[发明专利]带有白平衡校正的雾天降质图像实时复原方法

说明书

技术领域

本发明涉及图像信息处理领域，具体涉及雾天降质图像的复原方法。

背景技术

雾是一种较为常见的自然现象。在近海、近河、山林等地区受水汽蒸发的影响，雾发生的频率会更高。雾天条件下，空气中悬浮着大量的水蒸气、尘埃等颗粒，使得雾天下的场景反射光在传输中发生了较为严重的衰减，同时背景杂光又掺杂其中，使得雾天的场景图像对比度低，细节模糊，严重的影响了人的观察以及基于视频理解的智能算法的性能（如高速公路路口的车辆检测）。

雾天图像的复原方法主要包括基于大气光学成像模型的方法和非基于大气光学成像模型的方法。非大气光学模型的方法旨在拉伸图像对比度，主要包括基于直方图均衡和Retinex方法。由于复原效果不佳或算法复杂度过高等原因，上述方法在工程中应用较少。基于大气光学模型的方法早期曾出现过偏振光，多幅去雾等方法，但是由于工程局限性原因，没有在实践中应用。近年来，由于暗通道先验信息这一极具工程意义的统计规律的发现，使得雾天图像实时复原成为可能。

利用暗通道先验信息对传输参数图像合理进行估计是暗通道去雾方法的关键技术。较为常见的有双边滤波、引导滤波以及多尺度滤波等过程。上述滤波过程具有较好的效果，在经过并行加速等手段后可以满足PC平台下的实时处理效果。但是，在一些只能依靠嵌入式系统工作的环境下，上述算法的复杂度是一般的DSP处理平台所不能承受的。

发明内容

本发明为解决现有雾天图像复原方法采用的算法复杂以及对图像处理过程中会出现颜色偏移，同时基于DSP运行平台无法实现的问题，提供一种带有白平衡校正的雾天降质图像实时复原方法。

带有白平衡校正的雾天降质图像实时复原方法，该方法由以下步骤实现：

步骤一、将雾天原始降质图像以大气为背景做归一化操作，获得最小通道图像；

步骤二、对步骤一获得的最小通道图像采用具有O(n)时间复杂度的统计学滤波方法求取暗通道图像；

步骤三、根据大气光学成像模型，采用步骤二获得的暗通道图像求取雾天原始降质图像的传输参数图像；

步骤四、根据大气光学成像模型，采用步骤三获得的传输参数图像求取归一化的复原图像；

步骤五、依据白平衡理论，将步骤四归一化的复原图像经白平衡校正映射后的输出图像为最终的复原图像。

本发明的有益效果：

一、本发明所述的方法极大的降低了传输参数图像的估计算法复杂度，使其能够满足嵌入式DSP系统的实时处理要求。一般的雾天复原算法在传输参数图像估算中使用了双边滤波、引导滤波以及多尺度滤波，最小二乘优化等方法来实现这一过程。上述滤波算法虽然具有较好的效果，并在经过并行加速等手段后可以满足PC平台下的实时处理效果。但是，在一些只能依靠嵌入式系统工作的环境下，上述算法的时间复杂度或空间复杂度开销是一般的嵌入式处理平台所不能承受的。本专利使用的具有O(n)时间复杂度的统计学快速滤波方法估算传输参数图像。O(n)时间复杂度意味着算法处理时间与滤波选取的尺寸无关，由此极大的降低了滤波过程中的运算次数。以15*15大小的统计学最小值滤波为例，若采用逐点平滑移动的传统滤波方式，则每点需要执行225次比较操作，若采用本专利使用的O(n)时间复杂度的统计学快速滤波方法，则每点只需要7次比较运算。本专利采用的O(n)时间复杂度的统计学快速滤波过程，峰值内存需要2MN（MN为图像尺寸的大小），时间复杂度与空间复杂度开销均不大，能够为一般的DSP处理平台所承受。

二、本发明将白平衡的白片假设算法很好的融入在去雾复原过程中。在基本不增加算法复杂度的前提下，实现了场景复原和颜色恒常的兼顾。经过白平衡校正后的输出图像即为最终的复原图像。复原后的图像主观视觉效果显著提升，对比度明显改善，复原效果自然无失真，在浓雾条件下亦能输出较好的效果。

三、本发明所述的雾天复原方法采用单一图像作为输入源，算法复杂度低，复原效果好，能够兼顾场景复原和颜色恒常。能够满足多种外景监控应用需求，特别适合于航空侦查等领域嵌入式平台的应用场合。

附图说明

图1为本发明所述的带有白平衡校正的雾天降质图像实时复原方法的流程图；

图2为本发明所述的带有白平衡校正的雾天降质图像实时复原方法中采用O(n)复杂度的统计学快速滤波在一维空间的操作示意图；