本发明专利技术公开了一种去除大气退化图像云雾的方法，包括以下步骤：暗通道图像的获取及中值滤波、大气光图像的自适应分解获取;大气传输函数的细化;色彩域的视觉校正。本发明专利技术所处理的大气退化图像存在不同程度光照、对比度以及动态范围问题，采用暗通道理论模型，并且融入暗通道图像的中值滤波、大气光图像的自适应分解获取和色彩域的视觉校正来进行去云雾，弥补了现有技术的不足。此外，本发明专利技术操作简单，具有很好的应用前景。
【技术实现步骤摘要】
【专利摘要】本专利技术公开了，包括以下步骤：暗通道图像的获取及中值滤波、大气光图像的自适应分解获取;大气传输函数的细化;色彩域的视觉校正。本专利技术所处理的大气退化图像存在不同程度光照、对比度以及动态范围问题，采用暗通道理论模型，并且融入暗通道图像的中值滤波、大气光图像的自适应分解获取和色彩域的视觉校正来进行去云雾，弥补了现有技术的不足。此外，本专利技术操作简单，具有很好的应用前景。【专利说明】
本专利技术属于计算机与图像处理
，尤其涉及。
技术介绍
可见光成像下的大气退化图像去云雾技术是计算机图像处理中、高阶段提高图像质量的基础，它旨在从云雾和极低照度等大气退化现象下恢复出图像的原始信息，图像信息的有效恢复对复杂气象条件下的道路安全监控、汽车安全驾驶、光学武器作战效能的提升、敌我战场的有效监视发挥着重大作用，然而，现有的基于物理模型的可见光成像系统受到大气条件的严重影响，在云雾等大气退化现象下，大气中悬浮的大量微小水滴、气溶胶的衰减和散射作用使得大气能见度、亮度严重下降，致使可见光成像传感器采集到的图像质量降低，极大地影响和限制了复杂气象环境下户外可见光成像系统的功能，既而引起了国内外许多研究者的浓厚兴趣，近年来已经成为图像处理计算机
备受关注的前沿热点。依据算法特点，针对大气退化现象的图像去云雾技术主要形成了两个方向:基于图像增强的方法和基于图像复原的方法，基于图像增强的方法只能相对的提升大气退化现象下图像的质量，并不能实现真正意义上的去云雾，基于图像复原的方法依赖于图像退化模型的建立，通过对大气衰减和环境光照进行建模，并依据强有力的假设和先验信息将模型求解的非适定性转换为适定性，从而实现参数分析和去云雾图像的获得，该研究方向从CVPR2008开始至今是国内外研究的前沿和热点，尤其以CVPR2009何恺明等所提出的暗原色(Dark Channel Prior, DCP)为代表,该方法具备物理有效性,但是当场景目标在很大的区域和大气光本质上很相似时，并且没有阴影投影到物体上时，它的物理模型就会无效，本专利技术从图像复原角度出发，旨在从降质模型中恢复出原始高质量图像，在对降质过程进行适应性物理建模的同时，引入色彩空间校正机制，使得颜色表现更加丰富，从而改善图像的视觉效果，为了使之具有广泛的适用性，在处理时要使图像亮度、对比度和颜色分别通过模型与图像的内在底层因素相联系，这样就不用人为的设定参数，并且使复原结果更加符合图像的本质特性和人眼视觉感知，总之，基于图像复原的去云雾方法很多，关键是寻找到其病态退化物理模型的一个最优解法，从而实现图像局域特征和全局特征的契合。何丨岂明等所提出的暗原色理论(Dark Channel Prior,DCP)认为,清晰的图像上除天空区域外，在RGB颜色通道中至少有一个通道存在很低的强度值，在云雾图像上，暗原色的强度值主要由大气光组成，该方法直接使用暗原色来估计传输图，并使用图像修补的方法对传输图进行了平滑操作，使用修补后的传输图能够恢复出清晰的图像，并从中获得雾天图像的深度图，具体的实现方案如下:首先假设大气光A是给定的，进一步假定在一个局部区域的大气传输函数恒定不变，对McCarney的大气散射模型使用取最小运算符，并同除以A，得到:【权利要求】1.，其特征在于，所述去除大气退化图像云雾的方法包括以下步骤: 暗通道图像的获取及中值滤波、大气光图像的自适应分解获取； 大气传输函数的细化； 色彩域的视觉校正。2.