【技术实现步骤摘要】
本专利技术涉及光学成像和图像信息处理，特别是自适应偏振暗原色去雾与光谱先验融合增强系统及方法。
技术介绍
1、图像采集成像过程中，容易受到周围环境的干扰，如雨、雪、沙尘、雾霾，以及大气中的尘埃粒子和物体发出的杂散光等。采集的图像通常会被覆盖一层灰色的掩膜，这与有雾覆盖的区域类似，将其归纳为雾霾效应。雾霾覆盖区域可视性差，模糊看不清，给人们的驾驶出行带来了极大的不便；对军事探测和目标识别等成像学科研究造成了困扰；影响摄像头等安防监控设备的正常工作与各种航向探测系统的运行。因此，透雾成像技术显得尤为重要。
2、现在的图像去雾技术主要分为以下几类：基于物理模型的图像去雾算法、基于非模型的图像增强算法和基于卷积神经网络的深度学习图像去雾算法。其中，基于物理模型的去雾算法主要基于大气散射物理模型，通过观察大量有雾和无雾的图像总结出映射关系，进行逆运算以获取清晰的去雾图像，典型算法为暗通道先验去雾算法，具有较好的去雾效果和稳定性。图像增强去雾算法则是通过提高有雾图像的对比度、突显细节来实现去雾功能，代表性算法包括直方图均衡、小波变换和retinex算法。基于卷积神经网络的深度学习去雾算法通过建立端到端的模型，生成大气散射模型参数，并根据这些参数获取去雾图像；或者直接使用卷积神经网络根据有雾图像生成清晰的去雾图像。
3、近年来，单幅图像去雾得到了广泛地关注和研究，但仍然存在去雾方式较为单一，去雾参数众多、调节步骤繁琐、针对不同雾浓度场景去雾效果不佳的情况。
技术实现思路
2、为实现上述目的，本专利技术采用如下技术方案：自适应偏振暗原色去雾与光谱先验融合增强系统，包括探测成像模块、激光测距模块、电源模块、信号处理模块和主控模块：其中探测成像模块由偏振滤光片阵列、可见光和快照式多光谱相机阵列、可见光和快照式多光谱相机镜头阵列组成。
3、在一较佳的实施例中，位于探测成像模块中心的快照式光谱相机采集近红外波段光谱图像；位于探测成像模块四周的可见光相机，其镜头前端覆盖不同角度的偏振滤光片，用于采集含有不同偏振信息的可见光图像，然后将信号传输给信号处理模块，用于对信号进行预处理；位于探测成像模块上方的激光测距模块，通过激光测距仪来探测成像端到目标场景的实际距离，并将信号传输给信号处理模块；计算不同雾浓度图像的雾霾区域比例系数，并映射出去雾程度参数，实现自适应参数调节功能；通过激光测距反演出透射率的范围，并融入暗原色先验信息，对透射率精细化；结合偏振先验信息，优化图像背景区域，生成新的大气散射模型，进行偏振暗原色去雾成像；将去雾图像与近红外光谱图像进行多尺度融合。
4、本专利技术还提供了自适应偏振暗原色去雾与光谱先验融合增强方法，采用了上述的自适应偏振暗原色去雾与光谱先验融合增强系统，包括图像配准、自适应偏振暗原色去雾和近红外光谱融合增强算法；采用sift配准算法消除由相机孔径位置差异所导致的图像视场亚像素位移偏差；由探测成像模块中镜头前端覆盖有偏振滤光片的可见光相机进行成像探测，采集到i0(x)、i45(x)、i90(x)与i135(x)4个不同角度的偏振可见光有雾图像；结合暗原色环境光矩阵la(x)和计算出的偏振环境光矩阵lp(x)，对大气散射模型进行优化，能够增强图像背景区域的对比度，同时恢复出图像清晰的纹理细节。
5、在一较佳的实施例中，去雾算法的主要步骤如下：
6、1)采用阈值分割原理计算有雾图像i(x)的雾霾区域比例ratio：
7、
8、ratio＝haze(x)/i(x) (2)
9、其中，i(x)是任意选取的一个偏振角度的有雾图像；white(x)表示灰白与纯白色区域；gray(x)表示灰色雾霾覆盖区域；other(x)表示其他区域；t1与t2表示阈值系数；由于white(x)区域中接近灰白色的部分包含雾霾，因此考虑将它与gray(x)整合为整副图像的雾霾覆盖区域haze(x)；ratio表示雾霾覆盖区域的比例系数；
10、2)建立雾霾覆盖区域比例系数与去雾程度参数p之间的自适应映射关系
11、对于不同场景的有雾图像，经过多次实验计算，雾霾区域比例是一个特定的常数，它与雾霾浓度有关，雾霾越浓，图像中亮像素密度越大，像素数量越多，区间跨度越大，值越高；测试多组不同雾浓度的有雾场景，结合数学归纳法，建立映射关系表达式如下：
12、p＝1.054e0.00059*ratio(0≤r≤1) (3)
13、3)精细化透射率t(x)
