基于暗亮原色先验与自适应参数优化的图像去雾方法技术

本发明专利技术公开了基于暗亮原色先验与自适应参数优化的图像去雾方法，根据白色区域像素值普遍较高的特点提出了亮原色先验理论，将该理论与暗原色先验理论相结合，有效解决了雾天图像中白色区域的去雾问题，将类天空区域的像素值与最大暗通道值进行自适应的加权处理，使得求取的大气光值鲁棒性更强，再通过自适应权值优化的图像去雾算法，从而更好的实现了去雾后图像的优化处理，通过自适应尺度的引导滤波算法，将原有雾图像的尺寸大小自适应调节滤波尺度，使得滤波后效果更佳，从而实现图像的有效去雾，本方法不仅有效解决了原算法不适用于大面积白色区域和去雾后图像偏暗等问题，而且去雾之后的图像视觉效果更加真实自然。

Image de haze method based on dark bright primal prior and adaptive parameter optimization

The invention discloses an image defogging method based on dark primary color priori and adaptive parameter optimization. According to the characteristics of generally high pixel value in white area, a bright primary color priori theory is proposed, which combines the theory with dark primary color priori theory, effectively solves the problem of defogging in white area of foggy image, and makes Sky-like area similar. The adaptive weighting processing between the pixel value and the maximum dark channel value makes the obtained atmospheric light value more robust. Then the image defogging algorithm based on adaptive weight optimization is used to better realize the optimized image processing after defogging. The size of the original fog image is larger by the adaptive scale guided filtering algorithm. The small adaptive adjustment of the filter scale makes the filtering effect better, so as to achieve effective image fog removal. This method not only effectively solves the problem that the original algorithm is not suitable for large areas of white area and image darkening after fog removal, but also makes the image visual effect more realistic and natural after fog removal.

