[发明专利]基于雾天图像复原和图像融合的图像去雾方法

说明书

技术领域

本发明涉及图像处理领域，尤其涉及一种基于可见光图像和近红外图像，结合暗原色先验和加权最小二乘滤波器的去雾方法。 

背景技术

在雾天情况下，由于景物的能见度降低，以致在相机获取的图像中，目标对比度和颜色特征被大大地衰减，因此需要消除雾气的影响。随着计算机技术的不断发展，对有雾条件下的景物影像进行去雾处理已经成为可能。事实上，图像去雾一直是计算机视觉领域研究的重要内容，其主要应用在目标探测、视频监控、地形勘测和自动驾驶等领域。目前图像去雾的方法主要有两类，即雾天图像增强和雾天图像复原。 

雾天图像的增强方法不考虑图像退化的原因，单从图像处理的角度出发，增强图像的对比度，改善图像的视觉效果，突出图像的细节，但对于突出部分的信息可能会造成一定损失；雾天图像复原是研究雾天图像退化的物理过程，建立退化模型，反演退化过程，补偿由于雾气存在所造成的图像失真，从而改善雾天图像的质量。这种方法针对性强，得到的去雾效果自然，一般不会有信息损失，处理的关键点是模型中参数的估计。 

图像融合是指将不同波段采集到的同一目标的图像数据经过图像处理和计算机技术等，最大限度的提取各波段图像中的有效信息，最后融合成高质量的图像，从而提高图像信息的利用率，增强图像中信息透明度和目标的对比度，以形成对目标信息描述的清晰性、完整性和准确性。图像融合在医学、遥感、计算机视觉、气象预报及军事目标识别等方面的应用潜力得到充分认识、尤其在计算机视觉方面，图像融合被认为是克服目前某些难点的技术方向；在航天、航空多种运载平台上，各种遥感器所获得的大量光谱遥感图像的融合，为信息的高效提取提供了良好的处理手段，取得明显效益。但是，目前还没有提出结合雾天图像复原和图像融合的图像去雾方法，传统的雾天图像去雾方法的效果均不够理想。 

发明内容

本发明的目的是提供一种去雾后图像清晰、对比度和清晰度高、细节丰富的基于雾天图像复原与图像融合的图像去雾方法。 

为解决上述技术问题，本发明采用的技术方案为：一种基于雾天图像复原与图像融合的图像去雾方法，其实施步骤如下： 

1)输入同一有雾场景的可见光图像和近红外图像，将可见光图像的亮度信息和近红外图像分别进行多次加权最小二乘滤波，根据滤波结果获取经融合的图像亮度信息； 

2)用融合后的图像亮度信息替代原可见光图像的亮度信息，得到初步去雾结果； 

3)获取融合可见光图像的暗原色，并根据暗原色获取融合可见光图像的大气光值； 

4)根据暗原色先验获取融合可见光图像的透射率初始值，根据软抠图方法对透射率初始值进行优化，得到优化后的透射率； 

5)根据雾图形成模型，利用所述大气光值和所述优化后的透射率恢复所述融合可见光图像，得到最终去雾图像。 

作为本发明上述技术方案的进一步改进： 

所述步骤1)中进行多次加权最小二乘滤波并根据滤波结果获得经融合的图像亮度信息具体是指：将可见光图像的亮度信息或者近红外图像作为输入参数进行第一次加权最小二乘滤波，然后将当前的滤波结果作为下一次滤波的输入参数进行多次加权最小二乘滤波，获取每一次滤波的输入参数与输出结果的差值，并将该差值除以当次滤波的输出结果，获得与滤波次数相对应的多组可见光图像亮度信息和近红外图像的对比图像；将所述多组对比图像中的每一组可见光图像亮度信息和近红外图像的对比图像进行比较获取其中的较大值，然后将较大值加1后进行连乘运算，再将连乘运算结果乘以最后一次滤波输出的可见光图像的亮度信息，得到融合后的图像亮度信息。 

步骤1)中进行加权最小二乘滤波时，加权最小二乘滤波的表达式为 其中 为第k次滤波的输入参数，Z表示输入的初步去雾图像的亮度信息或近红外图像， 为第k次滤波的输出参数以及第k+1次滤波的输入参数， 为加权最小二乘滤波器。 

所述加权最小二乘滤波器 的表达式为 其中λ₀c^k为第k次滤波结果的粗糙度，λ₀为进行第一次滤波时输入参数的粗糙度，c为常数系数，k为滤波序号，L_g为拉普拉斯矩阵，U为和L_g相同大小的单位矩阵。 

所述步骤3)中获取融合可见光图像的暗原色具体是指：根据 获取融合可见光图像的暗原色I^dark，其中c表示r通道、g通道或者b通道；I^c表示图I的c通道的分量，I为输入的融合可见光图像，Ω(x)表示以像素点x为中心的正方形区域。