【技术实现步骤摘要】
本专利技术涉及图像去雾，具体涉及一种基于图像增强的图像去雾系统。
技术介绍
1、交通图像在等各方面应用极广，需求极大，但南方雨雾天气较多，雨雾天气采集的图像占视频总量一半(参考气象天文台数据)，但雾天条件下采集到的降质图像相比清晰图像应用价值大幅减少，因此，提高雾天退化图像的质量，恢复原本的图像信息具有非常重要的意义。现有的去雾方法存在着去雾结果失真、去雾不均匀等各种问题。
2、例如，基于图像增强的去雾方法通过提高对比度来实现去雾目的，这种方法不需要考虑图像降质的原因，算法简单，但适用范围较窄，只适用于某些相对简单的雾天场景；基于大气散射模型的去雾方法虽然具有一定的效果，但依然存在对某些场景去雾效果不佳，实时性较差的问题；基于深度学习的去雾算法不需要手工提取特征，其利用神经网络来估算大气散射模型中的透射率及大气光或者用端到端的网络直接生成清晰图像，但由于这种方法大多基于合成的有雾图像进行训练，其在有些有雾图像上无法获得令人满意的去雾效果。
技术实现思路
1、本专利技术的目的是提供一种基于图像增强的图像去雾系统，以解决现有技术中的上述不足之处。
2、为了实现上述目的，本专利技术提供如下技术方案：一种基于图像增强的图像去雾系统，包括图像获取模块、图像处理模块、暗通道计算模块、大气光计算模块、透射率计算模块、尺寸恢复模块、图像复原模块、图像筛选模块、目标物识别模块、对比分析模块、去雾质量评价模块；
3、所述图像获取模块，用于获取有雾图像；
5、所述暗通道计算模块用于基于改进大气散射模型，计算所述有雾图像的暗通道及暗通道所处的颜色通道，所述改进大气散射模型由在透射率及大气散射模型中重新引入入射光波长对大气散射系数的影响得到；
6、所述大气光计算模块用于在暗通道图中选出前设定的第一阈值的像素值最大的像素点，对应到有雾图像中，从有雾图像对应像素点中选取最大的像素点作为三个通道大气光的值；
7、所述透射率计算模块用于计算所述暗通道所处的颜色通道所对应的透射率，并使用导向滤波精细化估算的透射率；所述透射率计算模块还用于根据暗通道所处的颜色通道所对应的透射率，计算另外两个颜色通道对应的透射率；
8、所述尺寸恢复模块用于利用双线性插值将获得的透射率恢复至原图像尺寸大小；
9、所述图像恢复模块用于基于改进大气散射模型，将各个颜色通道分别恢复图像，合并通道得到最后的复原图像；
10、所述图像筛选模块用于通过图像获取模块获取无雾图像，同时获取所述有雾图像的拍摄时间，从所述无雾图像中提取出与所述有雾图像的拍摄时间最近的多张无雾图像；
11、所述目标物识别模块用于基于设定的目标物，对图像识别算法进行训练；所述目标物识别模块还用于将识别出的目标物从无雾图像中提取保存，得到第一场景图像，并基于其他无雾图像的第一场景图像的对应部分对该无雾图像的第一场景图像删除目标物的部分进行补全，得到第二场景图像；目标物识别模块还用于识别出有雾图像的目标物，并进行标记。其中图像处理模块获取的图像包括有雾图像和无雾图像。
12、所述对比分析模块用于基于有雾图像与无雾图像的对比，将有雾图像的各位置的颜色通道的值替换为与之最相似的无雾图像对应位置的颜色通道的值；或基于有雾图像对应的复原图像与无雾图像的对比，将复原图像的各位置的颜色通道的值替换为与之最相似的无雾图像对应位置的颜色通道的值；
13、所述去雾质量评价模块用于基于峰值信噪比和结构相似性两个客观指标，对去雾后的复原图像、第二复原图像进行评价，判断所述有雾图像去雾效果的优劣。
14、进一步的，所述改进大气散射模型的公式为：
15、i(x)＝j(x)e-β(λ)d(x)+a(1-e-β(λ)d(x))，
16、其中，透射率项引入了入射光波长λ，透射率中的大气散射系数由β变成了与入射光波长相关的β(λ)。
17、进一步的，所述系统还通过图像获取模块获取在真实的户外环境引入雾霾并捕捉的图像，得到若干对对应的真实场景下的有雾无雾图像数据集。
18、进一步的，所述系统还用于基于所述数据集，以r通道的散射系数βr为基准，通过区间搜索的方式确定另外两个通道的散射系数βg、βb与βr间的比值。
