[发明专利]一种计算机中视频去雾方法

说明书

本发明公开了一种计算机中视频去雾方法，其步骤包括：步骤1，基于相邻帧差分的边缘幅度核密度估计信息熵提取视频关键帧；步骤2,基于关键帧边缘信息幅度信息熵提取代表性像素点；步骤3，基于互相关匹配算法和广义对齐算法逐像素配准视频关键帧；步骤4，基于颜色均值估计大气光照强度和基于二维核回归优化视频关键帧的传播率；步骤5，基于Catmull—Rom三次样条估计视频非关键帧的传播率；步骤6，根据大气散射模型，利用估计的模型参数，输出恢复后的雾霾视频图像序列。

技术领域

本发明属于计算机图像处理技术领域，特别涉及一种计算机中视频去雾方法。

背景技术

安防系统、城市交通、军事技术、刑侦、航海、气象及天文学等领域经常需要从户外监控采集雾霾视频图像序列。雾霾等恶劣天气使视频监控所捕获的图像色彩暗淡、对比度变低,图像质量的严重退化，直接影响了图像的视觉效果，严重影响它们的应用。从视频中去除雾霾天气的影响，恢复图像的颜色、对比度具有重要的研究意义和现实意义。

现在已经有了多种针对视频的去雾方法：海军大连舰艇学院的王孝通在景深分布模型的基础上，利用暗原色思想获取图像的基准景深及天空亮度，再利用相对景深方法实现海上视频去雾处理。王孝通还结合传统的二维经验模式分解，给出了高频辅助信号的构造方法，将高频辅助信号加入原视频图像信号，分解得到的内蕴模式分量的辅助信号，得到原信号的最接近辅助信号的频率分量，用以解决局部或全局极值点匮乏的海上视频去雾。Hautiere等人针对交通工具的可见灯光范围对大气环境的好坏非常敏感而提出基于车载相机系统的视频去雾研究。李龙利提出了有损压缩的视频图像去雾算法，利用小波变换可将图像分成高频和低频子带这一显著特点来帮助找出这些不规则区域，从而对不规则区域的透射率进行处理，再采用暗原色先验算法实现图像复原以后，消除颜色不均匀现象。

现有的视频去雾方法可分为两类：第一类方法的基本思想在于计算传播率,再利用该传播率对视频的每一帧进行去雾处理。由于需要借助参考图像的要求过于苛刻,因而在实际应用中难以实现。第二类方法首先将背景图像与前景图像分离开来,分别采用相关去雾算法进行清晰化处理,再将两者的处理结果相融合得到最终的去雾视频。前景检测的方法包括：(1)背景减除法是先构建一个场景的背景模型图像，在根据当前图像与背景模型图像差来对运动的区域进行检测的一种方法，该方法主要应用在摄像机固定的情况下目标运动的检测。但是背景减除法检测出来的信息一般不够完整，容易产出重影现象。(2)时间差分法是通过对连续的雾霾视频图像序列中相邻的两帧或者三帧图像采用像素差分法计算并将结果阈值化来提取运动区域的。然而很难提取出所有相关的特征像素点，在运动实体内部容易产生空洞的现象。(3)光流法其基本原理就是给图像中的每一个像素赋予一个速度矢量，构成一个图像运动场，在运动的某一时刻可由其投影关系计算得到图像上的点与实物的一一对应关系，根据矢量的变化特征来对图像进行动态的分析。

多数现有视频去雾方法主要集中在单独处理视频的各帧图像，并没有利用视频各帧之间的冗余信息以减少计算量，存在速度比较慢的问题。此外，在视频去雾过程中，也没有考虑到视频的时空一致性，不能保持视频帧内、帧间的连续性和平滑性而导致闪烁的问题。

发明内容

为解决上述技术问题，本发明提出一种计算机中基于二维核回归和Catmull—Rom三次样条的视频去雾方法。其特征在于该方法利用边缘幅度核密度估计、信息熵、广义对齐算法、二维核回归和Catmull—Rom等技术实现了一种视频去雾方法。该方法的具体步骤包括：

步骤1，输入雾霾视频图像序列，基于相邻帧差分的边缘信息幅度核密度估计的信息熵提取视频关键帧；

步骤2，基于边缘幅度信息熵提取关键帧代表性像素点；

步骤3，基于互相关匹配算法和广义对齐算法逐像素配准视频关键帧；

步骤4，基于颜色均值估计大气光照强度和二维核回归优化视频关键帧传播率；