一种图像去雾方法及其在FPGA上的实现方法技术

本发明专利技术提供一种图像去雾方法及其在FPGA上的实现方法，本图像去雾方法以大气散射模型和广义暗通道先验条件为基础，通过简化的广义暗通道算法求取输入图像I(x)的广义暗通道Idark(x)，进而根据Idark(x)求取模型中的大气光照值和透射率，最终获得去雾图像J(x)。根据本方法的去雾效果可以逼近引导滤波算法，但通过简化运算大大降低算法复杂度和运算量，从而增强图像去雾的处理速度和实时性。进一步，由于本方法是基于像素点的处理，因此，本方法在FPGA上实现时，无需缓存图像窗口数据，且无需对输入视频帧进行滤波处理，可以有效满足FPGA的流式处理特点。同时，本方法对于大气光照值等参数的替换处理可以进一步实现图像的实时去雾处理。

【技术实现步骤摘要】

本专利技术涉及图像处理领域，尤其涉及一种图像去雾方法及其在FPGA上的实现方法。
技术介绍
众所周知，大雾天气产生的原因在于大气中悬浮着大量水滴、冰晶以及可吸入颗粒物等，导致能见度降低。在大雾天气下拍摄图像时，待拍摄物体的反射光由于受到大气中悬浮物的散射、折射和反射作用，导致捕获的图像丢失大量细节，出现图像模糊、色彩失真、对比度下降等现象，使得拍摄的图像质量大大降低。因此，图像去雾对于国防、智能交通以及气象等应用领域具有重要意义。目前，图像去雾方法可分为硬去雾和软去雾两大类。硬去雾方法主要采用透雾镜头或红外滤波片等硬件设备实现光学去雾，虽然透雾镜头去雾效果较好，可以获得清晰图像，但成本相对较高；滤波片成本较低，但输出图像多为黑白图像，适用范围小。软去雾方法主要通过相关算法实现透雾功能，根据算法类型的不同又可以分为基于图像增强的去雾算法和基于物理模型的去雾算法等。基于图像增强的去雾算法一般仅通过提高图像对比度来实现去雾目的，受环境影响较大，效果不稳定；而基于物理模型的去雾算法则通过建模及逆向处理方法分析图像退化原因，从根本上寻找去雾方法，不但去雾效果好，且适用性广泛。目前，基于物理模型的去雾算法多为在大气散射模型基础上，结合暗通道先验理论来获得去雾图像，图像去雾过程包括计算大气散射模型中大气光照因子和透射率等未知量，其中，透射率的计算通常使用引导滤波算法，该方法对图像边缘信息保留效果较好，因而，可以获得清晰的透射率图和效果较好的去雾图像。但是，引导滤波算法需对输入图像中以某一像素点为中心的图像窗口数据进行滤波处理，运算量大、处理速度慢，有时甚至长达秒级的处理速度显然无法满足视频监控、地形勘测以及自动驾驶等领域的实时去雾需求，尤其是图像去雾在FPGA(Field－Programmable Gate Array，现场可编程门阵列)平台实现时，引导滤波算法的运算流程和处理速度无法满足FPGA自身的流式处理特点(即输入数据为视频流数据，在每一行数据处理完成后立即输出)。FPGA需要首先获取并缓存待处理的图像窗口数据，再将图像窗口数据进行滤波处理。缓存图像窗口数据不仅需要占用较大的空间资源，而且需要消耗一定的缓存时间，加之滤波处理的耗时也较长，使得引导滤波算法无法充分发挥FPGA对图像高速处理的优势。
技术实现思路
本专利技术提供一种图像去雾方法及其在FPGA上的实现方法，以解决现有技术中图像去雾方法处理速度慢、实时性差的技术问题。本专利技术提供图像去雾方法，所述图像去雾方法包括：根据Idark(x)＝min(Ir(x),Ig(x),Ib(x))求取输入图像I(x)的广义暗通道Idark(x)，其中，r为红色通道，g为绿色通道，b为蓝色通道，x为像素点的灰度值；根据Idark(x)求取输入图像I(x)的大气光照值A；基于大气散射模型I(x)＝J(x)t(x)+A(1-t(x))和广义暗通道先验条件Jdark(x)＝0，求取输入图像的透射率t(x)的计算模型：其中，J(x)为去雾图像，Jdark(x)为去雾图像的广义暗通道，根据Idark(x)和大气光照值A，求取输入图像的透射率t(x)；根据所述输入图像I(x)、大气光照值A和透射率t(x)求取去雾图像J(x)。优选的，所述根据Idark(x)求取输入图像I(x)的大气光照值A包括：预设大气光照限制因子A0；根据公式A＝min(max(Idark(x)),A0)，求取输入图像I(x)的大气光照值A。优选的，所述根据Idark(x)和A求取输入图像的透射率t(x)包括：获取去雾程度因子ω；根据计算模型求取输入图像的透射率t(x)。优选的，所述获取去雾程度因子ω包括：判断输入图像中各像素点G分量的灰度值与预设灰度阈值T的大小关系；获取满足灰度值小于灰度阈值T的像素数num与输入图像像素总数的比例P；根据比例P的范围获取对应的去雾程度因子ω。优选的，所述根据比例P的范围获取对应的去雾程度因子ω包括：建立比例P与去雾程度因子ω的对应关系： ω = 0.3 , p > 5 % 0.6 , 1 % < p ≤ 5 % 0.7 , 0.1 % < p ≤ 1 % 0.8 , p ≤ 0.1 % ]]>根据所述对应关系获取对应的去雾程度因子ω。优选的，所述根据Idark(x)和A求取输入图像的透射率t(x)包括：预设透射率限制因子t0；根据计算模型求取输入图像的透射率t(x)。优选的，所述根据I(x)、A和t(x)求取去雾图像J(x)包括：对大气散射模型I(x)＝J(x)t(x)+A(1-t(x))进行逆运算，获取去雾图像J(x)的计算模型： J ( x ) = I ( x ) - ( 1 - t ( x ) ) A t ( x ) ]]>根据输入图像I(x)、大气光照值A和透射率t(x)求取去雾图像J(x)。本专利技术还提供一种图像去雾方法在FPGA上的实现方法，所述方法包括：根据Idark(i)＝min(Ir(i),Ig(i),I本文档来自技高网...

