【技术实现步骤摘要】
本专利技术涉及图像处理中的图像增强领域，特别是涉及一种基于多散射模型的近岸图像去雾方法及装置。
技术介绍
1、随着计算机视觉学科的飞速发展，以及高清摄像头的普及，越来越多相关技术被引入到实际应用中，这些技术的引入给许多行业带去了新的生命力。在利用无人艇上装载的光电摄像头对水面目标进行检测识别过程中，存在恶劣天气尤其是雾天对成像的影响等难点，易导致船舶检测识别定位精度差、漏检、虚警等问题。
2、在实际应用场景中，复杂的水面环境往往会导致无人艇光电设备成像不佳，形成低对比度的水面图像，这种图像因目标细节信息缺失而严重影响了后续高级视觉任务的执行。申请人尝试图像增强技术以将低对比度图像进行恢复来缓解这一问题。
技术实现思路
1、本专利技术的目的是为了克服上述
技术介绍
的不足，提供一种基于多散射模型的近岸图像去雾方法及装置，使其基于多散射模型的近岸图像去雾方法，利用太阳信息以及大气光值图来解决水面雾气影响成像质量问题，可高效实现近岸图像去雾，提升了近岸图像去雾的时效性，优化了去雾效果。
2、本专利技术提供的一种基于多散射模型的近岸图像去雾方法，包括如下步骤：s1、通过分析太阳存在情况下的有雾图像，获取太阳信息特征；s2、根据太阳信息特征，找出原图暗通道中高亮度的点，并通过聚类排除干扰，选取最大的类作为寻找太阳的种子点；s3、基于落入太阳范围内的种子点，利用区域生长的方法，获得太阳轮廓；s4、根据太阳轮廓，利用霍夫变换获得图像中的太阳，获取太阳估计信息；s5、根据太阳估
3、在上述技术方案中，所述步骤s2的具体过程如下：s21、结合太阳信息特征，首先计算出原图像的暗通道图像，找出原图暗通道中亮度靠前的点作为候选点；s22、采用dbscan方法对候选点进行聚类，选取最大的类作为寻找太阳的种子点，使得种子点落入太阳的范围内。
4、在上述技术方案中，所述步骤s6的具体过程如下：s61、改进勒让德多项式，估计视场角与图像分辨率之间的比例关系；s62、将太阳0度方向所有的散射光强存储于数组y0中，采用最小二乘法拟合勒让德多项式曲线；s63、从八个方向对散射光模型进行分析。
5、在上述技术方案中，所述步骤s61的具体过程如下：估计视场角与图像分辨率之间的比例关系，对勒让德多项式进行如下的改进：其中，t是一个受能见度和距离影响的参数；q是衡量雾气散射光的能力的参数，0<q<1；k代表图像中采样点到太阳的距离与采样点所在位置的视场角之间的比值；l表示图像中采样点到太阳的像素点个数；m是拟合光源散射所需的阶数；αm＝m+1；βm＝(2m+1)/m×(1-qm-1)；lm(kl)反映了不同散射角下散射光的强度，在上述改进的勒让德多项式中，采用k和l来代替μ，l表示图像中采样点到太阳的像素点个数，k代表图像中采样点到太阳的距离与采样点所在位置的视场角之间的比值，μ与k和l的关系如下：
6、在上述技术方案中，所述步骤s62中，最小二乘法拟合勒让德多项式曲线的公式如下：其中，t是一个受能见度和距离影响的参数；q是衡量雾气散射光的能力的参数，0<q<1；k代表图像中采样点到太阳的距离与采样点所在位置的视场角之间的比值；y0数组存储太阳0度方向所有的散射光强，当公式计算值达到最小时，即求得t、q和k的值。
7、在上述技术方案中，所述步骤s9的具体过程如下：s91、首先计算原有雾图像的梯度图像grad(x,y)和粗略传播图trough(x,y)；s92、根据计算得到的梯度图以及先验分析得到的梯度阈值，生成掩模图像mask(x,y)，mask(i,j)是掩模图像中坐标(i,j)的值，计算公式如下：其中，mask(i,j)是掩模图像中坐标(i,j)的值；grad(i,j)是梯度图像中坐标(i,j)的值；s93、对掩模图像进行形态学膨胀操作，膨胀次数与生成暗通道图像时邻域窗口的宽度在数值上相等，对于掩模图像中像素值为0的区域，直接取粗略传播图作为精细化传播图，对于掩模图像中像素值为1的区域，采用引导滤波获取精细化传播图，精细化传播图计算公式如下：
