[发明专利]一种基于数学形态学和多分辨率融合的图像去雾方法

说明书

技术领域

本发明属于图像处理领域，涉及一种基于数学形态学和多分辨率融合的图像去雾方法，可用于单幅图像或连续视频的快速去雾。

背景技术

雾是一种常见的自然现象，在雾天拍摄的图像中，由于大气中悬浮粒子的散射作用，使得拍摄图像的亮度增加，对比度降低，图像的可辨识度下降。即使是在晴天条件下拍摄的照片，大气散射作用也会导致照片的清晰度受到影响。每一个实际场景中，照片清晰度受到影响的原因在于：光线到达相机之前都会从物体表面反射并且散射到空气中。这是因为空气中的某些因素(如浮质、灰尘、雾和烟等)会导致物体表面颜色变淡，并导致整幅图像的对比度降低。一方面，这些质量很差的图像不但贬低其应用价值、缩窄其应用范围；另一方面，也会给户外成像的采集与处理系统(如各类视觉机器)的图像采集带来巨大的困难。在实际应用中，经常需要从户外采集的视频序列中提取清晰的图像特征用于对象匹配和识别，例如位于高速公路上的视频监控器，在天气条件较恶劣的情况下，得到的图像会有退化现象，使其无法清楚地监控路况和了解车辆信息；在国家安全的军事行动中，这种退化图像会造成信息的不准确性，最终导致决定性行动方案的偏差，甚至是导致无法挽回的后果；遥感技术运用传感器对物体进行探测，这种退化图像会对物体的性质，特征和状态等信息造成偏差，不利于对图像数据的分析研究。总之，研究在各种恶劣天气条件下如何对获得的退化图像进行有效的处理，这对图像恢复和图像增强有着非常重要的现实意义。

现国内外，图像去雾处理的方法大致可以分为两大类：基于图像处理的增强方法和基于物理模型的复原方法。基于图像处理的增强方法包括全局化的图像增强方法，如全局直方图均衡化、同态滤波、小波方法、Retinex算法等，或是局部化的图像增强方法，如局部直方图均衡化、局部对比度增强法；以上图像处理的算法相对简单，对于复杂场景的去雾效果一般。基于物理模型的复原方法包括基于偏微分方程的复原、基于深度关系的复原和基于先验信息的复原；以上图像处理的算法相对复杂，且能较好地对复杂场景的雾气影响做处理，但是计算复杂度高、实现难度大、处理速度慢，使得去雾处理难以实现实时处理，这样就不能高效的运用到视频去雾处理中。

发明内容

本发明的目的在于克服以前各种图像去雾方法的不足之处，提供一种基于数学形态学和多分辨率融合的图像去雾方法，该方法简单高效，能很好地提高图像去雾后的效果。

该发明的技术方案如下：

一种基于数学形态学和多分辨率融合的图像去雾方法，首先计算雾天图像中三通道的最小值作为高分辨率分量，对其进行形态学开运算得到低分辨率分量；然后使用引导滤波器对高分辨率和低分辨率分量进行图像融合，获取大气光幕图；最后计算大气光强度值，采用大气散射模型对雾气图像进行复原处理。

上述方法的具体包括如下步骤：

(1)分别计算高、低分辨率图像分量，具体包括：(1a)高分辨率图像分量；(1b)低分辨率图像分量I_low；

(2)利用引导滤波器进行多分辨率融合：

(2a)根据分量I_high和分量I_low计算线性转换系数，得到与原图像长宽相同的系数矩阵；

(2b)计算融合后的图像；

(2c)获取大气光幕图；

(3)计算大气光强度值以及复原图像：

(3a)根据高分辨率分量I_high估算大气光值A：统计I_high的灰度直方图Histgram_I，然后计算直方图的累加和

(3b)计算介质透射率：根据大气光幕V和大气光强度值A，得到透射率t(x)=1-ωV(x)A,]]>其中ω为预置参数；