[发明专利]单幅夜间弱照度雾霾图像的复原方法

说明书

这里涉及的是单幅夜间弱照度雾霾图像的方法，针对单幅夜间弱照度雾霾图像的复原问题，提出一种新的算法。首先将原图像分为纹理层和结构层，对结构层的照射光初步估计之后再优化，然后根据Retinex理论将结构层与优化后的照射光的比值作为反射层，对其高亮区域的过增强及暗区域的噪声进行抑制，再去雾处理。将已优化的照射光取反作为透射率的估计值、对夜间环境光用求取局部均一的方式进行估计之后，再根据大气散射模型求出复原的结构层。最后，将复原的结构层与优化后的纹理层叠加为最终的复原图像。通过与现有主流算法的主客观比较和分析，所提算法的复原结果具有噪声低、纹理细节丰富和色彩恢复度高的优点。

技术领域

这里涉及的是单幅夜间弱照度雾霾图像的复原方法。首先将原图像分为纹理层和结构层，对结构层的照射光初步估计之后再优化，然后根据Retinex理论将结构层与优化后的照射光的比值作为反射层，对其高亮区域的过增强及暗区域的噪声进行抑制，再去雾处理。将已优化的照射光取反作为透射率的估计值、对夜间环境光用求取局部均一的方式进行估计之后，再根据大气散射模型求出复原的结构层。最后，将复原的结构层与优化后的纹理层叠加为最终的复原图像。

背景技术

近年来，持续的雾霾天气已经严重影响了户外视觉系统的许多环节，例如视频监控、目标识别、智能交通分析及自动/半自动驾驶等。这是由于雾霾天气下采集到的图像模糊，色彩饱和度不足，图像对比度下降，图像中的信息量减少，细节丢失严重，而夜间弱照度雾霾图像的复原，更是研究中的难点。

白天去雾算法目前研究得较多，其中基于大气散射模型效果最好最常用，主要估计大气 光及透射率，构建模型复原无雾图像。虽然白天去雾算法不适用于夜间去雾，必须重建模型 复原夜间图像，但是对于大气光和透射率的估计方法，在很大程度上也启发了夜间去雾中对 二者的估计。目前夜间去雾的文献总体的复原效果均存在着色彩饱和度差、纹理细节模糊以 及噪声大等问题。如Zhang等人针对夜间光照不均问题提出先照明补偿，再颜色校正的去雾 算法。虽然颜色看起来比Pei好，但是由于补偿时光照估计的不准确，对图中闪耀区域处理 得不够好，导致复原后图像光晕明显，噪声大；鲁，方等人也提出用光照补偿实现去雾，去雾 后再颜色校正，但未能合理估计出透射，导致最终复原的图像颜色失真，去雾效果较差；LiYu等认为夜间人造光源存在着闪耀、光照不均等现象，于是把闪耀层加入标准的白天去雾模型 中，去掉闪耀层获得层分离结果，然后重新分块估计夜间大气光，通过暗通道理论估计透射 率，进而得到复原图。虽去雾效果较好，但由于没有光照补偿、亮度增强等处理，复原后的 图像整体偏暗，纹理细节不够清楚。杨等提出结合Retinex理论和暗通道先验的去雾算法，先 将有雾图分为有雾入射图和有雾反射图，再通过暗通道理论和摄像机成像原理把两个图分别 处理，最终合成无雾图像。因为对有雾入射图及有雾反射图的估计不准确，导致处理结果颜 色不真实，有大面积的暗区域。另外，LiYu等在2014年提出，为了去除在JPEG图像对比度 增强或去雾过程中会被放大的压缩过程产生的噪声，先把图像分成结构层和纹理层。然后在 结构层增强对比度或去雾，纹理层去块效应，最后将处理后的结构层和纹理层重新组合为最终图像。但此方法仅适用于JPEG格式的图像，无法处理存在于低质量图像中的其它噪声。

发明内容

由上述不同的方法可以看出，对夜间弱照度图像的复原是图像复原算法研究的难点。本专利根据图像分层、光照补偿以及纹理优化的思想提出了一个新的夜间弱照度情况下有雾图像复原模型，如图1所示，主要内容有：模型构建，结构层复原，纹理层优化。

1、模型构建

大气散射物理模型广泛用于计算机视觉及计算机图形学领域，用于表示有雾图像的退化过程，如式(1)。

I(x)＝t(x)J(x)+(1-t(x))A(x) (1)

其中I(x)是当前退化图像，J(x)是复原的无雾图，A(x)是全局大气光值，t(x)是透射率，表示场景的反射光穿透介质的能力，如式(2)。

t(x)＝e^-βd(x) (2)