【技术实现步骤摘要】
一种基于加权全变分的自适应图像去雾方法
本专利技术涉及图像增强领域,特别涉及一种基于加权全变分的自适应图像去雾方法。
技术介绍
在雾天环境下,光在传播过程中受到介质如雾、霾、水汽等悬浮颗粒的前向、后向散射干扰,导致图像出现对比度低、颜色偏暗、纹理模糊等退化现象,图像模糊,物体表面原有颜色被遮盖,远景处物体的细节信息丢失。雾天图像质量严重下降,图像整体信息量大幅减少,影响后续的交通监控、目标跟踪等计算机视觉系统的应用。针对雾天图像去雾复原,现有技术通常从反映图像降质过程的大气成像模型I(x)=t(x)·J(x)+(1-t(x))A(其中,x表示像素坐标索引,I(x)为观测图像,t(x)为反映悬浮颗粒散射作用的透射率图,J(x)为待求解的复原结果图像,A为环境亮度值)出发,通过提出不同先验知识如暗通道先验[1]、图像块的复现性先验[2]等对模型中未知的透射率图t(x)、环境亮度值A进行估计,再根据在该模型上的数学运算来获得复原结果图像。现有技术通过提出先验知识的方式来估计透射率图t(x),在此基础上直接通过模型的等式运算来获得复原结果图像J(x)。然而,现有技术采用直接的等式运算没有考虑到对观测图像中的噪声进行不同的处理,因此现有技术在复原的同时会对存在于图像远景区域的噪声起到增强作用,导致观测图像上因雾霾叠加而视觉效果不明显的噪声在复原结果上显著可视,影响图像质量。参考文献:[1]HeK,JianS,TangX.Singleimagehazeremovalusingdarkchannelprior[C]//IEEEConferenceonComputerVi ...
【技术保护点】
1.一种基于加权全变分的自适应图像去雾方法,其特征在于,包括以下步骤:S1、输入观测图像;S2、估计环境亮度值;S3、根据大气成像模型及正则化约束思路建立优化目标函数;S4、初始化透射率图和复原结果图像;S5、求解优化透射率图的子目标函数;S6、求解优化复原结果图像的子目标函数;S7、判断当前迭代次数是否已达设定值:若没有达到,则返回步骤S5;若达到,则输出复原结果图像。
【技术特征摘要】
1.一种基于加权全变分的自适应图像去雾方法,其特征在于,包括以下步骤:S1、输入观测图像;S2、估计环境亮度值;S3、根据大气成像模型及正则化约束思路建立优化目标函数;S4、初始化透射率图和复原结果图像;S5、求解优化透射率图的子目标函数;S6、求解优化复原结果图像的子目标函数;S7、判断当前迭代次数是否已达设定值:若没有达到,则返回步骤S5;若达到,则输出复原结果图像。2.根据权利要求1所述基于加权全变分的自适应图像去雾方法,其特征在于,所述步骤S2,具体为:S2-1、对观测图像进行联合R、G、B三通道的最小值滤波操作:其中,Ω为以x为中心像素的邻域窗口,y为窗口Ω内x的相邻像素点,c∈{R,G,B)为R、G、B三通道;S2-2、对Imin(x)进行最大值排序,选取前10%对应的像素坐标作为纯环境亮度区域候选像素集S1(x);S2-3、将观测图像转换到HSV空间,对V通道图进行最大值排序选取前10%对应的像素坐标作为纯环境亮度区域候选像素集S2(x);S2-4、求得集合S1(x)和S2(x)的交集:S(x)=S1(x)∩S2(x);若S(x)为空集,则令S(x)=S1(x);S2-5、根据像素坐标集合S(x)获取观测图像上对应点的像素值,求得均值作为环境亮度值A:其中,n为集合S(x)中的元素个数。3.根据权利要求1所述基于加权全变分的自适应图像去雾方法,其特征在于,步骤S3中,所述目标函数为:minJ||(I(x)-A)-t(x)(J(x)-A)||2+R(t(x))+R(J(x));其中,第一项为数据保真项,R(t(x))为针对透射率图t(x)的正则化约束项,R(J(x))为复原结果图像J(x)的正则化约束项;具体如下:(1)设计R(t(x)):透射率图t(x)反映每一个像素点所反映的光辐射度在到达成像平面的传播过程中被颗粒散射衰减的程度;而这一衰减程度与该像素点所对应的场景点到成像平面的距离,即景深相关;场景点越远,该点反射的光线传播距离越远,被颗粒干扰衰减越严重,对应的透射率也就越小;而在自然图像中,景深的变化具有分片光滑的特性,即景深在局部区域内能够视为常数;因此,透射率图t(x)也具有分片光滑特性;设计加权全变分正则化项:其中,K为权值卷积核,为卷积操作,为梯度算子;权值卷积核K的具体表达式为:其中,σ为控制模板窗口大小的尺度参数,y为模板窗口内中心像素点x的领域像素点;(x-y)2表征了两个像素点间的空间距离,表征了两个像素点在梯度值上的差别;(2)设计R(J(x)):针对待复原结果图像J(x...
【专利技术属性】
技术研发人员:高红霞,罗澜,蔡烨,
申请(专利权)人:华南理工大学,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。