[发明专利]一种基于梯度域的单幅图像去雾方法

权利要求书

1.一种基于梯度域的单幅图像去雾方法，其特征在于，包括如下步骤：

(1)采集原始的雾天降质图像，计算雾天降质图像的梯度G和相应的透射率图t；

(2)设定多个合适的尺度值，通常选择大、中和小三个尺度，较大的尺度值可对雾天降质图像中的远景区域进行对比度增强，而较小的尺度可对近景区域进行增强；

(3)将对应的尺度值代入到增强函数中，然后采用增强函数对降质图像的梯度进行不同尺度的增强；

(4)构造基于亮度特征的梯度域函数，并将其应用于多尺度上，对增强后的梯度图像进行修正操作，使得增强后的结果图更符合人眼视觉效果；

(5)对步骤(4)中处理后的图像通过最小化梯度均方误差进行梯度域重建操作得到重建后图像；

(6)考虑了原始雾天图像各个通道之间的比例，构造了颜色恢复因子，并将其与加权融合算法相结合，利用带有色彩恢复系数的加权融合公式，对步骤(5)中所得的多幅重建后的图像进行加权融合操作，得到融合后的图像；

(7)对步骤(6)中所得的图像进行动态范围压缩，得到最终去雾后的图像。

2.根据权利要求1所述的基于梯度域的单幅图像去雾方法，其特征在于，在步骤(4)中，考虑原始图像的亮度信息，用相对梯度代替绝对梯度，并设置下限值保证相对梯度值较小的得到拉伸，而较大的保持原来的对比度，基于亮度特征的梯度域函数如下表示：

Φ(x,y)=max(1,(α·||▿I′(x,y)||‾||▿I′(x,y)||)1-β)||▿I′(x,y)||=||▿I(x,y)||I(x,y)]]>

其中，I(x,y)代表原始雾天降质图像的亮度信息，代表输入图像的梯度信息，而代表图像相对梯度信息，为平均相对梯度值，max()运算保证相对梯度值较小的得到拉伸，而较大的保持原来的对比度。参数α(1>α>0)控制梯度拉伸的阈值，β(1>β>0)控制拉伸的幅度。α的值越大时，代表越多的梯度值被拉伸，β的值越小时，代表对应的梯度拉伸的幅度越大。

3.根据权利要求1所述的基于梯度域的单幅图像去雾方法，其特征在于，在步骤(6)中，没有直接进行加权融合，而是考虑了原始雾天降质图像三个通道之间的比例，构造颜色恢复因子，可表示为：

Ci(x,y)=Ii(x,y)Ir(x,y)+Ig(x,y)+Ib(x,y)]]>

其中，i∈{r,g,b}，C_i(x,y)表示彩色图像RGB空间中某个颜色通道的色彩恢复因子，代表输入图像的三个颜色通道所占的权重。然后将色彩恢复因子与加权融合算法相结合对梯度域重建后的图像进行处理得到融合后的图像R_i'(x,y)，可用如下式子表示：

Ri′(x,y)=Ci(x,y)·Σn=1NwnRni(x,y)]]> 1

其中，N为尺度个数，w_n为权重，R_n为梯度域重建后的图像。