本发明专利技术公开了一种基于纹理自适应的图像去雾方法，属于图像处理和计算机视觉技术领域。本发明专利技术通过对输入图像进行纹理分类，并将纹理分类结果与不同尺度的暗通道值相结合，计算出相应的场景透射系数，实现了一种基于纹理自适应的快速图像去雾。本发明专利技术的应用，能避免复杂的软抠图优化步骤，降低He方法去雾处理的运算复杂度，避免了去雾处理后容易导致的光晕现象，并且能更好的控制去雾处理后图像的饱和度，同时对大气光照向量的计算进行了修正以保证去雾图像的亮度，即本发明专利技术的图像去雾方法处理处理速度快，去雾处理的图像质量高、且能满足实时处理应用的需求。
【技术实现步骤摘要】
本专利技术属于图像处理和计算机视觉
，尤其涉及。
技术介绍
雾天图像恢复是图像处理和计算机视觉等
的关键技术。因为经典的计算机视觉算法往往假设输入图像是物体表面反射光，针对某些有雾图像，这些方法的数学模型不可避免的会在一定程度上失效，从而影响最终的图像去雾效果。因此，研究雾天图像成像退化模型和去雾方法具有重要的意义。针对单幅雾天图像，现有的图像去雾方法通常是基于雾天图像的先验信息规律。 典型的方法有Tan方法(局部对比度最大化方法)、Fattal方法(基于独立成分分析的场景反照率和透射率估计方法)和He方法(基于暗通道先验信息的图像去雾方法)。Tan方法是基于先验信息——无雾图像的对比度往往比有雾图像的对比度要高，通过算法处理使有雾图像的局部区域的对比度达到最大，以达到图像去雾的目的，但恢复的图像对比度往往很高，容易造成图像纹理细节信息的淹没；Fattal方法的先验信息是假设环境光分量和物体表面的反射光分量是不相关的，以此估计出物体表面反射光分量，但恢复出的图像往往失真度较高；He方法选用一个尺度参数计算彩色图像中对应尺度窗口中像素各分量的最小值，并将此值作为暗通道先验信息，然后通过暗通道先验信息估算场景的深度信息，将深度信息结合大气散射模型估算场景的透射率，再通过软抠图方法优化估算的场景透射率， 最后根据优化的场景透射率和估算的大气光照向量A= ，进行图像的去雾处理。虽然He方法恢复出的图像去雾质量较为理想，但只考虑了一个尺度参数，且采用运算极为复杂软抠图优化方法来估计场景的透射系数，计算量会随着图像尺寸的增大呈现出几何级增加，在现有硬件基础上很难做到对雾天图像去雾的实时处理，难以运用到实际应用中。
技术实现思路
有鉴于此，本专利技术的专利技术目的在于提供了一种降低去雾处理运算复杂度、处理效率高，去雾处理的图像质量较高、能满足实时处理应用的需求的。本专利技术的，包括下列步骤步骤a 根据输入图像I (X，y)计算暗通道统计值/X α(ζ)、根据输入图像I (X，y)对像素点进行纹理分类al、将输入图像I (X，y)转换到RGB色彩空间，计算各像素点在RGB色彩空间中各色彩通道的最小值，得到输入图像I(X)的初始暗通道统计值DCtl(I)；并对DCtl⑴按k个不同尺度Ni进行滑窗最小值滤波，所述k大于等于2，其中滑动窗口的尺寸记为Qi = NiXNi得到输入图像I (x，y)在不同尺度Ni下的暗通道值a2、将计算输入图形I(x，y)转换为灰度图像I’(x，y)，计算灰度图像I’ (x, y)中每个像素点的梯度值G (X，y)；设定k-ι个图像纹理分类阈值Tm，其中所述Tm小于灰度图像I’ (x, y)的最大梯度值Gmax,基于所述k-Ι个Tm的值存在k个取值区间，每个取值区间对应一个纹理类型W ；所述k个纹理类型W，与k个暗通道值/)( &(/)——映射，W对应的梯度值越大，则暗通道值DCi2,(/)对应的滑动窗口的尺寸Qi越小；将每个像素点的梯度值G(x，y)与Tm进行比较，得到各像素点对应的纹理类型 W (X，y)；步骤b:根据各像素点对应的纹理类型W(x，y)、各纹理类型W对应的/ΧΩ#(/)，得到图像 I’ (x, y)的每个像素点的暗通道值D (x，y)；统计所有像素点的暗通道值D (X，y)，得到全局暗通道值DC (I)，对所述DC (I)进行归一化处理，处理结果记为DCn(I)；步骤C Cl、根据步骤b的DCn(I)计算景透射系数矩阵T，所述T为数值I与DCn(I)的差；c2、根据步骤a2的灰度图像Γ (x，y)、步骤b的DCjI)得到大气光照向量 A= ；步骤d 根据步骤c的场景透射系数矩阵T和大气光照向量A对输入图像I (x，y)进行图像去雾处理。