19、进一步的，所述确定另外两个通道的散射系数βg、βb与βr间的比值，具体包括：
20、以设定的βr、βg、βb的比例关系对数据集中选取的所有有雾图像进行去雾操作，获得该比例下恢复的去雾图像；
21、将所述去雾图像与对应的真实无雾图像计算峰值信噪比(psnr)及结构相似性(ssim)；
22、计算得到这一散射系数比例下所有图像量化指标均值。
23、进一步的，所述确定另外两个通道的散射系数βg、βb与βr间的比值，还包括：
24、将βr作为基准值在比例关系中固定为设置的常数，βg及βb则以设定步长逐渐增加，得到若干个不同的散射系数比例关系，计算各个比例关系下所有图像量化指标均值。
25、进一步的，所述确定另外两个通道的散射系数βg、βb与βr间的比值，还包括：
26、对量化指标结果进行综合比较，指标结果最优时的比例关系作为所求大气散射系数的最佳比例。
27、进一步的，所述投射率计算模块的透射率值基于透射率公式，并利用所述大气散射系数的最佳比例求得。
28、与现有技术相比，本专利技术提供的一种基于图像增强的图像去雾系统，通过基于大量实验从去雾效果中推导出大气散射系数之比，从而获取各通道透射率之间的关系，所有通道利用与其对应的透射率图复原图像，以改善暗通道先验算法的去雾效果，有效地改善了原算法色彩失真的问题，使算法复原的去雾结果图像色彩更加真实自然，同时通过有雾图像与近期最相似的无雾图像的对比分析，对有雾图像的各颜色通道的值进行修正，进一步提高了图像的清晰度和显示效果。
本文档来自技高网...【技术保护点】
1.一种基于图像增强的图像去雾系统，其特征在于：包括图像获取模块、图像处理模块、暗通道计算模块、大气光计算模块、透射率计算模块、尺寸恢复模块、图像复原模块、图像筛选模块、目标物识别模块、对比分析模块、去雾质量评价模块；
2.根据权利要求1所述的一种基于图像增强的图像去雾系统，其特征在于：所述改进大气散射模型的公式为：
3.根据权利要求1所述的一种基于图像增强的图像去雾系统，其特征在于：所述系统还通过图像获取模块获取在真实的户外环境引入雾霾并捕捉的图像，得到若干对对应的真实场景下的有雾无雾图像数据集。
4.根据权利要求3所述的一种基于图像增强的图像去雾系统，其特征在于：所述系统还用于基于所述数据集，以R通道的散射系数βr为基准，通过区间搜索的方式确定另外两个通道的散射系数βg、βb与βr间的比值。
5.根据权利要求4所述的一种基于图像增强的图像去雾系统，其特征在于：所述确定另外两个通道的散射系数βg、βb与βr间的比值，具体包括：
6.根据权利要求5所述的一种基于图像增强的图像去雾系统，其特征在于：所述确定另外两个通道的散
7.根据权利要求6所述的一种基于图像增强的图像去雾系统，其特征在于：所述确定另外两个通道的散射系数βg、βb与βr间的比值，还包括：
8.根据权利要求7所述的一种基于图像增强的图像去雾系统，其特征在于：所述投射率计算模块的透射率值基于透射率公式，并利用所述大气散射系数的最佳比例求得。
...【技术特征摘要】
1.一种基于图像增强的图像去雾系统，其特征在于：包括图像获取模块、图像处理模块、暗通道计算模块、大气光计算模块、透射率计算模块、尺寸恢复模块、图像复原模块、图像筛选模块、目标物识别模块、对比分析模块、去雾质量评价模块；
2.根据权利要求1所述的一种基于图像增强的图像去雾系统，其特征在于：所述改进大气散射模型的公式为：
3.根据权利要求1所述的一种基于图像增强的图像去雾系统，其特征在于：所述系统还通过图像获取模块获取在真实的户外环境引入雾霾并捕捉的图像，得到若干对对应的真实场景下的有雾无雾图像数据集。
4.根据权利要求3所述的一种基于图像增强的图像去雾系统，其特征在于：所述系统还用于基于所述数据集，以r通道的散射系数βr为基准，通...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。