【技术保护点】
一种图像去雾方法，其特征在于，所述图像去雾方法包括：根据Idark(x)＝min(Ir(x),Ig(x),Ib(x))求取输入图像I(x)的广义暗通道Idark(x)，其中，r为红色通道，g为绿色通道，b为蓝色通道，x为像素点的灰度值；根据Idark(x)求取输入图像I(x)的大气光照值A；基于大气散射模型I(x)＝J(x)t(x)+A(1‑t(x))和广义暗通道先验条件Jdark(x)＝0，求取输入图像的透射率t(x)的计算模型：其中，J(x)为去雾图像，Jdark(x)为去雾图像的广义暗通道，根据Idark(x)和大气光照值A，求取输入图像的透射率t(x)；根据所述输入图像I(x)、大气光照值A和透射率t(x)求取去雾图像J(x)。

【技术特征摘要】
1.一种图像去雾方法，其特征在于，所述图像去雾方法包括：根据Idark(x)＝min(Ir(x),Ig(x),Ib(x))求取输入图像I(x)的广义暗通道Idark(x)，其中，r为红色通道，g为绿色通道，b为蓝色通道，x为像素点的灰度值；根据Idark(x)求取输入图像I(x)的大气光照值A；基于大气散射模型I(x)＝J(x)t(x)+A(1-t(x))和广义暗通道先验条件Jdark(x)＝0，求取输入图像的透射率t(x)的计算模型：其中，J(x)为去雾图像，Jdark(x)为去雾图像的广义暗通道，根据Idark(x)和大气光照值A，求取输入图像的透射率t(x)；根据所述输入图像I(x)、大气光照值A和透射率t(x)求取去雾图像J(x)。2.根据权利要求1所述的图像去雾方法，其特征在于，所述根据Idark(x)求取输入图像I(x)的大气光照值A包括：预设大气光照限制因子A0；根据公式A＝min(max(Idark(x)),A0)，求取输入图像I(x)的大气光照值A。3.根据权利要求1所述的图像去雾方法，其特征在于，所述根据Idark(x)和A求取输入图像的透射率t(x)包括：获取去雾程度因子ω；根据计算模型求取输入图像的透射率t(x)。4.根据权利要求3所述的图像去雾方法，其特征在于，所述获取去雾程度因子ω包括：判断输入图像中各像素点G分量的灰度值与预设灰度阈值T的大小关系；获取满足灰度值小于灰度阈值T的像素数num与输入图像像素总数的比例P；根据比例P的范围获取对应的去雾程度因子ω。5.根据权利要求4所述的图像去雾方法，其特征在于，所述根据比例P的范围获取对应的去雾程度因子ω包括：建立比例P与去雾程度因子ω的对应关系： ω = 0.3 , p > 5 % 0.6 , 1 % < p ≤ 5 % 0.7 , 0.1 % < p ≤ 1 % ...

【专利技术属性】
技术研发人员：杨艺，郭慧，谢森，
申请(专利权)人：凌云光技术集团有限责任公司，
类型：发明
国别省市：北京;11