[发明专利]基于暗通道与Retinex的地下管道图像去雾方法

说明书

本发明涉及的是一种基于暗通道与Retinex的地下管道图像去雾方法。通过对带雾地下管道图像进行预处理，得到有雾图像对应的暗原色图像；对获取的暗原色图进行均值滤波以近似估计图像透射率；对均值滤波的结果弥补一个偏移值，得出透射率的粗估计值；运算出估计透射率的表达式；使用原图像与均值滤波后的图像的像素值来估计全局大气光；利用物理恢复模型恢复出初步去雾图像；利用多尺度Retinex算法对初步去雾图像进行增强；添加一个色彩恢复因子弥补色彩的局部失真；加入动态范围调节参数控制图像的色偏；本发明能有效实现地下管道场景图像的去雾，并对图像的细节与颜色恢复等方面进行增强。可用于地下管道环境的视频监控、地下管道病害识别等科学领域。

技术领域

本发明涉及图像处理技术领域，特别涉及一种基于暗通道与Retinex的地下管道图像去雾方法。

背景技术

在城市地下管道环境中，管道病害检测机器人获取的管道内部图像对于管道病害的识别起到重要的作用，但是由于管道环境复杂，内部环境存在阴暗、反光、水雾等各种不良条件，导致采集到的管道图像出现对比度小，细节模糊等退化现象，影响到管道检测机器人视觉系统的正常工作。因此，对采集的图像进行去雾复原工作对于管道安全有着极其重要的意义。

目前的去雾方法大多数是针对室外场景有雾图像，针对管道环境有雾图像的算法很少。研究人员主要从两个方向来研究图像去雾这一问题：基于图像增强的方向和基于物理模型的方向。图像增强方向的去雾方法主要是针对降质后的图像本身，用图像处理方法提高图像的对比度、突出图像的特征、提高图像的视觉效果以便于计算机视觉系统对图像的分析和处理。但是这类方法立足于对图像的增强，并不考虑雾气降质的过程，只能有限地提高图像清晰度，对于计算机视觉系统对图像的后续处理效果不明显。基于物理模型的方法可以针对已有的单幅图像做出有效的处理，复原的图像与原景物较接近，特征明显，视觉效果良好。

暗原色先验是基于统计观察户外无雾图像得出的结论，即绝大多数的户外无雾图像的每个局部区域都存在某些至少一个颜色通道的强度值很低的像素。但是城市地下管道为无光或弱光环境，管道机器人对管道内部图像进行的采集依赖于本身自带的光源，这也导致了采集到的管道图像通常存在大面积反光区域，使得原始的暗原色去雾算法在地下管道场景下的去雾效果不佳。此外，依据大气光照模型的基于暗原色先验的图像恢复算法，常常会出现图像色彩失衡，恢复的图像整体偏暗的现象。

发明内容

本发明针对现有技术中的上述问题，本发明提出了一种基于暗原色先验和Retinex的地下管道图像去雾方法。将目前在图像处理领域表现优异的基于暗原色先验的去雾方法和Retinex图像增强算法相结合。本发明提出一种基于暗原色先验和Retinex的地下管道图像去雾方法，该方法能够有效的提高带雾地下管道图像的清晰度，兼顾了色彩恢复、细节真实等特点，对以后的管道图像处理工作产生积极作用，此方法可用于地下管道环境的视频监控、地下管道病害识别等科学领域。

为了达到上述目的，本发明采用的技术方案如下：

本发明涉及一种基于暗原色先验和Retinex的地下管道图像去雾方法，包括以下步骤：

步骤(1)、对原始带雾地下管道图像进行预处理，得到原始带雾地下管道图像对应的暗原色图像。

步骤(2)、对步骤(1)获取的暗原色图像进行均值滤波以估计图像透射率；

步骤(3)、对步骤(2)中均值滤波的结果弥补一个偏移值，得出透射率的粗估计值；

步骤(4)、结合步骤(2)中的均值滤波计算和步骤(3)中透射率的粗估计计算，得到估计透射率的表达式；

步骤(5)、使用原始带雾地下管道图像与步骤(2)中均值滤波后的图像的像素值来估计全局大气光；

步骤(6)、利用物理恢复模型恢复出初步去雾地下管道图像；