[发明专利]一种基于环境光差异的图像去雾霾方法及系统

说明书

本发明公开了一种基于环境光差异的图像去雾霾方法，首先把图像分割为天空区域和非天空区域，然后分别对这两类区域按照环境光的差异进行再次分割，不同类区域用不同模型计算透射率，最后对不同区域的光照进行平衡调整，输出去雾霾图像。与已有去雾霾算法对于天空区域的去雾霾效果较差相比，本发明充分考虑区域间环境光的差异，实验证明去雾霾效果好，改善了去雾霾图像的质量，保留了图像的细节信息。本发明还公开了一种去雾霾的图像处理系统。

技术领域

本发明涉及一种图像去雾霾方法及系统，属于图像处理技术领域。

背景技术

有雾霾天气下，空气中悬浮着大量的灰尘颗粒，对光有着吸收和散射作用，从而造成在雾天拍摄的图像的对比度和饱和度下降、色彩细节丢失等，导致图像中物体看不清楚，影响了图像信息的识别。尤其是在交通、环保和地理信息处理等领域，雾霾图像影响了工作的正常进行。因此雾霾天获取的降质图像的去雾霾方法已经成为目前比较热门的研究。

常用的图像去雾霾算法主要分为三类：

一是从多张图像的去雾霾方法。由于单张图像去雾霾是一个病态问题，通过输入多个图像补充较充分的信息使病态问题演化为定解问题。例如，获取不同天气下的多张图像，并利用光照模型来恢复受雾霾影响的降质图像，但从多张图像去雾霾需要较高的时空代价。

二是基于学习的图像去雾霾方法。从数据集训练光照模型、透射率等参数，再利用训练得到的参数去雾霾。例如，从数据集中训练雾霾浓度与饱和度之间的相关性模型，再通过线性回归训练线性模型来恢复清晰图像。但是由于室外图像变化多样，单个训练模型很难适用任意的室外图像雾霾情况，因此算法无法正确恢复与训练数据集弱相关的图像。

三是单张图像的去雾霾方法。这类算法常常设定室外图像的一些先验条件，如清晰室外图像具有很高的对比度、室外图像梯度的重尾分布等先验条件来恢复退化图像，但这类方法往往会产生不完整的透射图，所恢复的清晰图像有时会产生过饱和效果。

在以上这些图像去雾霾算法中，都把大气环境光设定为常值，但是由于场景中物体的遮挡和距离光源的不同，用同一个大气环境光去除雾霾在有些区域差异较大。

发明内容

本发明所要解决的技术问题是：为了解决和改善大图像去雾霾效果不理想的问题，提出一种基于环境光差异的图像去雾霾方法，能够有效地解决环境光差异对图像去雾霾效果的影响，改善雾霾图像去除质量。

本发明为了解决上述技术问题，采用以下技术手段：

本发明提出一种基于环境光差异的图像去雾霾方法，首先将图像分割为天空区域和非天空区域，然后分别对这两类区域按照环境光的差异进行再次分割；其次，对不同类区域采用不同模型计算该区域的透射率，恢复出不同区域的去雾霾图像；最后，对不同区域的光照进行平衡调整，输出去雾霾图像。

进一步的，本发明提出的基于环境光差异的图像去雾霾方法中，图像分割为天空区域和非天空区域，具体包括：

步骤101：将图像I转换为灰度图像；

步骤102：计算灰度图像的梯度；

步骤103：对灰度图像的梯度进行保边模糊去噪；

步骤104：设定阈值t，判断天空区域，t∈[0.02,0.29]；

步骤105：对分割后的每个联通区域统计其原图像对应位置的像素平均亮度，如果大于阈值T，则为天空区域seg1；否则为非天空区域seg2,T∈[0.80,0.82]。

进一步的，本发明提出的基于环境光差异的图像去雾霾方法中，分别对两类区域按照环境光的差异进行再次分割，具体包括：