【技术实现步骤摘要】
本专利技术涉及图像处理方法，具体涉及一种基于区域分割的图像去雾方法、存储介质及终端设备。
技术介绍
1、近年来，雾霾越来越频繁地出现。由于空气中悬浮的颗粒对光传播产生影响，导致成像系统接收到的图像清晰度、饱和度、对比度都有所降低。这直接影响户外计算机视觉系统的性能，如交通监控、目标识别等。目前，图像去雾方法主要分为三种：一是基于图像增强；二是基于图像复原；三是基于深度学习。较为经典的图像增强算法包括带有色彩恢复的多尺度retinex算法(msrcr)、直方图均衡算法等。msrcr是基于单尺度retinex算法（msr），通过引入恢复因子实现色彩还原并复原去雾图像。但对不同浓度的有雾图像，需合理地控制色彩恢复的增益和偏移值。直方图均衡算法使图像像素的灰度级分布更加均匀，但同时也会丢失某些细节。上述基于图像增强的方法，因未考虑雾天图像退化的原理，易造成图像细节信息丢失，出现过饱和等失真问题。图像复原是从大气散射物理学模型出发，对环境光和透射率通过一定的先验假设来逼近真实值，从而实现去雾。此外，随着深度学习的快速兴起，神经网络也被运用到图像去雾中。但此类方法需要大量的测试数据，不仅实现成本较高，且在许多真实复杂环境下的去雾效果并不理想。
2、目前，在图像去雾领域，广泛使用的传统去雾方法是基于大气散射模型的单幅图像去雾算法，该类算法采用单幅图像中包含的先验信息或提出一些合理的假设，实现对图像的去雾。基于暗通道先验的去雾算法，通过结合雾天成像的退化模型和暗通道原理实现图像去雾，其作为基于大气散射模型的单幅图像去雾算法中的一种典
3、1）暗通道先验理论在天空或接近白色区域易失效；
4、2）部分边缘区域存在光晕现象。
技术实现思路
1、本专利技术的目的是解决现有基于暗通道先验的去雾算法在天空或接近白色区域易失效、部分边缘区域存在光晕现象的不足之处，而提供一种基于区域分割的图像去雾方法、存储介质及终端设备。
2、为实现上述目的，本专利技术提供的技术解决方案如下：
3、一种基于区域分割的图像去雾方法，其特殊之处在于，包括以下步骤：
4、步骤1，获取有雾图像；
5、步骤2，暗通道补偿；
6、2.1.计算有雾图像每个像素rgb三通道的最小值，并计算有雾图像的初始暗通道图；
7、2.2.基于初始暗通道图，通过下式计算得到每个像素点的补偿暗通道的值，从而得到补偿暗通道图：
8、 ，
9、 ，
10、其中，为初始暗通道图中第i行、第j列像素点的值，k为像素点的rgb三通道最小值与其对应的差值的绝对值，为阈值，为阈值容差，为补偿暗通道图中第i行、第j列像素点的值；为补偿暗通道图中第i行、第j±1列像素点的值；
11、步骤3，根据初始暗通道图求大气光强值a；
12、步骤4，依据初始暗通道图，对有雾图像进行区域分割，得到目标区域与非目标区域；
13、4.1.色彩空间转换：将有雾图像转换至ycbcr色彩空间，取y亮度分量；
14、4.2.初目标区域分割：将同时满足以下三个条件的像素点判定为初目标区域，其余区域为非目标区域；
15、1）信息熵＞0；
16、2） ；其中，为调节因子，取值为归一化后的初始暗通道图中最大的初始暗通道值减去0.1~0.2；为初始暗通道图中像素点x的值；
17、3）像素点的灰度值b1＞b2-b3，其中，b2为有雾图像灰度直方图中占比最大的灰度级，b3取值为20~40；
18、4.3.目标区域精确分割
19、在初目标区域通过形态学操作得到特征点，通过迭代循环进行区域生长，直至所有特征点均包含在生长的区域中，生长的区域即为目标区域；所述特征点为骨架的转折点和终点；
20、步骤5，根据补偿暗通道图和大气光强值计算透射率，并对透射率进行优化，得到精确的透射率，在保留去雾图像边缘信息的条件下，平滑去雾图像的噪声；
21、步骤6，确定透射率下限，基于大气散射模型利用精确的透射率、透射率下限以及大气光强值，获得目标区域与非目标区域的去雾图像，完成图像去雾。
22、进一步地，步骤6具体为：
23、6.1.计算透射率下限；
24、设定第一透射率下限；通过下式计算得到第二透射率下限；
25、
26、其中， 为目标区域灰度图的均值；
27、6.2.根据下式计算所有像素点的去雾像素值，获得去雾图像：
