基于暗通道改进的图像去雾方法技术

本发明专利技术提出了一种基于暗通道改进的图像去雾方法，包括计算有雾图像的大气光值以及暗通道图像；对有雾图像进行Retinex增强，得到初始去雾图像；根据有雾图像的暗通道图像以及初始去雾图像计算大气粗透射率；采用引导滤波细化粗透射率；根据大气光值、细化后的大气透射率值以及暗通道先验去雾算法的图像退化模型，求得复原后的图像。本发明专利技术有效的避免了天空区域和大片白色区域产生的误差。域和大片白色区域产生的误差。域和大片白色区域产生的误差。

【技术实现步骤摘要】
基于暗通道改进的图像去雾方法


[0001]本专利技术属于计算机视觉领域，具体为一种基于暗通道改进的图像去雾方法。

技术介绍

[0002]雾天对图像以及视频的采集有着极大的干扰，进而影响了后续的检测以及识别等，对安防、监控等有着较大的影响。因而，对图像去雾的研究有着重大的价值。近些年来，该领域的研究已经有了长足的进展，主要分为两类，基于物理模型和非物理模型。非物理模型主要包括Retinex算法，如王小霞，黄颖雯等人提出的基于Retinex的汽车牌照图像去雾研究，之后又发展出了单尺度和多尺度Retinex增强算法等。该方法是以改变图像对比度来进行去雾的，缺点在于复杂度高，并易产生光晕等，因此采用较少。物理模型是建立图像的退化模型，求得各个参数的值，从而得到去雾图像。其代表算法就是何恺明提出的暗通道先验去雾算法，该算法对非天空区域有雾图片的处理已经达到较为理想的结果，缺点在于对于天空区域处理不到位。
[0003]针对天空区域处理效果问题，有人提出了结合天空分割和超像素级暗通道的图像去雾算法，但该方法会丢失些许边界。还有提出了区域分割优化的暗通道先验去雾算法，但缺点在于天空区域容易产生误分割。

