[发明专利]一种基于非局部均值滤波的图像去雾霾方法

说明书

本发明涉及一种基于非局部均值滤波的图像去雾霾方法，包括以下步骤：(1)针对获取的原始图像，进行RGB颜色空间和YCrCb颜色空间的转换，得到原始图像的亮度分量。(2)利用直方图统计亮度分量像素值，求取所有亮度分量像素值的平均值。(3)判断亮度分量像素平均值大小，若平均值大于150则认为原始图像含雾霾，反之图像不含雾霾。(4)针对输入的原始图像，求取图像暗原色。(5)选取图像暗原色中亮度值最高的0.1％像素的位置，并将该位置内亮度最大值作为大气光值。(6)根据暗原色计算公式，粗略估计大气散射模型的传播率。(7)采用非局部均值滤波方法细化传播率。(8)将大气光值与细化的传播率代入大气散射模型，复原去雾霾后的图像。

技术领域

本发明涉及一种基于非局部均值滤波的图像去雾霾方法，适用于在雾霾天气情况下，为室外的视频监控、遥感导航、飞行器电视电子成像等系统提供清晰、辨识度高的实时图像。

背景技术

近年来，由于我国工业生产规模的扩大和生活水平的提高，导致多地出现了较为严重的雾霾天气。雾霾天气条件下，大气中的微小粒子会对可见光产生吸收、散射等作用，使物体表面的反射光线在传播途中发生衰减，造成目标物体的能见度降低；另外，太阳光在经过该微小粒子时，也会发生一定程度的散射，且散射过程中部分光线能量得到增强；两者共同作用的情况下，最终造成了目标物体的图像质量下降、对比度和能见度降低的情况。因此，针对这种现象，需要对图像进行去雾霾处理来提高图像的清晰度和对比度，还原图像色彩，使得人眼获得更好的视觉效果。

对于图像去雾霾的算法主要分为两种：基于图像增强的去雾霾算法与基于物理模型的有雾霾图像复原算法。基于图像增强的方法主要是通过改善有雾霾图像的对比度、提高图像的颜色和亮度，突出图像特征来达到去雾霾效果，但是该方法没有考虑到图像退化降质的原因，会损失一些图像突出部分的信息。基于物理模型的方法则是考虑了雾霾天气状况下图像发生降质的原因，从而建立物理退化模型，并分析模型内参数，减少和消除了图像退化后产生的模糊、对比度低、图像失真等问题，相比于基于图像增强的去雾霾算法，基于物理模型的方法在图像去雾霾中能够获得更好的效果。

在基于物理模型的图像去雾霾领域内，研究人员广泛采用的是基于大气散射模型的单幅图像去雾霾算法。该类算法通过利用单幅图像内的先验性信息，计算得到大气散射模型中的衰减模型和环境光模型，从而获得去雾霾后的实际图像模型，最终达到对图像去雾霾的目的。此外，在单幅图像去雾霾算法中，基于暗原色先验的去雾霾算法取得的去雾霾效果最好，该算法通过将基于统计学规律的暗原色原理与大气散射模型相结合，较为精确的计算了模型内的各个参数，还原了真实的物体图像，实现了去雾霾的效果。

目前为止，国内采用基于暗原色先验算法进行图像去雾霾的专利，主要是直接对输入的原始图像直接进行处理，然后利用暗原色算法和高斯滤波算法求取大气散射模型，但该类方法存在两个方面的缺点：(1)针对输入的图像并不判断其是否有雾霾，导致对无雾霾情况下的图像进行去雾霾，造成输出图像失真等现象。(2)传统暗原色先验算法得到的大气散射模型透射率计算时间太长，无法实时进行图像去雾霾，而且高斯滤波算法的保边性能较差，最后造成去雾霾图像的细节特征丢失。

发明内容

本发明的技术解决问题是：克服现有技术不足，针对有雾霾图像的模糊、对比度低和图像整体偏暗的问题，提供一种基于非局部均值滤波的图像去雾霾方法，该方法将非局部均值滤波算法与暗原色先验算法结合，可有效进行图像去雾霾并改善图像的视觉效果。

本发明的技术解决方案为一种基于非局部均值滤波的图像去雾霾方法，实现步骤如下：

(1)针对在室外场景下获取的原始图像，进行RGB颜色空间和YCrCb颜色空间的转换，将R、G、B分量转化为亮度和色度分量；

(2)利用直方图统计方法对步骤(1)获得的亮度分量的像素值进行统计，求取所有亮度分量的像素值的平均值；