[发明专利]基于图像HSV透射率加权校正的机载图像去雾方法

说明书

本发明公开了一种基于图像HSV透射率加权校正的机载图像去雾方法，用于解决现有机载图像去雾方法清晰度差的技术问题。技术方案是首先建立大气散射物理模型；再建立暗原色先验模型；继而估计大气光值；再根据图像HSV模型计算加权透射率；最后根据局部大气光值以及粗糙透射率，对输入图像进行去雾操作，直到得到符合预期的无雾图像。本发明根据含雾等级对大气模型相关参数进行修正，具有较大适应性和灵活性，去雾处理复原出的图像结构更加清晰，细节更加丰富，色彩更加真实。

技术领域

本发明涉及一种机载图像去雾方法，特别涉及一种基于图像HSV透射率加权校正的机载图像去雾方法。

背景技术

在无人机对地观测技术中，需要利用机载图像对地面感兴趣区域拍摄较为清晰的图像数据。目前，在无人机对地侦察中，需要利用机载图像采集设备获取地面感兴趣目标较为清晰的图像数据。由于受到空中云雾的影响，云雾会使大气的能见度降低，景物图像发生退化，在雾天拍摄的图像内容模糊，对比度下降，导致无人机图像采集与处理的机载图像质量降质，需要研究一种去雾效果好的无人机机载图像去雾方法。另一方面，由于图像处理的发展，为了保证视觉系统全天候正常工作，就必须使系统适应各种天气状况，而雾天图像对比度和颜色都会发生退化，导致这些机载系统无法正常工作。因此，由于受到空中雾霾等因素的影响，采集设备获取的图像会降质，严重影响到无人机对地观测效果。近年来，研究视频去雾处理大多采用算法进行研究，去雾的方法可以分为基于图像处理及大气散射模型。

文献1《He K M,Sun J,Tang X O.Single image haze removal using darkchannel prior.IEEE Transactions on Pattern Analysis and Machine Intelligence,2011,33(12):2341-2353.》提出基于暗通道先验的图像去雾算法，利用软抠图细化透射率，后来改进算法采用导向滤波来提高运行效率，但该算法对空中区域的处理效果尚需改善。

文献2《刘杰平,杨业长,韦岗.结合暗通道先验的单幅图像快速去雾算法[J].华南理工大学学报(自然科学版),2018,46(3):86-91.》采用结合暗通道先验的单幅图像快速去雾算法，具有去雾灵活性和适应性好特点。

文献3《马荣贵,王卫星,刘威,等.结合分数阶微分和暗原色先验及Retinex的去雾算法.华南理工大学学报(自然科学版),2016,44(9):16-23.》采用结合分数阶微分和暗原色先验及Retinex的去雾算法，将Retinex算法与雾霾图像的传播图相结合，然后基于景深的差异在图像的不同区域使用和景深相关的尺度进行高斯滤波。

发明内容

为了克服现有机载图像去雾方法清晰度差的不足，本发明提供一种基于图像HSV透射率加权校正的机载图像去雾方法。该方法首先建立大气散射物理模型；再建立暗原色先验模型；继而估计大气光值；再根据图像HSV模型计算加权透射率；最后根据局部大气光值以及粗糙透射率，对输入图像进行去雾操作，直到得到符合预期的无雾图像。本发明根据含雾等级对大气模型相关参数进行修正，具有较大适应性和灵活性，去雾处理复原出的图像结构更加清晰，细节更加丰富，色彩更加真实。

本发明解决其技术问题所采用的技术方案：一种基于图像HSV透射率加权校正的机载图像去雾方法，其特点是包括以下步骤：

步骤一、建立大气散射物理模型

获取原始机载含雾图像I(x)，对所述原始机载含雾图像建立大气散射物理模型：

I(x)＝t(x)J(x)+A(1-t(x))                   (1)

式中，x表示机载图像像素点的位置，I(x)指机载含雾图像，J(x)指机载进行去雾处理后的图像，A指大气光值，t(x)指透射率，t(x)J(x)指直接衰减项，A(1-t(x))指大气光强度。

步骤二、建立暗原色先验模型。