[发明专利]基于亮度暗先验与双边滤波的单幅图像去雾方法

说明书

技术领域

本发明属于图像处理技术领域，具体涉及一种基于亮度暗先验与双边滤波的单幅图像去雾方法。

背景技术

随着计算机视觉与图像处理技术的发展，户外视觉系统已经广泛应用于交通运输、安全防卫、地形检测等领域。然而，雾天条件下，由于大气粒子的散射作用，户外视觉系统获取的图像出现对比度降低、颜色失真、模糊不清等质量退化问题，造成特征提取、目标判别、目标跟踪等工作无法正常进行。因此，针对雾天降质图像的去雾技术进行研究，具有重要的实际应用价值。

降质图像的场景深度信息是复原雾天图像的一条重要线索。根据场景深度信息是否已知可将此种复原方法分为两类。一类是假设场景深度信息已知的方法。该方法由Oakley等人最早提出。这种基于物理模型来复原场景对比度的方法使用一个简单的高斯函数对场景中的光路进行预测，取得了较好的复原效果，并且不需要天气预测信息，但此方法需要雷达装置获取场景深度。另一类是用辅助信息进行场景深度提取的方法。Narasimhan等人从多个不同角度对提取场景深度信息的方法进行了研究。例如，利用二值散射模型从不同天气条件下的彩色图片提取场景信息；利用不同散射光的偏振特性，通过不同方向上的偏振光恢复场景深度信息；通过确定计算深度不连续的边界，从两幅不同天气条件下的灰度图像中提取场景深度。在此基础上，近年来又有中国的研究者提出了一种新的图像复原方法。该方法首先对雾天场景的光学成像建模，然后借助于一张晴天图像和一张雾天图像的参考图像，计算出场景各点的深度比关系。这些提取场景深度的方法与大气散射模型相结合，最终实现雾天图像的复原。但以上几种提取场景深度的方法也存在着一定的局限性，比如利用偏振光的方法只能应用于大气散射程度较弱的薄雾，而不适于大雾天气。而其他一些方法则需要用到不同天气状态下相同景物的图像或需要用户的交互，因而很难满足对变换场景的实时图像处理需求。

近年来，基于单幅图像的图像去雾方法研究引起人们的广泛关注。在这方面的早期工作是由Tan等人完成的。他们通过统计发现无雾图像相对于有雾图像必定具有较高的对比度，从而利用最大化复原图像的局部对比度来达到去雾的目的，该方法的缺点在于复原后的图像颜色常常过于饱和。此外，Fattal在假设光的传播和场景目标表面遮光部分是局部不相关的前提下，估计出场景的辐照度，并由此推导出传播图像。由于该方法基于数理统计，并且要求具有足够的颜色信息，所以当处理浓雾天气下颜色暗淡的图像，无法得到可信的传播图像，从而复原后的图像失真较大。Tarel等人假设大气散射函数局部变换平缓，并利用中值滤波估计场景辐照度，但该方法参数较多,不易调整，且易引起Halo效应。

何恺明等人最近提出了基于暗原色的单幅图像去雾技术。暗原色先验来自对户外无雾图像数据库的统计规律,它基于经观察得到的这么一个关键事实--绝大多数的户外无雾图像的每个局部区域都存在某些至少一个颜色通道的强度值很低的像素。利用这个先验建立的去雾模型,可以有效地估计透射率及大气光，并且复原得到高质量的去除雾干扰的图像。但是，当场景目标的亮度与大气光相似时，暗原色就会失效，使得去雾结果存在局部区域对比度不高、细节不明显等问题；另外，何恺明等人利用抠图技术来细化透射率的估计，增加了去雾方法的时间复杂度，无法适应实时的场合。

发明内容

本发明的目的是提供一种基于亮度暗先验与双边滤波的单幅图像去雾方法，该去雾方法解决了暗原色先验去雾方法在雾霾严重情况去雾失效问题，并有效降低了时间复杂度。

本发明的技术方案是，基于亮度暗先验与双边滤波的单幅图像去雾方法，首先将图像转换到HSI色彩空间获取亮度分量，利用亮度暗先验估计大气光及透射率，然后利用双边滤波细化透射率，最后根据大气散射模型复原图像。

具体如下：

步骤1，将输入图像从RGB色彩空间转换到HSI色彩空间，提取出亮度分量I；

步骤2，对步骤1所得的亮度分量I进行分块，并通过局部最小值滤波计算暗先验图像

步骤3，根据步骤2得到的暗先验图像，利用亮度暗先验估计大气光A和透射率t(x)；

步骤4，利用双边滤波对步骤3所得的透射率进行细化；

步骤5，根据大气散射模型及步骤3得到的透射率t(x)和大气光A复原无雾图像。

上述步骤1中，RGB色彩空间到HIS色彩空间的转换表达式如下：