一种基于暗原色先验的图像去雾算法制造技术

本发明专利技术公开了一种基于暗原色先验的图像去雾方法，其包括以下步骤：步骤1：求出有雾降质图像的暗原色图；步骤2：由暗原色图求出图像的粗略透射率；步骤3：采用改进的基于颜色衰减先验的容差机制透射率调整算法对天空等明亮区域透射率进行放大修正，得到修正后的透射率。步骤4：采用引导滤波细化透射率；步骤5：结合晕光算子和暗原色图像获取大气光值；步骤6：利用大气散射模型得到复原图像J。本发明专利技术设计的去雾算法能够有效地解决传统去雾算法存在的复原图像中天空等明亮区域产生色偏的问题，同时解决传统大气光值求取方法易受白色物体干扰的问题，提高图像质量。

An image de fog algorithm based on dark original color prior

The invention discloses an image dehazing method based on dark channel prior, which comprises the following steps: Step 1: find out the fog degraded the dark color of the image map; step 2: the dark channel image obtained by rough transmittance image; step 3: using the improved tolerance mechanism of transmittance adjustment algorithm of color decay prior based on the sky and the bright region transmission amplification obtained after correction correction, transmittance. Step 4: the guide filter refinement step 5: obtain atmospheric transmittance; value of light and dark channel image with halo operator; step 6: the use of atmospheric scattering model of image restoration J. The sky defogging algorithm can effectively solve the traditional image defogging algorithm are designed by the invention in the bright region produce color problem, and solve the traditional atmospheric light value calculating method of white objects susceptible to interference problems, improve the quality of the image.

