[发明专利]基于V系统的图像去雾方法

说明书

技术领域

本发明涉及一种基于V系统的图像去雾方法，属于图像处理技术领域。

背景技术

近年来，全国多个省市出现雾霾天气，大气中的微粒对光线产生严重的散射作用，获取图像的对比度和分辨率严重下降，图像信息损失严重，给户外监测工作带来了极大的困难。

为了降低雾霾天气对户外监测等相关工作的影响，图像去雾技术成为研究热点。目前，图像去雾技术主要分为两类，一类是以图像增强为主，另一类是以大气散射模型为基础进行图像复原。以图像增强为主的去雾方法，由于其没有将雾天图像退化模型考虑在内，因而适用性比较广泛，能够有效地提高图像的视觉效果，图像的对比度和细节都能够得到很好的改善，但是会造成部分信息的缺失。以大气散射模型为基础的雾天图像复原方法，主要是通过建立雾天退化模型，探究雾天图像退化的物理机制，弥补退化过程造成的失真状况，从而改善雾天图像的质量。图像复原方法可以保留完整的图像信息，复原的无雾图像真实、稳定，因此成为主流的图像去雾研究方法。

发明内容

鉴于上述原因，本发明的目的在于提供一种基于V系统的图像去雾方法，可实现图像的去雾处理，效果良好。

为实现上述目的，本发明采用以下技术方案：

一种基于V系统的图像去雾方法，包括：

将雾天图像转换为HIS空间的雾天图像，该HIS空间的雾天图像包括色调分量H图像、饱和度分量S图像、亮度分量I图像；

对饱和度分量S图像进行V变换，低频重构后得到新的饱和度分量S`图像；

对亮度分量I图像进行去雾处理，得到新的亮度分量I`图像；

将色调分量H图像、饱和度分量S`图像、亮度分量I`图像转换为去雾后的图像。

对所述亮度分量I图像进行去雾处理的方法是：

计算亮度分量I图像的最小滤波图像；

计算最小滤波图像的透射率；

利用四叉树算法获取大气光值；

根据式(3)计算去雾后的亮度分量I图像：

其中，I(x)表示雾天图像，J(x)表示去雾后的图像，t(x)表示透射率，t₀表示预设的最小透射率，A表示大气光值。

利用四叉树算法获取大气光值的方法是：将所述亮度分量I图像等分为四块，分别计算各块图像的像素均值，对于均值最大的图像块继续四等分，如此重复迭代，直至得到的图像块小于预设的阈值，将最后划分得到的最小图像块中的像素最大值作为大气光值。

将所述饱和度分量S`图像乘以一饱和度系数、亮度分量I`图像乘以一亮度系数以及色调分量H图像转换为去雾后的图像。

本发明的优点是：

本发明的基于V系统的图像去雾方法，将雾天图像转换为HIS空间的图像后，对其中的亮度分量I图像进行去雾处理，能够达到良好的去雾效果。

附图说明

图1是本发明的方法流程示意。

具体实施方式

以下结合附图和实施例对本发明作进一步详细的描述。

如图1所示，本发明公开的基于V系统的图像去雾方法，包括：

S1：将雾天图像的颜色空间由RGB空间转换为HIS空间；

S2：对HIS空间的雾天图像进行去雾处理；

HIS空间的雾天图像包括三个分量的图像：色调分量H图像、饱和度分量S图像、亮度分量I图像，对三个分量的图像分别进行如下处理：

S21：色调分量H图像不变；

S22：对饱和度分量S图像进行低频重构，得到新的饱和度分量S`图像；

k次V-系统是一个由无穷多个分段k次多项式构成的[0，1]空间上的正交完备函数系，同时，它还是一类正交多小波。将V-系统离散化，就可以得到正交V变换矩阵U。假设一幅图像的亮度矩阵为F＝(f_ij)，则Λ＝UFU^T就是图像的V变换，得到的矩阵Λ的数值由左上角(低频)开始逐渐稀疏，其逆变换公式为：F＝U^TΛU。

由于低频集中了图像的主要信息，因此，只需要保留矩阵Λ中的低频系数，再进行逆变换，就可以得到原图像的近似图像，相当于对原图像进行高频滤波后得到近似图像。

基于上述V系统及频域图像的原理，将饱和度分量S图像进行V变换，得到饱和度分量S的图像频域信息，从饱和度分量S的图像频域信息中分解出低频信息，利用低频信息重构出新的饱和度分量S`图像。