[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

说明书

本发明公开了基于亮度补偿和图层分离的夜间图像去雾方法及装置，能够降低夜晚光晕对场景的影响，实现针对夜间去雾的应用场景的图像去雾处理。为达到上述目的，本发明的技术方案包括以下步骤：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。

技术领域

本发明涉及数字图像处理技术领域，具体涉及一种基于亮度补偿和图层分离的夜间图像去雾方法及装置。

背景技术

雾霾天气是一种常见的自然现象。在雾霾天气条件下，空气中存在大量能够散射光线的微笑颗粒，通过散射光线造成可见光图像采集设备获取的图像质量下滑，对高级计算机视觉任务产生恶劣的影响；在夜间雾天条件下，雾霾对于点光源的散射对图像影响更甚。为了改善夜间雾图的质量，对于图像进行去雾处理很有必要。

目前主流的单幅图像去雾方法是基于大气散射模型的暗通道先验假设方法。暗通道先验假设(dark channel prior)指在大部分昼间RGB图像的非天空区域中，存在至少一个颜色通道的像素值非常低且趋近于零。在此假设基础之上，可以还原透射率分布图；同时提取图片中最明亮区域像素值作为全局大气光照，以此为基础可以反解大气散射模型，从而还原无雾图像。然而，暗通道先验假设方法存在很大局限性，对大范围天空区域的图像会失效，同时无法复原大面积白色物体的细节纹理。在夜间雾天条件下，大气光照无法满足全局一致的假设；同时点光源的存在会导致局部过亮产生光晕，使用传统DCP方法难以做到有效去雾。

因此目前缺少一种针对夜间去雾的应用场景的图像处理方法。

发明内容

有鉴于此，本发明提供了基于亮度补偿和图层分离的夜间图像去雾方法及装置，能够降低夜晚光晕对场景的影响，实现针对夜间去雾的应用场景的图像去雾处理。

为达到上述目的，本发明的技术方案包括以下步骤：

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。

进一步地，步骤1)中，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。

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))：

E(H(x))＝∑_x(ρ(H(x)*f_1,2)+λ((I(x)-H(x))*f₃)²)

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；