[发明专利]去雾成像、能见度提取和景深估计的一体化处理方法

说明书

本发明涉及图像处理技术领域，具体地说，涉及一种去雾成像、能见度提取和景深估计的一体化处理方法，其包括以下步骤：一、选取经典成雾模型；二、求取大气背景光的值；三、根据暗通道先验求得透射率的估计值；四、完成无雾图像的恢复；五、将成雾模型在色彩空间以向量形式表达，构造辅助线求解出相同景物在两帧图像中的透射率之比，进一步求解出景物的真实色彩与对应透射率；六、结合景物相对于无人机距离的变化值可以解出大气消光系数，利用消光系数与能见度的经验公式，计算出能见度；七、求景物深度。本发明有助于改善雾霾等天气下的航拍效果，还可用于交通、环保能见度检测和勘察测距。

技术领域

本发明涉及图像处理技术领域，具体地说，涉及一种去雾成像、能见度提取和景深估计的一体化处理方法。

背景技术

随着无人航空技术的发展，无人机凭借其安全性、机动性等优势，越来越多的取代传统有人驾驶航天器，并应用在巡逻、侦查救援、勘测等各种场景中。无人机航拍图像质量易受到雾霾天气的影响，导致航拍图像质量下降。这不仅影响了无人机航拍的任务效果，还限制了无人机的工作场景与时间，因此对图像去雾算法的研究具有重要的现实需求。后续学者陆续提出了增强图像对比度、均值去雾、中值去雾等方法，其方法具有一定去雾效果，但其结果往往色彩失真严重。2009年何凯明博士提出暗通道先验并设计了基于暗通道先验的去雾算法，该算法凭借其出色的效果与稳定度，至今依旧是主流的、经典的去雾方法。

暗通道去雾算法基于大气成雾的物理模型解释了成像色彩由景物真实色彩与大气背景光利用大气透射率进行合成的原理，因此还原雾真实色彩仅需要求解图像的透射率与大气背景光两个未知参数，其中透射率的求取同样需要大气背景光已知。该算法认为图像中的天空区域即为所求暗通道图像的明亮区域，因此暗通道去雾算法将暗通道图最亮的前1％的像素认为是大气背景光；利用暗通道先验的统计规律与大气背景光的值估计透射率大小。利用所估计大气背景光的值与估计透射率，完成图像的去雾。由于暗通道去雾算法在算法设计上决定了其在估计大气背景光时依赖图像中的天空区域，但是航拍图像往往不包含天空区域，导致其直接使用在航拍图像中大气背景光估计不准，导致去雾结果昏暗、色彩失真、细节辨识度低，故不能取得好的结果，因此设计一种适用于航拍图像的去雾算法具有迫切需求。

如今，无人机应用需求呈现出功能多样化、场景多样化、环境复杂化的趋势，无人机技术发展需要走向全天候、多功能、宽领域。在进一步的探究中发现，除了设法改善航拍图像去雾成像效果，能否针对大气透雾成像的物理过程挖掘更多功能还鲜有研究。根据光在大气传输的衰减规律，大气消光系数与光传输的距离直接影响了景物的透射率，因此是否可以利用该过程计算得到大气消光系数与景物深度是值得探究的。在环境检测的参数中，能见度(被雾霾、沙尘、烟雾影响，大气消光系数与能见度存在对应关系)的监控属于大气环境中的重要参数。搭载能见度检测装置必然消耗无人机有限的载荷，降低无人机飞行的效率。因此，若是能够从航拍图像中估计能见度，则可以不搭载能见度仪，开展环保监测，节省无人机载荷，提高无人机飞行效率；无人机在测绘勘探、目标追踪等应用上均对景物深度测量有需求。若是能够从航拍图像中估计景深，可以不用搭载双目/多目相机、雷达等设备，直接提供一种被动的距离检测手段。如上述，对透雾成像物理过程所带来的能见度与距离信息是值得挖掘的，这将使无人机在环保监控领域更具价值，同时对无人机智能驾驶技术发展提供助力。

综上，在航拍图像去雾应用中经典去雾算法存在问题，需要被改进。同时利用光的大气传输过程计算能见度与景物深度是具有研究与应用价值的。

发明内容

本发明的内容是提供一种去雾成像、能见度提取和景深估计的一体化处理方法，其能够克服现有技术的某种或某些缺陷。

根据本发明的去雾成像、能见度提取和景深估计的一体化处理方法，其包括以下步骤：