[发明专利]超像素框架下基于均值-均方差暗通道的单幅图像去雾方法

说明书

提供一种超像素框架下基于均值‑均方差暗通道的单幅图像去雾方法，步骤如下：按公式(6)计算图像I各颜色通道最小值矩阵I^dark，以下简称为灰度矩阵I^dark；根据步骤1得到合适的参数T跟k，按公式(5)计算雾去除率ω；对大气光值A进行估计；计算矩阵img＝I/A；对矩阵img进行超像素分割，得到成像的场景景深d(x)和大气中介质的散射系数β恒定的若干Ω_i；对每个Ω_i按照公式(4)计算暗通道，得到将每个Ω_i得到的拼接到一起得到整幅图像的暗通道J^dark；通过t＝1‑ω*J^dark计算粗透射率t；对粗透射率t进行精细化处理，得到细化后的透射率t^*；由公式J＝(I‑A)/t^*+A得到最终恢复的图像J。本发明方法能够使雾浓度和景深在超像素表述的局部区域内保持不变，克服了景深突变处光环效应的发生，有效缓解景深无穷远处产生的偏色问题。

技术领域

本发明涉及图像处理技术，具体涉及一种超像素框架下基于均值-均方差暗通道的单幅图像去雾方法。

背景技术

雾霾作为一种常见的自然现象是造成图像降质的重要原因，其机理是大气雾霾成分中的小液滴和气溶胶对可见光产生散射，使其无法正常通过空气介质，最终导致成像效果变差，雾霾影响下成像为分割、检测、识别等后续处理带来很大困难，因此如何在视觉上消除雾霾干扰，提升图像能见度是非常必要的。

现有的技术从数据来源上可分为单幅图像和多幅图像，多幅图像的优点是信息丰富，但困难在于需要获得同一场景不同角度的拍摄图像；而单幅图像的特点是信息量有限，但获取相对容易。针对雾霾的去雾方法从理论上可分为基于增强和物理模型两类方法，其中基于增强方法主要通过调整图像对比度来达到去雾霾的效果，在视觉上可改善图像质量，而基于物理模型的方法则是从雾霾对成像结果影响的内在机理出发寻求解决方案。

雾、霾天气下的成像过程可由大气散射物理模型描述为公式(1)的形式，其中I(x)为实际观察到的有雾图像，J(x)为理想条件下的无雾图像，t(x)为大气透射率，A为大气光，且t(x)＝e^-βd(x)，β为大气中介质的散射系数、d(x)为成像的场景景深。

I(x)＝J(x)t(x)+A(1-t(x)) (1)

去雾的本质是从I(x)中恢复J(x)，由于缺少约束条件，该方程在数学上的求解属于病态反问题，需要从图像数据本身出发做出先验假设，作为模型(1)的约束条件。

现有技术去雾方法以暗通道为基础比较典型的有以下两种技术方案。

1、暗通道优先去雾霾技术方案

为了对公式(1)描述的大气散射模型进行求解，何恺明通过观察大量晴天无雾条件下不含天空区域的图像数据(Kaiming He，Jian Sun，Xiaoou Tang.Single image hazeremoval using dark channel prior[J].IEEE Transactions on Pattern Analysis andMachine Intelligence，2011，33(12)：2341-2353.)，得到一个经验结论，即对于彩色图像的任意局部区域内，至少存在一个颜色通道I^c(x)的数值非常小，称之为暗通道J^dark(x)，可以写成公式(2)的形式，其中Ω(x)是以像素x为中心的区域。

式中c表示任一颜色通道，{r，g，b}表示红、绿、蓝三个颜色通道。

何将(2)式作为(1)式的求解约束条件获得了巨大成功，该理论本质上可看成黑体辐射在可见光图像中的一种体现形式，相当于公式(1)中t(x)→1时得到的结果，但上述暗通道优先理论仍存在以下局限性：