【技术实现步骤摘要】
本专利技术属于计算机视觉、图像处理等，具体涉及一种基于近红外与可见光的差分去雾方法。
技术介绍
1、雾霾作为真实场景中常见的大气悬浮散射粒子，往往导致图像细节丢失、对比度降低，极大影响场景信息获取与目标识别。因此，开发有效的去雾方法对于恢复图像质量具有重要意义。近年来，针对单幅图像的去雾方法成为研究热点，主要可划分为基于图像增强、基于先验信息与基于深度学习三种。其中，基于图像增强的方法由于仅通过图像处理提高图像对比度，并未真正去雾而效果十分有限；基于先验信息与深度学习的方法是当前的主流研究方向，取得了不错的去雾效果，然而难以突破的雾霾厚度极限限制了其在浓雾条件下的表现。
2、为了克服单幅图像在强雾霾情况下的局限性，利用近红外与可见光图像融合的策略备受关注。可见光（400-700nm）图像具有高分辨率和丰富的颜色信息，而近红外（900-1700nm）图像则在雾霾中表现出优异的穿透能力。通过多样的融合策略，如空间-频率域转换、颜色空间变换、双边滤波、导向滤波和多尺度分析等，结合可见光与近红外图像的优势，获得高对比度的去雾图像。利...
【技术保护点】
1.一种基于近红外与可见光的差分去雾方法，其特征在于：对同步采集的近红外和可见光图像进行图像配准，通过建立特征点映射关系，利用多尺度融合实现近红外清晰度校正；通过建立雾霾厚度先验并利用近红外-可见光差分策略获得RGB三波段各自的雾浓度，最终基于暗雾减模型实现去雾。
2.根据权利要求1所述的基于一种基于近红外与可见光的差分去雾方法，其特征在于：同步采集近红外与可见光图像，并确保双通道图像的视场重合度，以满足时间与空间一致性。
3.根据权利要求1所述的一种基于近红外与可见光的差分去雾方法，其特征在于：所述图像配准利用特征点检测与描述方法提取图像中的...
【技术特征摘要】
1.一种基于近红外与可见光的差分去雾方法，其特征在于：对同步采集的近红外和可见光图像进行图像配准，通过建立特征点映射关系，利用多尺度融合实现近红外清晰度校正；通过建立雾霾厚度先验并利用近红外-可见光差分策略获得rgb三波段各自的雾浓度，最终基于暗雾减模型实现去雾。
2.根据权利要求1所述的基于一种基于近红外与可见光的差分去雾方法，其特征在于：同步采集近红外与可见光图像，并确保双通道图像的视场重合度，以满足时间与空间一致性。
3.根据权利要求1所述的一种基于近红外与可见光的差分去雾方法，其特征在于：所述图像配准利用特征点检测与描述方法提取图像中的特征信息，并找到近红外与可见光图像之间的匹配点对；从双通道图像中提取匹配特征点的坐标并记录；然后对匹配的特征点进行筛选，以去除误匹配点并获得内点；根据内点提取对应的坐标对，利用估计后的变换矩阵完成图像配准。
4.根据权利要求1所述的一种基于近红外与可见光的差分去雾方法，其特征在于：所述利用多尺度融合实现近红外清晰度校正具体为：首先建立双通道图像正确匹配后的特征点之间的线性映射关系，以重构出清晰度和雾霾残留符合设定标准的近红外图像；然后利用多尺度融合方法同时保留原近红外的强透雾细节与重构近红外的高清晰度，获得校正后的近红外图像。
5.根据权利要求1所述的一种基于近红外与可见光的差分去雾方法，其特征在于：所述通过建立雾霾厚度先验并利用近红外-可见光差分策略获得rgb三波段各自的雾浓度，最终基于暗雾减模型实现...
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。