基于多标签图割的含雾图像去雾方法及系统技术方案

本发明专利技术公开了一种基于多标签图割的含雾图像去雾方法及系统，计算含雾图像像素的亮度，绘制亮度直方图，提取亮度直方图中的局部峰值，将含雾图像建模为图模型，图像像素作为一般节点，并根据亮度直方图中的局部峰值设置相同数量的终端节点，节点间边的权重设为饱和度和亮度函数。通过多标签图割算法，将含雾图像分为不同的子区域，一个终端节点连接的全部一般节点构成了一个子区域，选择具有最小饱和度方差的子区域估计大气光。根据图像RGB通道强度非负的约束条件，设计补偿参数用于估计透射率，对透射图进行平滑操作，带入大气透射模型中得到恢复图像，在数据集上与现有方法进行实验比较，实验结果表明，该方法取得最好的去雾效果。

【技术实现步骤摘要】

本专利技术涉及图像恢复、计算机视觉，特别是一种基于多标签图割的含雾图像去雾方法及系统。

技术介绍

1、在雾霾、烟雾等环境中拍摄的图片常常受到光线的散射、吸收和衰减等影响，导致图像失真和细节模糊。图像去雾主要用于改善在大气不良条件下拍摄的图像质量。各类图像去雾技术旨在通过分析图像中的大气光照散射模型，恢复图像的清晰度和细节，提高图像质量，使图像变得更加清晰和易于理解。

2、早期的图像去雾方法采用了暗通道先验，该方法假设在无雾图像中，绝大部分像素都存在某个颜色通道的强度较弱，将该通道定义为暗通道。根据含雾图像中像素暗通道的强度，可以估计出雾的浓度和图像的透射率，进而实现图像去雾。在暗通道先验基础上，研究人员基于大气散射模型提出了各类其他先验方法来估计图像的透射率。近年来，随着深度学习的兴起，许多研究者开始将深度学习技术应用于图像去雾任务中。通过各种深度神经网络模型，利用大量数据进行训练，实现更加准确和高效的图像去雾算法。

3、但是真实世界中成对的含雾对照图片难以收集，导致训练样本受限。此外，某些特殊场景下，如非均匀雾、浓雾场景下的图片会本文档来自技高网...

【技术保护点】

1.基于多标签图割的含雾图像去雾方法，其特征在于：包括以下步骤：

2.如权利要求1所述的基于多标签图割的含雾图像去雾方法，其特征在于：所述步骤(2)中图模型中图像像素亮度Y和饱和度Sati按照以下公式表示：

3.如权利要求1所述的基于多标签图割的含雾图像去雾方法，其特征在于：所述含雾图像的图模型中每个像素的强度按以下公式表示：

4.如权利要求1所述的基于多标签图割的含雾图像去雾方法，其特征在于：所述含雾图像的图模型中每个像素代表的一般节点n与四邻域像素代表的一般节点通过n-nlink图边连接，初始状态下，一般节点n与每个终端节点s通过n-slink图边...

【技术特征摘要】

1.基于多标签图割的含雾图像去雾方法，其特征在于：包括以下步骤：

2.如权利要求1所述的基于多标签图割的含雾图像去雾方法，其特征在于：所述步骤(2)中图模型中图像像素亮度y和饱和度sati按照以下公式表示：

3.如权利要求1所述的基于多标签图割的含雾图像去雾方法，其特征在于：所述含雾图像的图模型中每个像素的强度按以下公式表示：

4.如权利要求1所述的基于多标签图割的含雾图像去雾方法，其特征在于：所述含雾图像的图模型中每个像素代表的一般节点n与四邻域像素代表的一般节点通过n-nlink图边连接，初始状态下，一般节点n与每个终端节点s通过n-slink图边连接；终端节点s之间不存在连接；

5.如权利要求1所述的基...

【专利技术属性】
技术研发人员：蒋俊正，秦敏慎，全英汇，
申请(专利权)人：西安电子科技大学杭州研究院，
类型：发明
国别省市：