一种图像去雾方法技术

本申请提供一种图一种图像去雾方法

【技术实现步骤摘要】
一种图像去雾方法、装置、电子设备及存储介质


[0001]本申请属于图像处理
，尤其涉及一种图像去雾方法
、
装置
、
电子设备及存储介质
。

技术介绍

[0002]随着计算机视觉技术的发展，视频监控
、
远程感应以及自动驾驶等基于计算机视觉技术的相关应用也越来越多
。
目前这类应用都需要获取清晰的图像特征才能支持高级别的计算机视觉任务，而在有雾天气下，环境的能见度急剧下降，经常会导致计算机视觉系统无法正常工作
。
[0003]为此，如何对雾天图像进行有效的去雾处理，以降低天气条件对计算机视觉技术的影响，成为了业内迫切需要解决的问题
。

技术实现思路

[0004]本申请目的是提供一种图像去雾方法
、
装置
、
电子设备及存储介质，能够满足绝大部分场景的去雾需求，对有雾图像进行去雾处理
。
[0005]为了实现上述目的，本申请实施例是这样实现的：
[0006]第一方面，提供一种图像去雾方法，包括：
[0007]基于目标有雾图像确定
N
个尺度的
N
个去雾参数，
N
为大于等于2的整数；一个尺度对应一个去雾参数；
[0008]基于预设去雾处理规则，按照每个尺度的去雾参数对所述目标有雾图像进行去雾处理，得到
N
个尺度的参考去雾图像；
[0009]确定所述
N
个尺度的参考去雾图像中每个参考去雾图像的图像质量，并根据每个参考去雾图像的图像质量对所述
N
个尺度的参考去雾图像进行融合，得到目标去雾图像
。
[0010]第二方面，提供一种图像去雾装置，包括：
[0011]确定单元，用于基于目标有雾图像确定
N
个尺度的
N
个去雾参数，
N
为大于等于2的整数；一个尺度对应一个去雾参数；
[0012]去雾单元，用于基于预设去雾处理规则，按照每个尺度的去雾参数对所述目标有雾图像进行去雾处理，得到
N
个尺度的参考去雾图像；
[0013]融合单元，用于确定所述
N
个尺度的参考去雾图像中每个参考去雾图像的图像质量，并根据每个参考去雾图像的图像质量对所述
N
个尺度的参考去雾图像进行融合，得到目标去雾图像
。
[0014]第三方面，提供一种电子设备包括：存储器
、
处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器以执行上述第一方面的方法
。
[0015]第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时能够实现上述第一方面的方法
。
[0016]本申请在对有雾图像进行去雾时，按照多个尺度的去雾参数，尝试对有雾图像进行去雾处理，得到目标有雾图像多个尺度的参考去雾图像，这些参考去雾图像中有些去雾效果较好
、
有些去雾效果较差，对于机器而言，虽然无法直接识别去雾效果的好坏，但本申请接下来还进一步对每个尺度的参考去雾图像的图像质量进行分析，并将这些参考去雾图像按照各自对应的图像质量进行融合，从而弱化去雾效果较差的参考去雾图像，并强化去雾效果较好的参考去雾图像，最终可以得到一个去雾效果相对理想的目标去雾图像
。
相比于传统的基于深度学习预测一个最合适尺度的去雾参数以对有雾图像进行去雾的方案，本申请无需准备大量样本训练用于预测去雾参数的模型，所需投入成本更低，且在不借助深度学习的模型的情况下，方案更加轻量化，适合投用在移动终端上执行图像去雾任务；同时，深度学习中的模型预测去雾参数的标准取决于训练样本，无法灵活进行调整，所以很难满足不同场景的去雾需求，而本申请尝试使用多尺度的去雾参数进行图像去雾，再将各个去雾图像按照对应的图像质量进行融合，最终可以得到一个去雾效果能够满足绝大部分场景需求的去雾图像，因此具有极高的泛用性
。
附图说明
[0017]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请实施例中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图
。
[0018]图1为传统的交通系统对道路监控图像进行去雾的流程示意图
。
[0019]图2为本申请实施例提供的图像去雾方法的第一种流程示意图
。
[0020]图3为本申请实施例提供的图像去雾方法的第二种流程示意图
。
[0021]图4为本申请实施例提供的图像去雾方法的去雾效果示意图
。
[0022]图5为本申请实施例提供的图像去雾方法的第三种流程示意图