【技术实现步骤摘要】
一种基于暗原色先验的图像去雾算法
本专利技术涉及图像处理领域，特别涉及一种基于暗原色先验的图像去雾算法。
技术介绍
在雾霾天气情况下，视觉系统获取的图像会受到雾霾颗粒对可见光散射作用的影响，出现对比度小，细节模糊等退化现象，影响视觉系统正常工作。因此复原雾天图像是一项亟需研究的工作。目前，图像的去雾算法主要有两个方向：基于模型去雾和基于非模型去雾。其中基于非模型去雾的本质是进行图像对比度的增强，但该类方法可能会损失图像信息，导致图像失真，其中以Retinex算法为代表。而基于模型的去雾方法，本质是构建雾天图像的物理模型，反推雾天图像退化过程来复原清晰图像。这种方法复原的图像色彩自然真实，不易出现图像信息损失。近十年来，图像去雾算法研究如火如荼，成果颇丰。其中He等使用暗原色先验规律来实现去雾的算法由于在大多数情况下得到的复原后图像颜色自然真实、清晰度高而得到广泛关注。但是在一些暗原色先验规律失效的区域，比如天空等明亮区域，会产生严重的色调偏移。针对这个问题，Jin-HwanKim等人提出了构建包括对比度和信息丢失的成本函数，通过求解成本函数最小值来获得每个区域块最佳的传输率值，再结合雾天降质物理模型复原图像，该算法很好地解决了天空区域偏色问题，信息损失小。Zhu等人基于有雾图像像素的亮度和饱和度随雾霾浓度变化急剧变化的先验知识，通过构建一种线性模型求得图像景深信息，从而实现图像去雾，但是该算法涉及参数较多，自适应性较差。Wang等人提出根据天空区域的特征，通过设定梯度和亮度阈值对天空区域进行识别提取，来调整天空区域的透射率，但是该算法使用最大联通区域作为识别的天空，比较耗时，同时容易遗漏部分天空，导致遗漏区域色彩失真。蒋建国等引入一种容差机制对天空等明亮区域进行判断，并对该区域透射率做提升处理，较好地解决了天空区域颜色失真的问题，成为一种主流的解决方法，但是该算法容差参数选取受图像是否有天空区域的影响以及修正后透射率会出现提升力度不足或过度补偿的问题。
技术实现思路
本专利技术旨在解决上述技术缺陷，改善暗原色先验算法的去雾效果，提高复原图像质量。为了达到上述目的，本专利技术提出一种基于暗原色先验的图像去雾方法，包括以下几个步骤：步骤S1：求出有雾降质图像I的暗原色图Idark；步骤S2：由暗原色图求出图像的粗略透射率trough(x)；其公式为：其中ω为系数，0<ω≤1；步骤S3：对于暗原色先验失效的明亮区域，采用改进的基于颜色衰减先验的容差机制透射率纠正算法，其公式如下：其中的vs(x)为像素亮度与饱和度的差值；K为引入的容差值，将trough(x)/vs(x)<K的区域定义为暗原色先验失效的区域，将trough(x)/vs(x)>K的区域定义为透射率无需调整的非明亮区域；trough为调整前的透射率；步骤S4：采用引导滤波细化透射率，以有雾图像I的灰度图Igray为引导图，通过以下公式得到细化透射率trefine(x):其中uk和σ2k为图像I在局部邻域ωk中的均值和方差；|ω|为邻域内的像素个数；p为需要被细化的图像，为邻域内p的均值，ε为避免a过大而引入的规范化参数。在本专利技术一实施例中，步骤S2包括以下具体步骤：步骤S2.1：用大气散射模型来描述雾天图像的退化过程，即：I(x)＝J(x)t(x)+A(1-t(x))式中x为空间坐标，I(x)表示有雾图像，A为全局大气光值，J(x)表示复原后的清晰无雾图像，t(x)为透射率；步骤S2.2：引入暗原色先验，即在无雾清晰图像中绝大部分非天空局部区域，至少有一个颜色通道的亮度值很低并趋近于0，即对于图像J，有：其中Jc(y)表示图像J的一个颜色通道,Ω(x)为以x为中心的方形区域，Jdark称为图像J的暗原色；步骤S2.3：假定局部区域Ω(x)内透射率为固定常数且记为对步骤S2.1的大气散射模型公式两侧同除以A，并做运算得到：步骤S2.4：将步骤S2.2的暗原色先验得到的结果代入步骤S2.3的式子得到：在本专利技术一实施例中，ω取值范围为0.90～0.97,同时为防止透射率过小而趋近于0，为其设置最小值t0＝0.1，即trough(x)＝max(trough(x),t0)。在本专利技术一实施例中，还包步骤S5：获取大气光值A。进一步的，步骤S5包括以下具体步骤：步骤S5.1：求取雾天降质图像的晕光算子图，其公式如下：其中：分子为暗原色值，分母为RGB三通道的最小值构成的最小颜色通道图，取以避免的情况；步骤S5.2：对求得的晕光算子图进行腐蚀以及二值化处理得到Halationbinary(x)；其二值化阈值为Hthreshold＝0.85×max(Halation(x))其中max(Halation(x))为晕光算子图的最大值；步骤S5.3：对暗原色图Idark进行二值化处理得到Ibinarydark；其二值化阈值为Ithredhold＝0.85×max(Idark)其中max(Idark)为暗原色图的最大值；步骤S5.4：将Halationbinary(x)和Ibinarydark进行点乘运算获得大气光值求值区域A(x)；步骤sS5.5：取大气光值求值区域所对应的雾天图像中最亮的0.1％的像素,将这些像素点求取均值即为最终的大气光值。其中：A(x)为最终的大气光值求值区域，n为A(x)内的像素个数，I(y)为输入图像。在本专利技术一实施例中，还包括步骤S6：利用大气散射模型得到复原图像J。进一步的，步骤S6包括以下具体步骤：由大气散射模型I(x)＝J(x)t(x)+A(1-t(x))式中x为空间坐标，I(x)表示有雾图像，A为全局大气光值，J(x)表示复原后的清晰无雾图像，t(x)为透射率；求得复原图像把求得的透射率trefine(x)以及大气光值A代入上式即求得复原。在本专利技术一实施例中，K＝0.5。本专利技术设计的去雾算法能够有效地解决传统去雾算法存在的复原图像中天空等明亮区域产生色偏的问题，同时解决传统大气光值求取方法易受白色物体干扰的问题，提高图像质量。附图说明图1是基于颜色衰减先验的容差机制透射率调整算法流程图2是结合晕光算子和暗原色图的大气光值求取算法流程图3是算法流程图。具体实施方式下面结合附图和实施例对本专利技术做进一步说明。一种基于暗原色先验的图像去雾方法，其步骤如下：步骤S1：求出有雾降质图像I的暗原色图Idark；步骤S2：由暗原色图求出图像的粗略透射率trough(x)。在本专利技术一实施例中，步骤S2的具体过程如下S2.1：用大气散射模型来描述雾天图像的退化过程，即：I(x)＝J(x)t(x)+A(1-t(x))式中x为空间坐标，I(x)表示有雾图像，A为全局大气光值，J(x)表示复原后的清晰无雾图像，t(x)为透射率。S2.2：引入暗原色先验，即在无雾清晰图像中绝大部分非天空局部区域，至少有一个颜色通道的亮度值很低并趋近于0。换言之，对于图像J，有：其中Jc(y)表示图像J的一个颜色通道,Ω(x)为以x为中心的方形区域，Jdark称为图像J的暗原色。S2.3：假定局部区域Ω(x)内透射率为固定常数且记为对步骤S2.1的大气散射模型公式两侧同除以A，并做运算得到：S2.4：将步骤S2.2的暗原色先验得到的结果代入本文档来自技高网...

