[发明专利]一种基于暗原色先验模型的混合滤波图像去雾算法

权利要求书

1.一种基于暗原色先验模型的混合滤波图像去雾算法，其特征在于：包括以下步骤：

步骤S1：利用小波分析对图片进行边缘检测，将天空区域从图片中抠除；

步骤S2：对图像进行分块处理，分别计算各区域的大气光强度A；

步骤S3：求出有雾降质图像P的暗原色图P^dark(x)，其中P^dark(x)为雾图的暗原色图像，P^c(y)为1个颜色通道的亮度值，Ω(x)为对应户外无雾图像中至少1个颜色通道强度值很低的假定区域；

步骤S4：对暗原色图像进行最大值滤波，其公式为：根据最大值滤波求出透射率矩阵，其公式为：其中ω为系数，0＜ω≤1；

步骤S5：利用最小滤波估算透射率矩阵的下限值t₀，其公式为：其中，r_min为将不同带雾图像选择修复后暗原色图像中数值较大的前0.05％像素点，求出它们的平均值，将该平均值与A作比较，选取二者中较小的值为r_min；

步骤S6：采用指导滤波修复透射率矩阵t(x)；

步骤S6.1：将t(x)作为指导滤波的指导图像，用它求解修复后的透射率矩阵t_refine(x)。假设在一个以点i为中心的窗口ω_i(ω_i的大小为ω×ω)内，滤波后的t_refine(x)与指导图像t(x)存在线性关系，即：

其中σ²标准差，ε是为了保证分母不为0的近似0的正则化系数,F(x)为原始带雾图像；

步骤S6.2：利用大气散射模型得到复原图像I:P(x)＝I(x)t(x)+A(1-t(x))，把求得的透射率t_refine(x)以及大气光值A代入上式即可求得复原；

步骤S7：进一步加强图像增强，采用小波变换进行图像滤波，即：th＝max(I)，其中th表示阈值，I表示修复后去雾图像的低频区域；构造以下去雾阈值函数对小波变换后的系数进行修正，以达到图像增强的目的：

其中，C(I)为小波系数，C_th(I)是阈值改造后的系数，a为增益因子，

将步骤6.2中求得的复原图像I代入，得到最终的去雾图像，

2.根据权利要求1所述的一种基于暗原色先验模型的混合滤波图像去雾算法，其特征在于：步骤S7中在雾气浓时M取2即可。