一种同时去雾和提高分辨率的真实场景视觉增强方法技术

本发明专利技术所述的一种同时去除雾霾和提高分辨率的真实场景的视觉增强方法，首先利用秩一先验得到一幅初始的去雾图片和散射光图，然后在变分模型的框架下，同时结合了秩一先验去雾和一个用于处理多种图像退化问题的超分辨深度神经网络先验，利用半二次分裂(HQS)的优化算法，同时交替迭代估计用于去除雾霾的散射光图和通过深度超分辨率网络寻求高质量的视觉增强图像。本发明专利技术所述的方法还可以处理其他复杂场景，提高获取图像的清晰度和可识别度。提高获取图像的清晰度和可识别度。提高获取图像的清晰度和可识别度。

A visual enhancement method for real scene with simultaneous defogging and improved resolution

【技术实现步骤摘要】
一种同时去雾和提高分辨率的真实场景视觉增强方法


[0001]本专利技术涉及图像处理
，具体是涉及一种同时去雾和提高分辨率的真实场景视觉增强方法。

技术介绍

[0002]在恶劣天气(沙尘暴或者雾霾)和不同成像条件(水下或者低照度)下捕获图像时，由于环境介质中悬浮的大量颗粒(如雾霾，沙尘)或者由于光线在穿透水体的过程中受到水体吸收衰减变色和水体杂质干扰，导致观察到的图像出现低能见度，质量退化和颜色失真等问题，这些不理想的退化会影响图像的可视性，进而影响后续图像处理任务，如物体识别，道路监控系统，遥感系统等。因此，在复杂的成像条件下，如雾霾、沙尘暴、水下或低照度等，户外图像的可视性增强一直是计算机视觉的一项重要任务。
[0003]目前，基于传统模型或者神经网络训练，计算机视觉领域国内外学者提出了很多去雾和图像超分辨的相关算法。首先，在图像去雾领域，最著名的图像去雾方法是由何恺明提出的基于暗通道先验(DCP)的图像去雾方法，暗通道先验是基于这样的观察：在大多数非天空斑块中，至少有一个颜色通道的一些像素的强度非常低，在无雾的室外图像中接近于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种同时去雾和提高分辨率的真实场景视觉增强方法，其特征在于，所述方法步骤为：S1、输入雾霾图像I(x)，基于秩一先验得到初始散射光图和初始去雾图像J(x)；S2、基于变分模型框架，同时结合秩一先验及超分辨深度神经网络先验，提出优化问题；S3、通过引入辅助变量u和v，增加惩罚项，基于半二次分裂方法，得到新的无约束优化问题；S4、利用交替最小化算法，对新的无约束优化问题求解，得到最终视觉增强图像。2.根据权利要求1所述的一种同时去雾和提高分辨率的真实场景视觉增强方法，其特征在于，S1具体为：S1
‑
1、根据输入的雾霾图像I(x)，计算每个R，G，B通道的统一辐射度1、根据输入的雾霾图像I(x)，计算每个R，G，B通道的统一辐射度Ω＝m
×
n，c＝{R，G，B}其中，x是图像中的像素位置，c是指R，G，B三通道中任意一个通道，I
c
(x)是雾霾图像的颜色通道图，m和n分别是雾霾图像对应的长和宽，Ω是雾霾图像的面积大小；S2
‑
2、正则化统一辐射度得到描述环境光源光谱特征的统一光谱得到描述环境光源光谱特征的统一光谱S2
‑
3、根据秩一先验得到初始散射光图：取中最高的0.1％范数中像素的索引，将这些像素索引对应的I(x)中的像素均值作为全局大气光A，得到初始去雾图像J(x)为：其中，x是图像中的像素位置，ω∈(0，1]是一个残差参数，t0是一个避免除零的小的正数。3.根据权利要求1所述的一种同时去雾和提高分辨率的真实场景视觉增强方法，其特征在于，S2中，基于变分模型框架，同时结合秩一先验及一个超分辨深度神经网络先验，提出的优化问题为：其中，表示假定的模糊核k和要恢复的高分辨率图像J之间的卷积操作，
↓
s
是一个后续的下采样操作，比例系数为s；式中的第一项是衡量需更新的散射光图对于初始的散射光图的数据保真项，第二项是根据去雾的物理模型得到的数据保真项，Φ(J)是由SRMD训练出来的超分辨率网...

【专利技术属性】
技术研发人员：张昊，曾铁勇，
申请(专利权)人：曾铁勇，
类型：发明
国别省市：