【技术实现步骤摘要】
基于暗亮原色先验与自适应参数优化的图像去雾方法
本专利技术属于图像处理
，具体涉及基于暗亮原色先验与自适应参数优化的图像去雾方法。
技术介绍
信息革命被视为第四次工业革命，其重要性不言而喻，而信息的重要来源之一是数字图像信息，清晰的图像能被应用于各个领域，并发挥至关重要的作用。因此，获得清晰的图像至关重要，然而在现实生活中，由于各种原因，取得的图像质量并不高，尤其是在恶劣天气下，获得的图像质量往往很差，大大降低了图像的应用价值，其中雾霾便是常见的恶劣天气之一。2009年，提出了基于暗原色先验的去雾方法，该方法通过对无雾图像进行统计，得出每个区域总有一个颜色通道值等于或接近于0的先验知识，并将这一现象称之为暗原色先验，根据这一先验，可以估算出透射率的数值，然后采用软抠图的方法对透射率进行优化，最终实现良好的去雾效果。但是，该方法主要存在以下几个缺点：1)对于大面积白色区域，如天空、浓雾等，暗通道较少存在，该方法难以适用；2)含有白色区域时，容易出现大气光估值过高的现象；3)去雾参数过于固定单一，且去雾后容易出现图像偏暗的不良效果；4)软抠图算法过于复杂，运算量过大。对此，人在此基础上做出改进，采用引导滤波的算法代替软抠图算法，取得了同样良好的去雾效果，并且运算速度大大提高。虽然改进后的方法速度提升，但对于大面积白色区域并没有做出适当的改进，大气光依然容易出现估值过高的现象，参数单一且去雾后仍有图像偏暗等不良效果，目前，该方法仍然有很大的改进空间。2011年，提出如下两种改进方法：第一，根据RGB空间中各个像素的聚类来优化透射率；第二，在初步估计出透射率后，采用变分法求解最小化能量函数的方式进行优化。2013年，为保证取得的暗原色图既精细又合适，通过边缘提取的方法，对边缘部分采用小模块计算暗通道，对非边缘采用大模块计算暗通道,并采用阈值分割的方法分割出天空区域，将天空区域的最大像素值作为大气光的值，最终取得了较好的去雾效果。借鉴多尺度Retinex变换的思想，对有雾图像进行不同模块尺度的暗原色提取，再将提取出来的多尺度暗原色图进行线性叠加，以此来减少去雾的运算量和去雾后的光晕现象。2016年，采用最大类间方法差分割出天空区域，并将天空区域的平均强度作为大气光值，以优化直接取最大值可能导致大气光值过高的现象。同年，采用小波变换的方法将图像分为取块的暗原色低频和取点的暗原色高频，进行处理后再行融合，以此来优化暗原色图，并对求得的透射率采用维纳滤波进行优化。然后采用四分法求得天空区域，并针对天空区域通过加权的方式求得大气光值，最终达到良好的去雾效果。2017年，采用提升小波算法对初步估计的透射率进行多尺度分解，并对每个尺度的图像采用引导滤波进行优化，以此来保证去雾后的图像边缘清晰。将通道值接近于1的像素称之为明像素，为解决大面积天空区域和白色块状区域的问题，对有雾图像分别采用明像素和暗像素获取其透射率，再将二者相结合求得最终的透射率，以此来求得去雾图像。2017年，针对遥感图像几乎不含天空区域的特点，直接提取r、g、b三通道的最小值作为暗原色图来对遥感图像实现去雾，大大减少了运算量。同年，在RGB、Lab和HSV三个颜色空间来估算透射率，以此来提高估算透射率的精度和速度，对r、g、b三个通道分别采用引导滤波来保持边缘特征，并对去雾后的图像采用自适应色彩调整的方法，以此来解决去雾后的图像过暗现象。针对基于暗原色先验的去雾方法所存在的问题，国内外专家学者做了大量的研究和改进，虽然取得了不少成果，但仍存在各种各样的问题，到目前为止，并没有人能提出一种各方面兼得的改进方法
技术实现思路
本专利技术的目的在于提供基于暗亮原色先验与自适应参数优化的图像去雾方法，以克服现有技术的不足。为达到上述目的，本专利技术采用如下技术方案：一种基于暗亮原色先验与自适应参数优化的图像去雾方法，包括以下步骤：步骤1)、对获取的有雾原图进行OTSU算法处理，得到类天空区域的数值，对获取的有雾原图通过暗原色先验算法处理得到暗原色先验算法数值，将类天空区域的数值与暗原色先验算法得到的数值进行加权处理，从而得到加权平均的大气光A值；步骤2)、以大气光A值为阈值，将大于等于大气光A值的区域定义为亮原色区，小于大气光A值的定义为暗原色区，从而得到暗亮原色先验理论；步骤3)、将雾天图像退化模型与暗亮原色先验理论相结合，从而得到粗透射率；步骤4)、通过自适应权重ω值取值算法，对粗透射率进行优化；步骤5)、通过自适应引导滤波算法对优化后的粗透射率进行细化，从而得到细透射率；步骤6)、最后将原有雾图像、加权平均的大气光A值和求得的细透射率一起代入雾天图像退化模型，最终得到去雾后的图像。进一步的，步骤1)中，假设图像f(x,y)含有L个灰度级，通过对原图像进行均值滤波得到邻域平滑图像g(x,y)，g(x,y)含有L个灰度级，每个像素都可由两个数值表示：像素灰度值、邻域平均灰度值，可以将这样的现象表示为二元组(i，j)，其中i表示像素灰度值，j表示邻域平均灰度值，用fij表示二元组(i，j)在同一位置出现的次数，并由此可以构建出二维直方图，从而实现最优阈值分割。进一步的，将有雾图像设为I(x)，其像素总数为N，设类天空区域为B(x)，其像素总数为n，雾天图像的暗原色为：则暗原色图中的最大像素值Id_max可表示为：Id_max＝max(Idark(x))(3.19)类天空区域的像素通道最大值的均值Bmean为：加权大气光A值表示为：A＝wBmean+(1-w)Id_max(3.21)式中，表示类天空区域的权值。进一步的，暗亮原色先验理论：暗通道数值大于大气光A值的区域，为亮原色区域，将亮原色区域表示如下：式中，J(x)表示无雾图像像素值，Jlight(x)表示无雾图像的亮原色，亮原色值为极大的一个值，其大小等于1或接近于1；则雾天图像的亮原色区域可表示为：式中，I(x)表示雾天图像，Ilight(x)表示雾天图像的亮原色；则雾天图像的暗原色区域可表示为：此时，将公式(3.23)与公式(3.24)相结合，可得出暗亮原色图，其公式表示如下：式中，Idl(x)表示暗亮原色值，其集合即为暗亮原色图。进一步的，根据公式(2.7)变形后的雾天退化模型，对式两边同时取颜色通道最大值，可得：式中，c表示r、g、b三通道，表示在亮原色区域内滤波窗口中所假设为固定值的透射率，对公式(3.26)两边求区域最大值运算，可得：式中，Ω(x)表示以像素x为中心点的滤波区域；将Jlight(x)→1和公式(3.23)带入式(3.27)，可将其简化并变形如下：式中，ω∈[0,1]是为了保留少量的雾气以提高图像真实性，A为大气光值。将式(3.28)与式(2.12)相结合，可最终求得粗估计的透射率tdl(x)为：式中，Idl(x)为暗亮原色图中在x处的像素值。进一步的，将ω值直接取为归一化后的A值，则公式(3.32)优化改进如下：进一步的，引导滤波的窗口尺度如下：r＝4*floor[max(3,M*0.01,N*0.01)](4.3)式中，floor表示向0取整，r表示引导滤波的滤波窗口尺度。与现有技术相比，本专利技术具有以下有益的技术效果：本专利技术基于暗亮原色先验与自适应参数优化的图像去雾方法，针对本文档来自技高网...

