[发明专利]一种基于改进暗通道的单幅图像去雾方法

说明书

本发明公开了一种基于改进暗通道的单幅图像去雾方法，包括：S1、收集一设定数量的不同场景的原始带雾图像；S2、采用改进后的最大类间方差算法计算出带雾图像的分割阈值；S3、采用暗通道算法对原始带雾图像进行天空域与非天空域的二值分割；S4、对两个二值分割图进行图像相与操作，取交集像素作为天空区域，其余作为非天空域；S5、对步骤S4中得到的粗提取结果进行形态学腐蚀并对其进行导向滤波，以获得天空域与非天空域的精提取结果；S6、计算出大气光值A；S7、得到最终的透射率t；S8、利用大气散射模型生成HSI通道的去雾图像J。本发明可以判断图像是有无天空区域，实现对各类场景图像去雾。

技术领域

本发明涉及图像处理技术领域，更具体地说，特别涉及一种基于改进暗通道的单幅图像去雾方法。

背景技术

图像去雾算法研究有重要的应用价值和实际意义，在图像获取的过程中如果遇到雾霾天气时，采集设备若受到天气等因素干扰，成像效果会存在一定程度的模糊。在不同的应用领域中，如无人驾驶领域，带雾图像会影响系统作出准确的判断，甚至存在一定程度的安全隐患，这就对图像去雾技术提出了更高的要求。在具有低造价、灵活性高的机载遥感领域中，若数据采集时是雾霾天气，所获取的遥感图像也不能对物体的有效信息进行准确传达，会降低目标识别的能力。

正因如此，对于平台获取的数据进行单幅图像去雾的意义是十分重大的。暗通道先验理论是通过对大量户外无雾图像的统计与分析总结得到的，该理论认为在大多数不包括天空的局部区域中，存在一些暗像素在无雾图像中暗像素的值近似为零，而有雾图像中这些暗像素的值不为零且在一定程度上代表了雾的厚度。暗通道的先验理论允许在非天空区域中实现对雾度的准确估计。由于该理论适用于非天空区域，因此应用该先验理论必要的一步是实现对天空区域和非天空区域的准确分割。

最大类间方差算法算法(Otsu算法)，是一种自适应的阈值确定算法。在图像分割中，Otsu最佳阈值分割算法对于图像亮度和对比度的作用较小，以类别方差为依据，计算出一个灰度值令类间方差最大或者类内方差最小即为该图像的分割阈值。最大类间方差算法通过灰度值给出最佳的类间分离的阈值，按照图像的灰度特性可以把图像分割为背景部分和目标部分，两者之间的类间方差值越大，表明两者的区别越大；接着通过计算得到一个灰度级最佳阈值来对这两类像素进行分离，使分割错误率最小。

因此，有必要开发一种通过对该算法进行阈值改进优化来实现对天空区域和非天空区域的精细化分割，进而实现单幅图像的去雾是非常有必要的。

发明内容

本发明的目的在于提供一种基于改进暗通道的单幅图像去雾方法，以克服现有技术所存在的缺陷。

为了达到上述目的，本发明采用的技术方案如下：

本发明提供一种基于改进暗通道的单幅图像去雾方法，包括以下步骤：

S1、收集一设定数量的不同场景的原始带雾图像；

S2、采用改进后的最大类间方差算法计算出带雾图像的分割阈值，再对原始带雾图像进行天空域与非天空域的二值分割以得到二值分割图；

S3、采用暗通道算法对原始带雾图像进行天空域与非天空域的二值分割以得到二值分割图；

S4、对步骤S2和步骤S3中获得的两个二值分割图进行图像相与操作，以获得天空域与非天空域的粗提取结果；

S5、对步骤S4中得到的粗提取结果进行形态学腐蚀并对其进行导向滤波，以获得天空域与非天空域的精提取结果；

S6、利用原始带雾图像和全局暗通道图提取全图大气光值Afull，利用天空域的精提取结果获得原始带雾图像中对应的天空域和暗通道图对应的天空域，再求取出天空域的大气光值Asky，选取天空光值Asky和全图光值Afull中较大的作为实际的大气光值A；