[发明专利]一种图像去雾方法及其系统

说明书

本发明涉及一种图像去雾方法及其系统，具体为，基于对对比度增强模型的认识，将大气散射模型变形并简化为线性模型，用可变参数的线性模型描述含雾图像，在基于大气散射模型的初步去雾处理后，再通过遗传算法进行参数寻优，最终实现高质量的图像去雾。通过上述方案，本发明能够对含雾图像有效消除雾霾，并且去雾图像质量高，而且对于不同种类的雾霾图像均能够有效的处理。

技术领域

本发明涉及一种图像去雾方法及其系统，属于图像处理领域。

背景技术

在图像采集过程中，遇到气象条件不佳的情况下，特别是雾霾天获取的图像，由于受到空气中悬浮的微小粒子(如雾、霾等)的散射作用，导致成像后图像的对比度低、色彩失真、甚至出现模糊不清严重降质的现象，不仅影响了人们对观测图像的视觉效果，而且使户外视觉系统的正常运行受到限制。为了克服这一困难，我们就需要对获取到的雾霾图像进行去雾处理。

现有技术中，基于大气散射模型的暗原色先验去雾方法，容易对暗原色估计过大，透射率估计过小，而出现色彩失真的现象；对比度增强的方法会使得图像的清晰部分和景深信息失真。

发明内容

本发明的目的是提供一种图像去雾方法及其系统，用以解决现有技术在进行图像去雾时无法获得高质量的去雾图像的问题。

为实现上述目的，本发明的方案包括：

本发明的一种图像去雾方法，包括以下步骤

简化大气散射模型，获得线性模型：

其中，x表示图像上像素点位置坐标，I(x)表示含雾图像，t(x)表示透射率，J(x)表示要恢复的无雾图像，A表示大气光强度；

估计含雾图像的大气光强度A和透射率t(x)，进而获得参数k(x)的初值、b(x)的值；

当固定b(x)的值时，对所述含雾图像的每个像素点寻找对应的参数k(x)的最优值，并将所述参数k(x)的最优值以及参数b(x)带入线性模型，进而复原得到无雾图像；所述参数k(x)的最优值为，使对应像素点符合设定去雾要求的k(x)值。

进一步的，所述寻找参数k(x)的最优值的过程为利用遗传算法的参数寻优；首先根据所述参数k(x)的初值随机产生一组参数k(x)的预测值作为初始种群，然后以图像清晰度判决准则作为适应度函数，设置进化代数，经过所述代数的遗传运算，最终输出所述参数k(x)的最优值。

进一步的，通过暗原色先验算法估计大气光强度A，进而得到所述参数k(x)的初值。

进一步的，所述大气光强度A的估计为，通过暗原色先验法，初步估计初始大气光强度，再通过变差函数进一步估计所述大气光强度A；所述变差函数为设置一个阈值Δ，若S＜Δ，则基于该像素点估计的所述初始大气光强度无效，若S＞Δ，则基于该像素点估计的所述初始大气光强度有效；最后从有效的初始大气光强度中得到所述大气光强度A；其中，η为比例系数、R_m＝R^c-m为红色通道的变差、G_m＝G^c-m为绿色通道的变差、B_m＝B^c-m为蓝色通道的变差、为当前像素R^c、G^c、B^c通道的平均灰度值。

进一步的，所述图像清晰度判决准则为，图像峰值信噪比、绝对平均误差和最小均方差。

本发明的一种图像去雾系统，包括处理器，存储器，所述处理器用于执行实现下述步骤的指令：

简化大气散射模型，获得线性模型：