基于改进暗通道先验的图像去雾方法及其系统技术方案

本发明专利技术涉及一种基于改进暗通道先验的图像去雾方法及其系统，属于图像处理技术领域，通过获取待处理有雾图像；基于暗通道先验原理获取暗通道图像从而获取粗透射率图像；以待处理有雾图像作为导向图，对粗透射率图像进行导向滤波处理，对滤波处理后的图像进行最大熵二值化处理，得到二值化图像并获取最大连通区域，得到天空区域图像和非天空区域图像；计算非天空区域图像的大气光值，并对非天空区域图像进行透射率补偿，再对天空区域图像进行处理，得到暗通道处理后的天空区域图像；对天空区域图像进行雾度修正，得到雾度修正的天空区域图像；融合所述雾度修正的天空区域图像和补偿后非天空区域图像，有效地处理去雾后天空效果不佳的问题

【技术实现步骤摘要】
基于改进暗通道先验的图像去雾方法及其系统


[0001]本专利技术属于图像处理
，具体地，涉及一种基于改进暗通道先验的图像去雾方法及其系统
。

技术介绍

[0002]随着国家经济的快速发展，许多城市都遭受雾霾
、
沙尘天气的威胁，在严重影响人们健康的同时，也对计算机视觉系统的正常
、
有效运行提出了很大的挑战
。
[0003]现有的图像采集设备对外界环境的干扰非常敏感，在雾霾环境中，获取的户外图像往往退化严重，主要表现为场景特征信息模糊，对比度低，色彩失真，不利于计算机视觉系统对图像的真实特征进行提取，从而影响其后续对图像的分析
、
理解和识别等一系列处理，很大程度上降低了视觉系统的实际应用性能，限制了图像的应用价值
。
[0004]针对目前图像去雾技术存在的问题，通常采用单幅图像去雾算法，但单幅图像去雾算法通常是通过基于图像增强的去雾算法，从而提升图像的对比度和饱和度，增强图像的视觉显示效果，从而达到图像去雾的目的，然而现有技术中的这种去雾方法仅通过提高图像对比度增强图像的视觉效果，不考虑雾霾天气条件下成像过程中的图像降质的物理原因，所以往往不能有效的去除图像中的雾度信息，特别是在处理浓重雾霾天气条件下的图像，去雾效果特别不好
。

