[发明专利]基于场景深度分割的图像去雾方法

说明书

本发明公开了一种基于场景深度分割的图像去雾方法，首先获取待处理的含雾图像；其次分别求取含雾图像的深度图像和最小通道图像；根据应用聚类的方法，将深度图像按照场景深度分割为5部分；然后分别求取这4幅深度子图像的大气光值，构造整幅图像的大气光图；而后对整幅大气光图和透射率进行滤波修正；最后根据修正后的大气光图和透射率，应用图像退化模型求解清晰图像。本发明能够不仅能满足提高图像能见度的要求，又有能效地保持复原图像的亮度和色彩饱和度，具有较高的实用价值，对提高雾霾天气下采集到的图像质量有着积极的意义。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于场景深度分割的图像去雾方法。

背景技术

数字图像处理是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。早期的图像处理的目的是改善图像的质量，以获得图像中的大量信息。图像处理的常用方法有图像增强、复原、编码、压缩等。

近年来，雾霾等低能见度天气状况频繁发生，雾霾天气下采集到的图像往往存在着能见度和色彩饱和度较低的问题，使得图像质量显著降低。当前，国内外数字图像去雾方法已经取得了较大的进步，按照原理大致可以分为两类：一类是基于图像增强的去雾方法，另一类是基于物理模型的场景复原方法。图像增强的方法忽略了图像退化的因素，通过增强雾天图像清晰度，将图像细节信息突出来，对图像复原有一定的效果，但是该方法没有考虑图像退化模型，效果不佳。图像复原的方法针对雾天图像降质过程，建立退化物理模型，反演退化过程，从而获得无雾图像。相较于图像增强的去雾算法。基于物理模型得到的图像去雾效果更加自然，信息损失较少。利用雾天图像本身去构造约束条件，从单幅图像中估计大气散射模型中的参数来达到去雾目的，何恺明等人提出了“暗通道”概念，即在无雾户外图像的非天空区域的任一局部窗口，所有像素点RGB通道中的最小值应接近于0。该方法去雾效果较为理想，然而由于暗通道理论在天空或白色区域不成立，影响大气光估计和透射率估计，导致复原图像存在亮度较低和颜色失真等问题，因此解决复原图像亮度较低和颜色失真的问题成为当前图像去雾方法中的一项重要任务。

针对目前算法存在的缺点，有人利用保边效果较好的双边滤波器或引导滤波器来准确估计大气耗散函数，保留图像边缘细节信息，并能在边缘和平缓区域之间过度自然，防止图像复原后出现halo效应或雾气残留，但是复原图像亮度较低的问题仍然没有解决；有人采用固定阈值来修复对透射率，在一定程度上保护天空雾图的复原效果，但容易造成无天空图像的去雾不足；也有人采用分割天空区域来避免去雾后图像的色彩失真问题，但由于用最大连通区域作为识别的天空区域，易造成天空部位某些块的漏检，导致漏检部分天空区域颜色失真。这些算法没有从根本上解决复原图像颜色失真问题，去雾效果仍有较大提升空间。

发明内容

本发明的目的在于一种基于场景深度分割的图像去雾方法，以克服上述现有技术存在的缺陷，本发明考虑到大气光值与场景深度的关系，利用聚类的方法对深度图像进行分割处理，分别求取大气光图和透射率，该方法既能够有效提高图像能见度，又能保持复原图像的亮度和色彩饱和度，实用性较强，具有极高的应用价值。

为达到上述目的，本发明采用如下技术方案：

基于场景深度分割的图像去雾方法，包括以下步骤：

步骤1：获取含雾图像I(x)；

步骤2：获取含雾图像I(x)的深度图像Idepth(x)以及最小通道图像Imin(x)；

步骤3：根据聚类分割的方法将步骤2获得的深度图像I_depth(x)分割为n个子图像，并按照场景深度由近到远分别标记为Label 1-Label n；

步骤4：对步骤3中获得的n幅深度子图像Label 1-Label n分别求取大气光值，记作A₁-A_n；