或模糊，信息的可辨识度大大降低。同时色彩保真度下降，出现严重的色彩偏移现象。图像去雾是通过一定技术手段，去除图像中的雾气干扰，以便得到满意视觉效果并获取更多有效信息。He等人提出暗通道先验统计规律，以及在此基础上提出“暗通道先验+导向性滤波”算法，被公认为当前去雾效果最佳的算法。然而，导向性滤波的实质是通过大尺寸窗口的均值滤波操作，将能量原本集中在边缘的“光晕”扩散，扩散范围越大，边缘处的光晕强度越小，以此减弱景深突变产生的光晕现象(halo effect)，扩散范围大小直接由均值滤波窗口尺寸决定。该操作伴随的副作用是：扩散的光晕又模糊了边缘附近的场景深度，尤其对于树林、枝叶、树干等间隙性景物存在的透射场景，以及景深剧烈变化的边缘。对于深度密集突变区域，扩散的光晕“填补”了间隙的景深差异；对于深度剧烈变化区域，扩散的光晕使陡峭变化的景深平缓变化。错误估计的透射率导致该部分区域不能达到很好的去雾效果。用公式解释为：t(x)＝e-βd(x)，缝隙区域由于均值滤波扩散的光晕使d(x)偏小，透射率偏大，且通常在大景深突变处I(x)-A≤0，故因此偏大的透射率使该部分像素值偏大，接近于大气光值，呈现出“灰白雾状”，达不到去雾效果。其次，未注意到透射率仅与场景深度有关，与图像细纹理结构无直接关系。强结构纹理对应场景深度突变边缘，即光晕现象出现的地方，而细结构纹理通常对应场景中同一深度。因此细结构
纹理不但与透射率无关，还导致透射率不平滑，存在类似“干扰噪声”的作用。最后，对不满足暗通道先验的天空区域未作处理，极易造成天空区域色彩失真。
技术实现思路
本专利技术的目的在于提供一种基于形状可变形态学重构的去雾方法，以解决现有去雾算法存在的问题。本专利技术提出利用可变形结构元自适应中值滤波结合灰度形态学膨胀重构算法精细化最小颜色通道透射率，抑制光晕现象；同时计算原始有雾图像最大颜色通道图像，估计亮度较高区域的透射率；通过对两幅透射率分布图的融合操作，获得无块效应、自适应补偿天空区域的最优透射率，使去雾结果清晰。为了实现上述目的，本专利技术采用如下技术方案：一种基于形状可变形态学重构的去雾方法，包括以下步骤：步骤1：对原始有雾图像，求各点R、G、B三通道的最小像素值作为最小颜色通道图像dc，最大像素值作为最大颜色通道图像mc，对最小颜色通道图像进行局部极小值滤波，获得粗估计暗原色通道图像DarkImg；步骤2：从粗估计暗原色通道图像DarkImg中确定大气光候选位置，在原始有雾图像中寻找对应具有最高亮度点的值作为大气光值A；步骤3：以原始有雾图像的灰度图为导向图，计算可变形结构元素，用生成的结构元素对最小颜色通道图像dc进行自适应中值滤波操作，获得细节被抑制的结构图像dc_med；步骤4：以步骤1中粗估计暗原色通道图像DarkImg为重构标记图像，以步骤3中结构图像dc_med为重构模板图像，进行灰度形态学膨胀重构，获得精细化的暗通道图像DarkImg*；结合大气光值A，利用计算精细化的最小颜色通道透射率分布图t_dc；步骤5：对最大颜色通道图像mc执行运算获得最大颜色通道透射率分布图t_mc；
T为阈值；步骤6：对精细化的最小颜色通道透射率分布图t_dc、最大颜色通道透射率分布图t_mc执行逐点比较取最大值的融合操作，获得对天空免疫的最优透射率分布图t*；步骤7：直接利用大气光值A和最优透射率t*对原始有雾图像进行去雾清晰化，得到去雾重构图像J(x)： J ( x ) = I ( x ) - A t ( x ) + A - - - ( 7 ) . ]]>进一步的，步骤1中进行局部极小值滤波时设置窗口大小为7个像素单位。进一步的，步骤2具体为：从粗估计暗原色通道图像DarkImg中取0.1％亮度最大的像素确定大气光候选位置，在原始有雾图像中寻找对应具有最高亮度点的值作为大气光值A。进一步的，步骤3中：dλ代表可变形结构元长度，定义方式如下： d λ ( x , x ) = 0 d λ ( x , y ) = min σ { L ( σ )本文档来自技高网...

