【技术实现步骤摘要】
本专利技术属于图像处理，涉及图像去雾处理，具体涉及一种基于图像多尺度边缘保持模型的去雾方法。
技术介绍
1、当大气环境中的雾霾和尘埃等阻挡了光的反射，使其发生散射，就使得光线的反射强度降低，导致人眼观测时出现图像模糊甚至细节丢失等现象，在计算机视觉系统下也会受到一定影响，将雾天的图像进行清晰化，提高成像质量和对比度一直是被人关注的必要途径。为了进一步提升计算机视觉系统的性能，需要对前端采集的图像进行图像去雾。图像去雾算法通过在信号处理阶段减少甚至移除雾造成的对成像质量的干扰，使图像恢复良好的清晰度，具有更多的细节信息。图像去雾对于视频监控、物体检测、消费电子产品等领域都有很好的应有价值，具备广阔的发展前景。
2、近年来，图像去雾算法已经取得了一定的研究成果，然而天气的多变性与不可预见性给图像去雾算法带来了严峻的挑战，特别是在实际应用场景中，往往只能基于得到的单幅图像进行处理，现有算法往往无法兼顾色彩与细节，导致去雾效果不佳，且算法效率不高。
技术实现思路
1、为克服上述现有技术...
【技术保护点】
1.一种基于多尺度边缘保持模型的去雾方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于多尺度边缘保持模型的去雾方法，其特征在于，所述步骤2中，分别用高通滤波器构建的小波函数和低通滤波器构建的尺度函数对V分量进行滤波，在每个尺度上得到四个不同的分量，其中LL1分量为低频分量，代表V分量大部分信息；HL1、LH1、HH1三个分量为高频分量，分别代表V分量的水平边缘信息、垂直边缘信息、对角线边缘信息。
3.根据权利要求3所述的基于多尺度边缘保持模型的去雾方法，其特征在于，所述步骤3，MSR算法的数学表达式为：
4.根据权利要求...
【技术特征摘要】
1.一种基于多尺度边缘保持模型的去雾方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于多尺度边缘保持模型的去雾方法，其特征在于，所述步骤2中，分别用高通滤波器构建的小波函数和低通滤波器构建的尺度函数对v分量进行滤波，在每个尺度上得到四个不同的分量，其中ll1分量为低频分量，代表v分量大部分信息；hl1、lh1、hh1三个分量为高频分量，分别代表v分量的水平边缘信息、垂直边缘信息、对角线边缘信息。
3.根据权利要求3所述的基于多尺度边缘保持模型的去雾方法，其特征在于，所述步骤3，msr算法的数学表达式为：
4.根据权利要求1所述的基于多尺度边缘保持模型的去雾方法，其特征在于，所述步骤4中，利用盒式侧窗滤波去除高频分量hl1、lh1、hh1噪声并增强细节信息，用以弥补低频分量经处理后的细节丢失，再对去噪后的边缘图像进行线性增强。
5.根据权利要求1或4所述的基于多尺度边缘保持模型的去雾方法，其特征在于，所述步骤4，采用的盒式侧...
【专利技术属性】
技术研发人员：宋江鲁奇，邵龙江，滕翔，赵哲，张伟鹏，罗云麟，石志鹏，许新博，向培，周慧鑫，秦翰林，王炳健，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：
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。