本发明专利技术提供一种图像去雾方法及装置，该方法包括：获取待处理有雾图像；获取待处理有雾图像的白光噪声、能见度和场景深度；基于白光噪声、能见度和场景深度，对待处理有雾图像进行图像去雾，获取待处理有雾图像对应的去雾图像。本发明专利技术提供的图像去雾方法及装置，通过获取待处理有雾图像的白光噪声、能见度和场景深度之后，基于上述白光噪声、能见度和场景深度，通过数值计算的方式对待处理有雾图像进行图像去雾，获取待处理有雾图像对应的去雾图像，能基于待处理有雾图像的白光噪声、能见度和场景深度对光线由于雾滴的散射作用而出现的衰减进行弥补，从而能在无需进行复杂运算的情况下实现更高效的图像去雾，对待处理有雾图像的去雾效果较好。去雾效果较好。去雾效果较好。
【技术实现步骤摘要】
图像去雾方法及装置
[0001]本专利技术涉及计算机
，尤其涉及一种图像去雾方法及装置。
技术介绍
[0002]有雾天气，是指多种气体和悬浮物组成的复杂的大气环境。在有雾天气条件下进行图像拍摄，获取到的有雾图像质量较低、细节难以分辨。
[0003]现有的图像去雾方法主要可以包括三类：基于图像增强的去雾算法、基于物理模型的去雾算法以及基于卷积神经网络的去雾算法。基于图像增强的去雾算法可以通过图像增强提高有雾图像的对比度，突出有雾图像细节，从而实现对有雾图像的图像去雾，代表算法包括直方图均衡、小波变换以及Retinex算法等。基于物理模型的去雾算法主要基于大气散射物理模型，通过对大量有雾和无雾图像进行观察总结，得到其中存在的一些映射关系，然后根据有雾图像的形成过程进行逆运算，以获得清晰的去雾图像，代表算法包括暗通道先验去雾算法，该算法的去雾效果较好且稳定性较高。基于卷积神经网络的去雾算法可以基于卷积神经网络建立一个端到端模型，使用上述模型生成大气散射模型的相关参数，再根据大气散射模型的相关参数获取去雾图像，或者使用卷积神经网络直接根据有雾图像获得清晰的去雾图像。
[0004]但是，现有的图像去雾方法中涉及到的算法较多，计算过程较为复杂，进行图像去雾的效率较低。
技术实现思路
[0005]本专利技术提供一种图像去雾方法及装置，用以解决现有技术中进行图像去雾的效率较低的缺陷，实现更高效的图像去雾。
[0006]本专利技术提供一种图像去雾方法，包括：
[0007]获取待处理有雾图像；
[0008]获取所述待处理有雾图像的白光噪声、能见度和场景深度；
[0009]基于所述白光噪声、所述能见度和所述场景深度，对所述待处理有雾图像进行图像去雾，获取所述待处理有雾图像对应的去雾图像。
[0010]根据本专利技术提供的一种图像去雾方法，所述基于所述白光噪声、所述能见度和所述场景深度，对所述待处理有雾图像进行图像去雾，获取所述待处理有雾图像对应的去雾图像，具体包括：
[0011]基于所述能见度，获取所述待处理有雾图像的消光系数；
[0012]基于所述待处理有雾图像的消光系数和场景深度，获取所述待处理有雾图像的场景透射率；
[0013]将所述待处理有雾图像的场景透射率、白光噪声和场景深度输入物像光透雾衰减模型，获取所述物像光透雾衰减模型输出的所述待处理有雾图像对应的原始去雾图像；
[0014]其中，所述物像光透雾衰减模型，用于基于所述待处理有雾图像的场景透射率、白
光噪声和场景深度，弥补所述待处理有雾图像对应的第一目标衰减；所述第一目标衰减包括获取所述待处理有雾图像时雾滴对光线造成的衰减。
[0015]根据本专利技术提供的一种图像去雾方法，所述将所述待处理有雾图像的场景透射率、白光噪声和场景深度输入物像光透雾衰减模型，获取所述物像光透雾衰减模型输出的所述待处理有雾图像对应的原始去雾图像，具体包括：
[0016]将所述待处理有雾图像的场景透射率、白光噪声和场景深度输入物像光透雾衰减模型，由所述物像光透雾衰减模型弥补所述待处理有雾图像每一通道对应的第二目标衰减，获取所述待处理有雾图像每一通道对应的原始去雾子图像，将各所述原始子图像进行组合之后，作为所述原始去雾图像；
[0017]其中，所述第二目标衰减，包括所述第一目标衰减中任一通道对应的衰减；所述第一目标衰减包括各所述第二目标衰减。
[0018]根据本专利技术提供的一种图像去雾方法，所述物像光透雾衰减模型的计算公式包括：
[0019][0020]其中，i表示所述待处理有雾图像的通道；J
i
(x)表示所述待处理有雾图像i通道对应原始去雾子图像；I
i
(x)表示i通道的待处理有雾图像；W
i
表示所述待处理有雾图像i通道对应的白光噪声；d表示所述待处理有雾图像的场景深度；σ
i
表示所述待处理有雾图像i通道对应的消光系数；表示所述待处理有雾图像i通道对应的场景透射率。
[0021]根据本专利技术提供的一种图像去雾方法，所述将所述待处理有雾图像的场景透射率、白光噪声和场景深度输入物像光透雾衰减模型，获取所述物像光透雾衰减模型输出的所述待处理有雾图像对应的原始去雾图像之后，所述方法还包括：
[0022]对所述原始去雾图像进行图像增强处理，获取所述去雾图像。
