[发明专利]基于先验目标识别的非均匀雾化视频优化方法

说明书

本发明公开了一种基于先验目标识别的非均匀雾化视频增强方法。工业现场进行水射流清洗作业时，会造成大气中水雾的不均匀扩散，在大气光反射影响下，作业现场获取的视频资料具有不均匀光照、雾化的特点，现有去雾理论无法对视频起到较好的处理效果。本发明通过制定先验目标，对传统去雾效果图像进行模板匹配，识别雾气喷射点，并根据喷射点建立大气光照值的空间分布函数和去雾权重分布函数，根据视频不同帧之间水雾喷射点的改变，动态更新上述函数，达到了良好的视频去雾效果。

技术领域

本发明属于计算机图形学、计算机图像处理领域，具体来说是一种对受人工干扰源影响的非均匀雾化视频进行去雾优化的方法。

背景技术

工业现场进行水射流清洗作业时，会造成大气中水雾的不均匀扩散，在大气光反射影响下，现场采集的视频通常是被雾化的。除此之外，强光源干扰、设备排放烟雾等，也会导致类似的效果，去雾是视频分析中重要的预处理流程之一。

暗通道先验去雾是图像去雾领域的经典理论。在绝大多数非天空图像中，多数像素点会出现至少一个颜色通道值较低的情况。通过计算雾图形成模型中已知图像的暗通道，舍弃其中的较小项，同时统计图像中的大气光照值，可以计算出大气透射率，进而完成图像去雾的处理。

该理论适用于自然界图像的去雾处理。然而对于受人工干扰源影响，形成的非均匀雾化图像、视频，其去雾效果并不理想。因此，亟需一种特定的优化方法来解决这个问题。

发明内容

为了解决现有技术中存在的上述技术问题，本发明提供了一种基于先验目标识别的非均匀雾化视频优化方法。本发明适用于已知人工干扰源、非均匀光照条件下采集的待去雾视频，干扰包括但不限于：已知强光源干扰、喷射水雾干扰、排放烟雾干扰等。

本方法的主要步骤如下：

(1)、以暗通道先验去雾理论为基础，获得初步去雾图像；

(2)、通过制定先验目标，对传统去雾效果图像进行模板匹配，识别雾气喷射点；

(3)、根据喷射点建立大气光照值的空间分布函数和去雾权重分布函数；

(4)、根据视频不同帧之间水雾喷射点的改变，动态更新上述函数，并输出优化视频。

步骤(1)中，需要使用公认的雾图形成模型：

I(x)＝J(x)t(x)+A(1-t(x)) (1)

其中，A为大气光照值，t(x)为透射率，J(x)为真实图像，I(x)为雾化图像。为计算出真实图像J(x)，需要获得大气光照值A和透射率t(x)。获得A值的方法是计算图像的暗通道，并取其中前1‰亮点所在位置，计算雾化图像中对应位置灰度的平均值。获得透射率t(x)的公式为：

其中，Ω(x)为图像上的滑动窗口，获得该窗口内暗通道的最小值、大气光照值A、去雾权重w，可以计算出该窗口内的透射率估值t(x)，最后根据公式(1)计算出真实图像J(x)。

步骤(2)中，首先需要制定先验目标，即人工干扰源的图像，其尺寸应小于雾化视频的图像尺寸。使用滑动窗口策略，通过计算归一化平方差，对雾化图像进行模板匹配。获得的返回矩阵中平方差最小的点坐标，即为干扰源在图像中的坐标位置。

步骤(3)中，根据干扰源的不同，所建立的大气光照分布函数、去雾权重分布函数也不同。例如，强光源的光线发散会影响视频整体画面质量，其光强度具有确定的模型；喷射水雾只影响局部区域的大气光照(反射光)，喷射中心处的白场最为密集，随后迅速减弱。本实施例针对喷射水雾情况，构建的分布函数如下所示：