一种基于平均饱和度先验的图像去雾方法技术

本发明专利技术提出一种基于平均饱和度先验的图像去雾方法，包括：根据有雾图像计算大气光值；求取有雾图像中每个像素的深度值；获取大量晴天图像，计算每个晴天图像的平均饱和度值；统计所有晴天图像的平均饱和度值，获得晴天图像的平均饱和度概率分布，计算期望值作为平均饱和度先验；利用平均饱和度先验构建散射系数的优化模型；求解散射系数的优化模型，得到有雾图像中每个像素的散射系数；求取有雾图像中每个像素的场景反照率；计算与有雾图像中的每个像素相对应的去雾图像中的每个像素的强度值，从而组成去雾图像。本发明专利技术方法对大气非匀质的有雾图像可有效去雾，在处理大气匀质的有雾图像时可取得更好的去雾效果。

【技术实现步骤摘要】
一种基于平均饱和度先验的图像去雾方法
本专利技术具体涉及一种基于平均饱和度先验的图像去雾方法，用于对彩色图像进行无色偏去雾，属于数字图像处理

技术介绍
雾天环境下，由于受到大气中悬浮颗粒的影响，成像设备所采集的图像可视性差、饱和度低，清晰度严重不足。因此，对雾天降质图像进行清晰化处理具有重要的现实意义。在计算机视觉领域中，常用大气散射模型来描述雾霾天气条件下的成像过程，图像去雾的过程就是根据大气散射模型，从有雾图像中的每个像素的强度值恢复出去雾图像中的每个像素的强度值。现有的图像去雾方法大多使用以下等式所描述的大气散射模型：Ic(x,y)＝Jc(x,y)·e-β·d(x,y)+A·(1-e-β·d(x,y))其中，Ic(x,y)表示有雾图像中像素(x,y)的强度值，Jc(x,y)表示去雾图像中像素(x,y)的强度值，Jc(x,y)＝A·ρ(x,y)，ρ(x,y)表示有雾图像中像素(x,y)的场景反照率，A表示大气光值，β表示散射系数，d(x,y)表示有雾图像中像素(x,y)的深度值。有雾图像的大小与去雾图像的大小相同，并且有雾图像中的像素(x,y)与去雾图像中像素(x,y)相对应，即像素(x,y)处于有雾图像和去雾图像中的相同位置。现有的图像去雾方法将散射系数β设为常数，即默认图像中每个像素的散射系数相同。但是散射系数表示的是单位体积的大气在各个方向上散射光线的能力，其大小是与大气中悬浮粒子的半径及聚集程度相关(即与全图雾气浓度空间分布相关)，故现有的去雾方法只能处理大气匀质(即雾气浓度全图一致)的有雾图像；同时散射系数是由人工根据经验设置，缺乏准确性，易导致去雾效果差甚至失效。
技术实现思路
本专利技术解决的技术问题是：现有图像去雾方法只能处理大气均质的有雾图像，无法处理非匀质大气条件下的有雾图像，且散射系数根据人工经验设置，缺乏准确性。为解决上述问题，本专利技术提出了一种基于平均饱和度先验的图像去雾方法，包括以下步骤：S1，根据有雾图像计算大气光值；S2，求取有雾图像中的每个像素的深度值；S3，求取有雾图像中的每个像素的散射系数，具体包括：S301，获取大量晴天图像，根据以下等式计算每个晴天图像的平均饱和度值：N表示晴天图像的全部区域，(x,y)表示晴天图像中的任意一个像素，Jc1(x,y)表示像素(x,y)的强度值，JR1(x,y)表示像素(x,y)的R通道的强度值，JG1(x,y)表示像素(x,y)的G通道的强度值，JB1(x,y)表示像素(x,y)的B通道的强度值，mean()表示求均值；S302，统计所有晴天图像的平均饱和度值，获得晴天图像的平均饱和度概率分布，计算期望值作为平均饱和度先验S303，构建散射系数的优化模型如下：其中β(x,y)表示有雾图像中的像素(x,y)的散射系数，ω(x,y)表示以有雾图像中的像素(x,y)为中心的局部像素块，Ic(x',y')表示局部像素块ω(x,y)中的任意一个像素(x',y')的强度值，Jc(x',y')表示有雾图像中的像素(x',y')对应的去雾图像中的像素(x',y')的强度值，IR(x',y')表示局部像素块ω(x,y)中的任意一个像素(x',y')的R通道的强度值，JR(x',y')表示有雾图像中的像素(x',y')对应的去雾图像中的像素(x',y')的R通道的强度值，IG(x',y')表示局部像素块ω(x,y)中的任意一个像素(x',y')的G通道的强度值，JG(x',y')表示有雾图像中的像素(x',y')对应的去雾图像中的像素(x',y')的G通道的强度值，IB(x',y')表示局部像素块ω(x,y)中的任意一个像素(x',y')的B通道的强度值，JB(x',y')表示有雾图像中的像素(x',y')对应的去雾图像中的像素(x',y')的B通道的强度值，d(x',y')表示局部像素块ω(x,y)中的任意一个像素(x',y')的深度值，β(x',y')表示局部像素块ω(x,y)中的任意一个像素(x',y')的散射系数且局部像素块ω(x,y)中的所有像素的散射系数均相等；S304，求解上述散射系数的优化模型，得到有雾图像中的每个像素的散射系数；S4，根据以下等式求取有雾图像中的每个像素的场景反照率：其中，ρ(x,y)表示有雾图像中的像素(x,y)的场景反照率，Ic(x,y)表示有雾图像中的像素(x,y)的强度值，A表示大气光值，d(x,y)表示有雾图像中的像素(x,y)的深度值，β(x,y)表示有雾图像中的像素(x,y)的散射系数；S5，根据上述步骤求取的大气光值和有雾图像中的每个像素的场景反照率，计算与有雾图像中的每个像素相对应的去雾图像中的每个像素的强度值，从而组成去雾图像。优选的，上述步骤1具体包括：S101、找出有雾图像的每个像素的R通道、G通道和B通道中最小的强度值，得到最小通道图像，再以每个像素为中心设定窗口，对每个窗口进行最小值滤波得到暗原色图像；S102、找出暗原色图像中强度值前0.1％的区域，选择该区域对应在有雾图像中覆盖的区域中的所有像素的亮度值的最大值作为大气光值。本专利技术的有益效果：本专利技术方法利用经过去雾处理后得到的去雾图像符合晴天图像的平均饱和度先验这个条件，逆向推导构建出散射系数的优化模型，通过求解优化模型获得各像素点所对应的散射系数，可以有效反应有雾图像成形时的大气中雾气的空间分布特性，对大气非匀质的有雾图像可有效去雾，同时解决了现有方法中根据经验设置散射系数产生的不确定性问题，在处理大气匀质的有雾图像时可以取得更好的去雾效果。附图说明图1是本专利技术方法的流程图。图2是第一幅有雾图像以及本专利技术实施例方法和现有的两种方法对其进行处理的效果图。图3是第二幅有雾图像以及本专利技术实施例方法和现有的两种方法对其进行处理的效果图。图4是第三幅有雾图像以及本专利技术实施例方法和现有的两种方法对其进行处理的效果图。图5是第四幅有雾图像以及本专利技术实施例方法和现有的两种方法对其进行处理的效果图。图6是第五幅有雾图像以及本专利技术实施例方法和现有的两种方法对其进行处理的效果图。具体实施方式本专利技术提出一种基于平均饱和度先验的图像去雾方法，如图1所示，包括以下步骤：S1，根据有雾图像计算大气光值，具体包括：S101、找出有雾图像的每个像素的R通道、G通道和B通道中最小的强度值，得到最小通道图像，再以每个像素为中心设定多个窗口，对每个窗口进行最小值滤波得到暗原色图像。具体地，根据以下等式找出与有雾图像中的每个像素相对应的最小强度值，从而组成暗原色图像：其中Ω(x,y)表示以有雾图像中的任意一个像素(x,y)为中心的局部像素块，优选局部像素块的大小为15×15，Ic(a,b)表示局部像素块Ω(x,y)中的任意一个像素(a,b)的强度值，Idark(x,y)表示局部像素块Ω(x,y)中的所有像素的所有通道的强度值中最小的一个强度值。S102、找出暗原色图像中强度值前0.1％的区域，选择该区域对应在有雾图像中覆盖的区域中的所有像素的亮度值的最大值作为大气光值A，即其中，U表示强度前0.1％的区域对应在有雾彩色图像中所覆盖的区域，I'(p1,p2)表示区域U中的任意一个像素(p1,p2)的亮度值。S2，根据以下等式求取有雾图像中的每个像素的深度值：d(本文档来自技高网...

