基于分数阶微分及暗原色先验的雾天图像增强方法技术
Fog image enhancement method based on fractional differential and dark prior
\u57fa\u4e8e\u5206\u6570\u9636\u5fae\u5206\u53ca\u6697\u539f\u8272\u5148\u9a8c\u7684\u96fe\u5929\u56fe\u50cf\u589e\u5f3a\u65b9\u6cd5\uff0c\u5305\u62ec\u4ee5\u4e0b\u6b65\u9aa4\uff1a\u6b65\u9aa41\uff0c\u8f93\u5165\u96fe\u5929\u56fe\u50cfI\uff0c\u5bf9I\u8fdb\u884c\u6697\u539f\u8272\u5148\u9a8c\u53caRetinex\u7b97\u6cd5\u5904\u7406\uff0c\u5f97\u5230\u521d\u6b65\u53bb\u96fe\u56fe\u50cfJ(x,y)\uff1b\u6b65\u9aa42\uff0c\u5c06J(x,y)\u5206\u5272\u4e3a\u524d\u666f\u533a\u57dfJ1(x,y)\u548c\u80cc\u666f\u533a\u57dfJ2(x,y)\uff1b\u6b65\u9aa43\uff0c\u5206\u522b\u8ba1\u7b97\u51faJ1(x,y)\u5bf9\u5e94\u7684\u6700\u4f18\u5206\u6570\u9636\u5fae\u5206\u9636\u6570\u503cv1\u548cJ2(x,y)\u5bf9\u5e94\u7684\u6700\u4f18\u5206\u6570\u9636\u5fae\u5206\u9636\u6570\u503cv2\uff1b\u6b65\u9aa44\uff0c\u786e\u5b9a\u63a9\u6a21\u7cfb\u6570\u548c\u63a9\u6a21\u5927\u5c0f\uff0c\u6784\u9020\u5206\u6570\u9636\u5fae\u5206\u7b97\u5b50\u63a9\u6a21w(s,t)\uff1b\u6b65\u9aa45\uff0c\u5206\u522b\u5c06\u6b65\u9aa43\u5f97\u5230\u7684\u5206\u6570\u9636\u5fae\u5206\u9636\u6570\u503cv1\u548c\u5206\u6570\u9636\u5fae\u5206\u9636\u6570\u503cv2\u5e26\u5165w(s,t)\uff0c\u5f97\u5230w1(s,t)\u548cw2(s,t)\uff0c\u5c06w1(s,t)\u548cJ1(x,y)\u7684\u50cf\u7d20\u70b9\u8fdb\u884c\u5377\u79ef\u8fd0\u7b97\uff0c\u5c06w2(s,t)\u548cJ2(x,y)\u7684\u50cf\u7d20\u70b9\u8fdb\u884c\u5377\u79ef\u8fd0\u7b97\uff1b\u6b65\u9aa46\uff0c\u8f93\u51faI\u7ecf Image after enhancement. The present invention solves the problem that the fractional differential algorithm with fractional order differential order can enhance fog image and has poor fog removal effect in the prior art.
【技术实现步骤摘要】
基于分数阶微分及暗原色先验的雾天图像增强方法
本专利技术属于图像处理
，涉及一种基于分数阶微分及暗原色先验的雾天图像增强方法。
技术介绍
图像增强是重要的图像预处理技术之一，图像增强能够提高图像质量，改善图像的视觉效果，以便进行后续深层次处理，比如图像分割、边缘提取以及模式识别等均为图像增强手段。通常由于受太阳光照或光源的影响，成像设备获取的图像对比度低，清晰度不高，图像局部的细节纹理信息不明显，为各种图像的深层次处理带来困难。特别是在能见度较低的状况下，监控设备很难捕捉到高质量的图像，获取的图像很模糊，并且整体色彩偏暗，人们很难从该类图像中获取到关键的信息。因此，对恶劣天气条件下的获取到的图像进行增强显得尤其重要。分数阶微分是整数阶微分的衍生，与整数阶微分相比，分数阶微分可以增强信号中的中高频信息，同时非线性地保留信号的低频信息，因此，应用分数阶微分进行图像增强会使图像边缘明显突出、纹理更加清晰，而平滑区域信息得以保留。目前分数阶微分图像增强主要是从Grümwald-Letnikov和Riemann-Liouville定义出发，构造分数阶微分算子模板与图像...
