System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及一种图像去雾处理,具体的说,涉及了一种使用非局部雾线和多重曝光融合的图像去雾方法。
技术介绍
1、图像去雾在计算机视觉、安全监控、无人驾驶等多个领域中发挥着重要作用。清晰图像是传达和展示可见世界的重要信息媒介。通过提高图像的质量,帮助人们获取图像中更多实用的信息,提升工作效率,为视频监控、交通导航、人脸识别、目标跟踪检测等领域提供可靠的图像数据支持。然而,由于大气散射、光线吸收和散射以及相机设置等原因,图像的视觉效果大幅度下降。更具体来说,空气中悬浮微粒对光的吸收和散射导致有雾图像存在低对比度、模糊和细节丢失、色彩失真等问题。
2、在拍摄的图像中,图像存在模糊、信息失真、信息损失等问题。为了解决图像的这些问题,人们提出了许多图像去雾方法,包括基于物理模型的图像去雾方法、基于非物理模型的去雾方法、基于深度学习的图像去雾方法,并且这些方法已经证明了它们的有效性。
3、基于物理模型的方法,通过光的物理性质来解决雾霾导致的图像退化问题。然而,该方法依赖于参数的估计,参数的准确性会影响去雾效果。此外,基于非物理模型的方法在增强图像对比度和亮度方面表现优异,然而,在适应性、处理复杂场景和抗噪性等方面存在一些限制。基于深度学习的图像去雾方法,具有较强的学习能力,可以适应不同场景和图像条件,但需要大量的标注数据和计算资源进行训练,且模型复杂度较高。
4、如申请号为:202310729983.1、专利技术名称为:一种基于深度学习分阶段式训练的图像去雾方法及装置的专利技术专利中提出,获取预先训练的图
5、总的来说,图像去雾的发展经历了从图像增强到基于物理模型的图像复原,现在也有学者利用机器学习进行图像去雾。尽管图像去雾技术已经发展较多,但都存在鲁棒性和适用性不强的问题,导致可视化程度不高,尤其需要先验估计场景深度和深度映射细化的问题。
6、为了解决以上存在的问题,人们一直在寻求一种理想的技术解决方案。
技术实现思路
1、本专利技术的目的是针对现有技术的不足,从而提供一种能够克服传统方法所面临的鲁棒性和适用性不强等问题,提升可视化效果,有效地避免了需要先验估计场景深度和深度映射细化的问题的使用非局部雾线和多重曝光融合的图像去雾方法。
2、为了实现上述目的,本专利技术所采用的技术方案是:一种使用非局部雾线和多重曝光融合的图像去雾方法,包括以下步骤:
3、步骤1)获取多曝光融合的图像,首先采用多尺度gamma校正,对输入的有雾图像进行校正,以获得曝光不足的图像序列,构造基于像素的曝光度的权重图,对权重图进行融合,得到融合图像;
4、在图像融合过程中,通过通用权重函数w计算像素的权重:
5、
6、其中,是从原始彩色图像导出的灰度强度曝光特征;
7、σ用于调整钟形分布的陡峭程度;
8、ce是通常设定在强度范围中间的最佳曝光常数;
9、基于这个权重函数,像素融合结果会选择与伽马校正的图像成比例的所需强度;对所有输入图像的权值映射进行估计和归一化,我们将多幅伽玛校正图像中的全局分量bk和局部分量dk的像素合并到融合图像f中,表达式如下所示:
10、
11、其中,表示bk的像素权重;
12、表示dk的像素权重;
13、β≥1控制结果f中局部细节的水平;
14、步骤2)对原始图像采用基于局部窗口的暗通道先验,获得大气光值;
15、采用了何凯明教授团队发现的暗通道先验规律来估算大气光值,暗通道计算方法为:
16、
17、其中,jdark(x)指图像的暗通道图,jc是输入图像j中的任何一个颜色通道的值,x是像素点的位置,ω(x)是以x为中心的领域。
18、步骤3)在进行步骤2)的同时对得到的融合图像,使用kd-tree结构,将图像的rgb像素聚类到雾线,估计初始传输率;
19、其中,r(x)表示目标像素到相机的距离,由于像素到相机的距离决定了透射率的大小,因此r(x)与透射率密切相关:
20、
21、其中,j(x)是无雾图像,a为全局大气光,t(x)为场景透射率;
22、如果在雾线h上存在无雾的像素点,那它就是这条雾线的最大半径;单个像素点初始估计的透射率为:
23、
24、其中为雾线最大半径;
25、步骤301)对估计的初始透射率,使用加权最小二乘法滤波来平滑和细化透射率;
26、初始透射率的非局部先验估计是基于整幅图像的像素值,使用四邻域像素点进行平衡,其表达式为:
27、
28、其中,i(x)表示有雾图像,i(y)表示拟清晰化图像,表示拟清晰化图像的透射率,表示优化后的透射率,λ表示平衡参数,nx代表图像平面中像素点x构成的四邻域,是求取的透射率中较大的值,σ(x)是的标准差,每个雾线都需要计算σ(x);
29、步骤4)将上述步骤求得的融合图像、大气光值、优化后的透射率代入到大气散射模型得到去雾后的图像。
30、将之前求得的大气光a和优化后的透射率代入到大气散射模型中,即可求解出无雾图像j(x):
31、
32、本专利技术相对现有技术具有突出的实质性特点和显著的进步,具体的说,本专利技术首先提出了一种基于多尺度融合的策略,用于均衡输入图像的亮度和色彩。然后,我们采用基于局部窗口的暗通道先验,求解大气光值。同时,我们对于预处理后的图像,用以聚类以获得较好泛化性能的雾线,进而提升透射率的估计。此外,我们还引入了加权最小二乘滤波进一步细化透射率。最终,我们通过大气散射模型反向推导出无雾图像。
33、本专利技术提出的图像去雾方法显著提高了雾霾图像的可视化效果,有效地避免了需要先验估计场景深度和深度映射细化的问题。
本文档来自技高网...【技术保护点】
1.一种使用非局部雾线和多重曝光融合的图像去雾方法,其特征在于:包括以下步骤:
2.根据权利要求1所述的使用非局部雾线和多重曝光融合的图像去雾方法,其特征在于:步骤2)中,采用了暗通道先验规律来估算大气光值,暗通道计算方法为:
3.根据权利要求2所述的使用非局部雾线和多重曝光融合的图像去雾方法,其特征在于:步骤4)中,将之前求得的大气光A和优化后的透射率代入到大气散射模型中,即可求解出无雾图像J(x):
【技术特征摘要】
1.一种使用非局部雾线和多重曝光融合的图像去雾方法,其特征在于:包括以下步骤:
2.根据权利要求1所述的使用非局部雾线和多重曝光融合的图像去雾方法,其特征在于:步骤2)中,采用了暗通道先验规律来估算大气光...
【专利技术属性】
技术研发人员:李国厚,金凯杰,曲培新,王应军,陈巩超,赵高丽,金松林,周玲,张卫东,
申请(专利权)人:河南科技学院,
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。