在本专利技术的步骤a中，可并行执行步骤al、a2，步骤al实现了，根据输入图像I (X， y)计算暗通道统计值/Xu,(7):首先对输入图像I(x，y)的各色彩通道采用最小值滤波器计算出各个像素点的最小值，得到初始暗通道统计值DCtl (I)，本专利技术的DCtl (I)为下一步计算不同的尺度参数(或尺度窗口 )下的暗通道值u,(/)提供一个标准的输入量，能有效避免重复的像素分量取最小值的操作处理，以减小不同尺度参数下的暗通道值的计算复杂度；步骤a2实现了据输入图像I (X，y)对像素点进行纹理分类；首先设定k_l个图像纹理分类阈值Tm，来对应k个不同的纹理类型W，所述k个纹理类型W与k个暗通道值DCa (O--映射，W对应的梯度值越大,则暗通道值DQjf (/)对应的滑动窗口的尺寸Ω J越小；然后基于灰度图像Γ (x，y)中每个像素点的梯度值G(x，y)所对应的纹理类型，该纹理类型所对应％ u (/)得到每个像素点的暗通道值D(x，y)，再统计所有像素点的D(x，y)得到全局暗通道值DC⑴；将得到的DC⑴归一化到范围内，取值为DCn(I);在步骤c中，基于之前获得的DCn(I)及灰度图像Γ (x, y)，通过计算得到场景透射系数矩阵T，以及大气光照向量A=，其中步骤Cl和c2可并行执行；最后，在步骤d中，基于场景透射系数矩阵T和大气光照向量A实现对输入图像的去雾处理，经去雾处理计算处理后获得无雾图像J (X，y)，具体的去雾计算处理既可以是现有的He方法中的去雾处理模型权利要求1.，其特征在于，包括下列步骤 步骤a 根据输入图像I (x，y)计算暗通道统计值/)(^,(/)、根据输入图像I (x，y)对像素点进行纹理分类 al、将输入图像I (x，y)转换到RGB色彩空间，计算各像素点在RGB色彩空间中各色彩通道的最小值，得到输入图像I(X)的初始暗通道统计值DCtl(I)； 并对DCtl (I)按k个不同尺度Ni进行滑窗最小值滤波，所述k大于等于2，其中滑动窗口的尺寸记为Qi = NiXNi得到输入图像I(x，y)在不同尺度Ni下的暗通道值DCniCO; a2、将计算输入图形I(x，y)转换为灰度图像I’(x，y)，计算灰度图像I’ (x, y)中每个像素点的梯度值G (x，y)； 设定k-1个图像纹理分类阈值T111，其中所述T111小于灰度图像I’ (x, y)的最大梯度值Gmax基于所述k-1个Tm的值存在k个取值区间，每个取值区间对应一个纹理类型W ； 所述k个纹理类型W，与k个暗通道值DCn;(/)—一映射，W对应的梯度值越大，则暗通道值CO对应的滑动窗口的尺寸Qi越小； 将每个像素点的梯度值G (x，y)与Tm进行比较，得到各像素点对应的纹理类型W(x，y)； 步骤b 根据各像素点对应的纹理类型W(x，y)、各纹理类型W对应的/)( &(/)，得到图像I’ (x, y)的每个像素点的暗通道值D (x，y)； 统计所有像素点的暗通道值D(x，y)，得到全局暗通道值DC(I)，对所述DC(I)进行归一化处理，处理结果记为DCn(I)； 步骤c Cl、根据步骤b的DCJI)计算景透射系数矩阵T，所述T为数值I与DCn(I)的差；c2、根据步骤a2的灰度图像I ' (x，y)、步骤b的DCn⑴得到大气光照向量A= ； 步骤d 根据步骤c的场景透射系数矩阵T和大气光照向量A对输本文档来自技高网...
【技术保护点】
一种基于纹理的自适应图像去雾方法，其特征在于，包括下列步骤：步骤a：根据输入图像I(x，y)计算暗通道统计值根据输入图像I(x，y)对像素点进行纹理分类：a1、将输入图像I(x，y)转换到RGB色彩空间，计算各像素点在RGB色彩空间中各色彩通道的最小值，得到输入图像I(x)的初始暗通道统计值DC0(I)；并对DC0(I)按k个不同尺度Ni进行滑窗最小值滤波，所述k大于等于2，其中滑动窗口的尺寸记为Ωi＝Ni×Ni得到输入图像I(x，y)在不同尺度Ni下的暗通道值a2、将计算输入图形I(x，y)转换为灰度图像I“(x,y)，计算灰度图像I“(x,y)中每个像素点的梯度值G(x，y)；设定k?1个图像纹理分类阈值Tm，其中所述Tm小于灰度图像I“(x,y)的最大梯度值Gmax基于所述k?1个Tm的值存在k个取值区间，每个取值区间对应一个纹理类型W；所述k个纹理类型W，与k个暗通道值一一映射，W对应的梯度值越大，则暗通道值对应的滑动窗口的尺寸Ωi越小；将每个像素点的梯度值G(x，y)与Tm进行比较，得到各像素点对应的纹理类型W(x,y)；步骤b：根据各像素点对应的纹理类型W(x,y)、各纹理类型W对应的得到图像I“(x,y)的每个像素点的暗通道值D(x,y)；统计所有像素点的暗通道值D(x，y)，得到全局暗通道值DC(I)，对所述DC(I)进行归一化处理，处理结果记为DCN(I)；步骤c：c1、根据步骤b的DCN(I)计算景透射系数矩阵T，所述T为数值1与DCN(I)的差；c2、根据步骤a2的灰度图像I′(x,y)、步骤b的DCN(I)得到大气光照向量A=[Ixy(R),Ixy(G),Ixy(B)]；步骤d：根据步骤c的场景透射系数矩阵T和大气光照向量A对输入图像I(x,y)进行图像去雾处理。FDA00002522165100011.jpg,FDA00002522165100012.jpg,FDA00002522165100013.jpg,FDA00002522165100014.jpg,FDA00002522165100015.jpg...
【技术特征摘要】
【专利技术属性】
技术研发人员：王正宁，曾辽原，许林峰，李宏亮，刘光辉，韩子奇，
申请(专利权)人：电子科技大学，
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。