[发明专利]基于边缘细节保持的夜间图像去雾方法

摘要

本发明涉及一种基于边缘细节保持的夜间图像去雾方法，包括：对夜间有雾图像进行分层，求解出结构层图像：求解结构层图像的局部对比度函数，局部饱和度函数和局部显著度函数；求解两个局部环境光；利用多尺度融合方法进行运算，得到环境光；构建加权L0正则化模型估计环境光散射函数；利用分离变量法进行转化；对转化后的加权L0正则化模型进行求解，得到环境光散射函数；得到环境光散射函数和环境光后，即可求解出结构层复原图像；分别对去噪后纹理层图像和纹理层图像利用Robert算子进行运算；将通过权重系数恢复的纹理信息量叠到去噪后纹理层图像中，得到最终纹理层图像；将最终纹理层图像和结构层复原图像相加。

主权项

1.一种基于边缘细节保持的夜间图像去雾方法，包括下列步骤：(1)输入夜间有雾图像，通过对下面公式的最小化，对夜间有雾图像进行分层，求解出结构层图像：式中：α取值为0.6，▽为梯度算子，|| ||₂为2‑范数，I(x)为输入的夜间有雾图像，I_s(x)为分层后得到的结构层图像；(2)求解结构层图像的局部对比度函数C(x)，局部饱和度函数W(x)和局部显著度函数S(x)：S(x)＝d(I_μ(x)‑I_G(x))式中：为结构层图像的平均值，β取值为0.5；P(x)是结构层图像的饱和度，P_max是结构层图像饱和度的最大值，σ取值为0.3；I_μ(x)是结构层图像的特征均值，I_G(x)是高斯滤波后的结构层图像，d(I_μ(x)‑I_G(x))表示I_μ(x)和I_G(x)两幅图像之间欧式距离的平方；(3)选取大小为10*10的小尺寸局部块，在该局部块内对结构层图像进行最小值滤波得到第1个最小值滤波后结构层图像，然后在15*15的局部块内对第1个最小值滤波后结构层图像进行最大值滤波得到第1个局部环境光再选取大小为25*25的大尺寸局部块，在该局部块内对结构层图像进行最小值滤波得到第2个最小值滤波后结构层图像，然后在40*40的局部块内对第2个最小值滤波后结构层图像进行最大值滤波得到第2个局部环境光(4)将步骤(2)得到的局部对比度函数，局部饱和度函数和局部显著度函数进行归一化运算，得到归一化权重图q(x)；然后将步骤(3)得到的第1个局部环境光和第2个局部环境光与归一化权重图利用多尺度融合方法进行运算，得到环境光A(x)，求解过程如下：式中：G{q(x)}表示对归一化权重图进行高斯金字塔操作，表示对第k个局部环境光进行拉普拉斯金字塔操作；(5)构建如下加权L₀正则化模型估计环境光散射函数V(x)：式中：V₀(x)为环境光散射函数的初始值，且V₀(x)＝I_s(x)，D_j为第j个方向的滤波器，β取值为0.5，λ取值为0.3，为卷积操作，|| ||₀表示0‑范数，w＝exp(‑∑|I_s(x)‑I_s(y)|²/2σ²)为调节系数，I_s(x)和I_s(y)分别为像素点x和y处的结构层图像，σ取值为0.4；(6)利用分离变量法，对上述加权L₀正则化模型进行转化：式中：β取值为0.5，μ_j为第j个方向的辅助变量；(7)对转化后的加权L₀正则化模型进行求解，得到环境光散射函数V(x)：式中：F是二维傅里叶变换，F^‑1是二维傅里叶变换的逆变换，是F的共轭；(8)求解出结构层复原图像J_S(x)：(9)将输入的夜间有雾图像I(x)与结构层图像I_s(x)相减，得到纹理层图像I_T(x)，对纹理层图像利用BM3D算法进行去噪操作，即可得到去噪后纹理层图像I_DT(x)，和噪声图像I_N(x)，且I_N(x)＝I_T(x)‑I_DT(x)；(10)分别对去噪后纹理层图像和纹理层图像利用Robert算子进行运算，设计权重系数w(x)，来调节从噪声图像中恢复的纹理细节量：式中：G(I_DT(x))表示对去噪后纹理层进行Robert算子操作，G(I_T(x))表示对纹理层进行Robert算子操作；(11)将通过权重系数恢复的纹理信息量叠到去噪后纹理层图像中，得到最终纹理层图像I_T'(x)；(12)将最终纹理层图像I_T'(x)和结构层复原图像J_S(x)相加，得到最终结果J(x)。