一种基于非下采样剪切波变换融合的单幅图像去雾方法技术

本发明专利技术属于图像处理技术领域，尤其为一种基于非下采样剪切波变换融合的单幅图像去雾方法，该方法包括如下步骤：步骤1，确定待融合图像：首先，获取输入的一幅有雾图像；然后，将采用自适应伽马校正对有雾图像的白平衡图像进行处理得到的图像作为第一幅待融合图像；将有雾图像进行保色

【技术实现步骤摘要】
一种基于非下采样剪切波变换融合的单幅图像去雾方法


[0001]本专利技术涉及图像处理
，具体为一种基于非下采样剪切波变换融合的单幅图像去雾方法。

技术介绍

[0002]雾是一种显著降低室外景物能见度的大气现象，会导致采集到的室外图像出现对比度低、颜色偏移和图像模糊等现象，在现实世界中，图像被广泛应用于侦察、遥感、或雾天自动驾驶、车牌识别轨迹检测等领域，因此，获取去雾图像是一个重要的理论和实践问题。
[0003]目前，图像去雾方法主要分为三类：基于图像增强的去雾方法、基于图像复原的去雾方法和基于图像融合的去雾方法，其中，基于图像增强的去雾方法操作简单，但未考虑图像降质原因，去雾效果并不理想，容易造成去雾图像中的部分信息丢失以及引入噪声，导致去雾图像失真，且在浓雾情况下去雾效果不佳；基于图像复原的去雾方法采用的大气散射模型是不适定的，因此总是需要假设或先验，一旦假设或先验无效，将会导致恢复出的去雾图像出现光晕效应、图像饱和度偏高或偏低、颜色失真等现象；基于图像融合的去雾方法不依赖大气散射模型，通过将多个图像的融合获得无雾图像，是图像去雾方法的新趋势，如何对有雾图像进行去雾的同时改善去雾图像出现的颜色失真、光晕效应、图像饱和度偏高或偏低等现象，值得进一步的研究改进。
[0004]中国专利公开号为“CN108537756A”，名称为“基于图像融合的单幅图像去雾方法”，该方法首先采用改进的非局部先验算法和自适应自动色阶算法对有雾图像进行处理获得两幅待融合图像；然后计算结构权重图、显著性权重图和饱和权重图，然后将三者的乘积值做归一化处理的结果作为融合权重；最后，根据待融合图像以及对应的权重图像使用多尺度融合技术复原无雾图像，该方法对不同有雾图像求取大气光值和透射率值时出现偏大或偏小的情况会导致得到的待融合图像效果不佳，从而导致融合得到的去雾图像出现光晕效应、颜色失真及饱和度偏高或偏低的现象。

