一种基于图像梯度分布先验的去雾方法技术

本发明专利技术公开了一种基于图像梯度分布先验的去雾方法，步骤为：首先从大量的高质量自然图像数据集中训练学习得到图像的梯度分布先验模型；其次，改变有雾图像的梯度分布使其无限逼近学习得到先验模型；最后，利用泊松方程求解重构图像得到去雾后的图像；本发明专利技术处理后的去雾图像在对比度和平均梯度两个方面，相比现有处理方法有了一定程度上的提升，不仅突出了原图像中的边缘细节等信息，且具有良好的视觉效果，MSSIM和PSNR的值也有了很大的提升，本发明专利技术处理后的图像在保持较好的结构相似性的同时，更加有效的去除了雾霾，使图像更加清晰。

【技术实现步骤摘要】
一种基于图像梯度分布先验的去雾方法
本专利技术涉及一种去雾方法，具体涉及一种基于图像梯度分布先验的去雾方法。
技术介绍
在雾霾天气下，由于空气中的尘埃、雾气等粒子散射作用，导致获取的图像发生了退化。获取的图像往往对比度和清晰度均较差，影响图像的视觉效果；目前现有的去雾处理方法有小波变换去雾方法、增强局部区域颜色的对比度实现去雾处理的方法、对有雾图像预处理和中值滤波去雾方法、基于暗通道先验的去雾方法等。基于小波变换的去雾方法，处理得到的图像视觉效果较好，缺点是该方法采集多幅有雾图像进行图像融合效率低下；通过增强局部区域颜色的对比度实现去雾处理，这个方法增强图像对比度的同时也增强了图像的噪声；通过对有雾图像预处理和中值滤波达到一定的去雾效果，具备实时性的要求，缺点是该方法使得灰度变化较大的边界变得模糊，同时还可能丢失很多细节信息；基于暗通道先验的去雾方法，利用先验知识来估计空气透射率，然后通过软抠图原理对估计的空气透射率进行优化估计，实现图像去雾的目的，但是由于软抠图处理过程需要很大的运算量，导致该方法很难具备实时性的需求。因此，研本文档来自技高网...

【技术保护点】
1.一种基于图像梯度分布先验的去雾方法，其特征在于，包括以下步骤，/n先验模型：/n将图像I(x,y)进行灰度化处理，梯度G被定义为：/nG(x,y)＝(▽

【技术特征摘要】
1.一种基于图像梯度分布先验的去雾方法，其特征在于，包括以下步骤，
先验模型：
将图像I(x,y)进行灰度化处理，梯度G被定义为：
G(x,y)＝(▽xI(x,y),▽y(x,y)),
其中，一阶有限差分逼近：▽xI＝I(x+1,y)-I(x,y)和▽yI＝I(x,y+1)-I(x,y)，
在图像的边界上，使用齐次狄利克雷边界条件，由于是对灰度图像进行处理，所以梯度取值范围为[-255,255]*[-255,255]；Gx和Gy表示G分别在x和y轴上的梯度；
拉普拉斯L被定义为：L(x,y)＝ΔI(x,y),
其中，Δ是拉普拉斯操作，通过使用二阶5点有限差分模板进行离散化，取值范围为[-1020,1020]；为了能够将直方图转化成概率分布，将图像所有的像素m*n分成各个脚，其中m和n分别是图像沿着x和y轴的像素数，对于数据集中的图像集中处理，每张图像都进行直方图的规定化，计算出梯度和拉普拉斯操作的平均分布和对于彩色图像，学习得到的先验分别应用在每一个颜色通道上；
梯度分布模型：
考虑到Gx和Gy在对数尺度上都具有重尾的特性，这种特点可以被模型化为超拉普拉斯分布，传统的一维模型在对数尺度上和p(Gx)相符合，但是不能满足和先前的工作不一样，使用CDF代替PDF来模型化；
梯度的CDF的定义...

【专利技术属性】
技术研发人员：田传耕，陈磊，秦伟，田浩澄，徐明，
申请(专利权)人：徐州工程学院，
类型：发明
国别省市：江苏;32