无人机航拍图像雾霾天空和白色区域自适应处理方法技术

本发明专利技术公开了无人机航拍图像雾霾天空和白色区域自适应处理方法，首先获取待处理的无人机航拍含雾图像；然后获取含雾图像的暗通道图像和灰度图像；根据暗通道图像计算图像的大气光值A；将暗通道图像作为大气耗散函数的粗估计值并根据灰度图像求出能够分割近景与天空或白色区域的自适应阈值ThrB；然后分区域处理图像，计算修正系数，并将其代入改进大气耗散函数公式中得出改进后的大气耗散函数值；再通过双边滤波将对获得的改进大气耗散函数精细化；而后根据透射率估计公式求出图像透射率t(x)；最后根据图像退化模型恢复出无雾图像。

【技术实现步骤摘要】
无人机航拍图像雾霾天空和白色区域自适应处理方法
本专利技术属于图像处理
，具体涉及一种无人机航拍图像雾霾天空和白色区域自适应处理方法。
技术介绍
目前，无人机研究领域中的热点，是将无人机应用于测绘、目标识别、地质灾害防治等领域，无人机的执行任务很大程度依赖于成像质量较高的无人机图像。随着天气状况的恶化，雾霾天气下航拍得到的图像模糊不清，清晰度不高，航拍得到的图像基本信息特征严重失真受损，无法捕捉到有用信息，因此人们对无人机航拍图像的去雾需求越来越高。近年来，单幅图像的去雾方法取得了较大的进步，可以将图像去雾分类方法分为两类：基于图像处理的雾天图像增强和基于物理模型的雾天图像复原。图像增强的方法忽略了图像退化的因素，通过增强雾天图像清晰度，将图像细节信息突出来，对图像复原有一定的效果，但是该方法没有考虑图像退化模型，效果不佳。图像复原的方法针对雾天图像降质过程，建立退化物理模型，反演退化过程，从而获得无雾图像。相较于图像增强的去雾算法。基于物理模型得到的图像去雾效果更加自然，信息损失较少。利用雾天图像本身去构造约束条件，从单幅图像中估计大气散射模型中的参数来达到去雾目的，何恺明等人提出了“暗通道”概念，即在无雾户外图像的非天空区域的任一局部窗口，所有像素点RGB通道中的最小值应接近于0。该方法去雾效果较为理想，然而天空区域或白色等明亮区域却不满足暗原色先验规律，导致这些区域在去雾后普遍存在图像颜色失真问题，因此解决图像天空或白色等明亮区域颜色失真问题成为现有图像复原中的一项重要任务。针对目前算法存在的缺点，对大气散射模型中的关键参数进行研究，利用保边效果较好的双边滤波器或引导滤波器来准确估计大气耗散函数，保留图像边缘细节信息，并能在边缘和平缓区域之间过度自然，防止图像复原后出现halo效应或雾气残留，但是天空或白色等明亮区域失真问题仍然没有解决；有人采用固定阈值来修复对透射率，在一定程度上保护天空雾图的复原效果，但容易造成无天空图像的去雾不足；也有人采用分割天空区域来避免去雾后图像的色彩失真问题，但由于用最大连通区域作为识别的天空区域，易造成天空部位某些块的漏检，导致漏检部分天空区域颜色失真。这些算法没有从根本上解决去雾颜色失真问题，因此改善雾霾天空或白色区域去雾效果算法还有待提升。
技术实现思路
本专利技术的目的在于提供无人机航拍图像雾霾天空和白色区域自适应处理方法，以克服上述现有技术存在的缺陷，本专利技术既能自适应分割出天空或白色区域，又能够保持对近景部分的图像去雾处理，增强图像的对比度，实用性较强，具有极高的应用价值。为达到上述目的，本专利技术采用如下技术方案：无人机航拍图像雾霾天空和白色区域自适应处理方法，包括以下步骤：步骤1：获取无人机航拍图像I(x)；步骤2：获取无人机航拍图像I(x)的暗通道图像Idark(x)以及灰度图像Igray(x)；步骤3：根据步骤2获得的暗通道图像Idark(x)中的明亮点，结合无人机航拍图像I(x)获取无人机航拍图像的大气光值A；步骤4：定义大气耗散函数：V(x)＝A(1-t(x))，其中，V(x)表示大气耗散函数，A表示大气光值，t(x)表示图像透射率；并将步骤2获得的暗通道图像作为大气耗散函数的粗估计V(x)；步骤5：根据步骤2获