[发明专利]一种基于暗通道先验的汽车表面图像去尘方法

说明书

本发明涉及一种基于暗通道先验的汽车表面图像去尘方法，包括步骤：获取待去尘汽车表面图像；判断图像中的汽车是否为白色，若为白色则将图像反转，否则不变；根据建立的退化模型计算对应的暗通道图；选取暗通道值的最大值作为环境光值；双边滤波处理暗通道图像获取初始透射率，再运用引导滤波精细化初始透射率；由环境光值与透射率确定去尘图像，若是非白色汽车则为最终去尘图像，若为白色汽车反转去尘图像为最终去尘图像；对去尘图像进行质量评价。本发明是在暗通道先验的基础上，实现图像去雾，视觉效果比较好，保持较高的图像清晰度和对比度，有利于后期汽车表面划痕图像的识别与颜色特征提取的机器视觉算法的应用。

技术领域

本发明属于数字图像信息处理领域，具体涉及一种基于暗通道先验的汽车表面图像去尘方法。

背景技术

随着国民经济的发展，汽车工业逐渐成为我国的支柱产业之一。现阶段对汽车表面缺陷的检测，如划痕检测，主要利用人工检测，检测人员将在港口高温和强光照的检测环境下对大量的轿车逐一检测。伴随着漫长的检测过程，眼睛和大脑自然产生疲劳，会造成大量的漏检与偏差；目前，公司只能通过增加检测人员数量或者增加检测时长来缓解漏检问题，这将带来更高的人工成本，增加检测时长将会给检测人员带来更大的工作强度，漏检率反而更高；因此传统人工检测图像划痕的方法终将逐渐被基于机器视觉的图像划痕检测方法所取代。

受气候影响，户外降尘严重，因此汽车表面往往附着一层灰尘，灰尘颗粒会对入射光线产生散射、吸收、折射等作用，从而使光学相机采集系统获得的汽车划痕图像清晰度与对比度降低，造成图像退化，图像中包含的许多有用的特征被遮盖，造成颜色失真，进而阻碍了依赖图像特征识别的机器视觉在灰尘环境中的发展应用。已存在的退化图像的恢复主要归纳为两类：图像增强方法和基于物理模型方法。虽然图像增强方法能有效地增强图像对比度,突出图像中的某些信息,但容易造成部分图像信息的损失，保边效果较差，并不是真正意义上的实现图像复原。图像物理退化模型是基于退化原因所建立，通过该模型求解复原图像具有较强的针对性，并且恢复效果好，一般能为后期处理提供基准。本发明针对光线在灰尘层与空气中的传播方式建立退化模型，将在图像去雾领域应用广泛的暗通道先验理论引入汽车表面图像去尘中，直接运用或移嫁暗通道先验理论进行图像去尘存在以下困难：一是、汽车表面五颜六色，其中白色汽车也占有绝对市场，天空区域或者白色物体区域并不符合暗通道先验规律，它们透射率的估计值偏小，会造成复原结果中这些区域的像素值变化幅度偏大，呈现灰暗或偏色的现象；二是、汽车灰尘分布不均匀，而引导滤波保留细节效果好，造成优化后的透射率函数不够准确，保留一些灰尘边界，图像去尘效果不太显著。

发明内容

发明目的：为解决上述技术问题，为下一步汽车表面划痕识别打好基础，本发明提供了一种基于暗通道先验的汽车表面图像去尘方法。

技术方案：本发明通过以下技术方案实现。

建立汽车表面灰尘成像的模型为：

引起图像退化的主要考虑两个方面：一方面是灰尘颗粒对光线的散射和吸收作用，导致穿过灰尘介质层的光线发生衰减；另一方面是阳光、地面反射光或天空漫射光等对透射光的偏移作用。从汽车表面到达相机的接受光可表示为汽车表面的入射光经灰尘后的投射光强E_D、灰尘对入射光散射的环境光E_A，则进入相机的总辐照度E_T为以上的线性叠加，即E_T＝E_D+E_A；

E_D(d，λ)是直接被汽车表面反射进入相机的光线，根据Narasimhan等提出的散射模型可以表示为E_D(d，λ)＝D₀exp[-β(λ)d]。其中，D₀为无灰尘时汽车表面的光强；β(λ)表示总的衰减系数，是灰尘在各方向上对光线散射和吸收造成的衰减，λ代表图像RGB通道中的某一通道；d为汽车表面到相机的距离；