[发明专利]一种快速单幅图像去雾方法

说明书

技术领域

本发明涉及一种计算机视觉领域图像清晰化方法，尤其涉及雾天图像清晰化方法，具体地说，是涉及一种单幅图像快速去雾方法。

背景技术

在恶劣天气条件下捕获图像，由于大气中悬浮的大量颗粒(如雾、霾)会对光产生吸收、散射作用，从而导致捕获的图像质量下降，出现图像模糊、色彩失真、对比度下降等现象，不仅降低图像的可视性，更对后续图像处理算法(如物体识别、特征提取、图像分析等)的进行造成困难。

目前，计算机视觉领域国内外学者提出的去雾算法按照信息的利用方式可分为基于多幅图像(或其他附加信息)和仅基于单幅图像两类。

有雾图像中雾的分布和图像中景物的深度有关，由于可以从同一景物的多幅图像中提炼景物的深度信息，因此，很多学者提出了基于多幅图像(或其他附加信息)的去雾算法，如利用同一景物在不同偏振滤波器下的多幅图像进行去雾、利用同一景物在不同天气条件下的多幅图像去雾、利用附加的景物深度信息进行去雾。但由于这类算法要求的输入信息较多，使得它们的实用性受到约束，如在一些要求实时性的系统上，很难实时获得所需要的不同天气条件下的多幅图像；而在未知环境中，无法提供景物的附加深度信息。

近两年只利用单幅图像信息的去雾算法也有较多进展。在其中一种去雾算法中，提出通过增大图像局部对比度来恢复无雾图像，但此种方法容易导致恢复后的图像颜色稍显失真，且在景深不连续处会产生光晕伪影(halo)。

在另一种去雾算法中，基于景物表面色度(surface shading)与介质传播(medium transmission)具有局部统计不相关性的假设，对有雾图像进行去雾，此算法去雾效果明显，但该算法不能处理灰度图像。后来，何恺明学者在对大量无雾图像进行统计的基础上，提出了暗原色先验(dark channel prior)，并利用这一统计规律粗估计介质传播函数，然后利用图像抠图算法对介质传播函数进行修正，进而对图像进行去雾，这种算法的去雾效果较显著。

已有的基于单幅图像的去雾算法目前存在的一个问题是去雾速度较慢例如，前述通过增大图像局部对比度来恢复无雾图像的算法处理一幅600×400图像需要5-7分钟(双奔腾4处理器，1GB内存)。而在前述后一种去雾算法中，处理512×512大小图像时用时35秒(双核处理器)。

此外，在何恺明学者提出的去雾算中，处理一幅600×400像素的图像需要10-20秒(3.0GHz英特尔奔腾4处理器)。此外，一名为Tarel的学者在2009年提出了一种速度较快的去雾算法，但是，总体而言，上述所有去雾算法的运行速度均有待提高。

发明内容

本发明所要解决的技术问题是需要提供一种快速单幅图像去雾方法，目的在于提高单幅图像去雾的运算速度，以便其能够应用在一些实时性要求较高的系统中，并为后续处理赢得时间。

为了解决上述技术问题，本发明提供了一种用于彩色图像的单幅图像去雾方法，其特征在于，包括以下步骤：1)获取一幅彩色原图像，根据所述原图像的红、绿、蓝三个颜色通道的值得出所述原图像的最低亮度矩阵；2)对所述最低亮度矩阵进行中值滤波运算，得出中值滤波矩阵；3)基于所述最低亮度矩阵和所述中值滤波矩阵得出大气光值；4)将所述中值滤波矩阵、所述最低亮度矩阵和所述大气光值分别乘上预设比例因子后选取最小值作为大气耗散函数；5)基于所述原图像、所述大气光值和所述大气耗散函数得出去雾后的图像。

进一步，本方法还包括：在步骤3)中，求取所述最低亮度矩阵中所有元素的最大值，记为A^min，求取所述中值滤波矩阵的所有元素的最大值，记为A^med，通过公式：A＝αA^med+βA^min计算得出所述大气光值A，其中α，β为权重因子，α+β＝1。

进一步，本方法还包括：在步骤4)中，计算所述中值滤波矩阵的中值Med_med，以1.5Med_med作为所述中值滤波矩阵的比例因子，以1作为所述最低亮度矩阵的比例因子，以0.9作为所述大气光值的比例因子。

进一步，本方法还包括：在步骤5)中，得出所述去雾后的图像具体为得出图像在红、绿、蓝三个颜色通道的像素值，计算公式为：