取的灰度图像Igray(x)，求取灰度图像的灰度直方图，并求得自适应阈值ThrB来分割近景与天空或白色区域；步骤6：利用步骤5求取的自适应阈值ThrB分区域处理粗估计的大气耗散函数，定义新修正公式，计算修正系数，定义改进大气耗散函数公式，并将修正系数代入改进公式求得改进大气耗散函数V'(x)；步骤7：用双边滤波器对步骤6得到的改进大气耗散函数精细化，得到精细化大气耗散函数V”(x)；步骤8：根据步骤7获得的精细大气耗散函数V”(x)，使用透射率估计公式求得整幅图像的透射率t(x)；步骤9：建立图像退化过程模型，利用步骤1获得原始图像I(x)以及步骤3、步骤8得到的参数A、t(x)，恢复得到去雾图像J(x)。进一步地，步骤2中暗通道图像Idark(x)表示如下：其中，c为三个颜色通道R、G、B中某一通道的值。进一步地，步骤3中求取大气光值A时，选取暗通道图像亮度值最大的前0.1％的像素点对应到原始有雾图像中亮度在前0.1％像素点，将对应的R、G、B三个通道值分别求取平均值，最终大气光值A取三个通道所对应的三个大气光值的平均值。进一步地，步骤4中大气耗散函数满足两个约束条件：(1)在每个像素点上，V(x)>0，即大气耗散函数取值为正值；(2)即V(x)不大于含雾图像I(x)的最小颜色分量，故将暗通道图像作为大气耗散函数的粗估计。进一步地，步骤5具体实施步骤如下：步骤5.1：计算灰度图像Igray(x)的的灰度值的累积分布概率，并计算图像累计分布函数L(x)，提取分布在[0.05,0.95]的灰度直方图，利用分布函数计算L(x1)＝0.05和L(x2)＝0.95对应的灰阶值x1、x2，最终计算出灰度直方图的中心点步骤5.2：利用最大类间方差法对灰度直方图进行自适应分割得到用于区分目标和背景的阈值sh；步骤5.3：通过缩小灰度直方图区间准确找到灰度直方图尖峰区域的起始点对应的像素点ThrB，具体如下：找出[max(Mid,sh),A]区间中直方图最小的极值点，并计算其对应的灰阶值，即对应的像素点ThrB，通过二分法缩小区间，最终将区间定为[b,ThrM]，并在此区间找出直方图中最小的极小值点，将其对应的像素值定为ThrB；其中，ThrM为[max(Mid,sh),A]区间中直方图最大值点对应的像素值。进一步地，步骤6中新修正公式定义为：其中，M为修正系数，Igray(x)为灰度图像，a为影响函数趋势变化的参数，Idark为暗通道图像。进一步地，定义改进大气耗散函数为：V'(x)＝M*V(x)其中，V(x)为大气耗散函数粗估计。进一步地，步骤7中利用双边滤波器将改进大气耗散函数精细化，即V”(x)＝Bil(V'(x))；其中，Bil(x)为双边滤波器，其数学表达式定义为w(i,j)＝ws(i,j)wr(i,j)S为以(x,y)为中心的邻域，(x,y)为滤波窗口内中心像素点的坐标，(i,j)为临近像素点的坐标，w(i,j)是加权系数，ws(i,j)为空间相似度核函数，wr(i,j)为亮度相似度核函数，g(x,y)为滤波窗口内中心像素点的亮度值，g(i,j)为临近像素点的亮度值，σs、σr分别为空间相似度核函数、亮度相似度核函数标准差。进一步地，步骤9中将原始图像I(x)、大气光A以及求出的透射率t(x)，代入图像退化过程模型I(x)＝J(x)t(x)+A(1-t(x))中，变形可得复原图像公式为即恢复得到去雾图像J(x)。与现有技术相比，本专利技术具有以下有益的技术效果：本专利技术提出了一种针对雾霾天空或白色等明亮区域自适应处理方法，在对含有天空或白色等明亮区域的含雾图像进行去雾处理时，可以自适应求出阈值，通过阈值判断自适应分割出天空或白色等明亮区域与近景区域，针对不同区域提出新的修正公式，进而改进大气耗散函数。新的自适应处理方法不仅能够准确检测出雾霾天空或白色等明亮区域并对其区域内大气耗散函数改进处理，恢复出更符合人眼的天空或白色等明亮本文档来自技高网...

