[发明专利]一种基于暗通道先验的图像去雾改进方法

说明书

本发明公布了一种基于暗通道先验的图像去雾改进方法。包括以下步骤：首先，在分析有雾图像天空区域灰度均值和方差特征基础上，基于二分搜索思想改进大气光值估计算法，可获得更为准确的大气光值；其次，提出一种改进的暗通道值计算方法，依据最小值图和暗通道图的灰度差，获取自适应阈值，确定景深变化剧烈的图像边缘位置并进行灰度值修正。最后，根据雾天图像退化模型对有雾图像进行复原。本发明的基于暗通道先验的图像去雾改进方法，能够有效去除复原图像光晕效应，纠正色偏，提高对比度，同时保留更多的细节信息。

技术领域

本发明属于数字图像处理领域，具体涉及到一种基于暗通道先验的图像去雾改进方法。

背景技术

大气中的微粒会对光线产生散射，使物体的反射光线发生衰减，对拍摄的图像造成的影响是对比度下降、颜色失真、细节模糊等。这种现象在有雾天气条件下更加严重，导致室外监控系统无法正常工作，给人们的生活带来极大不便。雾霾是由大量悬浮在近地面空气中的微小水滴或尘埃粒子组成的气溶胶系统，是近地面层空气中水汽和微粒凝结的产物。空气中杂质是雾霾形成的主要因素，也是图像产生退化的根本原因，导致图像质量下降，图像清晰度降低，这是由于成像景物反射光线与大气中随机介质作用而发生了散射，一部分光线偏离原来路径，造成目标反射光的衰减；另一方面，接收到的光线还混合有大气光。恶劣天气条件制约了室外机器视觉设备的推广。高速公路图像监视系统，由于受到雾霾天气的影响，设备采集到的图像信息辨识度非常低，有时无法用来辅助或监控交通；同样在遥感探测中，受到大气随机介质的影响，遥感图像严重退化，对后续的信息处理产生很大的干扰。在图像监控和计算机视觉领域，图像去雾有着广泛的需求。雾霾天能见度降低，捕获图像的目标对比度和颜色等特征被衰减，去雾能显著地提高景象的清晰度并且更正因空气杂质而带来的颜色失真。并且，大多数的计算机视觉算法，从低级别的图像分析，到高级别的目标识别，一般会假定输入图像即景物的原始光线会聚所成。图像去雾能显著提高图像中景物的清晰度，改正由雾而带来的色偏。同时，图像去雾会产生图像的深度信息，根据深度信息可以加深人们对景象的理解。因此，研究快速有效的去雾算法具有重要的现实意义。

目前主要的图像去雾方法可分为两类：基于非物理模型的方法和基于物理模型的方法。基于非物理型的方法实质是图像增强，旨在提高图像的对比度，增强退化图像的视觉效果；基于物理模型的方法其实质是图像复原，其核心是基于雾天图像退化的物理机理建立退化模型，即大气散射模型。通过已知的约束条件估计模型参量，最终复原出清晰自然的场景图像，能够较好地保持图像的边缘细节信息。何恺明等采用基于暗通道先验的图像去雾算法，可以直接从单幅图像中估计出大气光值和透射率，但是复原出的图像出现光晕效应。为了去除光晕效应，采用软抠图方法对透射率进行细化，取得了较好的去雾效果，但是软抠图方法又带来时间效率和空间效率过低的问题。后来，何恺明等使用引导滤波代替软抠图对透射率进行细化，效率得到很大提升，但复原的图像仍存在一定程度的雾。刘万军等提出了一种基于颜色饱和度的快速图像去雾算法，提高图像的清晰度和运算效率，但是去雾后的图像大多存在颜色过饱和现象。曾接贤等利用暗通道与双边滤波结合的方式对对图像进行去雾，该算法较好地改善了去雾算法的时间复杂度，保持图像边缘细节信息，但是复原出的图像仍存在光晕效应。

发明内容：

为了克服上述现有技术中的不足，消除基于暗通道先验方法进行有雾图像清晰化处理时产生的光晕效应，本发明公布了一种基于暗通道先验的图像去雾改进方法。包括以下步骤：首先采用基于区域均值-方差特征的二分搜索方法估计大气光值，快速获取准确的大气光值；再对暗通道图像边缘信息进行修正，获得改进的透射率；最后根据大气散射模型复原出清晰无雾的图像。通过对比实验，表明本文方法能有效抑制光晕效应，恢复图像的颜色和清晰度。我们方法的具体流程如下：

1.一种基于暗通道先验的图像去雾改进方法，其特征在于：包括以下步骤，

步骤(A)根据暗通道先验理论，获取待改进的暗通道图像；

步骤(B)针对光晕效应产生的原因，对暗通道图像进行边缘修正；