[发明专利]大气光方向优化估计的图像去雾迭代算法

说明书

提供一种大气光方向优化估计的图象去雾迭代算法，本发明提供一种全新稳健的有雾图像去雾算法，其特点是，第一，给出了单帧图像去雾的迭代模型，避免了现有去雾算法中采用除法计算带来的计算结果不稳定，以及分母中参数选择的不确定性引入的额外噪声；第二，给出了大气光估计的优化策略，使得大气光这一关键参数的估计更精确，优化大气光方向估计中块直线的筛选方法，并挑选前0.1％最亮像素点，通过计算像素点在RGB空间的亮度值与大气光方向的最短距离，选择具有最小距离的像素点的亮度值作为最终的大气光强度值。实验结果表明，与已有算法相比，本算法可以使去雾后图像的色调还原度、平均梯度、暗通道先验比例等三个指标分别提高5％、13％、16％。

技术领域

本发明属于图像去雾技术领域，具体涉及一种大气光方向优化估计的图像去雾迭代算法。

背景技术

近年来，雾霾天气的蔓延致使户外场景的可见度越来越低，弥漫在雾霾中的烟、尘、水滴等物质由于受到大气的吸收与散射，使得户外图像中物体的对比度、颜色、清晰度等特征被削弱，从而降低了图像的清晰度和真实度，为基于场景图像或视频的环境监测、目标识别、交通管理、军事侦查、系统监控等应用造成了极大的困难，因此户外图像的去雾处理逐渐成为了近几年关注的焦点，在许多领域具有重要的应用意义。

目前对图像去雾的处理方法主要分为两类：雾化图像增强和雾化图像复原。雾化图像增强方法主要通过对雾图中的灰度、对比度等图像参数的调节实现图像去雾。第二类是基于物理成像模型的雾化图像复原方法，该类方法的优势是，通过分析雾霾天气的特点，建立光线在散射介质中传输的数学模型，将图像去雾过程看作是该模型的逆过程，通过施加其他约束条件，得到无雾图像的最佳估计，实现雾霾的去除或抑制,该类方法能够更加可靠、有效地实现去雾。

在基于物理成像模型的图像去雾方法中，雾图形成的数学模型如下式：

I(x)＝J(x)t(x)+A[1-t(x)]      (1)

其中：I(x)为观测到的有雾图像，J(x)是待复原的无雾图像，A是大气光强度值，t(x)为透射率。需要根据已知条件I(x)，求取目标值J(x)。根据基本的代数知识可知该数学模型中有三个未知数，所以在求解J(x)时，只有得到大气光强度A和透射率t(x)值，才能根据下式进行复原，即：

J(x)＝(I(x)-At(x))/t(x)+A     (2)

根据上式可以得知，当大气光强度A和透射率t(x)的值估计不准确或含有噪声的时候，就会由于需要计算除法(由于t(x)出现在分母)导致求解出来的J(x)的不稳定或噪声放大，从而影响复原图像的效果。因此，合理估算优化大气光强度A和与透射率t(x)的值，并且避免恢复过程中的除法运算成为基于物理成像模型去雾算法的研究重点。

2009年，何凯明等人提出了一种基于暗通道先验知识的去雾算法，首先通过计算一定区域内每个像素RGB分量中的最小值得到暗通道图，并在暗通道图中选取前0.1％最亮像素点的值，估算出大气光强度值；再次采用软抠图的方法细化透射率，最终采用公式(2)的方法实现了去雾功能。

2013年，何凯明在先前计算透射率的基础上加入了引导滤波算法，进而细化了透射率图的求解，较好地消除了边缘附近的光晕效应，提高了去雾图像的质量。

2014年，Fattal等人提出了基于大气光自动恢复的去雾算法，通过利用图像的明暗系数与透射率等级无关的条件，计算出大气光强度的方向和模值，并根据图像中场景的辐照等级度，推导出透射率图，从而获得了良好的去雾效果。

2017年，邱东芳等人提出了透射率和大气光估计的去雾算法，通过采用像素等级差诱导核函数的自适应高斯滤波器消除光晕效应，修正天空区域的透射率，并提出最大化大气光方向与前0.1％最亮像素点的相似度的大气光估计方法，最终获得了精细的透射率图，有效消除了光晕效应。