[发明专利]基于分数阶微分及暗原色先验的雾天图像增强方法

说明书

基于分数阶微分及暗原色先验的雾天图像增强方法，包括以下步骤：步骤1，输入雾天图像I，对I进行暗原色先验及Retinex算法处理，得到初步去雾图像J(x,y)；步骤2，将J(x,y)分割为前景区域J₁(x,y)和背景区域J₂(x,y)；步骤3，分别计算出J₁(x,y)对应的最优分数阶微分阶数值v₁和J₂(x,y)对应的最优分数阶微分阶数值v₂；步骤4，确定掩模系数和掩模大小，构造分数阶微分算子掩模w(s,t)；步骤5，分别将步骤3得到的分数阶微分阶数值v₁和分数阶微分阶数值v₂带入w(s,t)，得到w₁(s,t)和w₂(s,t)，将w₁(s,t)和J₁(x,y)的像素点进行卷积运算，将w₂(s,t)和J₂(x,y)的像素点进行卷积运算；步骤6，输出I经图像增强后的图像。本发明解决了现有技术中存在的用分数阶微分阶数单一的分数阶微分算法对雾天图像进行增强，去雾效果不佳的问题。

技术领域

本发明属于图像处理技术领域，涉及一种基于分数阶微分及暗原色先验的雾天图像增强方法。

背景技术

图像增强是重要的图像预处理技术之一，图像增强能够提高图像质量，改善图像的视觉效果，以便进行后续深层次处理，比如图像分割、边缘提取以及模式识别等均为图像增强手段。通常由于受太阳光照或光源的影响，成像设备获取的图像对比度低，清晰度不高，图像局部的细节纹理信息不明显，为各种图像的深层次处理带来困难。特别是在能见度较低的状况下，监控设备很难捕捉到高质量的图像，获取的图像很模糊，并且整体色彩偏暗，人们很难从该类图像中获取到关键的信息。因此，对恶劣天气条件下的获取到的图像进行增强显得尤其重要。

分数阶微分是整数阶微分的衍生，与整数阶微分相比，分数阶微分可以增强信号中的中高频信息，同时非线性地保留信号的低频信息，因此，应用分数阶微分进行图像增强会使图像边缘明显突出、纹理更加清晰，而平滑区域信息得以保留。目前分数阶微分图像增强主要是从-Letnikov和Riemann-Liouville定义出发，构造分数阶微分算子模板与图像进行作用完成图像增强。一些学者根据G-L和R-L定义提出了六种分数阶微分的差分近似，分别建立了基于分数阶微分的图像增强算子，且均取得了不错的图像增强效果(PuY,Wang W,Zhou J,et al.Fractional differential approach to detectingtextural features of digital image and its fractional differential filterimplementation[J].2008,51(9):1319-1339.)，但是由于图像局部特性的不同，以及图像内部结构存在多样性，对图像用单一的分数阶微分阶数进行同等强度的增强通常达不到满意的处理效果。大量的实验表明，仅使用分数阶微分的图像增强对纹理图像作用较明显，而对于雾天图像，由于它没有考虑到不同区域的景深特征，大多数情况下无法得到较好的去雾效果。Land基于人脑视觉成像的特征，提出了Retinex理论，Jobon等人为了弥补单尺度Retinex(SSR)算法的不足，提出带色彩的多尺度Retinex增强算法(MSRCR)，虽然在突出细节的同时得到较好的颜色保真度，且在色彩恢复能力上改善了单尺度Retinex算法的不足，但是在颜色变化较大区域的边缘部分，多尺度的滤波可能会导致严重的光晕现象。因此对于颜色和场景复杂的雾天图像，仅仅用Retinex的方法很难达到满意的图像增强效果；基于暗原色先验及Retinex的图像增强是一种基于大气散射物理模型的方法(Morel J M,PetroA B,Sbert C.A PDE Formalization of Retinex Theory.[J].IEEE Transactions onImage Processing A Publication of the IEEE Signal Processing Society,2010,19(11):2825-2837)，这类方法能够利用先验知识，具有内在的优越性，但图像处理过程中容易失去较多细节信息。此外，学者们还提出自适应分数阶微分的复合双边滤波算法进行图像增强(胡伏原,姒绍辉,张艳宁,等.自适应分数阶微分的复合双边滤波算法[J].中国图象图形学报,2013,18(10):1237-1246.)，达到了一定的去雾效果，但是图像对比度增加不是很明显。