技术实现思路

[0005]为解决上述
技术介绍
中存在的现有技术中往往不能有效去除图像中的雾度信息的技术问题，本专利技术提供了一种基于改进暗通道先验的图像去雾方法及其系统/>。
[0006]本专利技术的目的可以通过以下技术方案实现：
[0007]一种基于改进暗通道先验的图像去雾方法，包括以下步骤：
[0008]获取待处理有雾图像；
[0009]基于暗通道先验原理获取待处理有雾图像的暗通道图像；
[0010]基于所述暗通道图像获取待处理有雾图像的粗透射率图像；
[0011]以所述待处理有雾图像作为导向图，对所述粗透射率图像进行导向滤波处理，从而得到细化透射率图像；
[0012]对所述细化透射率图像进行最大熵二值化处理，得到二值化图像；
[0013]获取所述二值化图像的最大连通区域，从而得到天空区域图像和非天空区域图像；
[0014]计算所述非天空区域图像的大气光值，并基于所述大气光值对所述非天空区域图像进行透射率补偿，从而得到补偿后的非天空区域图像；
[0015]基于暗通道先验原理，对所述天空区域图像进行处理，从而得到暗通道处理后的天空区域图像；
[0016]对所述暗通道处理后天空区域图像进行雾度修正，从而得到雾度修正的天空区域
图像；
[0017]融合所述雾度修正的天空区域图像和补偿后非天空区域图像，从而得到去雾图像
。
[0018]进一步的，所述基于暗通道先验原理获取待处理有雾图像的暗通道图像，具体包括以下步骤：
[0019]确定待处理有雾图像的每个像素在
R、G、B
三个通道中的最小值；
[0020]对待处理有雾图像进行最小值滤波得到暗通道图像
。
[0021]进一步的，所述暗通道的计算公式如下：
[0022][0023]J
dark
(x)
→0[0024]其中，
x
表示图像的每个像素点，
Ω
(x)
表示以像素
x
为中心的过滤窗口，
y
是属于过滤窗口的一个像素点，
r、g、b
表示图像的
R、G、B
三个通道，
c
是属于
R、G、B
三个通道中的一个通道，
J
c
(y)
表示清晰图像中
y
像素点的
R、G、B
三个通道的一个像素值，
min
表示最小值函数，
J
dark
(x)
表示暗通道图像在
x
像素点的像素值
。
[0025]进一步的，所述基于所述暗通道图像获取待处理有雾图像的粗透射率图像，具体包括以下步骤：
[0026]计算暗通道图像的最小值并对暗通道图像的最小值进行归一化处理，得到粗透射率图像；
[0027]将粗透射率图像分解为多个分量
。
[0028]进一步的，所述粗透射率的计算公式为：
[0029][0030]其中，
x
表示图像的每个像素点，
Ω
(x)
表示以像素
x
为中心的过滤窗口，
y
是属于过滤窗口的一个像素点，
c
是属于
R、G、B
三个通道中的一个通道，
I
c
(y)
表示有雾图像中
y
像素点的
R、G、B
三个通道的一个像素值，
min
表示最小值函数，
A
c
表示
R、G、B
三个通道中的其中一个通道的大气光值，
ω
表示补偿，
t(x)
表示粗透射率图像在像素点
x
处的透射率
。
[0031]进一步的，以所述待处理有雾图像作为导向图，对所述粗透射率图像进行导向滤波处理，从而得到细化透射率图像，具体包括以下步骤：
[0032]将所述待处理有雾图像作为导向图传递给导向滤波器；
[0033]所述导向滤波器利用导向图提供特征来优化粗透射率图像的平滑度；
[0034]通过优化后的透射率图像来过滤得到细化透射率图像
。
[0035]进一步的，所述导向滤波的计算公式如下：
[0036][0037][0038]其中，
I
表示所述待处理有雾图像，
W
ij
为滤波器函数，
p
ij
为所述粗透射率图像在
(i
，
j)
处的灰度值，
q
ij
为所述细化透射率图像在
(i
，
j)
的灰度值，
ω
k
为第
k
个核函数窗口，
|
ω
|
为窗口内的像素个数，
μ
k
和是所述待处理有雾图像在窗口内的均值和方差，
ε
为平滑因子
。
[0039]进一步的，在获取所述待处理有雾图像的细化透射率图像后，使用最大熵二值化将天空区域和非天空区域进行区分，具体包括以下步骤：
[0040]通过将细化透射率图像分为背景和前景两部分；
[0041]通过最大熵算法计算出最佳阈值，使背景和前景两部分的熵之和最大，并将细化透射率图像分割成二值图像
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于改进暗通道先验的图像去雾方法，其特征在于，包括以下步骤：获取待处理有雾图像；基于暗通道先验原理获取待处理有雾图像的暗通道图像；基于所述暗通道图像获取待处理有雾图像的粗透射率图像；以所述待处理有雾图像作为导向图，对所述粗透射率图像进行导向滤波处理，从而得到细化透射率图像；对所述细化透射率图像进行最大熵二值化处理，得到二值化图像；获取所述二值化图像的最大连通区域，从而得到天空区域图像和非天空区域图像；计算所述非天空区域图像的大气光值，并基于所述大气光值对所述非天空区域图像进行透射率补偿，从而得到补偿后的非天空区域图像；基于暗通道先验原理，对所述天空区域图像进行处理，从而得到暗通道处理后的天空区域图像；对所述暗通道处理后天空区域图像进行雾度修正，从而得到雾度修正的天空区域图像；融合所述雾度修正的天空区域图像和补偿后非天空区域图像，从而得到去雾图像
。2.
根据权利要求1所述的一种基于改进暗通道先验的图像去雾方法，其特征在于，所述基于暗通道先验原理获取待处理有雾图像的暗通道图像，具体包括以下步骤：确定待处理有雾图像的每个像素在
R、G、B
三个通道中的最小值；对待处理有雾图像进行最小值滤波得到暗通道图像
。3.
根据权利要求2所述的一种基于改进暗通道先验的图像去雾方法，其特征在于，所述暗通道的计算公式如下：
J
dark
(x)
→0其中，
x
表示图像的每个像素点，
Ω
(x)
表示以像素
x
为中心的过滤窗口，
y
表示过滤窗口的一个像素点，
r、g、b
表示图像的
R、G、B
三个通道，
c
表示为
R、G、B
三个通道中的一个通道，
J
c
(y)
表示清晰图像中
y
像素点的
R、G、B
三个通道的一个像素值，
min
表示最小值函数，
J
dark
(x)
表示暗通道图像在
x
像素点的像素值
。4.
根据权利要求1所述的一种基于改进暗通道先验的图像去雾方法，其特征在于，所述基于所述暗通道图像获取待处理有雾图像的粗透射率图像，具体包括以下步骤：计算暗通道图像的最小值并对暗通道图像的最小值进行归一化处理，得到粗透射率图像；将粗透射率图像分解为多个分量
。5.
根据权利要求4所述的一种基于改进暗通道先验的图像去雾方法，其特征在于，所述粗透射率的计算公式为：其中，
x
表示图像的每个像素点，
Ω
(x)
表示以像素
x
为中心的过滤窗口，
y
是属于过滤窗
口的一个像素点，
c
是属于
R、G、B
三个通道中的一个通道，
I
c
(y)
表示有雾图像中
y
像素点的
R、G、B
三个通道的一个像素值，
min
表示最小值函数，
A
c
表示
R、G、B
三个通道中的其中一个通道的大气光值，
ω
表示补偿，
t(x)
表示粗透射率图像在像素点
x
处的透射率
。6.
根据权利要求1所述的一种基于改进暗通道先验的图像去雾方法，其特征在于，以所述待处理有雾图像作为导向图，对所述粗透射率图像进行导向滤波处理，从而得到细化透射率图像，具体包括以下步骤：将所述待处理有...

【专利技术属性】
技术研发人员：陈嘉伟，赵光辉，刘旭森，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：