[发明专利]基于边缘细节保持的夜间图像去雾方法

说明书

本发明涉及一种基于边缘细节保持的夜间图像去雾方法，包括：对夜间有雾图像进行分层，求解出结构层图像：求解结构层图像的局部对比度函数，局部饱和度函数和局部显著度函数；求解两个局部环境光；利用多尺度融合方法进行运算，得到环境光；构建加权L₀正则化模型估计环境光散射函数；利用分离变量法进行转化；对转化后的加权L₀正则化模型进行求解，得到环境光散射函数；得到环境光散射函数和环境光后，即可求解出结构层复原图像；分别对去噪后纹理层图像和纹理层图像利用Robert算子进行运算；将通过权重系数恢复的纹理信息量叠到去噪后纹理层图像中，得到最终纹理层图像；将最终纹理层图像和结构层复原图像相加。

技术领域

本发明属计算机图像处理领域，涉及一种夜间图像去雾方法。

背景技术

夜晚有雾条件下拍摄图像时，由于点光源的存在，夜间光照分布不均，采集到的图像细节信息丢失，难以得到感兴趣的信息，去雾难度较大。此外，夜间场景通常伴随着较多噪声，导致图像质量进一步下降，给视频监控、室外目标识别与追踪等带来很大困难。因此，夜间图像去雾问题在计算机视觉应用领域和数字图像处理领域亟待解决。

现有的夜间图像去雾算法主要有Zhang等^[1]提出的基于retinex理论的去雾算法，以及Li等^[2]提出的光源层去除的去雾算法。上述两种算法没有考虑到噪声的影响，在对图像直接去雾的过程中导致噪声被进一步放大。此外，如果简单的把图像去噪作为一种后处理手段，去噪的同时会去除复原图像中大量的细节信息。针对去雾问题，Tarel等^[3]提出通过求解环境光散射函数对图像快速去雾的新思路，基于环境光散射函数在局部区域内变化相对平滑的假设，利用中值滤波求解环境光散射函数，时间复杂度低，但是该算法使用的中值滤波器不具备较好的保边性，导致边缘细节丢失，在景深变化剧烈的地方存在光晕效应。此外，对于去雾过程中的重要参数环境光，上述去雾算法在求解过程中局部块尺寸的选择较为单一。

相关文献：

[1]ZhangJ,CaoY,WangZ F.Nighttime hazeremovalbasedon anew imagingmodel[C].IEEE InternationalConferenceonImageProcessing,2014:4557-4561.

[2]Li Y,Tan R T,Brown M S.Nighttime haze removal with glow andmultiple light colors[C].IEEE InternationalConferenceonComputerVision,2015:226-232.

[3]Tarel J P,Hautière N.Fast visibility restoration from a singlecolor or gray level image[C].IEEE InternationalConferenceonComputerVision,2010:2201-2208.

[4]Meng G F,Wang Y,Duan J Y,et al.Efficient image dehazing withboundary constraint and contextualregularization[C].IEEE InternationalConferenceonComputerVision,2013:617-624.

[5]Achanta R,Hemami S,Estrada F.Frequency-tuned salient regiondetection[C]Computer VisionandPatternRecognition,2009:1597-1604.