。
[0023]图6为本申请实施例提供的图像去雾装置的结构示意图
。
[0024]图7为本申请实施例提供的电子设备的结构示意图
。
具体实施方式
[0025]为了使本
的人员更好地理解本说明书中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚
、
完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例
。
基于本说明书中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围
。
[0026]如前文所述，目前涉及计算机视觉技术的相关应用，如道路监控
、
自动驾驶和远程感应等，都十分依赖于获取清晰的图像特征
。
一旦在有雾天气下，环境的能见度急剧下降，经常会导致计算机视觉系统无法正常工作
。
[0027]为此，如何对雾天图像进行有效的去雾处理，以降低天气条件对计算机视觉技术的影响，成为了业内迫切需要解决的问题
。
[0028]目前主流的图像去雾方案是基于深度学习的人工智能技术实现的
。
即，使用去雾
图像样本和有雾图像样本，训练深度神经网络的模型，从而使模型针对有雾图像具备合理的预测去雾参数的能力
。
在图像去雾阶段，通过训练完成的深度神经网络的模型预测有雾图像最适合的去雾参数，并基于去雾参数对有雾图像进行去雾处理
。
[0029]这里以道路监控的场景为例，参考图1，图1为交通系统在雾天的情况下，基于道路监控图像进行车辆追踪的流程示意图，涉及的步骤主要包括：交通系统将拍摄得到的有雾监控图像导入至深度神经网络的去雾参数预测模型，预测有雾监控图像的去雾参数；之后，将预测的去雾参数协同有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种图像去雾方法，其特征在于，包括：基于目标有雾图像确定
N
个尺度的
N
个去雾参数，
N
为大于等于2的整数，一个尺度对应一个去雾参数；基于预设去雾处理规则，按照每个尺度的去雾参数对所述目标有雾图像进行去雾处理，得到
N
个尺度的参考去雾图像；确定所述
N
个尺度的参考去雾图像中每个参考去雾图像的图像质量，并根据每个参考去雾图像的图像质量对所述
N
个尺度的参考去雾图像进行融合，得到目标去雾图像
。2.
根据权利要求1所述的方法，其特征在于，确定所述
N
个尺度的参考去雾图像中每个参考去雾图像的图像质量，包括：基于每个参考去雾图像的曝光质量和每个参考去雾图像相对所述目标有雾图像的图像增益比中的至少一者，确定每个参考去雾图像的图像质量；每个参考图像的曝光质量是基于每个参考去雾图像的曝光度与预设理想曝光度所确定得到的
。3.
根据权利要求2所述的方法，其特征在于，所述图像增益比包括可视边缘增益比和对比度增益之比中的至少一者；其中，所述可视边缘增益比是基于参考去雾图像的可见边缘的像素数量与所述目标有雾图像的可见边缘的像素数量所确定得到的，所述对比度增益之比是基于参考去雾图像的像素亮度方差与所述目标雾图像的像素亮度方差所确定得到的
。4.
根据权利要求1至3任一项所述的方法，其特征在于，去雾参数包括大气光照值，所述
N
个尺度的
N
个去雾参数包括
N
个尺度的
N
大气光照值，所述基于目标有雾图像确定
N
个尺度的去雾参数，包括：生成所述目标有雾图像对应的暗通道图像；确定所述暗通道图像中最亮的预设比例的多个像素；将所述多个像素按照亮度大小划分至不同亮度等级的
N
个集合中；确定所述
N
个集合中每个集合所对应的平均像素亮度值，并将每个集合对应的平均像素亮度值作为一个尺度的大气光照值，得到
N
个尺度的
N
个大气光照值
。5.
根据权利要求4所述的方法，其特征在于，去雾参数还包括大气耗散函数值，所述
N
个尺度的
N
个去雾参数包括
N
个尺度的
N
个大气耗散函数值，所述基于目标有雾图像确定
N
个尺度下的
N
个去雾参数，包括：按照所述
N
个大气光照值中的每个大气光照值，分别对所述目标有雾图像进行白平衡处理，得到
N
个白平衡有雾图像；生成所述
N
个白平衡有雾图像中每个白平衡有雾图像的颜色分量矩阵；从每个白平衡有雾图像的颜色分量矩阵中，选取最小值作为粗估...

【专利技术属性】
技术研发人员：赵宏宇，赵国庆，蒋宁，王洪斌，吴海英，
申请(专利权)人：马上消费金融股份有限公司，
类型：发明
国别省市：