[发明专利]一种红外雾天降质图像去雾增强方法

说明书

本发明公开了一种红外雾天降质图像去雾增强方法。本发明基于不规则局部区域信息以及大气物理模型实现图像去雾处理。根据红外图像场景复杂度，预先设置图像超像素数和边界紧密度，使用简单线性迭代聚类实现图像分割。利用改进的四叉树分解自动搜索方法，获得全局大气光值A。在获得的超像素块中，根据每个超像素块中像素矩阵的值，分析视觉可见性评估方法以及信息截断的上下限约束关系获得最优透射率t'。根据获得的输入图像I、大气光值A和最优透射率t'，可反演无雾图像J。本方法通过图像局部信息计算大气物理模型最优参数，对于不同雾浓度具有适应性，实现红外图像去雾反演，结构简单，易于实现，有效提高红外雾天成像质量。

技术领域：

本发明属于图像处理技术领域，主要内容为针对雾霾天单波段成像系统降质图像增强算法，特别适合于雾天对红外遥感图像造成图像整体亮度偏高，对比度低，图像局部模糊的增强，降低雾霾对成像系统的影响，实现图像质量的提高。

背景技术：

在雾霾天气下的户外远距离光学系统成像过程中，红外成像系统往往受到大气中悬浮颗粒物产生的散射、吸收和反射作用的影响，导致观测图像出现退化引起整体亮度值偏高、对比度低、动态范围缩小、清晰度降低、以及模糊等现象，并且这些退化对图像的影响程度随着目标与观测设备距离的增加而增强。图像退化问题导致无法获得清晰稳定的高质量图像或序列，并令后续的识别、跟踪、分割等算法无法有效地工作。同时随着目前自动驾驶以及辅助驾驶的迅速发展，也对雾霾天成像质量提出了新的要求。去雾技术目前可分为两大类：基于图像处理的增强方法和基于图像复原的增强方法。

基于图像增强的去雾方法从有雾图像的对比度低的特点出发，通过各种滤波以及对图像对比度的线性非线性拉伸变换从而提高视觉质量，主流的方法包括直方图均衡化、滤波方法、小波变化、Retinex算法、大气调制传递函数法等。这些方法在一定程度上取得良好的效果，但也存在诸多问题。对于光照不均或者距离变化复杂的目标容易造成halo现象和块效应，此类方法普适性不佳同时普遍存在计算量较大的问题，去雾图像仅从视觉角度出发在一定程度上不符合实际物理规律。

基于图像复原的方法，从雾霾天气引起图像质量下的物理过程出发，通过反演物理降质过程从而达到去雾目的。根据大气粒子光学基础研究，得到大气物理散射模型，求解大气物理散射模型的最优参数即可反演无雾图像。基于此，该类方法目标是寻找模型最优参数，因此大多数需要提供除图像外的额外先验信息，例如场景深度信息或者额外手段获得深度辅助信息、雾气浓度信息或者场景偏振信息等。由于额外信息获取困难且操作复杂，仅基于图像信息的去雾方法迅速发展。暗通道方法是由何凯明提出的一种统计先验信息，目前已成为最有效的去雾先验信息，但是暗通道法由于分块不合理极易出现halo和块状效应，为消除块状效应需要大量的计算。然而暗通道法是针对大量彩色图像三通道信息进行统计而得到，并不适用于单波段红外图像，因此需要寻找有效的约束条件来指导红外降质图像物理复原过程。

发明内容：

为了克服上述现有技术的不足，本发明提供了一种红外雾天降质图像去雾增强方法。本方法基于图像复原的方法，通过超像素分割取代矩形分割消除伪影现象，同时通过上下限约束指导物理复原过程，计算量小，成像质量提高明显。

本发明的上述目的是通过如下技术方案予以实现的：

一种红外雾天降质图像去雾增强方法，其特征在于利用超像素分割算法分割图像后，结合改进四叉树分解搜索算法以及上下限约束获得大气物理模型反演方程最佳参数从而重建图像，包括如下步骤：

(1)简单线性迭代聚类分割算法需要预先给定超像素块数k以及边界紧密度m，超像素数k和边界紧密度m分别设置为40～80和30～50；

(2)根据公式(1)和超像素数k初始化聚类中心，计算初始化超像素聚类中心间隔S，根据间隔S,使初始化聚类中心均匀分布在红外图像上。为避免聚类中心落在图像边缘上使得该点无法与周围区域形成闭合连通域，取初始聚类中心点3x3邻域范围内梯度最小值点作为初始化聚类中心；