复杂环境下退化图像综合质量提升方法技术

本发明专利技术提出了一种复杂环境下退化图像综合质量提升方法，用于解决现有复杂环境下退化图像处理过程中因退化因素解决不够全面导致的图像质量差的问题。步骤如下：根据暗通道先验理论，计算待处理多帧退化图像中各帧退化图像的暗通道，得到多帧暗通道图像；利用得到的多帧暗通道图像，对每一帧待处理退化图像进行去雾，得到多帧去雾后图像；对多帧去雾后图像进行去噪声，得到多帧去噪后图像；利用盲复原方法对多帧去噪后图像进行去模糊，得到多帧清晰图像；对得到的多帧清晰图像进行多帧结合单帧的超分辨率重建，最终得到高分辨率清晰图像。本发明专利技术获取的图像细节信息丰富，可用于安全监控、交通检测、安全验证系统等领域中。

【技术实现步骤摘要】

本专利技术属于综合图像处理
，涉及一种复杂环境下退化图像的质量提升方法，具体涉及一种通过去雾、去噪、盲复原以及超分辨率重建，对复杂环境下退化图像进行综合处理的质量提升方法，可以用于安全监控、交通检测、安全验证系统等领域。
技术介绍
在现今信息化时代中，图像在各领域中的应用越来越广，对其进行画质改善和分辨率提升的要求也愈加重视。在复杂环境下采集图像过程中，由于客观因素的影响，不可避免的引入了噪声；受到恶劣天气如雨天、雾天等影响，图像对比度降低、解译性变差；由于拍摄环境恶劣，拍摄时要求增加曝光时间，易引起设备抖动，造成图像模糊，引起画质下降；而传感器本身性能尺寸的限制，导致图像本身分辨率不足，不能满足辨认图像细节信息的要求。因此，复杂环境下拍摄到的图像，存在能见度低、噪声大、图像模糊、分辨率低等问题，利用综合质量提升方法来改善图像质量，获取高分辨率、高质量的清晰图像变得极其重要。现有的图像质量提升方法中，通常只是解决某一具体问题，而复杂环境下拍摄的图像，存在多种退化因素，若只是利用一种具体算法如去噪、去雾或者去模糊对退化图像进行处理，只能解决算法针对的具体退化因素，不能解决图片中所有的退化问题，最终处理结果的清晰度和分辨率不能满足要求。
技术实现思路
本专利技术的目的在于克服上述现有技术存在的缺陷，提出了一种复杂环境下退化图像综合质量提升方法，用于解决现有复杂环境下退化图像处理过程中存在的因退化因素解决不够全面导致的图像质量差的技术问题。为了实现上述目的，本专利技术采取的技术方案，包括如下步骤：步骤1：根据暗通道先验理论，计算待处理多帧退化图像中各帧退化图像的暗通道，得到多帧暗通道图像；步骤2：利用得到的多帧暗通道图像，对所述待处理多帧退化图像的每一帧
进行去雾，得到多帧去雾后图像；步骤3：对所述多帧去雾后图像进行去噪声，得到多帧去噪后图像；步骤4：利用盲复原方法对所述多帧去噪后图像进行去模糊，得到多帧清晰图像；步骤5：对得到的多帧清晰图像进行超分辨率重建，具体实施步骤如下：步骤5a：利用多帧超分辨率重建算法，对所述的多帧清晰图像进行重建，得到一帧中分辨率清晰图像；步骤5b：利用单帧超分辨率重建算法，对所述一帧中分辨率清晰图像进行二次重建，得到最终的高分辨率清晰图像。本专利技术与现有技术相比，具有如下优点：1、本专利技术中通过暗通道先验去雾算法解决图像能见度低的问题，恢复出有雾图片中淹没的信息；采用基于Context模型系数分类和贝叶斯自适应阈值估计相结合的非下采样轮廓波变换NSCT图像噪声处理方法进行去噪声和基于稀疏约束的图像复原方法进行去模糊处理，解决了拍摄过程中引入的噪声污染和抖动造成的图像退化，增强了图像对比度和清晰度，改善了图像的画面质量；采用基于贝叶斯的多帧图像超分辨率重建算法与基于字典学习和稀疏表示单帧图像超分辨率重建算法相结合的方法对图像进行二次超分辨率重建，有效提高图像分辨率，最终获取高分辨率的清晰图像，以便获取更多细节信息。2、本专利技术中在去模糊处理之前进行了去噪处理，有效的解决了盲复原算法对噪声敏感的问题，提高了图像复原的精确度，增加了复原图像的清晰度。3、本专利技术中的图像盲复原方法中，加入了自动选择模糊核大小的操作，与人工手动去定义模糊核的大小相比，稳定性更高，而且避免模糊核过大引起的复原时间过长，复原图像的振铃效应严重的现象，提高了运算速度，同时减少了计算机内存的消耗，并且对模糊核的准确计也不会产生影响。附图说明图1是本专利技术的系统流程框图。具体实施方式以下结合附图，对本专利技术的技术方案作进一步描述。参照图1，步骤1：根据暗通道先验理论，计算待处理多帧退化图像中各帧退化图像的暗通道，步骤1a)：对于给定的雾天拍摄图像J(x)，像素点处的暗原色可以表示为： J d a r k ( x ) = m i n c ∈ ( R , G , B ) ( m i n y ∈ Ω ( x ) ( J c ( y ) ) ) ]]>Ω(x)表示以点xi为中心的小正方形区域，c∈(R,G,B)代表该图像的颜色通道，y是Ω(x)中的点，Jc(y)表示y点的像素值，代表最小滤波器；步骤1b)：对简化的大气模型I(x)＝J(x)t(x)+(1-t(x)A)进行最小值滤波，并求得三个颜色通道之间的最小值，即图像的暗通道： m i n c ( m i n y ∈ Ω ( x ) ( I c ( y ) A c ) ) = t ~ ( x ) m i n c ( m i n y ∈ Ω ( 本文档来自技高网...