【技术保护点】
一种基于平均饱和度先验的图像去雾方法，其特征在于，包括以下步骤：S1，根据有雾图像计算大气光值；S2，求取有雾图像中的每个像素的深度值；S3，求取有雾图像中的每个像素的散射系数，具体包括：S301，获取大量晴天图像，根据以下等式计算每个晴天图像的平均饱和度值：

【技术特征摘要】
1.一种基于平均饱和度先验的图像去雾方法，其特征在于，包括以下步骤：S1，根据有雾图像计算大气光值；S2，求取有雾图像中的每个像素的深度值；S3，求取有雾图像中的每个像素的散射系数，具体包括：S301，获取大量晴天图像，根据以下等式计算每个晴天图像的平均饱和度值：N表示晴天图像的全部区域，(x,y)表示晴天图像中的任意一个像素，Jc1(x,y)表示像素(x,y)的强度值，JR1(x,y)表示像素(x,y)的R通道的强度值，JG1(x,y)表示像素(x,y)的G通道的强度值，JB1(x,y)表示像素(x,y)的B通道的强度值，mean()表示求均值；S302，统计所有晴天图像的平均饱和度值，获得晴天图像的平均饱和度概率分布，计算期望值作为平均饱和度先验S303，构建散射系数的优化模型如下：其中

【专利技术属性】
技术研发人员：顾振飞，鞠铭烨，袁小燕，李秋，张钰，
申请(专利权)人：南京信息职业技术学院，
类型：发明
国别省市：江苏,32