【技术保护点】
1.一种基于暗亮原色先验与自适应参数优化的图像去雾方法，其特征在于，包括以下步骤：步骤1)、对获取的有雾原图进行OTSU算法处理，得到类天空区域的数值，对获取的有雾原图通过暗原色先验算法处理得到暗原色先验算法数值，将类天空区域的数值与暗原色先验算法得到的数值进行加权处理，从而得到加权平均的大气光A值；步骤2)、以大气光A值为阈值，将大于等于大气光A值的区域定义为亮原色区，小于大气光A值的定义为暗原色区，从而得到暗亮原色先验理论；步骤3)、将雾天图像退化模型与暗亮原色先验理论相结合，从而得到粗透射率；步骤4)、通过自适应权重ω值取值算法，对粗透射率进行优化；步骤5)、通过自适应引导滤波算法对优化后的粗透射率进行细化，从而得到细透射率；步骤6)、最后将原有雾图像、加权平均的大气光A值和求得的细透射率一起代入雾天图像退化模型，最终得到去雾后的图像。

【技术特征摘要】
1.一种基于暗亮原色先验与自适应参数优化的图像去雾方法，其特征在于，包括以下步骤：步骤1)、对获取的有雾原图进行OTSU算法处理，得到类天空区域的数值，对获取的有雾原图通过暗原色先验算法处理得到暗原色先验算法数值，将类天空区域的数值与暗原色先验算法得到的数值进行加权处理，从而得到加权平均的大气光A值；步骤2)、以大气光A值为阈值，将大于等于大气光A值的区域定义为亮原色区，小于大气光A值的定义为暗原色区，从而得到暗亮原色先验理论；步骤3)、将雾天图像退化模型与暗亮原色先验理论相结合，从而得到粗透射率；步骤4)、通过自适应权重ω值取值算法，对粗透射率进行优化；步骤5)、通过自适应引导滤波算法对优化后的粗透射率进行细化，从而得到细透射率；步骤6)、最后将原有雾图像、加权平均的大气光A值和求得的细透射率一起代入雾天图像退化模型，最终得到去雾后的图像。2.根据权利要求1所述的基于暗亮原色先验与自适应参数优化的图像去雾方法，其特征在于，步骤1)中，假设图像f(x,y)含有L个灰度级，通过对原图像进行均值滤波得到邻域平滑图像g(x,y)，g(x,y)含有L个灰度级，每个像素都可由两个数值表示：像素灰度值、邻域平均灰度值，可以将这样的现象表示为二元组(i，j)，其中i表示像素灰度值，j表示邻域平均灰度值，用fij表示二元组(i，j)在同一位置出现的次数，并由此可以构建出二维直方图，从而实现最优阈值分割。3.根据权利要求1所述的基于暗亮原色先验与自适应参数优化的图像去雾方法，其特征在于，将有雾图像设为I(x)，其像素总数为N，设类天空区域为B(x)，其像素总数为n，雾天图像的暗原色为：则暗原色图中的最大像素值Id_max可表示为：Id_max＝max(Idark(x))(3.19)类天空区域的像素通道最大值的均值Bmean为：加权大气光A值表示为：A＝wBmean+(1-w)Id_max(3....

【专利技术属性】
技术研发人员：高涛，王嘉锐，陈婷，刘占文，梁闪，曹金沛，
申请(专利权)人：长安大学，
类型：发明
国别省市：陕西,61