The invention discloses a single image fog removing method based on edge classification weighted fusion, which mainly solves the problem that the fog effect of the fog image is not accurate because of the inaccurate estimation of the transmittance of the fog image in the prior art. The technical scheme is as follows: 1) use the camera to capture a single fog image; 2) to classify the image edge fog, fog image edge to obtain depth; 3) according to the depth of edge of the fog image is divided into edge region and non depth depth of marginal areas; 4) using the depth edge control, in the different depth edge region and non edge region calculation depth correction of fog the dark color of the image; 5) according to the correction of the fog the dark color of the image is calculated to optimize transmission fog image; 6) according to the optimization of fog image acquisition image transmission. The transmittance of the invention is more accurate, the effect of restoring the image to fog is obvious, and the utility model has the advantages of contrast enhancement and true and natural tone. It can be used in outdoor imaging system.
【技术实现步骤摘要】
基于边缘分类加权融合的单幅图像去雾方法
本专利技术属于数字图像处理
,特别涉及一种单幅图像去雾方法,可用于户外成像系统拍摄的单幅有雾图像的清晰化处理。
技术介绍
在雾天天气条件下,大气中悬浮的微粒和气溶胶对光线有散射作用,导致室外的可见度低,拍摄得到的图像出现色调偏移、对比度和饱和度下降等现象,这使得图像在视觉美观和分析处理上都受到影响。另一方面,雾天会影响道路监测、安防监控等计算机户外监控系统的正常使用,从而对以提取图像特征为基础的智能识别、目标跟踪等的准确性造成了严重威胁。因此,雾天降质图像的清晰化处理具有重要的现实意义,受到了越来越多学者的关注。目前,雾天图像清晰化处理方法有很多,主要可以分为两种,一种是基于图像增强的方法,一种是基于物理模型的方法。基于图像增强的方法,主要通过提高有雾图像的对比度及突出图像的细节以改善图像的视觉效果,但是它没有考虑图像降质的原因,可能会造成图像部分信息的损失,使图像失真。基于物理模型的有雾图像去雾方法来源于McCartney(McCartneyEJ(1976)OpticsoftheAtmosphere:ScatteringbyMoleculesandParticles.JohnWileyandSons,NewYork)提出的大气散射模型原理,McCartney认为最终到达摄像头的光可分为两部分:一部分是场景点发出来的反射光经散射掉一部分光后,余下的一部分进入摄像头,这部分的光属于正投射,使用衰减模型来描述;另一部分同样是由大气粒子的散射作用引起,来自天空大气层反射、地面反射以及其他物体的光,由于大气粒子的散射作 ...
【技术保护点】
基于边缘分类加权融合的单幅图像去雾方法,包括如下步骤:(1)利用相机采集单幅有雾图像;(2)获取有雾图像的深度边缘:(2a)利用暗原色先验算法计算有雾图像的初始粗糙透射率t
【技术特征摘要】
1.基于边缘分类加权融合的单幅图像去雾方法,包括如下步骤:(1)利用相机采集单幅有雾图像;(2)获取有雾图像的深度边缘:(2a)利用暗原色先验算法计算有雾图像的初始粗糙透射率tori;(2b)获取初始粗糙透射率tori的直方图,根据该直方图的分布将有雾图像划分为3个区域:远景区域、中景区域、近景区域;(2c)对(2b)中的3个区域分别设置不同的检测门限值,利用Canny边缘检测算法对有雾图像进行边缘检测,得到初始边缘检测图;(2d)计算初始边缘检测图中所有边缘的长度及其总数目,并将最短边缘的长度记为L1,最长边缘的长度记为L2,边缘的总数目记为N;(2e)设置第一阈值T1=N/4,第二阈值T2=10,将边缘长度在区间[L1,L1+T1)内的边缘定义为短边缘,将边缘长度在区间[L1+T1,L2–T2)内的边缘定义为中等长度边缘,将边缘长度在区间[L2–T2,L2]内的边缘定义为长边缘;(2f)计算初始边缘检测图中所有边缘的方向变化率,并将方向变化率的中值记为V,边缘的方向变化率大于V的边缘定义为方向变化频繁的边缘;(2g)对初始边缘检测图中短边缘和方向变化频繁的中等长度边缘进行剔除,得到最终的深度边缘图;(3)根据(2)中得到的深度边缘图,将有雾图像划分为深度边缘区域和非深度边缘区域,即以深度边缘上的每个像素点为中心形成一个大小为p×p的块,所有以深度边缘为中心的块构成深度边缘区域,图像的其余区域构成非深度边缘区域,p的取值15;(4)计算有雾图像的修正暗原色值:(4a)分别计算有雾图像的像素级暗原色值I1(x)和块级暗原色值Ip(x),其中,x∈ΩM×N,ΩM×N表示一幅M×N的有雾图像的整个图像域,M、N分别是有雾图像的高度和宽度,x是整个图像域中的任一像素;(4b)计算有雾图像修正暗原色值的权值W(x):其中,exp(·)表示以自然常数e为底的指数操作;σ(x)表示像素x处的“方差”,σ(x)的取值依赖于像素x是位于深度边缘区域或是非深度边缘区域,在深度边缘区域内,σ(x)取值范围是0.5-2,在非深度边缘区域内,σ(x)取值范围是0.05-0.5;(4c)计算有雾图像的修正暗原色值Ism(x):Ism(x)=W(x)I1(x)+(1-W(x))Ip(x);(5)计算有雾图像的优化透射率:(5a)利用暗原色先验算法计算有雾图像的大气光值A;(5b)计算有雾图像非深度边缘区域的平滑暗原色值其中,TW1表示非深度边缘区域内用于归一化的总权值,∑(·)表示求和操作;W(i)表示在像素i处的修正暗原色值的权值,i∈S(x),S(x)表示以像素x为中心的一个正方形窗口,窗口大小为2p×2p,p=15,i表示窗口S(x)中的像素;I1(i)和Ip(i)分别表示在像素i处的像素级和块级暗原色值;(5c)计算有雾图像深度边缘区域的平滑暗原色值其中,TW2表示深度边缘区域内用于归一化的总权值,T(x)表示S(x)中I1(i)与I1(x)接近的像素的集合,定义如下:T(x)={i|I1(i)-I1(x)<Th,i∈S(x)}...
【专利技术属性】
技术研发人员:王柯俨,张闪闪,李云松,宋娟,刘凯,胡妍,李昱霏,
申请(专利权)人:西安电子科技大学,
类型:发明
国别省市:陕西,61
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。