28、
29、其中，为有雾图像的像素点x的像素值，为去雾图像中像素点x的像素值；为精确的透射率；a为大气光强值；所述非目标区域采用第一透射率下限，目标区域采用第一透射率下限或者第二透射率下限。
30、进一步地，步骤6.1中，；
31、步骤6.2中，需判断目标区域总的像素点数量在有雾图像的所有像素点中的占比，若占比大于5~8%中的任一取值，则采用第二透射率下限，否则，采用第一透射率下限。
32、进一步地，步骤4.3后还包括：
33、4.4.通过形态学操作，将目标区域中像素点数量小于5000的区域划分为非目标区域。
34、进一步地，步骤5具体为：
35、5.1.基于暗通道先验理论，通过下式计算得到粗透射率；
36、
37、其中，为补偿暗通道图中像素点x的值；是去雾因子，取0.85；
38、5.2.对透射率进行优化得到精确的透射率；
39、所述对透射率进行优化具体为：以有雾图像的灰度图作为引导图对粗透射率进行引导滤波或快速引导滤波。
40、进一步地，步骤2.2中，t=30~60，。
41、同时，本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，其特殊之处在于：该程序被处理器执行时实现如上述一种基于区域分割的图像去雾方法的步骤。
42、同时，本专利技术还提供一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特殊之处在于：所述处理器执行所述计算机程序时实现如上述一种基于区域分割的图像去雾方法的步骤。
43、本专利技术的有益效果：
44、1.本专利技术通过暗通道补偿抑制边缘处的光晕效应，并通过对有雾图像的目标和非目标区域进行分割，在求出粗透射率后，对其进行细化，最终基于大气光散射模型，对有雾图像进行恢复。其中，暗通道补偿利用了初始暗通道值与每个像素rgb三通道的最小值（即mc）的差值，并设置阈值及阈值容差对其进行筛选，从而针对不同像素选择不同的暗通道值，改善伪边缘现象。
45、2.本专利技术设置了第一透射率下限和第二透射率下限，根据所属区域的不同，使用不同透射率下限对透射率进行修正，本文档来自技高网...
【技术保护点】
1.一种基于区域分割的图像去雾方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种基于区域分割的图像去雾方法，其特征在于，步骤6具体为：
3.根据权利要求2所述一种基于区域分割的图像去雾方法，其特征在于：步骤6.1中，；
4.根据权利要求1-3任一所述一种基于区域分割的图像去雾方法，其特征在于，步骤4.3后还包括：
5.根据权利要求4所述一种基于区域分割的图像去雾方法，其特征在于，步骤5具体为：
6.根据权利要求5所述一种基于区域分割的图像去雾方法，其特征在于：步骤2.2中，T=30~60，。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行时实现如权利要求1至6任一所述一种基于区域分割的图像去雾方法的步骤。
8.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于：所述处理器执行所述计算机程序时实现如权利要求1至6任一所述一种基于区域分割的图像去雾方法的步骤。
【技术特征摘要】
1.一种基于区域分割的图像去雾方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种基于区域分割的图像去雾方法，其特征在于，步骤6具体为：
3.根据权利要求2所述一种基于区域分割的图像去雾方法，其特征在于：步骤6.1中，；
4.根据权利要求1-3任一所述一种基于区域分割的图像去雾方法，其特征在于，步骤4.3后还包括：
5.根据权利要求4所述一种基于区域分割的图像去雾方法，其特征在于，步骤5具体为：
6....
【专利技术属性】
技术研发人员：张海峰，王玥，宋晓东，岳凤英，曾嘉鑫，段嘉欣，崔思栋，孙聪颖，
申请(专利权)人：中国科学院西安光学精密机械研究所，
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。