[发明专利]基于暗通道先验的交通监控图像快速去雾方法

说明书

本发明公开一种基于暗通道先验的交通监控图像快速去雾方法，采用形态学闭运算和高斯平滑滤波替代导向滤波或双边滤波，从而在较低的计算复杂度下保证了交通监控图像的透射率在景深相同处的局部平滑性；同时，利用高亮度像素集的平均RGB值和大气光值上、下界约束来尽量避免交通监控过程存在诸多干扰时出现大气光值估计不合理的情况；另外，通过透射率的非线性变换进一步增强输出图像的对比度，从而达到快速、有效地实现交通监控图像去雾的目的。

技术领域

本发明涉及交通监控图像处理领域，尤其是一种运算速度快、去雾效果好的、基于暗通道先验的交通监控图像去雾方法。

背景技术

交通监控系统是智能交通的一个子系统，在道路、车辆和驾驶员之间建立快速通讯联系，而交通监控系统能够发挥的作用很大程度依赖于天气情况。雾、霾等恶劣天气条件下，交通监控设备拍摄的视频或图像会出现对比度下降、清晰度下降、颜色失真等问题，导致视频或图像的使用价值降低，影响了交通监控的作用力。去除或者降低尘埃、雾霾颗粒杂质的影响、提高监控图像质量是改善交通视频监控系统性能的关键技术环节之一，并且已成为近年来数字图像处理、计算机视觉领域的研究热点，得到了众多学者的广泛关注和研究。图像去雾的目的就在于恢复有雾图像的对比度和清晰度，还原其真实色彩以及真实场景，达到在理想天气状况下的拍摄效果，从而帮助智能交通系统实现正常的交通管理。

目前，典型的图像去雾算法主要包括两类：基于图像增强的去雾算法（如基于Retinex的去雾算法、基于小波变换的去雾方法等），基于图像复原的去雾算法（如基于暗通道先验的去雾、基于视觉信息损失先验的去雾等）。前者主要通过增强被降质图像的对比度、突出图像中景物的特征和有价值的信息，来改善图像的质量。但是，图像增强方法从本质上来讲只是提高了图像的对比度和清晰度，并没有真正意义上实现对图像的去雾，增强后的图像易出现颜色过于饱和的现象，究其原因是没有考虑大气光成分的影响。后者则以雾天图像降质的物理过程为基础建立雾天退化模型，在反演图像退化的过程中完成对参数的最优化估计，补偿退化过程中所造成的图像失真，从而改善雾天图像质量。因此，基于图像复原的去雾算法得到越来越多学者的关注与研究。

Nayar等人利用雾天图像退化模型恢复出无雾图像；Oakley等人建立了一个各种光线对雾天图像降质的计算模型。这两种方法的模型参数偏多，实现过程也较为复杂。Narasimhan等人使用不同天气状况下的图像先验来提取景深信息，由于图像先验知识不够且不同天气状况与雾天情况又往往不同，去雾效果一般。Fattal等人通过假设场景目标表面投影和光的传播局部不相关性，进而由估算得到的场景反射率推导出场景透射率来实现图像去雾。由于该方法是基于数据统计的，要求具有足够的颜色信息，在处理浓雾天气下颜色暗淡的图像时，往往会因统计信息不足而导致复原图像出现失真。