[发明专利]一种基于场景光辐射准确估计的浓雾去除方法

说明书

本发明公开了一种基于场景光辐射准确估计的浓雾去除方法，该方法主要包括：对雾天图像的3个通道分别进行最大值滤波，获取场景光辐射的初始值(S1)；将雾天图像每个通道分别与对应通道的初始场景光辐射进行联合滤波，获得场景光辐射的精确估计(S2)；雾天图像的每个通道分别除以对应的场景光辐射分量，获得消除场景光辐射衰减影响的雾天图像(S3)；将消除场景光辐射衰减影响的图像投射到球形坐标系，并按照角度大小将像素聚类，然后利用haze‑line方法计算每个像素点的透射率(S4)；用获得的透射率和雾天成像模型求取去雾后的图像(S5)。本发明方法处理后的浓雾图像亮度适合人眼观察，且细节清晰。

技术领域

本发明涉及一种图像增强方法，尤其涉及一种基于场景光辐射准确估计的浓雾去除方法，属于数字图像处理技术领域。

背景技术

图像中雾气的存在使得画面能见度大大下降，人们无法从中获取准确的信息，进而对周围环境做出错误的判断，严重的甚至会导致灾难的发生。尤其，浓雾的天气条件下，能见度极度下降、图像信息大量缺失，直接影响了安全监控系统发挥其功效。由于室外监控对图像质量的要求，对浓雾图像去雾技术进行深入的研究，已经成为图像清晰化迫切需要解决的问题。

图像去雾算法主要分为两大类：一类是基于非物理模型的方法，另一类是基于物理模型的方法。这两类方法的区别在于是否利用雾天成像模型。

基于非物理模型的去雾方法没有从图像降质的物理成因入手，而是增强图像的对比度和校正图像的颜色，根据视觉感受改善图像的质量。比较典型的雾天图像增强方法包括直方图均衡化算法、小波方法和曲波变换、自动颜色均衡化算法。该类算法不能实现真正意义上的去雾，只能在一定程度上改善图像视觉效果，容易去雾不彻底、出现色彩失真的现象。

基于物理模型的去雾方法实质上是从经典的大气散射模型出发，通过求解模型中的相关参数，获取场景反射率或无雾图像。目前，基于物理模型的雾天图像恢复方法主要包括基于偏振特性的方法、基于偏微分方程的方法、基于深度信息的方法、和基于先验知识或假设的方法。这些方法认为场景光辐射是充足的，只考虑地表悬浮粒子的散射作用产生的降质，可以较好的处理薄雾图像。

发明内容

然而，当用薄雾处理方法进行浓雾图像的处理时，图像会出现整体发暗或者偏色，以及细节丢失等现象。这是因为浓雾条件下，气溶胶粒子在地表聚集，当雾气的光学厚度逐渐增大时，可见光的透射率逐渐变低，从而使得到达地面的光辐射能量随之逐渐减小。另外，浓雾条件下，气象也更为复杂，可能会伴随着大气层增厚的情况。在接近地表的低空区域，气胶溶悬浮颗粒大小大于波长，其对不同波长光的衰减系数相同。但是，随着高度的增加，地球引力减小，悬浮颗粒的直径也逐渐缩小。在大气层中，分布着许多直径小于可见光波长的悬浮颗粒，这些颗粒会发生瑞利散射。瑞利散射使得波长较短的光在传播过程中被散射消散，只有波长较长的光穿过大气层到达地面。所以，浓雾条件下地表光辐射可能出现彩色颜色渲染，雾气看上去不再是纯白色。

为了更加有效的去除浓雾，研究者提出先进行图像亮度的调整，然后利用暗原色先验知识进行雾气的消除。这种方法能够改善处理后图像的亮度，但是由于所用方法场景光辐射估计不准确，图像的细节会不清晰。此外，由于调整亮度后的图像可能会被消除一些阴影的区域，使得图像不再完全符合暗原色先验的原理。若依然采用暗原色先验知识估计散射光相关参数，图像层次感差，而且容易凸显噪声。

在此背景下，研究一种既能保持增强后图像的亮度和细节，又能有效去除图像雾气的浓雾图像增强方法显得尤为重要。

本发明所要解决的技术问题在于提供一种基于场景光辐射准确估计的浓雾去除方法，实现单幅图像浓雾去除。

为实现上述的目的，本发明提供了一种基于场景光辐射准确估计的浓雾去除方法，包括如下步骤：