一种基于改进动态大气散射系数函数的图像去雾方法技术

本发明专利技术公开了一种基于改进动态大气散射系数函数的图像去雾方法，利用原图的R、G、B三个颜色通道求出最小值通道图像，借助四叉树分割的方法计算出雾天图像的大气光值A；利用非线性颜色衰减先验模型计算出图像景深d(x)，并通过最小值滤波、平滑滤波和引导滤波过滤掉其中的噪声信息，得到最终的图像景深d

【技术实现步骤摘要】
一种基于改进动态大气散射系数函数的图像去雾方法
本专利技术属于图像处理
，具体涉及一种基于改进动态大气散射系数函数的图像去雾方法。
技术介绍
雾霾是陆地和海洋上常见的一种自然现象。在雾、霾等恶劣天气下，大气中悬浮着的气溶胶和固体颗粒会对光线产生了一定的吸收和散射作用，使得拍摄设备所捕获的图像退化，通常包含低对比度和低能见度，这将会严重影响视觉系统，尤其是可见光视觉系统。由于退化图像的清晰度严重下降，这对图像后续自动化处理将是一个巨大的困难和挑战，所以研究出快速而有效的自适应图像去雾方法对于图像及视频自动化处理都有着非常重要的现实意义。图像去雾技术主要采用的模型是一个基于雾天条件下的物理成像模型，即大气散射模型，该模型主要通过估计所需物理参数，如大气光和传输率(深度)，从而反向恢复出无雾图像。大气散射物理模型是由McCartney于1976年提出的，之后经Narasimhan和Nayar等人进一步推导得出其数学模型，该模型为图像去雾研究奠定了坚实的基础。在过去的几年里，许多学者和科研人员在去雾研究领域中取得了显著的成果。如He等人提出了用引导滤波代替软抠图，降低了算法复杂度，但在远景区域仍存在明显的残雾；Meng等人提出了一种基于边界约束的去雾算法，该方法通过增加物理模型中参数的约束条件来复原无雾图像，通过牺牲少量细节来提升复原效果，得到了较为清晰的图像，但其后处理操作的计算复杂度较大；Zhu等人通过观察HSV颜色通道发现，亮度和饱和度之差与图像景深之间存在线性关系，并据此提出了颜色衰减先验知识，建立了景深信息关于图像饱和度、亮度的数学模型，利用监督学习的方法解出景深信息，从而实现对图像去雾，该方法简单有效，但其通过设置全图统一的大气散射系数计算的透射率易造成局部区域去雾程度不足。
技术实现思路
本专利技术的目的是提供一种基于改进动态大气散射系数函数的图像去雾方法，能够有效的改进现有技术中存在的颜色衰减先验算法不足的问题。本专利技术采用的第一种技术方案是，一种基于改进动态大气散射系数函数的图像去雾方法，具体按照以下步骤实施：步骤1、获取输入的雾天图像I(x)的红、绿、蓝三个颜色通道值的最小值通道图像Idark(x)，通过四叉树分割的方法计算雾天图像I(x)的大气光值A；步骤2、对原始雾天图像I(x)进行颜色空间域的变换，即由RGB颜色空间变换到HSV颜色空间，并提取出雾天图像I(x)的亮度分量v(x)和饱和度分量s(x)；步骤3、利用非线性颜色衰减先验模型计算出雾天图像I(x)的景深d(x)，并通过最小值滤波、平滑滤波和引导滤波过滤掉其中的噪声信息，得到最终的图像景深dr(x)；步骤4、结合改进动态大气散射系数函数β(x)和图像景深dr(x)，计算出大气透射率t(x)；步骤5、将大气光值A和大气透射率t(x)代入雾天图像的大气散射模型公式，并通过无雾图像恢复公式去噪，计算无雾图像J(x)。本专利技术的特点还在于：步骤1最小值通道图像Idark(x)表达式为：其中y表示R、G、B三个颜色通道中的一个通道。步骤1具体过程为：步骤1.1、根据初始阈值T0为30×30，对输入的雾天图像I(x)求取灰度图像Igray；步骤1.2、对灰度图像Igray使用中值滤波，获得滤波后的图像Imedian；步骤1.3、将图像Imedian通过四叉树分割法平均分为四个矩形区域；步骤1.4、求取每个矩形区域的平均像素值，通过平均像素值减去该区域的标准差获取一个得分，选出最大得分以及最大得分对应的区域块；步骤1.5、比较最大得分对应的区域与初始阈值T0的大小；如果最大得分对应的区域大于初始阈值T0，返回步骤1.2；否则，最大得分对应的区域为目标区域；步骤1.6、求取目标区域灰度值的平均值，该平均值即为大气光值A。步骤3非线性颜色衰减先验模型表达式为：式(2)中，v(x)表示雾天图像I(x)的亮度分量，s(x)表示雾天图像I(x)的饱和度分量，参数α＝4.99，θ0＝-0.29，θ1＝0.83，θ2＝-0.16。步骤3中通过最小值滤波、平滑滤波和引导滤波过滤掉其中的噪声信息具体过程为：步骤a、采用最小值滤波对白色物体被误认为远景的问题进行去噪；式中，dmin(x)表示最小值滤波后的图像景深，d(y)表示待滤波的图像景深，Ω(x)表示以像素x为中心的滤波区域，滤波的结构元取15×15的方形矩阵。步骤b、对最小值滤波后的图像景深dmin(x)进行平滑和导向滤波处理，得到最终的图像景深dr(x)：dr(x)＝guidedfilter(Igray,derode(x),r,esp)(5)式中，Igray表示原始雾天图像I(x)的灰度图，derode(x)表示平滑滤波后的图像景深，r为滤波窗口半径，取值为30，esp为正则化参数，取值为0.01。步骤4改进动态大气散射系数函数β(x)的表达式为：步骤4中计算出大气透射率t(x)表达式为：t(x)＝exp[-βdr(x)](15)大气散射模型公式为：I(x)＝J(x)t(x)+A[1-t(x)](16)计算无雾图像J(x)过程为：式(9)中，t0为透射率t(x)设定的下限阈值，取值0.1。本专利技术的有益效果是：本专利技术一种基于改进动态大气散射系数函数的图像去雾方法，利用改进动态大气散射系数函数模型，不仅解决了现有颜色衰减先验图像去雾算法由于大气散射系数恒定导致的局部区域去雾程度不足的问题，同时还可以解决图像天空区域颜色失真的问题。附图说明图1为本专利技术中一种基于改进动态大气散射系数函数的图像去雾方法流程图；图2不同a、b取值的实验结果图；图3为雾天图像；图4为校正前的图像；图5为校正后的图像；图6为原始雾天图像；图7为He算法处理结果；图8为Meng算法处理结果；图9为Zhu算法处理结果；图10为本专利技术方法处理结果。具体实施方式下面结合附图和具体实施方式对本专利技术进行详细说明。颜色衰减先验理论的由来：Zhu等人在2015年提出的一种新的去雾解决思路，Zhu等人通过对户外有雾图像进行大量实验后发现：图像景深与亮度和饱和度之差存在着线性关系，并据此提出了颜色衰减先验模型(colorattenuationprior,CAP)，即d(x)＝θ0+θ1v(x)+θ2s(x)+ε(x)(10)其中，d(x)为像素点x处的景深，v(x)和s(x)分别为x处的亮度分量和饱和度分量，θ1和θ2为未知线性系数，ε(x)为模型的随机误差,假设其服从均值为0，方差为σ2的正态分布，即ε(x)～N(0,σ2)，由正态分布的性质可得d(x)～N(θ0+θ1v(x)+θ2s(x)，σ2)(11)最后采本文档来自技高网...

