[发明专利]基于暗原色先验和Retinex的视频去雾方法及存储介质

说明书

本发明涉及一种基于暗原色先验和Retinex的视频去雾方法及存储介质，属于图像处理领域。本发明利用暗原色先验理论结合Retinex理论，将色彩调整和增强对比度的图像增强方法与逆向还原图像降质过程的基于物理模型的图像复原的方法相结合实现图像去雾，针对大气散射模型中的重要参数进行优化，并对复原图像进行色彩调整以实现良好的视觉效果；本发明不仅克服了经典去雾方法去雾效果不足、图像颜色出现偏移及处理后视频出现颜色跳变等缺点，还提高了复原视频的清晰度、对比度及颜色还原视觉效果，并可实现较快的处理速度。

技术领域

本发明涉及一种基于暗原色先验和Retinex的视频去雾方法及存储介质，属于图像处理技术领域。

背景技术

近些年来，雾霾天气在我国特别是北方大部分地区的秋冬季节呈现出现频率高、存在时长久、覆盖范围广的特征。由于雾霾的组成微粒对光线的吸收、反射及散射作用，图像采集系统捕获的图像及视频发生降质，变现出画面整体颜色偏灰白、边缘模糊、细节丢失及对比度降低等特征。这样广泛存在的天气情况对基于图像的计算机视觉系统的正常工作造成了严重影响，因此对受雾霾影响的降质图像进行去雾处理就显得尤为重要。

He K M等在《Computer Vision and Pattern Recognition》(IEEE，2009：1956-1963.)中利用暗通道先验在局部区域内估计透射率，但是得到的透射率图存在严重的块效应，导致恢复的图像含有严重晕轮效应，需要后处理滤波^[2]过程，增加算法复杂度。

目前常用的图像去雾方法常应用于静态单幅图像去雾领域，但是常存在去雾效果不佳、颜色偏移、色彩还原度不够和处理时间过长等不足。

其他可供参考或者对比的现有技术文献还有：

[1]He K M，Sun J，Tang X.Single image haze remova| using dark channelprior[C].Computer Vision and Pattern Recognition，IEEE，2009：1956-1963.

[2]He，K M，Sun J，Tang X.Guided Image Filtering[C].European Conferenceon Computer Vision Springer，Berlin，Heidelberg，2010：1-14.

[3]郭璠，蔡自兴，谢斌.基于雾气理论的视频去雾算法[J].电子学报，2011，39(9)：2019-2025.

[4]Zhang J，Li L，Zhang Y，Yang G.Video dehazing with spatial andtemporal coherence[J].Visual Computer，2011，27(6)：749-757.

[5]Kim J H，Jang W D，Sim J Y.Optimized contrast enhancement for real-time image and video dehazing[J].Journal ofVisual Communication and ImageRepresentation，2013，24(3)：410-425.

[6]Hautière N，Tarel J P，Aubert D.Blind Contrast EnhancementAssessment by Gradient Ratioing at Visible Edges[J].Image AnalysisStereology，2008，27(2)：87-95.

[7]李大鹏，禹晶，肖创柏：图像去雾的无参考客观质量评测方法[C]，全国图象图形学学术会议，2010：1753-1757。

发明内容