一种图像去雾方法、装置及电子设备和存储介质制造方法及图纸

本申请公开了一种图像去雾方法、装置及一种电子设备和计算机可读存储介质，该方法包括：采集原始图像，并构建包含原始图像、无雾图像、透射率、全局大气光和噪声的大气散射模型；基于暗通道先验算法计算原始图像的初始透射率和全局大气光；基于大气散射模型、透射率、无雾图像和噪声构建加权变分正则化模型；利用初始透射率和全局大气光对加权变分正则化模型进行求解，得到无雾图像。本申请提供的图像去雾方法，基于环境中的噪声对传统的大气散射模型进行改进，并基于改进的大气散射模型构建加权变分正则化模型，该加权变分正则化模型用于估计无雾图像。由此可见，本申请提供的图像去雾方法，考虑到了环境中的噪声影响，提高了图像去雾效果。

【技术实现步骤摘要】
一种图像去雾方法、装置及电子设备和存储介质
本申请涉及图像处理
，更具体地说，涉及一种图像去雾方法、装置及一种电子设备和一种计算机可读存储介质。
技术介绍
近年来，随着空气质量的变化，雾霾天气已成为一种常见的自然现象。由于雾中微小的大气颗粒对自然光线的散射和吸收，室外图像的可见性会降低，在雾霾环境中拍摄的户外图像显示出较低的对比度和饱和度。可见，对于计算机视觉等领域，图像去雾非常重要。在相关技术中，没有考虑到环境中的噪声影响，导致图像的去雾效果较差。因此，如何提高图像去雾效果是本领域技术人员需要解决的技术问题。
技术实现思路
本申请的目的在于提供一种图像去雾方法、装置及一种电子设备和一种计算机可读存储介质，提高了图像去雾效果。为实现上述目的，本申请提供了一种图像去雾方法，包括：采集原始图像，并构建包含所述原始图像、无雾图像、透射率、全局大气光和噪声的大气散射模型；基于暗通道先验算法计算所述原始图像的初始透射率和所述全局大气光；基于所述大气散射模型、所述透射率、所述无雾图像和所述噪声构建加权变分正则化模型；利用所述初始透射率和所述全局大气光对所述加权变分正则化模型进行求解，得到所述无雾图像。其中，所述基于暗通道先验算法计算所述原始图像的初始透射率和所述全局大气光，包括：基于暗通道先验算法计算所述原始图像中天空区域的第一初始透射率和所述全局大气光；基于亮度模型计算所述原始图像中除所述天空区域之外的其他区域的第二初始透射率；<br>对所述第一初始透射率和所述第二初始透射率进行融合得到所述原始图像的初始透射率。其中，对所述第一初始透射率和所述第二初始透射率进行融合得到所述原始图像的初始透射率，包括：利用融合公式对所述第一初始透射率td(x)和所述第二初始透射率进行融合得到所述原始图像的初始透射率其中，所述融合公式具体为：其中，x为所述原始图像中的像素点，χ(x)为Sigmoid模型。其中，所述基于所述大气散射模型、所述透射率、所述无雾图像和所述噪声构建加权变分正则化模型，包括：基于所述大气散射模型构建保真项；其中，所述保真项用于约束所述无雾图像与所述原始图像之间的距离；基于所述透射率和权重函数构建加权正则化项；其中，所述加权正则化项用于约束所述透射率的梯度；基于所述无雾图像构建全变分项；其中，所述全变分项用于稳定估计过程；基于所述噪声构建正则化项；基于所述保真项、所述加权正则化项、所述全变分项和所述正则化项构建加权变分正则化模型。其中，在所述权重函数中，像素点的权重与所述像素点的透射率的梯度呈正相关。其中，所述加权变分正则化模型具体为：其中，J为所述无雾图像、t为所述透射率，A为所述全局大气光，N为所述噪声，I为所述原始图像，W为所述权值函数，α，β和δ为超参数，||||1为一范数，||||2为二范数，为点积运算符，为一阶微分算子。其中，所述利用所述初始透射率和所述全局大气光对所述加权变分正则化模型进行求解，得到所述无雾图像，包括：将所述加权变分正则化模型转换为增广的拉格朗日函数；根据所述初始透射率和所述全局大气光采用交替方向最小化方法对所述增广的拉格朗日函数进行求解，得到所述无雾图像。为实现上述目的，本申请提供了一种图像去雾装置，包括：第一构建模块，用于采集原始图像，并构建包含所述原始图像、无雾图像、透射率、全局大气光和噪声的大气散射模型；计算模块，用于基于暗通道先验算法计算所述原始图像的初始透射率和所述全局大气光；第二构建模块，用于基于所述大气散射模型、所述透射率、所述无雾图像和所述噪声构建加权变分正则化模型；求解模块，用于利用所述初始透射率和所述全局大气光对所述加权变分正则化模型进行求解，得到所述无雾图像。为实现上述目的，本申请提供了一种电子设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如上述图像去雾方法的步骤。为实现上述目的，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述图像去雾方法的步骤。通过以上方案可知，本申请提供的一种图像去雾方法，包括：采集原始图像，并构建包含所述原始图像、无雾图像、透射率、全局大气光和噪声的大气散射模型；基于暗通道先验算法计算所述原始图像的初始透射率和所述全局大气光；基于所述大气散射模型、所述透射率、所述无雾图像和所述噪声构建加权变分正则化模型；利用所述初始透射率和所述全局大气光对所述加权变分正则化模型进行求解，得到所述无雾图像。本申请提供的图像去雾方法，基于环境中的噪声对传统的大气散射模型进行改进，并基于改进的大气散射模型构建加权变分正则化模型，该加权变分正则化模型用于估计无雾图像。由此可见，本申请提供的图像去雾方法，考虑到了环境中的噪声影响，提高了图像去雾效果。本申请还公开了一种图像去雾装置及一种电子设备和一种计算机可读存储介质，同样能实现上述技术效果。应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本申请。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：图1为根据一示例性实施例示出的一种图像去雾方法的流程图；图2为根据一示例性实施例示出的一种图像去雾装置的结构图；图3为根据一示例性实施例示出的一种电子设备的结构图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。另外，在本申请实施例中，“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。本申请实施例公开了一种图像去雾方法，提高了图像去雾效果。参见图1，根据一示例性实施例示出的一种图像去雾方法的流程图，如图1所示，包括：S101：采集原始图像，并构建包含所述原始图像、无雾图像、透射率、全局大气光和噪声的大气散射模型；本实施例的目的为对雾霾环境中采集到的原始图像进行去雾处理得到对应的无雾图像。传统的大气散射模型可以表示为：I(x)＝J(x)t(x)+A(1-t(x))，其中，x表示图像的像素坐标，I(x)是雾霾环境中电子设备采集到的图像，本文档来自技高网...

