[发明专利]基于亮度补偿和图层分离的夜间图像去雾方法及装置

权利要求书

1.基于亮度补偿和图层分离的夜间图像去雾方法，其特征在于，所述方法包括以下步骤：

步骤1)：输入的彩色图像转化为灰度图片，获取灰度图片的低频部分处理得到夜晚辉光图，并根据低频灰度图和辉光图计算夜间雾气浓度系数；

步骤2)：对所述输入的彩色图像进行图层分离，分解为结构层和纹理层；

步骤3)：通过基于亮度补偿的暗通道先验假设，并基于雾气浓度对局部环境光进行估计，对结构层进行去雾；

步骤4)：对纹理层进行修正，并将修正后的纹理层与结构层融合得到输出图像。

2.根据权利要求1所述的方法，其特征在于，所述步骤1)中，所述获取灰度图片的低频部分处理得到夜晚辉光图，具体为：

使用引导滤波或高斯低通滤波器得到灰度图像的低频部分；

所述灰度图像的低频部分，利用低频部分的特征得到雾气浓度的估计；

利用辉光层的短尾分布特性实现辉光层分离，通过最小化第一目标函数实现，该第一目标函数为E(H(x))：

s.t.0≤H(x)≤I(x)

式中，H(x)表示输出的无辉光图像，I(x)表示输入的图像，f_1，2表示竖直和水平两个方向的一阶导数滤波器，f₃表示二阶拉普拉斯滤波器，*代表卷积操作；ρ(s)是一个鲁棒函数，s为该鲁棒函数中参数，ρ(s)＝min(s²，τ)，其作用是保留输入图像I中具有较大梯度的像素，从而保留图像的纹理轮廓信息；

λ((I(x)-H(x))*f₃)²表示辉光层梯度的L₂正则项；

对第一目标函数进行最小化计算后，获得H(x)；

则辉光层G表示为G(x)＝I(x)-H(x)；λ是式中第二项辉光层梯度项的权值，其变化对于得到的辉光层的平滑程度有直接影响；

得到辉光层LF_glow，即为夜晚辉光图。

3.根据权利要求1所述的方法，其特征在于步骤1)中，所述根据低频灰度图和辉光图计算夜间雾气浓度系数，具体计算方法如下：

夜间雾气浓度系数为

其中，函数f定义为：x为函数f中变量；

雾气浓度系数表示的是低频图像的辉光层LF_glow中像素值较大的像素数量与低频图像LF中像素值较大的像素数量之比。

4.根据权利要求1～3任一所述的方法，其特征在于，所述步骤2)中，对所述输入的彩色图像进行图层分离，分解为结构层和纹理层，具体为：

基于全变分TV的图层分离方法，将输入彩色图像分解为结构层I_struct和纹理层I_text；

图层分离方法如下：

输入的彩色图像I被分解为结构层I_S和细节层I_T两部分，用公式表达为：

I＝I_S+I_T

基于全变分TV方法的分离是通过最小化第二目标函数实现的，该第二目标函数为：

其中第一项为L₂损失项，实现结构层与原图像的颜色对齐；第二项为梯度操作；为结构层的像素值，I_i为原图层的像素值，通过最小化第二目标函数得到图像结构层I_S，与原始图像做差即可得到细节层I_T。