[发明专利]一种基于平均饱和度先验的图像去雾方法

说明书

本发明提出一种基于平均饱和度先验的图像去雾方法，包括：根据有雾图像计算大气光值；求取有雾图像中每个像素的深度值；获取大量晴天图像，计算每个晴天图像的平均饱和度值；统计所有晴天图像的平均饱和度值，获得晴天图像的平均饱和度概率分布，计算期望值作为平均饱和度先验；利用平均饱和度先验构建散射系数的优化模型；求解散射系数的优化模型，得到有雾图像中每个像素的散射系数；求取有雾图像中每个像素的场景反照率；计算与有雾图像中的每个像素相对应的去雾图像中的每个像素的强度值，从而组成去雾图像。本发明方法对大气非匀质的有雾图像可有效去雾，在处理大气匀质的有雾图像时可取得更好的去雾效果。

技术领域

本发明具体涉及一种基于平均饱和度先验的图像去雾方法，用于对彩色图像进行无色偏去雾，属于数字图像处理技术领域。

背景技术

雾天环境下，由于受到大气中悬浮颗粒的影响，成像设备所采集的图像可视性差、饱和度低，清晰度严重不足。因此，对雾天降质图像进行清晰化处理具有重要的现实意义。

在计算机视觉领域中，常用大气散射模型来描述雾霾天气条件下的成像过程，图像去雾的过程就是根据大气散射模型，从有雾图像中的每个像素的强度值恢复出去雾图像中的每个像素的强度值。现有的图像去雾方法大多使用以下等式所描述的大气散射模型：

I^c(x,y)＝J^c(x,y)·e^-β·d(x,y)+A·(1-e^-β·d(x,y))

其中，I^c(x,y)表示有雾图像中像素(x,y)的强度值，J^c(x,y)表示去雾图像中像素(x,y)的强度值，J^c(x,y)＝A·ρ(x,y)，ρ(x,y)表示有雾图像中像素(x,y)的场景反照率，A表示大气光值，β表示散射系数，d(x,y)表示有雾图像中像素(x,y)的深度值。有雾图像的大小与去雾图像的大小相同，并且有雾图像中的像素(x,y)与去雾图像中像素(x,y)相对应，即像素(x,y)处于有雾图像和去雾图像中的相同位置。现有的图像去雾方法将散射系数β设为常数，即默认图像中每个像素的散射系数相同。但是散射系数表示的是单位体积的大气在各个方向上散射光线的能力，其大小是与大气中悬浮粒子的半径及聚集程度相关(即与全图雾气浓度空间分布相关)，故现有的去雾方法只能处理大气匀质(即雾气浓度全图一致)的有雾图像；同时散射系数是由人工根据经验设置，缺乏准确性，易导致去雾效果差甚至失效。

发明内容

本发明解决的技术问题是：现有图像去雾方法只能处理大气均质的有雾图像，无法处理非匀质大气条件下的有雾图像，且散射系数根据人工经验设置，缺乏准确性。

为解决上述问题，本发明提出了一种基于平均饱和度先验的图像去雾方法，包括以下步骤：

S1，根据有雾图像计算大气光值；

S2，求取有雾图像中的每个像素的深度值；

S3，求取有雾图像中的每个像素的散射系数，具体包括：

S301，获取大量晴天图像，根据以下等式计算每个晴天图像的平均饱和度值：

N表示晴天图像的全部区域，(x,y)表示晴天图像中的任意一个像素，J^c₁(x,y)表示像素(x,y)的强度值，J^R₁(x,y)表示像素(x,y)的R通道的强度值，J^G₁(x,y)表示像素(x,y)的G通道的强度值，J^B₁(x,y)表示像素(x,y)的B通道的强度值，mean()表示求均值；

S302，统计所有晴天图像的平均饱和度值，获得晴天图像的平均饱和度概率分布，计算期望值作为平均饱和度先验