面向有雾图像的类天空区域检测与定位方法技术

本发明专利技术涉及有雾图像增强和复原的多媒体技术领域，特别是涉及一种面向有雾图像的类天空区域检测与定位方法。一种面向有雾图像的类天空区域检测与定位方法，包括如下步骤：1)亮度明暗二值图LD的生成。2)梯度幅值图G的生成。3)判断是否存在类天空区域并获得粗略的类天空区域二值图s。4)获得精确的类天空区域二值图S。本发明专利技术其主要功能是利用输入有雾图像的亮度、颜色、梯度信息，先通过连通区域检测进行粗略定位，再根据亮度和梯度信息判断是否是真正的类天空区域，最后利用颜色信息对类天空区域实现精确定位，通过这种方法，可以高效且准确的定位类天空区域，增强去雾算法的去雾效果。

【技术实现步骤摘要】
面向有雾图像的类天空区域检测与定位方法
本专利技术涉及有雾图像增强和复原的多媒体
，特别是涉及一种面向有雾图像的类天空区域检测与定位方法。
技术介绍
在雾天环境下，机场关闭、船舶停运、道路封锁、测绘卫星拍摄的图像质量低下、视频监控系统不能正常工作，给人们的生产生活和科学研究带来了重大的损失。近年来，自动驾驶、智能交通技术的研发成为一大热门方向，摄像监控设备和传感器所获得的图像的清晰度是决定此类技术稳定性和可靠性的重要因素。因此，得到清晰无雾图像具有重要的应用价值，截至目前图像去雾已成为计算机视觉和数字图像处理的一个研究热点。目前图像去雾的主流是基于大气散射模型的图像去雾方法，绝大多数基于大气散射模型的去雾算法对类天空区域，也就是包含了天空区域和与天空类似的梯度小、亮度高、三个颜色通道差异小的区域都是失效的，所以需要进行类天空区域的检测与定位，单独调整类天空区域以达到更好的去雾效果。然而，已有的类天空区域检测方法大部分都面向无雾图像，并且存在误判率高、运行效率差、类天空区域检测不全等问题，严重影响了去雾算法的效率与去雾效果，难以满足高效的有雾图像复原的要求。因此高效且准确的类天空本文档来自技高网...

【技术保护点】
1.一种面向有雾图像的类天空区域检测与定位方法，其特征在于：包括如下步骤：1)亮度明暗二值图LD的生成先根据输入有雾彩色图像I计算对应的亮度图像L

【技术特征摘要】
1.一种面向有雾图像的类天空区域检测与定位方法，其特征在于：包括如下步骤：1)亮度明暗二值图LD的生成先根据输入有雾彩色图像I计算对应的亮度图像L其中：x代表图像中的一个像素，IC(x)代表输入图像I中像素x在颜色通道C上的颜色值，r,g,b分别代表红、绿、蓝三个颜色通道，L(x)代表亮度图像L中像素x的值；再根据亮度图像L得到全局亮度二值图LA和局部亮度二值图LL(1)全局亮度二值图LA的生成其中：x代表图像中的一个像素，m,n分别代表亮度图像L的长和宽，L(x)代表亮度图像L中像素x的值，TA代表输入图像I的全局平均亮度，LA(x)代表全局亮度二值图LA中像素x的值。(2)局部亮度二值图LL的生成其中：x代表图像中的一个像素，L(x)代表亮度图像L中像素x的值，TL(x)代表像素x的局部平均亮度，LL(x)代表局部亮度二值图LL中像素x的值，Φ(x)代表以像素x为中心并且大小为19×19的图像块内所有像素的集合。最终得到亮度明暗二值图LD其中：x代表图像中的一个像素，LL(x)代表局部亮度二值图LL中像素x的值，LA(x)代表全局亮度二值图LA中像素x的值，LD(x)代表亮度明暗二值图LD中像素x的值；2)梯度幅值图G的生成利用Sobel算子计算输入有雾彩色图像I三个通道的梯度幅值，整合得到中间梯度图G'：其中：x代表图像中的一个像素，代表输入图像I中像素x在颜色通道C上X方向的Sobel梯度值，代表输入图像I中像素x在颜色通道C上Y方向的Sobel梯度值，GC(x)代表代表输入图像I中像素x在颜色通道C上的梯度幅值，r,g,b分别代表红、绿、蓝三个颜色通道，G'(x)代表中间梯度图G'中像素x的值；所有像素按中间梯度图G'上的值大小进行降序排序后，取第μ个值作为阈值GT，μ为输入图像I像素总量的10％，利用阈值GT，截断中间梯度图并归一化后得到梯度幅值图G：其中：x代表图像中的一个像素，GT代表归一化的阈值，G'(x)代表中间梯度图G'中像素x的值，G(x)代表梯度幅值图G中像素x的值。3)判断是否存在类天空区域并获得粗略的类天空区域二值图s第一步：检测亮...

【专利技术属性】
技术研发人员：陈奕宸，刘春晓，徐行，
申请(专利权)人：浙江工商大学，
类型：发明
国别省市：浙江,33