【技术保护点】
基于分数阶微分及暗原色先验的雾天图像增强方法，其特征在于，包括以下步骤：步骤1，输入雾天图像I，对I进行暗原色先验及Retinex算法处理，得到初步去雾图像J(x,y)；步骤2，选取最佳分割阈值，将所述初步去雾图像J(x,y)分割为前景区域J1(x,y)和背景区域J2(x,y)；步骤3，分别计算出所述前景区域J1(x,y)对应的最优分数阶微分阶数值v1和所述背景区域J2(x,y)对应的最优分数阶微分阶数值v2；步骤4，确定掩模系数和掩模大小，构造分数阶微分算子掩模w(s,t)；步骤5，分别将所述步骤3得到的分数阶微分阶数值v1和分数阶微分阶数值v2带入w(s,t)，得到掩模...
【技术特征摘要】
1.基于分数阶微分及暗原色先验的雾天图像增强方法，其特征在于，包括以下步骤：步骤1，输入雾天图像I，对I进行暗原色先验及Retinex算法处理，得到初步去雾图像J(x,y)；步骤2，选取最佳分割阈值，将所述初步去雾图像J(x,y)分割为前景区域J1(x,y)和背景区域J2(x,y)；步骤3，分别计算出所述前景区域J1(x,y)对应的最优分数阶微分阶数值v1和所述背景区域J2(x,y)对应的最优分数阶微分阶数值v2；步骤4，确定掩模系数和掩模大小，构造分数阶微分算子掩模w(s,t)；步骤5，分别将所述步骤3得到的分数阶微分阶数值v1和分数阶微分阶数值v2带入w(s,t)，得到掩模w1(s,t)和掩模w2(s,t)，将掩模w1(s,t)和前景区域J1(x,y)的像素点进行卷积运算，将掩模w2(s,t)和背景区域J2(x,y)的像素点进行卷积运算；步骤6，输出I经图像增强后的图像。2.根据权利要求1所述的基于分数阶微分及暗原色先验的雾天图像增强方法，其特征在于，所述步骤1的具体步骤为：步骤1.1，输入雾天图像I，将I从RGB颜色空间转换到YCbcr颜色空间，并提取I的亮度分量图像Y(x,y)，(x,y)表示图像中像素点的位置；步骤1.2，采用单尺度Retinex算法，计算反射图像R(x,y)：L(x,y)＝F(x,y)*Y(x,y)(1)其中，F(x,y)为高斯滤波器，δ代表高斯核，“*”表示卷积运算符，L(x,y)代表入射图像；r(x,y)＝logY(x,y)-logL(x,y)(2)将r(x,y)从对数域转换到实数域，得到反射图像R(x,y)；步骤1.3，计算I的场景透射率的近似值将I的场景透射率近似定义为将t(x,y)从实数域转化到对数域，得到I的场景透射率的近似值步骤1.4，计算I在c通道的大气光近似值Ac：其中，r,g,b为图像的三个颜色通道，c为I中r,g,b的某一个颜色通道，Ω(x)表示以(x,y)为中心的局部区域，Ic(x,y)表示I中r,g,b的某一个颜色通道图像；步骤1.5，分别计算r,g,b三个颜色通道初步去雾后的图像Jc(x,y)：步骤1.6，将r,g,b三个颜色通道的Jc(x,y)组合为RGB空间上的初步去雾图像J(x,y)。3.根据权利要求2所述的基于分数阶微分及暗原色先验的雾天图像增强方法，其特征在于，所述步骤2的具体步骤为：步骤2.1，设定分割阈值为t，用t将初步去雾图像J(x,y)的像素点分成两个区域：区域A和区域B，区域A由灰度值在[0,t]之间的像素点组成，区域B由灰度值在[t+1,255]之间的像素点组成；步骤2.2，分别计算区域A的平均灰度uA和区域B的平均灰度uB：其中，i为灰度值，i＝0,1,2,...,255，pi为灰度值为i的像素点出现的概率，pi＝ni/N，ni为灰度值为i的像素点的数量，N为J(x,y)中所有像素点的数量；w0为灰度值在[0,t]之间的像素点在J(x,y)中占的比例，w1...
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。