技术实现思路

[0004]实现本专利技术目的的技术方案为：一种基于暗通道改进的图像去雾方法，具体步骤为：
[0005]步骤1、计算有雾图像的大气光值；
[0006]步骤2：计算有雾图像的暗通道图像；
[0007]步骤3：对有雾图像进行Retinex增强，得到初始去雾图像；
[0008]步骤4：根据有雾图像的暗通道图像以及初始去雾图像计算大气粗透射率；
[0009]步骤5：采用引导滤波细化粗透射率；
[0010]步骤6、根据大气光值、细化后的大气透射率值以及暗通道先验去雾算法的图像退化模型，求得复原后的图像。
[0011]优选地，采用基于四叉树子空间划分的层次搜索方法计算大气光值，具体步骤为：
[0012]步骤1.1：将有雾图像平分为四个矩形区域；
[0013]步骤1.2：对四个矩形区域进行评价，评价标准为用矩形区域内像素的平均值减去其标准差，取所得值最大的矩形区域作为目标区域；
[0014]步骤1.3：对目标区域重复步骤1.1、步骤1.2，直到目标区域小于设定的阈值；将目标区域中使得||(Ir(p),Ig(p),Ib(p))-(255,255,255)||最小的点的像素值作为大气光值，其中，Ir(p),Ig(p),Ib(p)分别为目标区域像素点的R、G、B分量值。
[0015]优选地，计算有雾图像的暗通道图像的具体步骤为：
[0016]在有雾图像rgb三个通道中取最小值组成灰度图，并对灰度图进行最小值滤波，得
到暗通道图像。
[0017]优选地，对有雾图像进行Retinex增强，得到初始去雾图像的具体步骤为：
[0018]步骤3.1：将有雾图像变换到对数区域；
[0019]步骤3.2：利用中心环绕函数F(x,y)积分为1、高斯环绕尺度C，求得尺度λ：
[0020][0021]∫∫F(x，y)dxdy＝1
[0022]式中，(x，y)为像素点坐标；
[0023]步骤3.3：由下式求出输出图像r(x,y)：
[0024][0025]其中，S(x,y)为原始有雾图像，F(x,y)为中心环绕函数；
[0026]步骤3.4：将步骤3.4得到的输出图像r(x,y)转换到实数域，得到初始去雾图像；
[0027]步骤3.5：将步骤3.4得到的初始去雾图像的灰度值映射到0-255。
[0028]优选地，根据有雾图像的暗通道图像以及初始去雾图像计算大气粗透射率的具体步骤为：
[0029]对Retinex增强后的图像进行最小值滤波，得到Retinex增强去雾后的暗通道图像；
[0030]计算大气粗透射率，具体计算公式为：
[0031][0032]式中，I
c
(y)为Retinex增强去雾后的暗通道图像，J
c
(y)为有雾图像的暗通道图像，ω为修正系数，A
c
为大气光值，t(x)为大气粗投射率。
[0033]优选地，暗通道先验去雾算法的图像退化模型具体为：
[0034]I(x)＝J(x,t(x)+A[I-t(x)][0035]其中，J(x)为原始有雾图像，t(x)为细化大气透射率，A为大气光值，I(x)为最终的去雾图像。
[0036]本专利技术与现有技术相比，具有以下优点：(1)本专利技术有效的解决了天空区域处理不到位的情况；(2)本专利技术在计算大气光值时，有效的避免了天空区域和大片白色区域产生的误差；(3)本专利技术相对与其它的改进方法计算量小，实时性好。
附图说明
[0037]图1为本专利技术的流程图。
[0038]图2为本专利技术去雾前采集的目标图像。
[0039]图3为本专利技术去雾后采集的目标图像。
具体实施方式
[0040]如图1～3所示，针对现有暗通道去雾方法的不足，本专利技术提出了一种基于暗通道改进的图像去雾方法，来解决暗通道去雾天空区域处理不到位和大气光值误取的问题。首先，对于大气光值的计算采用基于四叉树子空间划分的层次搜索方法。该方法相对于暗通
道去雾算法中求大气光值的方法可以有效避免天空区域或大片白色区域产生的误差。之后，利用非物理模型Retinex增强算法得到一个大致的去雾后的图像，该算法对天空区域去雾效果较为优秀。对去雾后图像进行处理，得到其暗通道图像，再设一个合理的阈值进行比较，小于阈值的使其取零，使得非天空区域暗通道值满足暗通道先验性原理，并得到天空区域暗通道值。利用大气光值，有雾图片暗通道值，Retinex增强算法去雾后图片暗通道值，代入到大气散射模型公式求得去雾后图片，包括以下步骤：
[0041]步骤1：计算有雾图像的大气光值A；
[0042]在某些实施例中，采用基于四叉树子空间划分的层次搜索方法来计算大气光值，以解决暗通道去雾算法中大气光值计算被白色区域干扰，而使得白色区域被误作为大气光值的问题，具体步骤为：
[0043]步骤1.1：将有雾图像平分为四个矩形区域；
[0044]步骤1.2：对这四个矩形进行评价，评价标准为用矩形区域内像素的平均值减去其标准差，取所得值最大的矩形区域作为目标区域；
[0045]步骤1.3：对目标区域重复步骤1.1、步骤1.2，直到目标区域小于设定的阈值；将目标区域中使得||(Ir(p),Ig(p),Ib(p))-(255,255,255)||最小的点的像素值作为大气光值，Ir(p),Ig(p),Ib(p)分别为目标区域像素点的R、G、B分量值。
[0046]步骤2：计算有雾图像的暗通道图像。
[0047]在某些实施例中，在有雾图像rgb三个通道中取最小值组成灰度图，并对灰度图进行最小值滤波，得到暗通道图像。
[0048]步骤3：对有雾图像进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于暗通道改进的图像去雾方法，其特征在于，具体步骤为：步骤1、计算有雾图像的大气光值；步骤2：计算有雾图像的暗通道图像；步骤3：对有雾图像进行Retinex增强，得到初始去雾图像；步骤4：根据有雾图像的暗通道图像以及初始去雾图像计算大气粗透射率；步骤5：采用引导滤波细化粗透射率；步骤6、根据大气光值、细化后的大气透射率值以及暗通道先验去雾算法的图像退化模型，求得复原后的图像。2.根据权利要求1所述的基于暗通道改进的图像去雾方法，其特征在于，采用基于四叉树子空间划分的层次搜索方法计算大气光值，具体步骤为：步骤1.1：将有雾图像平分为四个矩形区域；步骤1.2：对四个矩形区域进行评价，评价标准为用矩形区域内像素的平均值减去其标准差，取所得值最大的矩形区域作为目标区域；步骤1.3：对目标区域重复步骤1.1、步骤1.2，直到目标区域小于设定的阈值；将目标区域中使得||(Ir(p),Ig(p),Ib(p))-(255,255,255)||最小的点的像素值作为大气光值，其中，Ir(p),Ig(p),Ib(p)分别为目标区域像素点的R、G、B分量值。3.根据权利要求1所述的基于暗通道改进的图像去雾方法，其特征在于，计算有雾图像的暗通道图像的具体步骤为：在有雾图像rgb三个通道中取最小值组成灰度图，并对灰度图进行最小值滤波，得到暗通道图像。4.根据权利要求1所述的基于暗通道改进的图像去雾方法，其特征在于，对有雾图像进行Ret...

【专利技术属性】
技术研发人员：张旭辉，许辉，李智博，张经纬，张俊举，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：