[发明专利]一种基于图像亮度分层的视频图像去雾方法

说明书

技术领域

本发明涉及视频图像处理，特别涉及一种基于图像亮度分层的视频图像去雾方法。

背景技术

雾天图像处理的方法主要分为两大类：图像增强和图像复原。图像增强的方法是一种通用的方法，并不需要考虑雾的形成原理，这种方法与其它的增强方法同属一类，主要是为了提高图像的对比度，突出图像的细节。因此，这种方法较为鲁棒但专门针对雾天图像难以达到最好的增强效果。另一种方法是根据雾天图像退化的模型，模拟建立相应的模型进行反演，补偿退化过程造成的图像失真以及细节丢失。这种方法的针对行较强，图像处理的效果也符合人的视觉感官。以下主要根据这两条主线来分析各种研究方法的利弊。

2、基于图像处理的雾天图像增强

基于全局的图像增强方法，主要是指在对图像的灰度调整时依据整幅图像的统计信息。当雾较小或者图像场景简单的时候，该方法能够取得一定的成效。但是一般场景图像中场景比较复杂，深度信息也较多，一般全局化得处理方法不能够满足实际需求。该类方法主要有全局直方图均衡化方法、同态滤波方法、小波滤波方法、retinex方法、曲波变换方法、基于大气调制传递函数的方法。

局部图像增强方法是相对全局图像增强而言，图像像素只跟其周围的像素的相关性较大，根据ROI图像区域的特性来估计变换或者传递函数并将估计的结果用于局部的图像增强，往往能够得到比全局方法更好的增强效果。该类方法主要有局部直方图均衡方法，局部对比度增强方法、基于局部方差的增强方法。

2、基于物理模型的雾天图像复原

一般对场景深度变化较大的图像，经过图像恢复后，部分图像区域的对比度仍然比较低，一般不能够满足实际需求。这种情况下，采用偏微分方程能够在一定程度上对图像的色彩清晰度和对比度有较好的提高。另外，场景深度信息也是雾天图像中一种有用的信息，根据场景深度的信息，对雾天场景的光学成像建立模型，借助晴天和雾天的图像作参考，确定图像中各点的深度比关系，该类方法适用于薄雾图像，而对于大雾的图像则难以满足处理要求。还有一类物理模型方法为基于先验信息的雾天图像复原方法。这类方法主要依据为这样一个事实，经过统计发现无雾图像相对于有雾的图像必定具有较高的对比度。通过利用最大化复原图像的局部对比度来达到去雾的目的。经过处理后的图像一般颜色过于饱和。后来，研究者提出了基于暗原色的先验的图像去雾技术，该方法建立在统计大量的不受雾气影响的图像，得到暗原色的统计规律。该方法在目标亮度与大气的光相似时，暗原色先验信息将失效。

通过上述对各类方法的优缺点的分析可知，这些方法尽管在解决问题的思路上存在着本质的区别，但是各有各的优缺点。

发明内容

本发明的目的在于，为解决上述问题，本发明提出一种基于图像亮度分层的视频图像去雾方法，具有鲁棒性的去雾往往需要融合互补性较大的方法，来适应不同的场景图像。

为实现上述发明目的，本发明提出一种基于图像亮度分层的视频图像去雾方法，其特征在于，该方法基于Open MP技术，将自适应retinex图像去雾方法和基于暗色通道先验的去雾方法结合来实时处理图像；该方法的具体步骤包括：

步骤1)：采用聚类方法对图像亮度分层，得到高亮度图像类和低亮度图像类；并对每类图像进行分块；

步骤2)：对高亮度图像类中的每个块用自适应retinex图像去雾方法进行处理；对低亮度图像类中的每个块用基于暗色通道先验的去雾方法进行处理；

步骤3)：对所述步骤2)去雾处理后的结果图分别通过对灰度范围整体归一化处理；

步骤4)：将所述步骤3)获得的结果进行Open MP并行化处理后输出；至此，基于图像亮度分层的视频图像实时去雾完成。

所述步骤2)中基于暗色通道先验的去雾方法的具体步骤包括：

步骤21)：选择暗影通道图像中亮度值超过0.1％的像素，在这些像素中选出亮度值最大的像素作为全局环境光A^C的估计；

步骤22)：利用所述步骤21)获得的全局环境光A^C按照式(1)计算获得透射率t(x)；