[发明专利]图像去雾自适应参数的计算方法、图像去雾方法及系统

说明书

图像去雾自适应参数的计算方法、图像去雾方法及系统，方法包括训练一个设备增益圆，通过图像解码数据，获取设备号，调出相应设备增益圆，对图像进行识别，输出增益圆内匹配的自适应参数k；通过暗通道先验算法，输出识别到的暗通道图像；识别天空区域，输出识别到的天空区域图像；对暗通道图像与天空区域图像的值融合，得到输入图像；根据公式计算去雾前的大气光幕值，然后进一步还原无雾图像。本发明是一种利用Radviz算法计算自适应参数的新型图像去雾方法和系统。

技术领域

本发明涉及图像处理领域，具体涉及一种图像去雾自适应参数的计算方法、图像去雾方法及系统。

背景技术

现有基于去雾的论文专利层出不穷，最早是基于何凯明博士经典去雾算法《Single Image Haze Removal Using Dark Channel Prior》基于暗通道假设求解大气光值和透射率来最后完成去雾，而后还有基于雾成像模型进行去雾处理，现有大多数的去雾方案都是基于此方案上进行改善和优化，但都各有利弊，在实时性和去雾效果等方面都有较好结果。

现有的去雾方案，其一运行速度过于慢，资源耗费过大。其二方法都存在有漏洞，比如何凯明博士的方式，大量的浮点运算限制了其在工业CCD的实时处理；通过retinex算法去雾容易出现偏色，只适用于静止的图像，其余比较实时的新颖的算法在边界的处理上，偏色上，内部的分块等地方都存在有欠缺，还有一些受参数的影响特别的大。

发明内容

本发明针对现有技术中的缺点，提供了一种利用Radviz算法计算自适应参数的新型图像去雾方法和系统。

为了解决上述技术问题，本发明通过下述技术方案得以解决：

一种图像去雾自适应参数的计算方法，包括以下步骤：

步骤1获取图像数据集P＝{A，X，Ymean}，A表示全局大气光值，X为图像纹理的复杂程度，Ymean为图像的平均亮度；

步骤2对数据集P进行归一化处理，并将P代入Radviz算法，在Radviz算法的圆内获取平衡点位置，得到自适应参数k；

步骤3使用若干不同增益的图像，重复步骤1-2的方法，得到若干平衡点位置，通过人为判断无误的自适应参数k以输出值分布到圆内；

步骤4通过插值，得到分布有所有情况的k的增益圆；

步骤5通过图像解码数据，获取设备号，并计算图像数据集P，调出通过步骤4得到的设备增益圆，将P代入增益圆对图像进行识别，输出与所述输入图像相匹配的自适应参数k。

可选的，归一化处理计算公式：t是一个自变量，用于找寻物体j属性下面所有调查值中的最大值与最小值；j为物体的属性；i为属性下物体所调查的数量；

满足拉力平衡条件：其中O_j为各个属性位于的坐标，x_ij为平衡点位置，a_ij为各个属性的拉力值；则，平衡点位置计算公式：

可选的，对图像数据集P＝{A，X，Ymean}排除奇异点后进行归一化处理。

可选的，所述全局大气光值A值计算方法：取图像像素值前0.1％的像素点的值，计算挑选之后像素点的平均值；所述图像的平均亮度Ymean计算方法，将所有像素点的值加起来再除以像素点的个数。

可选的，所述图像纹理的复杂程度X计算方法：通过直方图计算，设图像的灰度为L，l为不同灰度值拥有的数量，灰度的平均值为Lmean，其中，相对应直方图为h(L)，则，X的计算公式为

一种图像去雾方法，获取上述计算的得到的自适应参数k，通过图像解码数据，获取设备号，调出相应设备增益圆，对图像进行识别，输出增益圆内匹配的自适应参数k；