[0023]根据本专利技术提供的一种图像去雾方法，所述基于所述能见度，获取所述待处理有雾图像的消光系数，具体包括：
[0024]基于所述能见度，获取所述待处理有雾图像中雾滴的半径；
[0025]基于所述雾滴的半径，获取所述雾滴的米氏散射效率因子；
[0026]基于所述雾滴的半径和所述米氏散射效率因子，获取所述待处理有雾图像的消光系数。
[0027]根据本专利技术提供的一种图像去雾方法，所述基于所述能见度，获取所述待处理有雾图像中雾滴的半径，具体包括：
[0028]获取所述雾滴的类型；
[0029]基于所述能见度和所述雾滴的类型，获取所述雾滴的半径。
[0030]本专利技术还提供一种图像去雾装置，包括：
[0031]图像获取模块，用于获取待处理有雾图像；
[0032]参数获取模块，用于获取所述待处理有雾图像的白光噪声、能见度和场景深度；
[0033]图像去雾模块，用于基于所述白光噪声、所述能见度和所述场景深度，对所述待处理有雾图像进行图像去雾，获取所述待处理有雾图像对应的去雾图像。
[0034]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理
器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述图像去雾方法的步骤。
[0035]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述图像去雾方法的步骤。
[0036]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述图像去雾方法的步骤。
[0037]本专利技术提供的图像去雾方法及装置，通过获取待处理有雾图像的白光噪声、能见度和场景深度之后，基于上述白光噪声、能见度和场景深度，通过数值计算的方式对待处理有雾图像进行图像去雾，获取待处理有雾图像对应的去雾图像，能基于待处理有雾图像的白光噪声、能见度和场景深度对光线由于雾滴的散射作用而出现的衰减进行弥补，从而能在无需进行复杂运算的情况下实现更高效的图像去雾，对待处理有雾图像的去雾效果较好。
附图说明
[0038]为了更清楚地说明本专利技术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一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，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。
[0039]图1是本专利技术提供的图像去雾方法的流程示意图之本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像去雾方法，其特征在于，包括：获取待处理有雾图像；获取所述待处理有雾图像的白光噪声、能见度和场景深度；基于所述白光噪声、所述能见度和所述场景深度，对所述待处理有雾图像进行图像去雾，获取所述待处理有雾图像对应的去雾图像。2.根据权利要求1所述的图像去雾方法，其特征在于，所述基于所述白光噪声、所述能见度和所述场景深度，对所述待处理有雾图像进行图像去雾，获取所述待处理有雾图像对应的去雾图像，具体包括：基于所述能见度，获取所述待处理有雾图像的消光系数；基于所述待处理有雾图像的消光系数和场景深度，获取所述待处理有雾图像的场景透射率；将所述待处理有雾图像的场景透射率、白光噪声和场景深度输入物像光透雾物像光透雾衰减模型，获取所述物像光透雾衰减模型输出的所述待处理有雾图像对应的原始去雾图像；其中，所述物像光透雾衰减模型，用于基于所述待处理有雾图像的场景透射率、白光噪声和场景深度，弥补所述待处理有雾图像对应的第一目标衰减；所述第一目标衰减包括获取所述待处理有雾图像时雾滴对光线造成的衰减。3.根据权利要求2所述的图像去雾方法，其特征在于，所述将所述待处理有雾图像的场景透射率、白光噪声和场景深度输入物像光透雾衰减模型，获取所述物像光透雾衰减模型输出的所述待处理有雾图像对应的原始去雾图像，具体包括：将所述待处理有雾图像的场景透射率、白光噪声和场景深度输入物像光透雾衰减模型，由所述物像光透雾衰减模型弥补所述待处理有雾图像每一通道对应的第二目标衰减，获取所述待处理有雾图像每一通道对应的原始去雾子图像，将各所述原始子图像进行组合之后，作为所述原始去雾图像；其中，所述第二目标衰减，包括所述第一目标衰减中任一通道对应的衰减；所述第一目标衰减包括各所述第二目标衰减。4.根据权利要求3所述的图像去雾方法，其特征在于，所述物像光透雾衰减模型的计算公式包括：其中，i表示所述待处理有雾图像的通道；J
i
(x)表示所述待处理有雾图像i通道对应原始去雾子图像；I
...
【专利技术属性】
技术研发人员：刘凯，杨璐瑞，陈晓东，
申请(专利权)人：山东申士光电有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。