基于随机游走聚类的多大气光值图像去雾方法技术

本发明专利技术公开了一种基于随机游走聚类的多大气光值图像去雾方法，首先输入原始有雾图像，求取原始有雾图像的暗像素粗介质传输图和明像素粗介质传输图；其次将暗像素粗介质传输图和明像素粗介质传输图作为初始种子点构建随机游走模型，加入正则化参数得到最终的优化介质传输图；再次将原始有雾图像为先验来构建随机游走模型找到天空和实物的分界线，分别求取天空部分和实物部分的大气光值；最后还原优化介质传输图，在还原优化介质传输图时，分别还原天空部分和实物部分，并将天空部分还原图和实物部分还原图拼接起来，并且对拼接后的图像进行均值滤波，对分界线进行弱化，即得到最终的去雾图像。

Multi atmospheric image denoising method based on random walk clustering

The invention discloses a multi-atmospheric light value image defogging method based on random walk clustering. Firstly, the original foggy image is input to obtain the dark pixel rough medium transmission map and the bright pixel rough medium transmission map of the original foggy image; secondly, the dark pixel rough medium transmission map and the bright pixel rough medium transmission map are used as the initial seed point structure. Establish random walk model and add regularization parameters to get the final optimized medium transmission map; Again, use the original foggy image as a priori to construct the random walk model to find the dividing line between the sky and the object, and calculate the atmospheric light values of the sky and the object parts respectively; Finally, restore the optimized medium transmission map and restore the optimized medium in the process of restoring the optimized medium. When transmitting the image, the sky part and the physical part are restored separately, and the sky part and the physical part are joined together. Mean filter is applied to the mosaic image to weaken the demarcation line, that is to say, the final defogging image is obtained.

【技术实现步骤摘要】
基于随机游走聚类的多大气光值图像去雾方法
本专利技术属于图像处理
，具体涉及一种基于随机游走聚类的多大气光值图像去雾方法。
技术介绍
随着数字图像处理技术的飞速发展，以及该技术已成功用于多种领域，所以该技术人们日常生活起着至关重要的作用。数字图像处理技术使用一定的算法对采集到的原始图像进行有效的处理，从而得到处理之后的清晰图像，从中可以发掘出图像的重要信息并且提高图像的质量。其中对图像进行去雾处理是数字图像处理技术的一项重要作用。近年来，大部分的城市雾霾情况严重，导致许多交通安全问题，给人民日常生活带来很大的不便。直接从图像采集设备所采集到的图像降质情况严重，含有较多的噪声，以及图像整体偏暗和对比度不高等问题。所以要对直接采集到的原始图像进行有效的去雾处理，从中得到原始图像中所反映出的重要信息。因此，研究对单幅图像进行去雾处理具有十分重要的意义。现阶段的图像去雾算法分为基于物理模型的单幅图像去雾算法和基于图像增强的去雾算法。近些年来，基于物理模型的去雾算法取得了大幅度的进步。常见的去雾算法有基于暗通道先验的去雾算法、基于双边滤波的图像去雾算法、基于引导滤波的图像去雾算法、基于边本文档来自技高网...

【技术保护点】
1.基于随机游走聚类的多大气光值图像去雾方法，其特征在于，包括以下步骤：步骤1：输入原始有雾图像，求取原始有雾图像的暗像素粗介质传输图和明像素粗介质传输图；步骤2：将暗像素粗介质传输图和明像素粗介质传输图作为初始种子点构建随机游走模型，加入正则化参数得到最终的优化介质传输图；步骤3：将原始有雾图像为先验来构建随机游走模型找到天空和实物的分界线，分别求取天空部分和实物部分的大气光值；步骤4：还原优化介质传输图，在还原优化介质传输图时，分别还原天空部分和实物部分，并将天空部分还原图和实物部分还原图拼接起来，并且对拼接后的图像进行均值滤波，对分界线进行弱化，即得到最终的去雾图像。

【技术特征摘要】
1.基于随机游走聚类的多大气光值图像去雾方法，其特征在于，包括以下步骤：步骤1：输入原始有雾图像，求取原始有雾图像的暗像素粗介质传输图和明像素粗介质传输图；步骤2：将暗像素粗介质传输图和明像素粗介质传输图作为初始种子点构建随机游走模型，加入正则化参数得到最终的优化介质传输图；步骤3：将原始有雾图像为先验来构建随机游走模型找到天空和实物的分界线，分别求取天空部分和实物部分的大气光值；步骤4：还原优化介质传输图，在还原优化介质传输图时，分别还原天空部分和实物部分，并将天空部分还原图和实物部分还原图拼接起来，并且对拼接后的图像进行均值滤波，对分界线进行弱化，即得到最终的去雾图像。2.根据权利要求1所述的基于随机游走聚类的多大气光值图像去雾方法，其特征在于，步骤1中求取原始有雾图像的暗像素粗介质传输图和明像素粗介质传输图的具体方法为：建立大气散射模型，采用式(1)、式(2)得出原始有雾图像的暗像素图以及明像素图：其中，和分别为各颜色通道的最小值和最大值，I(x)指的是原始有雾图像中的一个像素点，Ir(x)、Ig(x)、Ib(x)为三个通道中某一个像素点的值，Imin(x)和Imax(x)为暗像素图和明像素图；再分别对暗像素图和明像素图进行3*3的最小值滤波和3*3的最大值滤波，选取暗像素图中最亮的前0.1％的像素对应到原始有雾图像的R、G、B三个通道中，分别找到三个通道所对应的三个大气光值，最终大气光值A取为三个通道所对应的三个大气光值的平均值，然后使用公式(3)、公式(4)求取暗像素粗介质传输图以及明像素粗介质传输图：其中，和分别为暗像素粗介质传输图和明像素粗介质传输图，ψmin(·)与ψmax(·)为Ω(x)邻域取最小值和最大值，A指的是大气光值，w为调整系数，且0<w<1。3.根据权利要求2所述的基于随机游走聚类的多大气光值图像去雾方法，其特征在于，调整系数w＝0.75。4.根据权利要求2所述的基于随机游走聚类的多大气光值图像去雾方法，其特征在于，步骤2具体过程如下：随机游走模型为：将原始有雾图像转化为图，图被分为固定个数的顶点和边，每条边有自己的权重，权重即为该点沿着这条边行走的概率，即将图像定义为含有顶点、边和权重的集合G＝(V，E，W)，其中V表示每个像素点为一个顶点的集合，E代表两个顶点构成边的集合，W代表每条边上的权重，如公式(5)所示，从顶点中指定部分顶点为种子点，未被指定的点为非种子点，随机游走指的是从非种子点游走到种子点，整个...

【专利技术属性】
技术研发人员：黄鹤，徐锦，茹锋，王飚，宋京，李昕芮，胡凯益，王会峰，许哲，郭璐，黄莺，惠晓滨，任思奇，崔博，李光泽，王开心，
申请(专利权)人：长安大学，
类型：发明
国别省市：陕西,61