8、其中，trefined(i,j)是精细化传播图；trough(i,j)是粗略传播图；mask(i,j)是掩模图像中坐标(i,j)的值。
9、在上述技术方案中，所述步骤s91中，粗略传播图的计算公式如下：其中，a(x,y)为大气光值图，idark(x,y)为暗通道图像；其中，暗通道图像idark(x,y)由下式获得：
10、其中，ic(x′,y′)分别为邻域内r、g、b通道值，idark(x,y)中每个像素通过求取邻域内r、g、b通道的最小值来获得。
11、在上述技术方案中，所述步骤s10的计算公式如下：
12、其中，j(x,y)为无雾图像；i(x,y)为有雾图像；a(x,y)为大气光值图。
13、在上述技术方案中，所述步骤s4中，所述太阳估计信息包括太阳的位置、半径以及亮度信息；所述步骤s21中，亮度靠前的点是指亮度前0.01％的点。
14、本专利技术还提供了一种基于多散射模型的近岸图像去雾装置，具有计算机程序，该计算机程序能够执行基于多散射模型的近岸图像去雾方法。
15、本专利技术基于多散射模型的近岸图像去雾方法及装置，具有以下有益效果：
16、本专利技术提供了一种基于多散射模型的近岸图像去雾方法及装置，其目的在于解决太阳存在的雾天条件下的图像去雾问题，通过对具体应用场景下数据的观察以及分析，结合经典的散射模型，合理地利用太阳散射光的性质，通过图像处理的手段实现对近岸图像去雾的时效性的提升、去雾效果的优化。基于无人艇艇载光电侦察设备在雾天环境下探测的近岸图像，本专利技术可明显抑制浓雾，增强图像对比度和整体质量，提高自主检测识别成功率，有效提升无人艇在复杂环境下的侦察效率。
本文档来自技高网...【技术保护点】
1.一种基于多散射模型的近岸图像去雾方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的基于多散射模型的近岸图像去雾方法，其特征在于：所述步骤S2的具体过程如下：
3.根据权利要求2所述的基于多散射模型的近岸图像去雾方法，其特征在于：所述步骤S6的具体过程如下：
4.根据权利要求3所述的基于多散射模型的近岸图像去雾方法，其特征在于：所述步骤S61的具体过程如下：
5.根据权利要求4所述的基于多散射模型的近岸图像去雾方法，其特征在于：所述步骤S62中，最小二乘法拟合勒让德多项式曲线的公式如下：
6.根据权利要求5所述的基于多散射模型的近岸图像去雾方法，其特征在于：所述步骤S9的具体过程如下：
7.根据权利要求6所述的基于多散射模型的近岸图像去雾方法，其特征在于：所述步骤S91中，粗略传播图的计算公式如下：
8.根据权利要求7所述的基于多散射模型的近岸图像去雾方法，其特征在于：所述步骤S10的计算公式如下：
9.根据权利要求8所述的基于多散射模型的近岸图像去雾方法，其特征在于：所述步
10.一种基于多散射模型的近岸图像去雾装置，具有计算机程序，其特征在于：该计算机程序能够执行如权利要求1～9中任一项所述的基于多散射模型的近岸图像去雾方法。
...【技术特征摘要】
1.一种基于多散射模型的近岸图像去雾方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的基于多散射模型的近岸图像去雾方法，其特征在于：所述步骤s2的具体过程如下：
3.根据权利要求2所述的基于多散射模型的近岸图像去雾方法，其特征在于：所述步骤s6的具体过程如下：
4.根据权利要求3所述的基于多散射模型的近岸图像去雾方法，其特征在于：所述步骤s61的具体过程如下：
5.根据权利要求4所述的基于多散射模型的近岸图像去雾方法，其特征在于：所述步骤s62中，最小二乘法拟合勒让德多项式曲线的公式如下：
6.根据权利要求5所述的基于多散射模型的近岸图像...
【专利技术属性】
技术研发人员：徐子文，闫红州，吴凡，岳林，左蒙，
申请(专利权)人：中国舰船研究设计中心，
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。