14、基于暗原色先验原理，采用均值化像素和引导滤波操作，平滑图像背景噪声，计算步骤如下式(4)和(5)所示，通过激光测距反演出透射率范围，可以进一步细化透射率，如下式(6)和(7)所示：
15、
16、
17、t2(x)＝e-β*d(x) (6)
18、
19、其中，jdark(x)是有雾图像的暗通道；c代表r,g,b颜色通道；ω(x)是以像素x为中心的局部块区域；d是暗通道引导滤波图gguidedfilter(x)的像素均值，表征图像的平均亮度；ω是亮度调节因子，其上限为0.9；β是大气衰减系数，为全局常量；d(x)是激光测量目标区域的真实世界光线距离；t1(x)是暗通道求解后的透射率；t2(x)是距离反演出的透射率；t(x)是最终精细化的透射率图，其纹理清晰，边缘细节突出；
20、4)精细化全局大气光值a
21、估计图像的亮通道图jbright(x)，并联合暗通道的引导滤波图gguidedfilter(x)，选取图像最亮的像素值作为精细化的全局大气光值a；求解后的精细化全局大气光值a如下式所示：
22、
23、5)根据暗原色先验信息与激光测距反演共同计算出的精细化透射率t(x)，并联合精细化的全局大气光值a，能够对大气散射模型中的大气衰减项进行有效估计，计算步骤如下式所示：
24、i(x)＝j(x)t(x)+a(1-t(x)) (9)
25、la(x)＝a(1-t(x))＝min(min[d,ω]·gguidedfilter(x),1-jdark(x)) (10)
26、其中，公式(8)-(9)是大气散射模型，j(x)t(x)是直接衰减项，a(1-t(x))是大气衰减项，la(x)是求解后的大气衰减项，我们将其定义为暗原色环境光矩阵；
27、6)联本文档来自技高网...
【技术保护点】
1.自适应偏振暗原色去雾与光谱先验融合增强系统，其特征在于包括探测成像模块、激光测距模块、电源模块、信号处理模块和主控模块：其中探测成像模块由偏振滤光片阵列、可见光和快照式多光谱相机阵列、可见光和快照式多光谱相机镜头阵列组成。
2.根据权利要求1所述的自适应偏振暗原色去雾与光谱先验融合增强系统，其特征在于，位于探测成像模块中心的快照式光谱相机采集近红外波段光谱图像；位于探测成像模块四周的可见光相机，其镜头前端覆盖不同角度的偏振滤光片，用于采集含有不同偏振信息的可见光图像，然后将信号传输给信号处理模块，用于对信号进行预处理；位于探测成像模块上方的激光测距模块，通过激光测距仪来探测成像端到目标场景的实际距离，并将信号传输给信号处理模块；计算不同雾浓度图像的雾霾区域比例系数，并映射出去雾程度参数，实现自适应参数调节功能；通过激光测距反演出透射率的范围，并融入暗原色先验信息，对透射率精细化；结合偏振先验信息，优化图像背景区域，生成新的大气散射模型，进行偏振暗原色去雾成像；将去雾图像与近红外光谱图像进行多尺度融合。
3.自适应偏振暗原色去雾与光谱先验融合增强方法，其
4.根据权利要求3所述的自适应偏振暗原色去雾与光谱先验融合增强方法，其特征在于，去雾算法的主要步骤如下：
5.根据权利要求3所述的自适应偏振暗原色去雾与光谱先验融合增强方法，其特征在于，将自适应偏振暗原色去雾图像与近红外光谱图像融合算法的主要步骤如下：
...【技术特征摘要】
1.自适应偏振暗原色去雾与光谱先验融合增强系统，其特征在于包括探测成像模块、激光测距模块、电源模块、信号处理模块和主控模块：其中探测成像模块由偏振滤光片阵列、可见光和快照式多光谱相机阵列、可见光和快照式多光谱相机镜头阵列组成。
2.根据权利要求1所述的自适应偏振暗原色去雾与光谱先验融合增强系统，其特征在于，位于探测成像模块中心的快照式光谱相机采集近红外波段光谱图像；位于探测成像模块四周的可见光相机，其镜头前端覆盖不同角度的偏振滤光片，用于采集含有不同偏振信息的可见光图像，然后将信号传输给信号处理模块，用于对信号进行预处理；位于探测成像模块上方的激光测距模块，通过激光测距仪来探测成像端到目标场景的实际距离，并将信号传输给信号处理模块；计算不同雾浓度图像的雾霾区域比例系数，并映射出去雾程度参数，实现自适应参数调节功能；通过激光测距反演出透射率的范围，并融入暗原色先验信息，对透射率精细化；结合偏振先验信息，优化图像背景区域，生成新的大气散射模型，进行偏振暗原色去雾成像；将去雾图像与...
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。