[发明专利]一种基于蓝色通道校正的图像去雾方法

说明书

本发明公开一种基于蓝色通道校正的图像去雾方法，应用于计算机视觉和图像处理技术领域，针对现有的直方图均衡化算法、多尺度Retinex(MSR)算法和暗通道先验去雾等算法，所存在的去雾效果差，算法局限性大的问题；本发明首先提取红、绿、蓝三通道的信息，并对其进行组合整理得到深度与透射率信息，然后将图像红、绿、蓝三通道分别计算，得到每个通道的去雾图像，最后组合图像得到最终的去雾图；具备计算参数少，计算简单快速，效果好，无色偏，非常适合于室外雾图像的处理的优点。

技术领域

本发明属于计算机视觉和图像处理技术领域，特别涉及一种图像的去雾技术。

背景技术

在自然条件较好的情况下拍摄的图像，往往有较高的对比度与饱和度。而雾天气下，自然光受大气粒子影响产生散射，导致拍摄图像对比度减小，亮度降低，饱和度降低。例如，同一片草坪在天气情况较好时(晴朗无雾)呈现饱和度较高的绿色，而在雾天气下则会呈现低饱和度的绿色，且图像整体偏灰，细节模糊。这样得到的图像在进行图像分析时会产生巨大干扰，因此对雾天气下获得的图像进行校正就显得极为重要。

代表性的去雾算法包括直方图均衡化算法、多尺度Retinex(MSR)算法和暗通道先验去雾算法等。其中，直方图均衡化算法使用图像增强的方法进行图像去雾处理，在一些对比度较差的图像上效果很好，但在大部分雾图像上的结果较差。此后，Retinex算法利用仿生学方法模拟人眼观测到的光模型，针对雾噪声进行处理，得到了较好的去雾结果，但由于此方法将光路信息作为先验假设，所以在图像亮度变化较快的情况下极易出现光晕。近年来，比较典型的去雾算法主要是暗通道先验去雾算法，该方法通过计算一定区域内R、G、B通道最小值的方法，得到估算的近似深度图，并在大气散射物理模型框架下使用该估计深度图进行去雾处理。该方法在亮度较高的天空区域效果并不十分有效，天空区域极易产生色偏。另外，这几年越来越多的基于深度学习的去雾算法也取得了较好的效果，但其需要大量带有真实参考数据的图像进行模型训练，但是有雾图像一般无法得到对应的训练样本图像，使得这类方法的局限性比较大。

发明内容

为解决上述技术问题，本发明提出一种基于蓝色通道校正的图像去雾方法。

本发明采用的技术方案为：一种基于蓝色通道校正的图像去雾方法，包括：

S1、提取图像信息：将输入的彩色图像分解为红色、绿色和蓝色三个颜色通道，并求取图像最大值记为A；

S2、计算雾图像初始深度信息：根据步骤S1得到的红色、绿色和蓝色三个颜色通道，得到初始估计深度图D；初始估计深度图D中蓝色通道占比大于红色通道与绿色通道；

S3、计算雾图像修正深度信息：取步骤S1中得到的红色、绿色通道的图像的较大值组成图像max，取步骤S1中得到的红色、绿色通道的图像的较小值组成图像min；

将蓝色通道减去图像min并保留正数部分得到图E，图像max减去蓝色通道并保留正数部分得到图F；

将步骤S2中得到的初始估计深度图D依次与图E、图F作差，将图D依次作差后保留正数的图像进行放大后取对数，得到修正深度图；

S4、计算透射率信息：根据步骤S3得到的修正深度图得到红色、绿色和蓝色三个颜色通道透射率信息；

S5、雾图像去雾处理：将步骤S1中原始图像三个颜色通道的图像分别减去图像最大值A，再除以步骤S4计算得到的各个颜色通道对应的透射率信息，再加上图像最大值A实现雾图像的校正，最后三通道同乘1.05，得到结果图。

进一步地，所述步骤S4具体为：对步骤S3中计算得到的修正深度图进行窗口大小为5，强度为0.1的双边滤波；

根据滤波后的深度图求红色通道的透射率信息：将滤波后深度图乘以系数K再取相反数，以取相反数所得结果为指数幂求指数得到红色通道的透射率信息；