【技术保护点】
一种基于形状可变形态学重构的去雾方法，其特征在于，包括以下步骤：步骤1：对原始有雾图像，求各点R、G、B三通道的最小像素值作为最小颜色通道图像dc，最大像素值作为最大颜色通道图像mc，对最小颜色通道图像进行局部极小值滤波，获得粗估计暗原色通道图像DarkImg；步骤2：从粗估计暗原色通道图像DarkImg中确定大气光候选位置，在原始有雾图像中寻找对应具有最高亮度点的值作为大气光值A；步骤3：以原始有雾图像的灰度图为导向图，计算可变形结构元素，用生成的结构元素对最小颜色通道图像dc进行自适应中值滤波操作，获得细节被抑制的结构图像dc_med；步骤4：以步骤1中粗估计暗原色通道图像DarkImg为重构标记图像，以步骤3中结构图像dc_med为重构模板图像，进行灰度形态学膨胀重构，获得精细化的暗通道图像DarkImg*；结合大气光值A，利用计算精细化的最小颜色通道透射率分布图t_dc；步骤5：对最大颜色通道图像mc执行运算获得最大颜色通道透射率分布图t_mc；T为阈值；步骤6：对精细化的最小颜色通道透射率分布图t_dc、最大颜色通道透射率分布图t_mc执行逐点比较取最大值的融合操作，获得对天空免疫的最优透射率分布图t*；步骤7：直接利用大气光值A和最优透射率t*对原始有雾图像进行去雾清晰化，得到去雾重构图像J(x)：J(x)=I(x)-At(x)+A---(7).]]>...

【技术特征摘要】
1.一种基于形状可变形态学重构的去雾方法，其特征在于，包括以下步骤：步骤1：对原始有雾图像，求各点R、G、B三通道的最小像素值作为最小颜色通道图像dc，最大像素值作为最大颜色通道图像mc，对最小颜色通道图像进行局部极小值滤波，获得粗估计暗原色通道图像DarkImg；步骤2：从粗估计暗原色通道图像DarkImg中确定大气光候选位置，在原始有雾图像中寻找对应具有最高亮度点的值作为大气光值A；步骤3：以原始有雾图像的灰度图为导向图，计算可变形结构元素，用生成的结构元素对最小颜色通道图像dc进行自适应中值滤波操作，获得细节被抑制的结构图像dc_med；步骤4：以步骤1中粗估计暗原色通道图像DarkImg为重构标记图像，以步骤3中结构图像dc_med为重构模板图像，进行灰度形态学膨胀重构，获得精细化的暗通道图像DarkImg*；结合大气光值A，利用计算精细化的最小颜色通道透射率分布图t_dc；步骤5：对最大颜色通道图像mc执行运算获得最大颜色通道透射率分布图t_mc；T为阈值；步骤6：对精细化的最小颜色通道透射率分布图t_dc、最大颜色通道透射率分布图t_mc执行逐点比较取最大值的融合操作，获得对天空免疫的最优透射率分布图t*；步骤7：直接利用大气光值A和最优透射率t*对原始有雾图像进行去雾清晰化，得到去雾重构图像J(x)： J ( x ) = I ( x ) - A t ( x ) + A - - - ( 7 ) . ]]>2.根据权利要求1所述的一种基于形状可变形态学重构的去雾方法，其特征在于，步骤1中进行局部极小值滤波时设置窗口大小为7个像素单位。3.根据权利要求1所述的一种基于...

【专利技术属性】
技术研发人员：张斌，杨宏伟，饶磊，李艳婷，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61