[发明专利]一种基于自适应Gamma函数和改进型CLAHE的图像去雾方法

说明书

本发明公开了一种基于自适应Gamma函数和改进型CLAHE的图像去雾方法，首先，将RGB颜色空间中的图像转换到LAB颜色空间，利用基于均值和方差的Gamma函数处理L分量；其次，用改进型的CLAHE方法处理L分量，并用图像a和b分量的谐波平均值处理a和b分量；最后，将在LAB颜色空间中处理后的图像转换至RGB颜色空间，从而得到最终输出结果。本发明将LAB颜色空间中图像L分量的均值和标准差引入Gamma函数，在考虑图像特征信息的同时实现了一种自适应的变换函数；另外，在LAB颜色空间中考虑了图像中L分量的更多像素点，丰富了输出图像的细节信息；使处理后的图像具有更高的对比度、更丰富的细节和更好的视觉效果。

技术领域

本发明属于图像增强领域，具体涉及一种基于自适应Gamma函数和改进型CLAHE的图像去雾方法。

背景技术

在现实世界中，图像的应用非常广泛，如图像分割、图像增强、车牌识别和轨迹检测等。然而，获得的图像通常是模糊，特别是在有雾或多云的天气时。因此，如何从模糊图像中获得清晰的图像是一个重要的问题。为了获得清晰的图像，学者们提出了诸多解决方案和方法。图像去雾方法可归纳为三类：融合方法、恢复方法和增强技术。

融合方法的主要思想是结合模糊图像的多通道特征信息，对模糊图像视觉效果进行改善。对于基于融合思想的图像去雾，很多学者对其进行了研究，一些研究者利用此类方法改善近红外图像，该方法被其他研究者应用于改善单一退化图像。另一方面，一些学者对修复技术进行了研究。其中，反变换是这些方法的核心思想，即研究了图像中产生雾的原因，然后利用逆变换的思想对图像进行了去雾。许多研究者对基于图像增强的去雾算法进行了研究，但该类没有考虑图像退化的影响。该类算法的主要思想是改善图像质量。具体来说，图像对比度和细节得到了有效的改善。此外，基于增强技术的去雾算法主要包括基于Retinex理论的方法、频域增强方法和直方图均衡化(HE)方法三种。

根据上述文献分析可知，目前大部分图像去雾算法忽略了图像三个分量的平均值和标准差信息。由于图像三个分量的均值和标准差包含了图像的一些特征信息，因此本发明考虑了模糊图像的均值和标准差信息，并引入一种新型的Gamma变换，同时结合LAB空间变换和改进型的CLAHE方法，实现图像有效的去雾。

发明内容

发明目的：本发明提出一种基于自适应Gamma函数和改进型CLAHE的图像去雾方法，能使处理后的图像具有更高的对比度、更丰富的细节和更好的视觉效果。

技术方案：本发明所述的一种基于新型Gamma函数和改进CLAHE的图像去雾方法，具体包括以下步骤：

(1)将RGB颜色空间中的图像转换到LAB颜色空间，利用基于均值和方差的Gamma函数处理L分量；

(2)用改进型的CLAHE方法处理L分量，并用图像a和b分量的谐波平均值处理a和b分量；

(3)将在LAB颜色空间中处理后的图像转换至RGB颜色空间，从而得到最终输出结果。

进一步地，步骤(1)所述将RGB颜色空间中的图像转换到LAB颜色空间实现过程如下：

L，a，b表示图像LAB空间的三个分量，由方程(1)计算：

其中X、Y和Z由方程(2)计算得到：

方程f(·)可以被定义为：

R^*,G^*和B^*分别由公式(4)计算得到：

采用a和b的谐波平均值，校正a和b分量，由式(5)计算得到a和b的校正值，分别为A_c和B_c：