边缘和色调保真度联合约束优化的单幅图像去雾方法技术

本发明专利技术公开一种边缘和色调保真度联合约束优化的单幅图像去雾方法，本发明专利技术首先利用SLIC超像素分割将有雾图像划分成一系列图像块；其次，利用正态分布标准化和Sigmoid非线性映射，构造归一化暗通道图和归一化细节图，生成一个亮度和结构细节加权融合的特征图，从而自适应地选取反映大气光的图像块并估算理想的大气光值；然后，以散射系数为自变量，构造了一个边缘和色调保真度联合约束优化的目标函数，进而采用基于斐波那契法的一维最优化搜索，在保证色调保真度的前提下计算自适应散射系数和透射率图，最终实现基于大气散射模型的图像去雾。图像去雾。图像去雾。

【技术实现步骤摘要】
边缘和色调保真度联合约束优化的单幅图像去雾方法


[0001]本专利技术涉及室外监控图像处理领域，尤其是一种去雾效果好、平滑区域色调保真度高、光晕抑制能力强、边缘保持质量好、边缘和色调保真度联合约束优化的单幅图像去雾方法。

技术介绍

[0002]对于室外场景下的视频监控系统来说，其拍摄质量在很大程度上依赖于天气环境。在雾、霾等天气条件下，大气中悬浮着的大量微小水滴、气溶胶等具有散射作用，导致监控拍摄到的图像色彩失真、对比度和能见度降低，这无疑将影响室外视频监控系统的有效性和实用性。因此，去除或者抑制尘埃、雾霾颗粒杂质的干扰是改善室外视频监控系统性能的关键技术环节之一。图像去雾的根本目的是恢复含雾图像的对比度和清晰度，还原其真实色彩以及真实场景，达到在理想天气状况下的拍摄效果，从而帮助管理人员和部门做出恰当的决策。
[0003]基于多幅图像的去雾方法是较早出现的一类方法，它考虑到尘埃、雾霾颗粒杂质的随机性，利用多幅图像的融合或加权平均来实现去雾。Grewe等人将多幅含雾图像在小波域进行融合，获取高对比度的图像。Schechner等人根据多幅本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种边缘和色调保真度联合约束优化的单幅图像去雾方法，其特征在于按如下步骤进行：利用SLIC超像素分割将有雾图像划分成一系列图像块；利用正态分布标准化和Sigmoid非线性映射，构造归一化暗通道图和归一化细节图，生成一个亮度和结构细节加权融合的特征图，自适应地选取反映大气光的图像块并估算理想的大气光值；以散射系数为自变量，构造一个边缘和色调保真度联合约束优化的目标函数，进而采用基于斐波那契法的一维最优化搜索，在保证色调保真度的前提下计算自适应散射系数和透射率图，最终实现基于大气散射模型的图像去雾。2.根据权利要求1所述的一种边缘和色调保真度联合约束优化的单幅图像去雾方法，其特征在于按如下步骤进行：步骤1.输入一幅含雾图像I，令其高度和宽度分别为H和W；步骤2.采用SLIC超像素算法分割含雾图像I，得到各个超像素块所对应的像素坐标集合所述Ω
i
表示第i个超像素块的像素坐标集合且1≤i≤N
sp
，N
sp
是用于表示超像素块总数的预设常数；步骤3.利用最小值滤波计算含雾图像I的暗通道图J
dark
；步骤4.将含雾图像I的颜色空间转换为YCbCr，并令其亮度分量为I
Y
；步骤5.计算I
Y
的多尺度融合细节图步骤6.利用尺寸为s的正方形结构元素，对多尺度融合细节图进行形态学腐蚀运算，得到步骤7.采用形态学区域填充运算，对进行8
‑
连通区域填充处理，得到步骤8.计算含雾图像I的归一化暗通道图步骤9.计算亮度分量I
Y
的归一化细节图步骤10.利用亮度和结构细节加权融合的方法计算含雾图像I的加权融合特征值Fi；步骤11.根据计算含雾图像I的大气光值A；步骤12.计算场景深度图D；步骤13.对含雾图像I进行基于大气散射模型和约束优化的去雾操作；步骤14.输出去雾后的图像ρ。3.根据权利要求2所述的一种边缘和色调保真度联合约束优化的单幅图像去雾方法，其特征在于所述步骤5按照如下公式计算：所述表示中位于坐标x处的值，I
Y
x表示I
Y
中位于坐标x处的亮度值，G
δ
表示标准差为δ的高斯平滑核，“*”表示卷积运算，I
Y
*G
δ
x表示I
Y
x与G
δ
执行卷积运算后的值，δ1、δ2和δ3均是预设常数；所述步骤8按照如下公式计算：
所述表示中位于坐标x处的值，μ
dark
表示暗通道图J
dark
中所有像素值的数学期望，σ
dark
表示J
dark
中所有像素值的标准差。所述步骤9按照如下公式计算：所述表示中位于坐标x处的值，表示中位于坐标x处的值，...

【专利技术属性】
技术研发人员：宋传鸣，刘霜，闫小红，武惠娟，王相海，
申请(专利权)人：辽宁师范大学，
类型：发明
国别省市：