[发明专利]一种元数据辅助的无人机图像多线程清晰化方法

说明书

本发明公开了一种元数据辅助的无人机图像多线程清晰化方法，属于遥感图像处理技术领域。该方法首先针对中高空无人机的某张有雾图像，获取暗原色先验规律下的大气光值，再建立无人机侦察平台与有雾图像各点所对应地面点的距离关系，构造景深模型；然后基于有雾图像中各点对应的景深结合大气光值，利用OpenMP并行处理框架建立无人机折射率模型。最后利用全局大气光值，结合折射率模型得到的该有雾图像各点折射率值，在经典大气散射模型的框架下对该有雾图像各点实现一一映射，从而得到复原后的清晰图像。本发明解决了高空无人机图像有效清晰化处理的问题，实现了对中高空图像的高度清晰化，有效提高了该清晰化算法的效率，可实现实时处理。

技术领域

本发明属于遥感图像处理技术领域，具体涉及一种元数据辅助的无人机图像多线程清晰化方法。

背景技术

近年来，利用无人机进行目标识别、测绘和地质灾害防治等，已经成为无人机研究领域中的热点。无人机的侦察任务，主要依赖于质量较高的无人机侦察图像。然而，空气质量的逐渐恶化导致了雾霾天气的增多，这种天气下图像中基本的信息与内涵严重受损，从而对侦察任务造成了严重影响。因此，在无人机航拍领域，对侦察图像的清晰化处理必然有极高的研究意义。而由于中高空无人机成像的特殊性，无人机图像的清晰化处理研究依然是学者们涉及较少的领域。目前国内针对于图像清晰化的方法主要有以下两种：

一是基于物理模型的复原方法。该方法通过研究大气悬浮颗粒对光的散射作用，建立大气散射模型，应用图像退化的物理机理，反演复原出未降质前的图像。该方法针对性较强，能够得到较为自然的图像，一般图像中不会有信息损失；缺点是复杂大气环境下难以得到模型中参数的准确估计。

二是基于图像处理的增强方法。该方法是对被降质的图像进行增强，改善图像的质量。该方法可以有针对性地对已有的成熟图像处理算法进行运用和改良，增强图像的对比度，突出图像中景物的特征和有价值的信息；缺点是该方法可能会造成图像部分信息的损失，使图像失真。

中高空无人机成像距离远，大气散射影响较大，低能见度下图像降质严重，现有的卫星和低空户外图像退化模型，因针对的大气环境不同，不适用于中高空成像过程。基于物理模型的复原方法仅依据图像信息获取退化模型的各个参数，不适用于中高空无人机远距离成像。基于图像增强的增强方法没有考虑图像降质的本质，容易造成信息损失或失真。

从上述对比分析可以看出，现有的图像清晰化处理方法对数千米远所成的无人机图像效果有限。因此，低能见度大气环境下中高空无人机可见光图像清晰化处理既是一个特殊性问题，更是一个难点问题。同时，现有的方法在清晰化处理过程中耗时较长，难以满足无人机图像实时性处理需求。

发明内容

本发明为克服现有图像清晰化方法在实时性和清晰化效果方面的不足，以中高空无人机有雾图像作为研究对象，提出了一种元数据辅助的无人机图像多线程清晰化方法。该方法通过利用无人机元数据信息建立折射率模型，通过图像信息获取大气光值，实现对有雾图像的清晰化处理，并以利用OpenMP将算法并行化、多线程化的方式提升清晰化效率。实验结果表明，该算法在保证了图像清晰化效果的同时，有效提高了图像处理效率，实现了对无人机图像的实时处理。

具体步骤如下：

步骤一、针对中高空无人机的某张有雾图像，获取暗原色先验规律下的大气光值。

首先，根据暗原色先验统计规律获取该有雾图像的暗通道图，然后从暗通道图中按照亮度的大小选取最亮的前0.1％像素，最后，在原始有雾图像中寻找对应位置上的具有最高亮度的点的值，并以此作为大气光值A。

步骤二、基于元数据信息，建立无人机侦察平台与有雾图像各点所对应地面点的距离关系，构造景深模型。

元数据信息包括无人机摄像机距离地面的垂直高度，相机倾斜角，分辨率以及焦距。

针对有雾图像中某点对应的景深d等效为：