[发明专利]一种基于暗通道先验直方图的图像污染检测方法及系统

权利要求书

1.一种基于暗通道先验直方图的图像污染检测方法，其特征在于，包括：

获取待检测图像中最低像素值形成第一暗通道图像；

根据所述第一暗通道图像的灰度值生成第一灰度直方图；

根据已污染图像和未污染图像生成分类模型；

根据所述分类模型对所述第一灰度直方图进行分类，并生成分类结果；

根据所述分类结果判断所述待检测图像是否被污染。

2.根据权利要求1所述的基于暗通道先验直方图的图像污染检测方法，其特征在于：根据已污染图像和未污染图像生成分类模型，包括：

选取所述已污染图像和所述未污染图像作为训练样本集；

获取所述训练样本集种最低像素值形成第二暗通道图像；

根据所述第二暗通道图像的灰度值生成第二灰度直方图；

根据预设的训练集和所述第二灰度直方图生成所述分类模型。

3.根据权利要求1或2所述的基于暗通道先验直方图的图像污染检测方法，其特征在于：所述分类模型为分割超平面和/或核函数。

4.根据权利要求3所述的基于暗通道先验直方图的图像污染检测方法，其特征在于：所述第一暗通道图像和所述第二暗通道图像的公式为：

其中，J_c表示图像的R，G，B颜色通道，Ω(x，y)表示以像素(x，y)为中心的图像块，(x，y)表示图像像素的坐标值；

所述第一灰度直方图和所述第二灰度直方图的公式为：

其中，h(x_i)为第x_i阶灰度出现的概率，S(x_i)为灰度值为x_i的所有像素数量，为图像总的像素数。

5.根据权利要求4所述的基于暗通道先验直方图的图像污染检测方法，其特征在于：所述训练集的公式为：

其中，y_i表示给定特征x_i的类别标签，R^p为p维特征矢量；

所述分割超平面的公式为：

其中，ω为超平面的权重系数，b是超平面的偏置参数；

所述核函数的公式为：

其中，exp为以自然常数e为底的指数函数，δ为函数的尺度参数。

6.一种基于暗通道先验直方图的图像污染检测系统，其特征在于，包括：

获取模块，用于获取待检测图像中最低像素值形成第一暗通道图像；

直方图生成模块，用于根据所述第一暗通道图像的灰度值生成第一灰度直方图；

分类模型构建模块，用于根据已污染图像和未污染图像生成分类模型；

分类模块；用于根据所述分类模型对所述第一灰度直方图进行分类，并生成分类结果；

判断模块，用于根据所述分类结果判断所述待检测图像是否被污染。

7.根据权利要求6所述的基于暗通道先验直方图的图像污染检测系统，其特征在于：所述分类模型构建模块包括：

样本选取单元，用于选取所述已污染图像和所述未污染图像作为训练样本集；

获取单元，用于获取所述训练样本集种最低像素值形成第二暗通道图像；

直方图生成单元，用于根据所述第二暗通道图像的灰度值生成第二灰度直方图；

分类模型构建单元，用于根据预设的训练集和所述第二灰度直方图生成所述分类模型。

8.根据权利要求6或7所述的基于暗通道先验直方图的图像污染检测方法，其特征在于：所述分类模型为分割超平面和/或核函数。