【技术保护点】
1.一种基于改进动态大气散射系数函数的图像去雾方法，其特征在于，具体按照以下步骤实施：/n步骤1、获取输入的雾天图像I(x)的红、绿、蓝三个颜色通道值的最小值通道图像I

【技术特征摘要】
1.一种基于改进动态大气散射系数函数的图像去雾方法，其特征在于，具体按照以下步骤实施：
步骤1、获取输入的雾天图像I(x)的红、绿、蓝三个颜色通道值的最小值通道图像Idark(x)，通过四叉树分割的方法计算雾天图像I(x)的大气光值A；
步骤2、对原始雾天图像I(x)进行颜色空间域的变换，即由RGB颜色空间变换到HSV颜色空间，并提取出雾天图像I(x)的亮度分量v(x)和饱和度分量s(x)；
步骤3、利用非线性颜色衰减先验模型计算出雾天图像I(x)的景深d(x)，并通过最小值滤波、平滑滤波和引导滤波过滤掉其中的噪声信息，得到最终的图像景深dr(x)；
步骤4、结合改进动态大气散射系数函数β(x)和图像景深dr(x)，计算出大气透射率t(x)；
步骤5、将大气光值A和大气透射率t(x)代入雾天图像的大气散射模型公式，并通过无雾图像恢复公式去噪，计算无雾图像J(x)。


2.根据权利要求1所述一种基于改进动态大气散射系数函数的图像去雾方法，其特征在于，步骤1所述最小值通道图像Idark(x)表达式为：



其中，y表示R、G、B三个颜色通道中的一个通道。


3.根据权利要求1所述一种基于改进动态大气散射系数函数的图像去雾方法，其特征在于，步骤1具体过程为：
步骤1.1、根据初始阈值T0为30×30，对输入的雾天图像I(x)求取灰度图像Igray；
步骤1.2、对灰度图像Igray使用中值滤波，获得滤波后的图像Imedian；
步骤1.3、将图像Imedian通过四叉树分割法平均分为四个矩形区域；
步骤1.4、求取每个矩形区域的平均像素值，通过平均像素值减去该区域的标准差获取一个得分，选出最大得分以及最大得分对应的区域；
步骤1.5、比较最大得分对应的区域与初始阈值T0的大小；如果最大得分对应的区域大于初始阈值T0，返回步骤1.2；否则，最大得分对应的区域为目标区域；
步骤1.6、求取目标区域灰度值的平均值，该平均值即为大气光值A。


4.根据权利要求1所述一种基于改进动态大气散射系数函数的图像去雾方法，其特...

【专利技术属性】
技术研发人员：胡辽林，郑毅，赵锴，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西;61