【技术保护点】
1.一种图像去雾方法，其特征在于，包括：/n采集原始图像，并构建包含所述原始图像、无雾图像、透射率、全局大气光和噪声的大气散射模型；/n基于暗通道先验算法计算所述原始图像的初始透射率和所述全局大气光；/n基于所述大气散射模型、所述透射率、所述无雾图像和所述噪声构建加权变分正则化模型；/n利用所述初始透射率和所述全局大气光对所述加权变分正则化模型进行求解，得到所述无雾图像。/n

【技术特征摘要】
1.一种图像去雾方法，其特征在于，包括：
采集原始图像，并构建包含所述原始图像、无雾图像、透射率、全局大气光和噪声的大气散射模型；
基于暗通道先验算法计算所述原始图像的初始透射率和所述全局大气光；
基于所述大气散射模型、所述透射率、所述无雾图像和所述噪声构建加权变分正则化模型；
利用所述初始透射率和所述全局大气光对所述加权变分正则化模型进行求解，得到所述无雾图像。


2.根据权利要求1所述图像去雾方法，其特征在于，所述基于暗通道先验算法计算所述原始图像的初始透射率和所述全局大气光，包括：
基于暗通道先验算法计算所述原始图像中天空区域的第一初始透射率和所述全局大气光；
基于亮度模型计算所述原始图像中除所述天空区域之外的其他区域的第二初始透射率；
对所述第一初始透射率和所述第二初始透射率进行融合得到所述原始图像的初始透射率。


3.根据权利要求2所述图像去雾方法，其特征在于，对所述第一初始透射率和所述第二初始透射率进行融合得到所述原始图像的初始透射率，包括：
利用融合公式对所述第一初始透射率td(x)和所述第二初始透射率进行融合得到所述原始图像的初始透射率
其中，所述融合公式具体为：

其中，x为所述原始图像中的像素点，χ(x)为Sigmoid模型。


4.根据权利要求1所述图像去雾方法，其特征在于，所述基于所述大气散射模型、所述透射率、所述无雾图像和所述噪声构建加权变分正则化模型，包括：
基于所述大气散射模型构建保真项；其中，所述保真项用于约束所述无雾图像与所述原始图像之间的距离；
基于所述透射率和权重函数构建加权正则化项；其中，所述加权正则化项用于约束所述透射率的梯度；
基于所述无雾图像构建全变分项；其中，所述全变分项用于稳定估计过程；
基于所述噪声构建正则化项；
基于所述保真项、所述加权正则化项、所述全变分项和所...

【专利技术属性】
技术研发人员：周昊，熊海灵，刘运，
申请(专利权)人：西南大学，
类型：发明
国别省市：重庆;50