[发明专利]一种基于图像分层增强的图像去雾方法及系统

说明书

技术领域

本发明涉及图像清晰化处理领域，具体地说，涉及一种基于图像分层增强的图像去雾方法及系统。

背景技术

雾天条件下，由于大气中悬浮的大量微小水滴、浑浊的媒介对光的散射、吸收等作用，使得大气的能见度降低，造成了雾天成像传感器采集的图像严重退化降质，图像色彩和对比度大幅下降，从而导致以提取图像特征为基础的监控、跟踪、智能导航、智能车辆等视觉应用系统无法正常稳定的工作。因此，研究图像去雾技术，提高雾天降质图像的清晰度具有很强的现实意义和重大的应用价值。同时，图像去雾技术因其跨学科（涉及到物理学、数学、大气学、数字图像处理等多门学科）以及应用前景广阔等特点，已成为计算机视觉和图像处理领域的研究热点。近些年来国内外已经取得了一定的研究成果，这些图像去雾的方法主要分为两大类：基于物理模型的图像复原方法和基于图像处理的图像增强方法。其特点描述如下：

1）基于物理模型的图像复原方法

基于物理模型的图像复原方法，建立雾天图像的大气散射模型，通过图像降质过程的逆过程来恢复清晰图像，其又可细分为多种类型的方法：基于偏微分方程的方法、基于深度关系的方法和基于先验信息的方法，其中最突出的是He提出的基于暗通道先验信息的图像去雾方法。该类方法一般能恢复出比较理想的图像去雾质量，信息损失少，但其缺点在于需要利用数学工具或其它辅助信息估计模型参数，计算复杂、耗时，很难应用到实时处理系统中。

2）基于图像处理的图像增强方法

基于图像处理的雾天图像增强方法不考虑图像的降质原因，主要根据主观视觉效果进行对比度增强和颜色校正，其具体有多种增强方式：基于全局化增强的直方图均衡化方法、同态滤波方法、多尺度Retinex方法以及基于局部对比度或方差的增强方法等。此类方法计算相对简单，能有效地提高雾天图像的对比度，突出图像的细节，但其缺点在于会损失很多信息出现不可预测的图像失真，且没有考虑场景的深度信息，对于较复杂的图像场景，会出现部分过增强、部分图像增强不足以及颜色失真等现象，其适用范围受到一定的限制。

对于实际应用，场景变化复杂且实时性要求较高，上述方法均不能达到理想的效果。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种图像分层增强的图像去雾方法及系统，所述方法及系统既能提高图像去雾的运算速度以满足实时性应用，又能适用于不同场景获得清晰化的图像。

本发明解决其技术问题所采用的技术方案是，提供了一种图像分层增强的图像去雾方法，所述方法包括以下步骤：

S1、估测原始图像的大气光值A；

S2、结合所述大气光值构造两层半逆图像，对两层半逆图像进行线性对比度增强；

S3、计算原始图像和增强后的半逆图像在CIE LCH空间H通道的绝对差值，根据所述绝对差值确定增强后的半逆图像的权值分布，根据所述权值分布将两层增强后的半逆图像进行加权融合；

S4、对融合后的图像进一步线性增强，获得最终的对比度增强的去雾图像。

作为进一步优选地，所述步骤S1包括以下子步骤：

S11、基于Retinex思想将高斯核函数与原始图像的灰度图进行卷积，得到原始图像的照度分量图；

S12、从照度分量图中搜索出最亮的区域；

S13、对应照度分量图中最亮的区域，将原始图像的灰度图中相应位置的值作为估计的大气光值A。

作为进一步优选地，所述步骤S2包括以下子步骤：

S21、将所述大气光值A进行分段，取A/2和A/4作为参考，首先取参考值A0为A/2；

S22、将原始图像分离成3通道，分别计算参考值A0与原始图像的r、g、b值的差值A0-r,A0-g和A0-b，然后分别取所述差值和对应的原通道r、g、b值的最大值作为输出，构成3个半逆通道；

S23、将3个半逆通道分别进行线性对比度增强，再合并得到增强后的半逆图像；

S24、取参考值A0为A/4,重复步骤S22-S23，获得另一层增强后的半逆图像。

作为进一步优选地，所述步骤S3包括以下子步骤：

S31、转换原始图像和第一层增强后的半逆图像到CIE LCH空间，计算它们在H通道上的绝对差，得到差值图，并将差值图中绝对差小于设定阈值的部分进行标记；

S32、对H通道差值图中被标记和未被标记的区域设定不同的权值，得到权值图并将其作为第一层的权重分布图；

S33、用1和第一层的权重分布图作差，得到第二层的权重分布图；