【技术保护点】
一种复杂环境下退化图像综合质量提升方法，其特征在于，包括如下步骤：1)根据暗通道先验理论，计算待处理多帧退化图像中各帧退化图像的暗通道，得到多帧暗通道图像；2)利用得到的多帧暗通道图像，对所述待处理多帧退化图像的每一帧进行去雾，得到多帧去雾后图像；3)对所述多帧去雾后图像进行去噪声，得到多帧去噪后图像；4)利用盲复原方法对所述多帧去噪后图像进行去模糊，得到多帧清晰图像；5)对得到的多帧清晰图像进行超分辨率重建，具体实施步骤如下：5a)利用多帧超分辨率重建算法，对所述的多帧清晰图像进行重建，得到一帧中分辨率清晰图像；5b)利用单帧超分辨率重建算法，对所述一帧中分辨率清晰图像进行二次重建，得到最终的高分辨率清晰图像。

【技术特征摘要】
1.一种复杂环境下退化图像综合质量提升方法，其特征在于，包括如下步骤：1)根据暗通道先验理论，计算待处理多帧退化图像中各帧退化图像的暗通道，得到多帧暗通道图像；2)利用得到的多帧暗通道图像，对所述待处理多帧退化图像的每一帧进行去雾，得到多帧去雾后图像；3)对所述多帧去雾后图像进行去噪声，得到多帧去噪后图像；4)利用盲复原方法对所述多帧去噪后图像进行去模糊，得到多帧清晰图像；5)对得到的多帧清晰图像进行超分辨率重建，具体实施步骤如下：5a)利用多帧超分辨率重建算法，对所述的多帧清晰图像进行重建，得到一帧中分辨率清晰图像；5b)利用单帧超分辨率重建算法，对所述一帧中分辨率清晰图像进行二次重建，得到最终的高分辨率清晰图像。2.根据权利要求1所述的复杂环境下退化图像综合质量提升方法，其特征在于，步骤2)中所述的去雾，采用基于暗通道先验的图像去雾算法。3.根据权利要求1所述的复杂环境下退化图像综合质量提升方法，其特征在于，步骤3)中所述的去噪声，采用基于Context模型系数分类和贝叶斯自适应阈值估计相结合的非下采样轮廓波变换NSCT图像噪声处理方法。4.根据权利要求1所述的复杂环境下退化图像综合质量提升方法，其特征在于，步骤4)中所述的去模糊，采用基于稀疏约束的图像复原方法，对所述多帧去噪后图像中各帧图像去模糊，具体实现步骤如下：4a)根据去噪后图像的模糊程度确定分层级数，利用降采样对去噪后图像进行分层，得到尺度由粗到细的多层模糊图像；4b)利用双边滤波器和冲击滤波器，对多层模糊图像的每一层进行预处理，得到强边缘图像；4c)利用得到强边缘图像对去噪后图像的模糊核k进行盲估计，4c1)利用离散滤波算子对得到预处理后图像进行滤波，得到图像的高频部分g，并利用g对模糊核进行盲估计，空间不变模糊核的能量函数为： m i n x , k λ | | k * x - g | | 2 + | | x | | 1 | | x | | 2 + β | | ...

【专利技术属性】
技术研发人员：宫睿，张雁云，王怡，邵晓鹏，
申请(专利权)人：西安电子科技大学昆山创新研究院，西安电子科技大学，
类型：发明
国别省市：江苏;32