一种自适应实时图像去雾方法及系统技术方案

本发明专利技术涉及一种自适应实时图像去雾方法及系统。所述方法基于大气物理散射模型，采用一种自适应容差机制来区分图像中的天空明亮区域与非天空目标场景区域，并分别进行透射率的估计；针对视频去雾的实时性要求，建立一维数据映射表，引入多线程并行计算的方式，并根据视频帧之间的连续相关性特点进行帧间优化；针对去雾场景复杂多变的问题，通过设定阈值的方式建立去雾调节参数与不同场景有雾图像之间的关系，利用迭代精度和迭代速度因子，进行去雾调节参数的自适应迭代。本发明专利技术在保证良好实时性能的同时，还可以对不同雾气浓度的图像实现自适应去雾。将本发明专利技术方法嵌入到自适应去雾成像设备中，将大大提高目标设备在带雾场景中获取信息的能力。

【技术实现步骤摘要】

本专利技术属于视频/图像处理、计算机视觉领域，具体涉及一种自适应实时图像去雾方法及系统。

技术介绍

1、图像采集成像过程中，容易受到周围环境的干扰，如恶劣天气：雨雪、沙尘、雾霾，以及大气中的尘埃粒子和物体发出的杂散光等，这给成像带来了巨大的影响。通常采集的图像会由于大气散射作用发生严重降质，使图像颜色呈现偏灰白色，清晰度降低，目标场景特征难以辨认，还会影响图像的后期处理效果和成像监控系统设备的正常工作。

2、去雾算法一直是图像处理和计算机视觉领域的研究重点，许多的研究学者投入其中。目前，图像去雾算法根据其实现思想的不同，可大致分为图像增强、物理模型以及深度学习三类。其中，基于物理模型的去雾算法从有雾图像的形成原因出发，对雾天图像退化进行物理模型的研究，从而估计出模型中各参数，反演退化过程，从而得到清晰的无雾图像，是目前效果相对最稳定的一类去雾算法。

3、在计算机视觉领域中，人们对有雾图像的形成原理有一个常用的物理模型——大气散射模型，模型表达式为：

4、i(x)＝f(x)·t(x)+a(1-t(x))

5、其本文档来自技高网...

【技术保护点】

1.一种自适应实时图像去雾方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种自适应实时图像去雾方法，其特征在于，步骤(2)中的全局大气光值的估计方法为：将像素均值减去像素标准差的数值定义为某个图像区域的得分，首先通过对有雾图像进行四等分，并分别求取各部分的得分，得分高的区域继续进行四等分，循环往复，直到拆分的图像区域小于设定的尺寸阈值，分别求解此时得分最高区域中每个像素点的向量与纯白向量(255,255,255)之间的L2范数，并求出最小距离值minDistance＝min(||(Ir(x),Ig(x),Ib(x)-(255,255,255))||)，将取得最小距...

【技术特征摘要】

1.一种自适应实时图像去雾方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种自适应实时图像去雾方法，其特征在于，步骤(2)中的全局大气光值的估计方法为：将像素均值减去像素标准差的数值定义为某个图像区域的得分，首先通过对有雾图像进行四等分，并分别求取各部分的得分，得分高的区域继续进行四等分，循环往复，直到拆分的图像区域小于设定的尺寸阈值，分别求解此时得分最高区域中每个像素点的向量与纯白向量(255,255,255)之间的l2范数，并求出最小距离值mindistance＝min(||(ir(x),ig(x),ib(x)-(255,255,255))||)，将取得最小距离值时像素点的像素值作为全局大气光a的估计值，下标r、g、b分别表示红、绿、蓝三个颜色通道。

3.根据权利要求1所述的一种自适应实时图像去雾方法，其特征在于，步骤(3)中的容差k值的计算公式为：

4.根据权利要求1所述的一种自适应实时图像去雾方法，其特征在于，步骤(4)中的天空明亮区域isky(x)和非天空目标场景区域根据以下判别依据进行区分：

5.根据权利要求1所述的一种自适应实时图像去雾方法，其特征在于，步骤(6)中透射率t(x)的估计通过以下方式进行：

6.根据权利要求1所述的一种自适应实时图像去雾方法，其特征在于，步骤(7)和步骤(8)中实现环境光的估计及求解，首先基于环境光矩阵和透射率之间的关系式l(x)＝a(1-t(x))，得到环境光矩阵l(x)的估计方式：

7.根据权利要求1所述的一种自适应实时图像去雾方法，其特征在于，步骤(9)中去雾...

【专利技术属性】
技术研发人员：黄峰，徐志翔，吴衔誉，
申请(专利权)人：福州大学，
类型：发明
国别省市：