【技术保护点】
一种基于暗原色先验的图像去雾算法，其特征在于，包括以下步骤：步骤S1：求出有雾降质图像I的暗原色图I

【技术特征摘要】
1.一种基于暗原色先验的图像去雾算法，其特征在于，包括以下步骤：步骤S1：求出有雾降质图像I的暗原色图Idark；步骤S2：由暗原色图求出图像的粗略透射率trough(x)；其公式为：其中ω为系数，0<ω≤1；步骤S3：对于暗原色先验失效的明亮区域，采用改进的基于颜色衰减先验的容差机制透射率纠正算法，其公式如下：其中的vs(x)为像素亮度与饱和度的差值；K为引入的容差值，将trough(x)/vs(x)<K的区域定义为暗原色先验失效的区域，将trough(x)/vs(x)>K的区域定义为透射率无需调整的非明亮区域；trough为调整前的透射率；步骤S4：采用引导滤波细化透射率，以有雾图像I的灰度图Igray为引导图，通过以下公式得到细化透射率trefine(x):其中uk和σ2k为图像I在局部邻域ωk中的均值和方差；|ω|为邻域内的像素个数；p为需要被细化的图像，为邻域内p的均值，ε为避免a过大而引入的规范化参数。2.根据权利要求1所述的基于暗原色先验的图像去雾算法，其特征在于：步骤S2包括以下具体步骤：步骤S2.1：用大气散射模型来描述雾天图像的退化过程，即：I(x)＝J(x)t(x)+A(1-t(x))式中x为空间坐标，I(x)表示有雾图像，A为全局大气光值，J(x)表示复原后的清晰无雾图像，t(x)为透射率；步骤S2.2：引入暗原色先验，即在无雾清晰图像中绝大部分非天空局部区域，至少有一个颜色通道的亮度值很低并趋近于0，即对于图像J，有：其中Jc(y)表示图像J的一个颜色通道,Ω(x)为以x为中心的方形区域，Jdark称为图像J的暗原色；步骤S2.3：假定局部区域Ω(x)内透射率为固定常数且记为对步骤S2.1的大气散射模型公式两侧同除以A，并做运算得到：

【专利技术属性】
技术研发人员：林志贤，林珊玲，郭太良，叶芸，杨斌，单升起，钱明勇，曾素云，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建,35