一种建基于雾霾图像灰度值的迭代复原方法技术

本发明专利技术公开了一种建基于雾霾图像灰度值的迭代复原方法，涉及计算机数字图像处理技术领域，为解决提出去雾算法如暗原色先验，微小的扰动通过反向求解会造成复原图像大的误差偏移的问题。根据入射光衰减模型和大气光成像模型，可以得到大气散射模型的一般形式；将彩色图像转化为灰度图像，在灰度图中寻找其中像素值最大点的位置；根据暗原色先验算法来设定大气透过率的初始值；引入TV正则项对J进行约束，构建复原模型，采用二次惩罚函数法求解，引入两个辅助变量分别对应图像水平和竖直梯度。该建基于雾霾图像灰度值的迭代复原方法，引入的辅助变量形成正则化约束条件并综合构建了最优估计问题，设计迭代优化算法能够有效去雾产生高质量复原图像。产生高质量复原图像。产生高质量复原图像。

【技术实现步骤摘要】
一种建基于雾霾图像灰度值的迭代复原方法


[0001]本专利技术涉及计算机数字图像处理
，具体为一种建基于雾霾图像灰度值的迭代复原方法。

技术介绍

[0002]得益于计算机技术的快速发展，图像处理涉及到生活的方方面面，如智能交通、卫星成像、医学成像等，雾天成像质量的高低一方面取决于成像设备，另一方面则取决于镜头与目标物体之间的天气状况，近几十年来,随着工业及交通业的发展，雾霾天气在世界各地频繁出现，给人们的生产生活造成了极大的不便，一方面，雾霾环境中人体会吸入较多的悬浮微粒，易诱发呼吸系统的疾病，另一方面，户外图像采集时，由于受到大气中微粒杂质的散射作用,成像最终采集到的图像极易出现严重的降质现象，如对比度降低、颜色失真等。
[0003]由于在雾天场景下采集的图像通常视觉效果较差,信息衰减严重，给大量户外计算机视觉系统的工作带来了极大的不便，雾霾天气造成的大气退化将严重损害图像细节的辨识度，降低其使用价值，因此，研究图像去雾理论和方法具有极其迫切的应用需求，对充分挖掘图像的应用价值具有重大意义，图像去雾即通过退化图像和大气散射模型恢复出未知的清晰图像、和其他几个未知中间变量的过程，这是一个病态问题，即问题的解不能同时满足解存在、解唯一和解连续的条件，经典的去雾算法如暗原色先验，微小的扰动通过反向求解会造成复原图像大的误差偏移，具体表现为图像容易被放大噪声和人工伪影所影响，解决这一问题的有效方法是正则化技术，其核心是根据清晰图像的某些特性，如稀疏性，引入一些约束条件对复原图像的解进行约束，用来剔除病态解。<br/>[0004]因此，本专利技术针对上述问题，提出了一种能够对噪声进行约束的正则化条件，以及求解添加正则化条件后模型的方法，从而产生高质量复原图像，具有较强的实用价值。