技术实现思路

[0005](一)解决的技术问题
[0006]针对现有技术的不足，本专利技术提供了一种基于非下采样剪切波变换融合的单幅图像去雾方法，解决了现有的去雾方法恢复的去雾图像出现的颜色失真、光晕效应及饱和度偏高或偏低的现象的问题。
[0007](二)技术方案
[0008]本专利技术为了实现上述目的具体采用以下技术方案：一种基于非下采样剪切波变换融合的单幅图像去雾方法，该方法包括如下步骤：
[0009]步骤1，确定待融合图像：首先，获取输入的一幅有雾图像；然后，将采用自适应伽马校正对有雾图像的白平衡图像进行处理得到的图像作为第一幅待融合图像；将有雾图像进行保色
‑
限制对比度自适应直方图均值化算法(CP
‑
CLAHE)得到的对比度增强图像作为第
二幅待融合图像；
[0010]步骤2，图像分解：采用非下采样剪切波变换将待融合图像分解为低频分量和高频分量；
[0011]步骤3，确定融合的低频分量：首先，计算信息熵模型、显著性模型和清晰度模型；然后，将它们作为融合时的加权系数对第一幅待融合图像和第二幅待融合图像的低频分量进行融合处理得到融合的低频分量；
[0012]步骤4，确定融合的高频分量：首先，采用双边滤波对两幅待融合图像的高频分量进行滤波；其次，计算改进的边缘能量值；然后，将改进的边缘能量值结合高斯函数计算融合权重；最后，对第一幅待融合图像和第二幅待融合图像的经双边滤波处理后的高频分量进行融合处理得到融合的高频分量；
[0013]步骤5，得到融合图像：对得到的融合的低频分量和融合的高频分量进行逆非下采样剪切波变换得到融合图像；
[0014]步骤6，求取去雾图像：对得到的融合图像进行自适应饱和度调整得到去雾图像；
[0015]步骤7，选择合适的评价指标对去雾图像进行质量评价及衡量方法的效率。
[0016]进一步地，所述步骤1中的有雾图像的白平衡图像表达式为：
[0017][0018]其中，c∈{r,g,b}为颜色通道索引，为有雾图像的白平衡图像，F为有雾图像，I
c
为白平衡因子，
·
为乘积操作；
[0019]白平衡因子I
c
通过以下表达式获得：
[0020][0021]其中，μ
R
为有雾图像F的红色通道图像的像素平均值，μ
G
为有雾图像F的绿色通道的图像像素平均值，μ
B
为有雾图像F的蓝色通道的图像像素平均值，μ
c
为有雾图像F对应颜色通道索引c的像素平均值。
[0022]进一步地，所述步骤1中对有雾图像的白平衡图像进行自适应伽马校正的表达式为：
[0023][0024]其中，F1为第一幅待融合图像，为有雾图像的白平衡图像，α和γ是自适应伽马校正的参数，
·
为乘积操作；
[0025]自适应伽马校正的参数α通过以下表达式获得：
[0026][0027]自适应伽马校正的参数γ通过以下表达式获得：
[0028][0029]其中为白平衡图像的方差，为白平衡图像的均值。
[0030]进一步地，所述步骤3中的信息熵模型的表达式为：
[0031][0032]其中，FH为信息熵值，P(u)表示灰度级为u的像素点存在的概率；
[0033]显著性模型的表达式为：
[0034][0035]其中，FS为显著信息，为低频分量的高斯模糊结果，它是通过使用具有高频截止值ω
hc
＝π/2.75的5
×
5可分离二项式核获得的，用于消除编码伪影和高频噪声，‖
·
‖表示L2范数，D
μ
为低频分量D在Lαβ颜色空间的三个分量的平均值组成的向量，表达式为：
[0036]D
μ
＝[mean(L),mean(α),mean(β)][0037]其中，mean(
·
)表示算术平均计算的操作。
[0038]清晰度模型的表达式为：
[0039][0040]其中，FC为清晰度值，Ω(x)为以像素x为中心的邻域窗口，y是Ω(x)中的任意像素点，μ
Ω(x)
为Ω(x)中像素的平均值。
[0041]进一步地，所述步骤4中改进的边缘能量的表达式为：
[0042][0043]其中，w(m,n)为像素点(m,n)邻域窗口Ω(m,n)的权值，EE(m,n)的计算公式如下：
[0044]EE(m,n)＝|E1*H(m,n)|+|E2*H(m,n)|+|E
13
*H(m,n)|+|E4*H(m,n)|
[0045]其中，|*|表示卷积运算，E1、E2、E3、E4分别表示0
°
、45
°
、90
°
、135
°
方向上的方向滤波算子。
[0046]进一步地，所述步骤6中求取去雾图像的过本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于非下采样剪切波变换融合的单幅图像去雾方法，其特征在于：该方法包括如下步骤：步骤1，确定待融合图像：首先，获取输入的一幅有雾图像；然后，将采用自适应伽马校正对有雾图像的白平衡图像进行处理得到的图像作为第一幅待融合图像；将有雾图像进行保色
‑
限制对比度自适应直方图均值化算法(CP
‑
CLAHE)得到的对比度增强图像作为第二幅待融合图像；步骤2，图像分解：采用非下采样剪切波变换将待融合图像分解为低频分量和高频分量；步骤3，确定融合的低频分量：首先，计算信息熵模型、显著性模型和清晰度模型；然后，将它们作为融合时的加权系数对第一幅待融合图像和第二幅待融合图像的低频分量进行融合处理得到融合的低频分量；步骤4，确定融合的高频分量：首先，采用双边滤波对两幅待融合图像的高频分量进行滤波；其次，计算改进的边缘能量值；然后，将改进的边缘能量值结合高斯函数计算融合权重；最后，对第一幅待融合图像和第二幅待融合图像的经双边滤波处理后的高频分量进行融合处理得到融合的高频分量；步骤5，得到融合图像：对得到的融合的低频分量和融合的高频分量进行逆非下采样剪切波变换得到融合图像；步骤6，求取去雾图像：对得到的融合图像进行自适应饱和度调整得到去雾图像；步骤7，选择合适的评价指标对去雾图像进行质量评价及衡量方法的效率。2.根据权利要求1所述的一种基于非下采样剪切波变换融合的单幅图像去雾方法，其特征在于：所述步骤1中的有雾图像的白平衡图像表达式为：其中，c∈{r,g,b+为颜色通道索引，为有雾图像的白平衡图像，F为有雾图像，I
c
为白平衡因子，
·
为乘积操作；白平衡因子I
c
通过以下表达式获得：其中，μ
R
为有雾图像F的红色通道图像的像素平均值，μ
G
为有雾图像F的绿色通道的图像像素平均值，μ
B
为有雾图像F的蓝色通道的图像像素平均值，μ
c
为有雾图像F对应颜色通道索引c的像素平均值。3.根据权利要求1所述的一种基于非下采样剪切波变换融合的单幅图像去雾方法，其特征在于：所述步骤1中对有雾图像的白平衡图像进行自适应伽马校正的表达式为：其中，F1为第一幅待融合图像，为有雾图像的白平衡图像，α和γ是自适应伽马校正的参数，
·
为乘积操作；自适应伽马校正的参数α通过...

【专利技术属性】
技术研发人员：葛微，陈婷婷，陈博文，李泽瑶，唐雁峰，郝子强，
申请(专利权)人：长春理工大学重庆研究院，
类型：发明
国别省市：