[发明专利]极端天气条件下低质图像增强方法

说明书

一种极端天气条件下低质图像增强方法，其特征在于：该方法对于输入的单幅图像，首先将图像转换到CIE‑Lab颜色空间，设定一个偏色因子_D，根据经验，若_D＜1.4，则图像为清晰图像，无须进行处理，若_D＞1.4，则是降质图像，根据色度分量值区分图像是沙尘图像还是雾霾、雨雪图像；若是雾霾、雨雪图像，则采用改进的暗原色先验算法处理图像；若是沙尘图像，则采用伽马校正的限制对比度自适应直方图均衡化算法。其很好的解决了以往所存在的问题，其效果较以往的技术有很大的提升，利于推广应用。

技术领域：本发明提供一种极端天气条件下低质图像增强方法。

背景技术

雾霾、沙尘、雨雪等极端天气给人们日常生活带来了一定程度的影响。在极端天气下获取的图像，对比度降低、细节模糊，图像降质严重，这样的图像大大限制了机器视觉的应用，尤其是在户外，交通监控，目标识别，遥感，导航等方面。

如何提高单一降质图像的清晰度，国内外学者做了大量研究。Tan通过最大化局部对比度来实现去雾，增强后的图像常常过饱和；He等提出基于暗原色先验的单一图像去雾方法，该方法处理后的图像景象自然，去雾效果较好，也是目前最实用有效的去雾方法。在优化透射率时所使用的抠图方法，具有较高的空间和时间复杂度，耗时较长，为了提高计算速度，He等又采用了导向滤波来修正透射图，恢复的图像较暗，质量降低。雨雪方面：Xu等使用去雾的方法实现了雨滴去除工作。同时他又使用该方法实现了图像中雪花的去除，他认为雨滴和雪花都属于动态天气，对图像的影响都表现为快速运动的物体对背景像素的遮挡。但是效果均不理想。

发明内容：

发明目的：本发明提供一种极端天气条件下低质图像增强方法，其目的是解决以往所存在的问题。

技术方案：

一种极端天气条件下低质图像增强方法,其特征在于：该方法对于输入的单幅图像，首先将图像转换到CIE-Lab颜色空间，设定一个偏色因子D，根据经验，若D＜1.4，则图像为清晰图像，无须进行处理，若D＞1.4，则是降质图像，根据色度分量值区分图像是沙尘图像还是雾霾、雨雪图像；若是雾霾、雨雪图像，则采用改进的暗原色先验算法处理图像；若是沙尘图像，则采用伽马校正的限制对比度自适应直方图均衡化算法。

该方法的步骤如下：

图像分类器的设计：

本申请在CIE-Lab颜色空间下检测图像偏色与否；

在图像的ab色度坐标平面的直方图中，若色度分布呈现为集中的单峰值，或分布较为集中且色度均值较大时一般存在色偏；分布呈现明显的分散的多峰值时，认为没有色偏；本申请引入偏色因子D来计算图像的色偏程度；在Lab空间下，引入等效圆的概念，采用图像平均色度K与色度中心距Z的比值D作为偏色因子：

D＝K/Z (10)

其中，M、N为图像的长和宽，在ab色度平面，等效圆中心坐标为(k_a,k_b)，半径为Z，圆心到ab色度平面中心轴原点(a＝0,b＝0)的距离为K，根据等效圆在ab色度平面的具体位置来判断图像整体偏色与否，经验取值D≤1.4时，则认为图像没有偏色，是清晰图像，无需处理，否则，则是偏色图像，在Lab模型中，a的正数表示红色，负端表示绿色；b的正数表示黄色，负端表示蓝色，k_b表示ab色度平面上的b分量，用于判断图像是否偏黄或偏蓝，当k_b大于0时，图像偏黄，认为是沙尘图像，采用伽马校正的限制对比度自适应直方图均衡化算法；k_b小于0时，输入图像为雾霾、雨雪图像，采用改进的暗原色先验算法。

雾霾图像增强算法：