技术实现思路

[0005]本专利技术的目的在于提供一种建基于雾霾图像灰度值的迭代复原方法，以解决上述
技术介绍
中提出现有腹部按摩器材中功能相对单一，一些女性在经期使用时加热和按摩无法灵活的同时进行的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：一种建基于雾霾图像灰度值的迭代复原方法，根据入射光衰减模型和大气光成像模型，可以得到大气散射模型的一般形式，复原包括如下步骤：
[0007]步骤一：根据大气散射模型的一般表达式，移项改写可以获得大气散射模型表达式简化形式；
[0008]步骤二：将彩色图像转化为灰度图像，在灰度图中寻找其中像素值最大的位置，记为pos，同时提取彩色图像中pos处的像素值，更新大气散射模型简化形式中的参数；
[0009]步骤三：根据暗原色先验算法来设定大气透过率的初始值；
[0010]步骤四：根据TV正则项对J进行约束，最优化求解J，采用二次惩罚函数法，引入两
个辅助变量分别对应于图像的水平梯度和垂直梯度算子，并引入惩罚系数，将噪声图像复原问题模型进行转换；
[0011]步骤五：固定清晰图像的初始值，对关于辅助变量的最优估计问题进行求解，得到辅助变量的估计值，更新辅助变量值；
[0012]步骤六：固定辅助变量的估计值，采用共轭梯度迭代法对关于清晰图像的最优估计问题进行求解，得到清晰图像的估计值，更新清晰图像值和惩罚系数；
[0013]步骤七：循环执行步骤五、步骤六直至惩罚系数达到最大值，得到清晰图像的估计值，即复原图像。
[0014]优选的，基于步骤一所述中用入射光衰减模型和大气光成像模型建模的表达式为I＝J
·
t+A(E
‑
t)，移项改写为简化的大气散射模型表达式为
[0015][0016]其中I表示雾霾图像，J表示清晰图像，t表示大气透过率，A表示大气光，E为单位矩阵，
·
表示矩阵点乘，表达式中，
[0017]优选的，基于步骤二所述中彩色图像转化为灰度图像后的像素矩阵为I
gray
，找到灰度图中像素点最大的值点A＝MAX{I
gray
}代入
[0018]优选的，基于步骤三种所述根据暗原色先验算法来计算大气透过率初始值：
[0019]t＝E
‑
αI
gray 0.3＜α＜0；
[0020]其中是大气透过率初始值t,E为单位矩阵，I
gray
为步骤二中的灰度矩阵,α为设定值。
[0021]优选的，基于步骤四所述在A已知的情况下，利用TV正则项对进行约束，其表达式为：
[0022][0023]同时引入w、u来代替表达式转化为：
[0024][0025]其中β为惩罚系数。
[0026]优选的，基于步骤五所述对清晰图像的估计值初始化为设定惩罚系数初始值为β＝β
initial
，最大值为β
max
，迭代系数r，更新辅助变量值的步骤为：
[0027]步骤五(1)：固定计算w
i
、u
j
[0028][0029]步骤五(2)：上式分为N个子问题：
[0030][0031]步骤五(3)：对上式取损失函数得到：
[0032][0033]步骤五(4)：令可得：
[0034][0035]优选的，基于步骤六所述辅助变量的估计值，采用共轭梯度迭代法对关于清晰图像的最优估计问题进行求解，步骤为：
[0036]步骤六(1)：固定w、u，计算
[0037][0038]步骤六(2)：对上式取损失函数得到：
[0039][0040]步骤六(3)：令可以得到：
[0041][0042]步骤六(4)：由于卷积运算的特殊性，即空间域中的卷积经傅里叶变换后等价于在频率域中的对应元素相乘，故对上式做傅里叶变换可以得到：
[0043][0044]步骤六(5)：再对上式做傅里叶反变换可以得到
[0045][0046]其中大写字母表示对应变量的傅里叶变换，
·
表示矩阵的对应元素相乘，上标*表示共轭运算。
[0047]优选的，基于步骤七中循环执行步骤五和步骤六所述不断迭代辅助变量和清晰图像值直至惩罚系数达到最大值，得到清晰图像的估计值，即复原图像。
[0048]优选的，所述更新清晰图像值和惩罚系数的步骤为：
[0049]步骤一：固定更新w、u；
[0050]步骤二：固定w、u，更新
[0051]步骤三：更新惩罚系数β：β＝β*r
[0052]与现有技术相比，本专利技术的有益效果是：
[0053]1、该建基于雾霾图像灰度值的迭代复原方法，在大气散射模型表达式的框架下，
通过引入TV正则项对有雾霾的图像进行建模，形成正则化约束条件，并综合构建了最优估计问题，然后设计了迭代优化算法，能够有效剔除雾霾，从而产生高质量复原图像。
[0054]2、该建基于雾霾图像灰度值的迭代复原方法，利用它能够对雾霾图像进行清晰复原，可以将问题模型分解为关于清晰图像和辅助变量的两个最优估计子问题，对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种建基于雾霾图像灰度值的迭代复原方法，根据入射光衰减模型和大气光成像模型，可以得到大气散射模型的一般形式，复原包括如下步骤：步骤一：根据大气散射模型的一般表达式，移项改写可以获得大气散射模型表达式简化形式；步骤二：将彩色图像转化为灰度图像，在灰度图中寻找其中像素值最大的位置，记为pos，同时提取彩色图像中pos处的像素值，更新大气散射模型简化形式中的参数；步骤三：根据暗原色先验算法来设定大气透过率的初始值；步骤四：根据TV正则项对J进行约束，最优化求解J，采用二次惩罚函数法，引入两个辅助变量分别对应于图像的水平梯度和垂直梯度算子，并引入惩罚系数，将噪声图像复原问题模型进行转换；步骤五：固定清晰图像的初始值，对关于辅助变量的最优估计问题进行求解，得到辅助变量的估计值，更新辅助变量值；步骤六：固定辅助变量的估计值，采用共轭梯度迭代法对关于清晰图像的最优估计问题进行求解，得到清晰图像的估计值，更新清晰图像值和惩罚系数；步骤七：循环执行步骤五、步骤六直至惩罚系数达到最大值，得到清晰图像的估计值，即复原图像。2.根据权利要求1所述的一种建基于雾霾图像灰度值的迭代复原方法，其特征在于：基于上述步骤一所述中用入射光衰减模型和大气光成像模型建模的表达式为I＝J
·
t+A(E
‑
t)，移项改写为简化的大气散射模型表达式为其中I表示雾霾图像，J表示清晰图像，t表示大气透过率，A表示大气光，E为单位矩阵，
·
表示矩阵点乘，表达式中，3.根据权利要求1所述的一种建基于雾霾图像灰度值的迭代复原方法，其特征在于：基于上述步骤二所述中彩色图像转化为灰度图像后的像素矩阵为I
gray
，找到灰度图中像素点最大的值点A＝MAX{I
gray
}代入4.根据权利要求1所述的一种建基于雾霾图像灰度值的迭代复原方法，其特征在于：基于上述步骤三种所述根据暗原色先验算法来计算大气透过率初始值：t＝E
‑
αI<...

【专利技术属性】
技术研发人员：王啟翔，董文德，陶叔银，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：