[发明专利]基于颜色衰减先验的图像去雾方法、系统及存储介质在审
| 申请号: | 201910366796.5 | 申请日: | 2019-05-05 |
| 公开(公告)号: | CN110223240A | 公开(公告)日: | 2019-09-10 |
| 发明(设计)人: | 唐佳林;金鹏;苏秉华;张文博;孙鲁;刘天舒 | 申请(专利权)人: | 北京理工大学珠海学院 |
| 主分类号: | G06T5/00 | 分类号: | G06T5/00;G06T5/20 |
| 代理公司: | 广州嘉权专利商标事务所有限公司 44205 | 代理人: | 胡辉 |
| 地址: | 519088 *** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 滤波处理 输入图像 图像去雾 深度图 衰减 场景 二叉树搜索 先验 存储介质 去雾 算法 图像处理技术 近景区域 去雾图像 深度模型 传统的 先验法 预设 光照 图像 模糊 情景 应用 | ||
1.基于颜色衰减先验的图像去雾方法,其特征在于:包括以下步骤:
通过预设的场景深度模型对输入图像进行第一处理,生成场景深度图;
对场景深度图进行导向滤波处理;
采用二叉树搜索算法对输入图像进行第二处理,得到大气光值;
根据导向滤波处理后的场景深度图和大气光值对输入图像进行去雾处理,得到去雾图像。
2.根据权利要求1所述的基于颜色衰减先验的图像去雾方法,其特征在于:所述通过预设的场景深度模型对输入图像进行第一处理,生成场景深度图这一步骤,包括以下步骤:
确定输入图像中像素点亮度与饱和度的差值;
将所述差值与输入图像中雾浓度的关系转化为所述差值与场景深度之间的关系;
根据所述差值与场景深度之间的关系,构建场景深度关于亮度与饱和度之间的非线性场景深度模型;
通过非线性场景深度模型对输入图像进行第一处理,生成场景深度图。
3.根据权利要求1所述的基于颜色衰减先验的图像去雾方法,其特征在于:所述对场景深度图进行导向滤波处理这一步骤,其具体为:
对场景深度图进行细化处理,所述细化处理包括滤波处理、边缘保存处理和块效应消除处理。
4.根据权利要求1所述的基于颜色衰减先验的图像去雾方法,其特征在于:所述采用二叉树搜索算法对输入图像进行第二处理,得到大气光值这一步骤,包括以下步骤:
将输入图像转化为灰度图像;
基于预设的行方向或者列方向,将灰度图像划分为大小相等的两个区域;
分别计算两个区域的大气光均值;
选取大气光均值较大的区域作为新的灰度图像,并返回执行基于预设的行方向或者列方向,将灰度图像划分为大小相等的两个区域这一步骤,直至划分次数达到预设值后,最终选取较大的大气光均值作为输入图像的大气光值。
5.基于颜色衰减先验的图像去雾系统,其特征在于:包括:
第一处理模块,用于通过预设的场景深度模型对输入图像进行第一处理,生成场景深度图;
滤波处理模块,用于对场景深度图进行导向滤波处理;
第二处理模块,用于采用二叉树搜索算法对输入图像进行第二处理,得到大气光值;
去雾处理模块,用于根据导向滤波处理后的场景深度图和大气光值对输入图像进行去雾处理,得到去雾图像。
6.根据权利要求5所述的基于颜色衰减先验的图像去雾系统,其特征在于:所述第一处理模块包括:
确定单元;用于确定输入图像中像素点亮度与饱和度的差值;
关系转化单元,用于将所述差值与输入图像中雾浓度的关系转化为所述差值与场景深度之间的关系;
模型构建单元,用于根据所述差值与场景深度之间的关系,构建场景深度关于亮度与饱和度之间的非线性场景深度模型;
第一处理单元,用于通过非线性场景深度模型对输入图像进行第一处理,生成场景深度图。
7.根据权利要求5所述的基于颜色衰减先验的图像去雾系统,其特征在于:所述第二处理模块包括:
灰度转化单元,用于将输入图像转化为灰度图像;
划分单元,用于基于预设的行方向或者列方向,将灰度图像划分为大小相等的两个区域;
均值计算单元,用于分别计算两个区域的大气光均值;
大气光值确定单元,用于选取大气光均值较大的区域作为新的灰度图像,并返回执行基于预设的行方向或者列方向,将灰度图像划分为大小相等的两个区域这一步骤,直至划分次数达到预设值后,最终选取较大的大气光均值作为输入图像的大气光值。
8.根据权利要求5所述的基于颜色衰减先验的图像去雾系统,其特征在于:所述滤波处理模块具体包括:
滤波处理单元,用于对场景深度图进行滤波处理;
边缘保存处理单元,用于对场景深度图进行边缘保存处理;
块效应消除单元,用于对场景深度图进行块效应消除处理。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京理工大学珠海学院,未经北京理工大学珠海学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910366796.5/1.html,转载请声明来源钻瓜专利网。