如权利要求1所述的去除大气退化图像云雾的方法，其特征在于，暗通道图像生成采用图像自适应分块处理思想，在暗通道先验理论基础上获取原始图像所对应的暗通道图像Id(x，y)，并使用中值滤波平滑处理，可用如下公式定义生成的暗通道图像ID(x，y): /.,)(W)= min (min(/.(..1., κ)))ce{rsg,i>\ Ω 其中，IJxj)为原始图像的指定通道； Ω为自适应的图像子块，是以(x，y)为中心的一块正方形区域，为了防止深度跳变所产生的粗糙现象，避免在结果中出现棋盘格效应和光晕痕迹，需对暗通道图像进行中值滤波；3.如权利要求1所述的去除大气退化图像云雾的方法，其特征在于，大气光图像获取采用自适应二维经验模式分解，在进行5次分解之后，获取原始图像所对应的大气光图像A(x, y),并通过低通滤波来均匀局域大气光。4.如权利要求3所述的去除大气退化图像云雾的方法，其特征在于，自适应二维经验模式分解，具体实施步骤如下: 步骤一，通过数学形态学中的测地算子识别图像中的区域极值点； 步骤二，采用优化了的径向基函数插值法构造包络曲面，对极大值点和极小值点分别进行插值运算，运算后得到极大值点包络曲面和极小值点包络曲面，将两曲面数据求平均得到均值包络曲面数据，因此，图像空间中的上下包络求解问题就转化成三维曲面的离散数据点插值重建问题，求解包络平面可表示为: N J(,r) =r0 + C1X+ C2 V+Y4 λ^φν-x;.||)/-1 其中，S(X)为插值节点，C(l、Cl、c2、Xi为多项式系数和径向基函数组合系数，Il.Il为欧几里德范数，Φ(.)为径向基函数，通过求解Ν+3元一次的大型线性方程组，解得c0> C1, C2, Xi的值，进而代入所有点的坐标值得到整个插值曲面，对φ(.)的选取有thin-plate, multi quadratics 等方法，改进 Φ (.)的选取为: 齡|(1-辑 I O,及>1 其中，R= Il X-Xi Il为欧式距离，P是一个常数系数； 步骤三，用原曲面减去均值包络曲面； 步骤四，判断是否满足终止条件，因为二维内蕴模函数过零点的数目是无法统计的，所以二维经验模式分解时可以用二维内蕴模函数的约束条件作为筛选过程的停止条件，也可以用高效的Cauchy-type收敛条件:Sd _ y11-Λ-ι (尤，,’)^ Jk^xI y\—rr TiJ^y)其中，fk(x, y)是第k层自适应二维经验模式分解时图像上(x，y)点的像素值，并可使SD为0.2到0.3之间的数; 重复步骤(一)~(三)，直到满足给定的终止条件，得到第I层二维内蕴模函数图像IDimf1 (X，y)，用原图像减去bimfjx，y)得到第I层残差图像residuel,对residuel重复步骤(一)~(四)，依次得到图像的N层二维内蕴模函数图像和第N层残差图像，在上述过程中，极值点求解、平面插值和筛选的停止条件是本算法的核心，一般是进行5次分解，就可以得到纯净的大气光图像，所以最终的结果表示为: 5.如权利要求1所述的去除大气退化图像云雾的方法，其特征在于，大气传输函数细化采用最暗通道处理思想，通过下面的公式: 6.如权利要求1所述的去除大气退化图像云雾的方法，其特征在于，去云雾图像色彩域校正具体操作为，对图像的R，G，B三原色通道分别进行去云雾运算:7.如权利要求6所述的去除大气退化图像云雾的方法，其特征在于，对去除云雾的图像J (X，y)中任一像素点mxy=T,进行如下的RGB色彩域校正， 8.如权利要求6所述的去除大气退化图像云雾的方法，其特征在于，去云雾图像色彩域校正采用均值加减方差本文档来自技高网...
【技术保护点】
一种去除大气退化图像云雾的方法，其特征在于，所述去除大气退化图像云雾的方法包括以下步骤：暗通道图像的获取及中值滤波、大气光图像的自适应分解获取;大气传输函数的细化;色彩域的视觉校正。
【技术特征摘要】
【专利技术属性】
技术研发人员：南栋，毕笃彦，王晨，查宇飞，何林远，
申请(专利权)人：中国人民解放军空军工程大学，
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。