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 ...
【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
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。