一种基于暗通道先验与亮通道先验的图像去雾方法技术

本发明专利技术涉及一种基于暗通道先验与亮通道先验的图像去雾方法，属于图像处理领域，包括以下步骤：S1：获取图像中各处大气光值有变化的大气光图；S2：对图像暗通道先验失效区域进行判定，并选择亮通道图对暗通道失效区域透射率进行补偿；S3：将大气光图和透射率代入改进的大气散射模型公式计算出无雾图像。本发明专利技术用一个各处大气光值有变化的大气光图来代替单一的大气光，并对暗通道先验失效区域进行鉴别和自适应补偿该区域透射率，去雾后整体色彩明亮，天空区域无失真现象，细节清晰，有效改善了暗通道先验去雾算法的不足。

【技术实现步骤摘要】
一种基于暗通道先验与亮通道先验的图像去雾方法
本专利技术属于图像处理领域，涉及一种基于暗通道先验与亮通道先验的图像去雾方法。
技术介绍
图像去雾可以分为图像增强和图像复原两种方法。在图像复原领域，基于先验知识的图像去雾方法有较深的研究进展。Tan利用无雾图像比有雾图像对比度高的特性，通过最大化恢复图像的局部对比度来去雾，但该方法在无雾区域容易产生色彩失真；Tarel等假设大气耗散函数在可行域中逼近最大值，且局部变化平缓，利用中值滤波估计耗散函数，但该方法在景物边缘容易产生光晕现象。Fattal将图像的场景辐射分解为反照率和阴影，然后基于独立分量分析，假设阴影和场景深度在局部不相关，估计景物反照率，来推断景物光在空气中传播时的透射率，但该方法不适用与浓雾区域的处理。Zhu等根据统计得到任意区域雾的浓度与该区域像素点的亮度和饱和度之差成正相关，通过建立景深信息与亮度和饱和度的线性模型并用机器学习算法求解模型中的参数，但该方法在处理雾霾非均匀分布图像时往往会失效。在众多基于先验知识的去雾算法中，基于暗通道先验的图像去雾算法，被认为是最有效的去雾方法之一。该算法利用统计学得来的先验知识，基于本文档来自技高网...

【技术保护点】
1.一种基于暗通道先验与亮通道先验的图像去雾方法，其特征在于：包括以下步骤：S1：获取图像中各处大气光值有变化的大气光图A(x)；S2：对图像暗通道先验失效区域进行判定，并选择亮通道图对暗通道失效区域透射率t(x)进行补偿；S3：将大气光图A(x)和透射率t(x)代入改进的大气散射模型公式计算出无雾图像：I(x)＝J(x)t(x)+A(x)(1‑t(x))其中J(x)表示雾天图像的复原公式：

【技术特征摘要】
1.一种基于暗通道先验与亮通道先验的图像去雾方法，其特征在于：包括以下步骤：S1：获取图像中各处大气光值有变化的大气光图A(x)；S2：对图像暗通道先验失效区域进行判定，并选择亮通道图对暗通道失效区域透射率t(x)进行补偿；S3：将大气光图A(x)和透射率t(x)代入改进的大气散射模型公式计算出无雾图像：I(x)＝J(x)t(x)+A(x)(1-t(x))其中J(x)表示雾天图像的复原公式：其中t0是透射率设定的下限值，以避免去雾结果中包含噪声。2.根据权利要求1所述的基于暗通道先验与亮通道先验的图像去雾方法，其特征在于：步骤S1包括以下步骤：S11：利用四叉树算法求取基准大气光值A'，具体包括以下步骤：S111：将输入图像划分为四个相等的矩形区域；S112：在每个区域内用像素的平均值减去这些像素的标准差；S113：选择差值较大的区域，继续分割为更小的四个区域；S114：重复步骤S111-S113直到分割后的区域小于预先设定的阈值S；S115：在被选中的区域，选择最大强度的像素值来作为基准大气光A'；S12：计算有雾图像的亮通道图I...

【专利技术属性】
技术研发人员：罗萍，康健，吕霞付，龚晓光，胡光宝，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆,50