[发明专利]一种基于双目视差的能见度检测算法

摘要

本发明公开了一种基于双目视差的能见度检测算法，具体包括以下步骤：S1、雾天成像模型的建立：首先通过McCartney模型建立雾天场景中目标成像的入射光衰减模型和大气光散射模型，通过入射光衰减模型和大气光散射模型的相互作用，可使目标图像降质，涉及图像处理技术领域。该基于双目视差的能见度检测算法，引入亮度差值机制修正天空区域对应的大气光传输图，恢复退化图像获得清晰的图片，能够处理不同景深层次的有雾图像，通过双目视差生成有雾图像的景深图，同时基于亮度差值机制对天空区域大气光传输图进行简单快速的优化，从而实现获得较好的复原结果，消除了单幅图像去雾后天空产生的光晕现象，大大增强能见度检测的精度。

主权项

1.一种基于双目视差的能见度检测算法，其特征在于：具体包括以下步骤：S1、雾天成像模型的建立：首先通过McCartney模型建立雾天场景中目标成像的入射光衰减模型和大气光散射模型，通过入射光衰减模型和大气光散射模型的相互作用，可使目标图像降质，然后将雾天户外视觉传感器上接收到的光源总强度，等效表示为入射光经大气衰减后到达传感器的景物反光强度，和周围环境的散射光进入视觉系统后的线性叠加，即：I(x,v)＝I_r(x,v)+A(x,v)＝I₀(x,v)e^‑γ(v)x+A_∞(1‑e^‑γ(v)x，在视频和图像清晰化研究领域，只需要考虑可见光在大气中的传输性质，研究者可以不考虑光波频率，则式可简化为：I(x)＝I₀(x)e^‑γx+A_∞(1‑e^‑γx)，为了研究方便，令t＝e^‑γx，则式可进一步简化为：I(x)＝I₀(x)t+A_∞(1‑t)，即建立雾天成像模型；S2、基于SAD相似性特征的视差估计：利用SAD的3D匹配特征算法将水平双目相机采集的二幅图像按照对每个像素区域块的绝对差值进行比较，并用图像块差值和去创建一个简单的相似矩阵，设水平双目相机采集的二幅图像分别为I_l(x,y,z)和I_r(x,y,z)，则处于(x,y,z)基于SAD相似性特征的视差估计：其中d为视差微量，包含x,y和z的视差d_x,d_y,d_z，其中，uvw是对应于xyz的像素坐标；S3、景深图估计：通过立体视觉来直接推断景深信息，通过使用两个立体图像分别表示左眼和右眼，然后将视差求反，并在[0,255]区间范围拉伸，得到景深图的估计公式：S4、天空区域大气光传输图的优化：通过大气光强度值、天空位置像素的亮度和细化后的大气光传输图的关系来优化天空区域的大气光传输图，引入亮度差值dA，利用雾天图像的灰度值I_g与大气光强度A_∞的值进行对比，然后取大气光强度一个估计的均值A_∞，若A_∞＜I_g，在优化大面积天空所以应的大气光传输图的同时，对大气光强度估计的误差也进行校正，可减少雾天图像去雾的力度，即增大其对应区域大气光传输图的值，因此定义基于亮度差值机制的优化公式如下：S5、能见度估测：在S1建立的雾天成像模型中综合分析S2‑S4得到的特征值的估计视差、估计景深图和大气光传输图的优化情况，并根据分析整合的图像上物体的距离估测值，来得到能见度的估测值，从而即可得到详细的能见度检测数值。