【技术保护点】
1.无人机航拍图像雾霾天空和白色区域自适应处理方法，其特征在于，包括以下步骤：步骤1：获取无人机航拍图像I(x)；步骤2：获取无人机航拍图像I(x)的暗通道图像Idark(x)以及灰度图像Igray(x)；步骤3：根据步骤2获得的暗通道图像Idark(x)中的明亮点，结合无人机航拍图像I(x)获取无人机航拍图像的大气光值A；步骤4：定义大气耗散函数：V(x)＝A(1‑t(x))，其中，V(x)表示大气耗散函数，A表示大气光值，t(x)表示图像透射率；并将步骤2获得的暗通道图像作为大气耗散函数的粗估计V(x)；步骤5：根据步骤2获取的灰度图像Igray(x)，求取灰度图像的灰度直方图，并求得自适应阈值ThrB来分割近景与天空或白色区域；步骤6：利用步骤5求取的自适应阈值ThrB分区域处理粗估计的大气耗散函数，定义新修正公式，计算修正系数，定义改进大气耗散函数公式，并将修正系数代入改进公式求得改进大气耗散函数V'(x)；步骤7：用双边滤波器对步骤6得到的改进大气耗散函数精细化，得到精细化大气耗散函数V”(x)；步骤8：根据步骤7获得的精细大气耗散函数V”(x)，使用透射率估计公式

【技术特征摘要】
1.无人机航拍图像雾霾天空和白色区域自适应处理方法，其特征在于，包括以下步骤：步骤1：获取无人机航拍图像I(x)；步骤2：获取无人机航拍图像I(x)的暗通道图像Idark(x)以及灰度图像Igray(x)；步骤3：根据步骤2获得的暗通道图像Idark(x)中的明亮点，结合无人机航拍图像I(x)获取无人机航拍图像的大气光值A；步骤4：定义大气耗散函数：V(x)＝A(1-t(x))，其中，V(x)表示大气耗散函数，A表示大气光值，t(x)表示图像透射率；并将步骤2获得的暗通道图像作为大气耗散函数的粗估计V(x)；步骤5：根据步骤2获取的灰度图像Igray(x)，求取灰度图像的灰度直方图，并求得自适应阈值ThrB来分割近景与天空或白色区域；步骤6：利用步骤5求取的自适应阈值ThrB分区域处理粗估计的大气耗散函数，定义新修正公式，计算修正系数，定义改进大气耗散函数公式，并将修正系数代入改进公式求得改进大气耗散函数V'(x)；步骤7：用双边滤波器对步骤6得到的改进大气耗散函数精细化，得到精细化大气耗散函数V”(x)；步骤8：根据步骤7获得的精细大气耗散函数V”(x)，使用透射率估计公式求得整幅图像的透射率t(x)；步骤9：建立图像退化过程模型，利用步骤1获得原始图像I(x)以及步骤3、步骤8得到的参数A、t(x)，恢复得到去雾图像J(x)。2.根据权利要求1所述的无人机航拍图像雾霾天空和白色区域自适应处理方法，其特征在于，步骤2中暗通道图像Idark(x)表示如下：其中，c为三个颜色通道R、G、B中某一通道的值。3.根据权利要求1所述的无人机航拍图像雾霾天空和白色区域自适应处理方法，其特征在于，步骤3中求取大气光值A时，选取暗通道图像亮度值最大的前0.1％的像素点对应到原始有雾图像中亮度在前0.1％像素点，将对应的R、G、B三个通道值分别求取平均值，最终大气光值A取三个通道所对应的三个大气光值的平均值。4.根据权利要求1所述的无人机航拍图像雾霾天空和白色区域自适应处理方法，其特征在于，步骤4中大气耗散函数满足两个约束条件：(1)在每个像素点上，V(x)>0，即大气耗散函数取值为正值；(2)即V(x)不大于含雾图像I(x)的最小颜色分量，故将暗通道图像作为大气耗散函数的粗估计。5.根据权利要求1所述的无人机航拍图像雾霾天空和白色区域自适应处理方法，其特征在于，步骤...

【专利技术属性】
技术研发人员：黄鹤，郭璐，王会峰，杜晶晶，宋京，胡凯益，许哲，惠晓滨，黄莺，任思奇，周卓彧，
申请(专利权)人：长安大学，
类型：发明
国别省市：陕西,61