[发明专利]一种改进暗通道先验和策略性融合的图像去雾方法

说明书

本发明公开了一种改进暗通道先验和策略性融合的图像去雾方法。本方法首先依据暗通道先验原理得到多尺寸最小值滤波窗口下的透射率和对应的大气光值，设计出一种基于结构相似性指标的调节因子和侧重因子，用于多透射率拟合的方法；其次，利用非线性规划模型和偏度理论，计算全局的大气光值，引入并调整置信度图，对天空区域的透射率进行快速补偿，结合大气散射模型恢复出去雾图；最后，反解大气散射模型，转换成HSV模型对亮度V空间增强，并用基于置信度图特性的策略对增强前后的图像进行融合。本方法去雾效果好，避免了光晕效应和颜色失真，能够复原并增强场景细节和色彩，同时不损失图像去雾真实性。

技术领域

本发明属于图像去雾领域，具体涉及一种改进暗通道先验和策略性融合的图像去雾方法。

背景技术

雾霾是常见的大气污染现象，定义为一种空气中悬浮着造成视觉障碍的气溶胶系统，导致雾霾天成像结果低质。现阶段，图像去雾领域大致有三大研究方向：基于图像增强、基于深度学习和基于图像复原。

基于图像增强的方法虽然使雾图的对比度等得到增强，改善了视觉效果，但无法真实地实现图像去雾。基于深度学习的方法是通过训练网络模型实现端到端去雾，缺点是训练耗时，且目前合成雾数据集多而自然雾数据集少。基于图像复原的方法是用特定物理成像模型实现雾气退化，是目前流行的真实去雾方法。经典的暗通道先验去雾算法利用统计先验知识并结合大气散射模型，高效地复原出去雾图，但产生了一定的光晕伪影和色彩偏移问题，且在天空区域该算法失效。

目前在工程应用中，工程视觉系统极易受到天气因素的干扰，导致无法正常工作。雾霾天是多种天气中对视觉影响最严重的一种，图像去雾技术成为图像处理和计算机视觉领域共同关心的重要问题。因此，图像去雾具有重要的研究意义。

发明内容

本发明针对现有技术的不足，提出了一种改进暗通道先验和策略性融合的图像去雾方法。

本发明解决技术问题所采取的技术方案为：

步骤(1).输入雾图。

步骤(2).获取多尺寸窗口下暗通道先验算法的透射率和相应大气光值。

步骤(3).计算基于SSIM指标的调节因子和侧重因子，拟合透射率。

步骤(4).利用非线性规划模型和偏度理论计算全局的大气光值。

步骤(5).获取置信度图，优化步骤3的透射率，以及设计融合策略。

步骤(6).反解大气散射模型计算出第一去雾图，图像增强得第二去雾图；策略性融合第一去雾图和第二去雾图，输出完整去雾效果图。

进一步的，步骤(3)设计基于SSIM指标的调节因子和侧重因子，拟合透射率，包括如下具体步骤：

步骤3.1，计算调节因子α_i：

其中，t_i(x)为步骤2中获取的透射率，结构相似性SSIM指标的值域为[0，1],N表示多尺寸下的透射率最大下标,即透射率个数。

步骤3.2，计算侧重因子：

计算全局侧重数β：

定义计算侧重因子β_i：

步骤3.3，拟合得到新的透射率t'(x)：

通过α_i和β_i拟合出的透射率，相对信息多，稳定性高。