一种单幅图像去雾方法
【技术领域】
[0001] 本发明属于数字图像处理技术领域，具体涉及一种单幅图像去雾方法。
【背景技术】
[0002] 在雾、霾天气下进行拍摄，得到的图像和视频常常出现图像模糊、细节无法识别的 现象。为提高雾、霾天气下拍摄图像的清晰度、增强图像细节的可辨识性，需要采用去雾方 法对图像进行处理。
[0003] 当前对于雾图像处理的方法大致可以分为两类:一类是基于图像增强的方法，此 类方法未考虑雾图像具体形成的物理过程，只选取图像中感兴趣的部分进行局部增强。常 用的图像增强方法有直方图均衡、同态滤波和Retinex算法等，此类方法没有考虑雾天图像 对比度与景物深度的对应关系，对景物深度变化比较大的图像的增强效果不理想，而且对 图像的色调有改变，导致图像视觉效果不自然。基于雾模型的去雾方法是对雾图像进行一 次与成像相反的逆过程来恢复无雾图像。雾模型的两个主要未知量是大气参数和图像的透 射率，其中透射率和图像的深度成指数关系。常见的去雾方法是先对大气参数和透射率进 行估计，然后根据成像模型来恢复无雾图像。基于暗通道先验(dark channel prior)的图 像去雾方法是基于雾模型去雾方法的一种。暗通道先验是由通过对户外无雾图像数据库进 行统计而得出；由于光滑区域并不符合暗通道先验规律，因此采用暗通道先验去雾方法对 光滑区域的适应性差。
【发明内容】
[0004] 有鉴于此，本发明提供了一种单幅图像去雾处理方法，该方法采用适于雾图像的 光滑区域识别算法，通过对雾图像进行识别分类，对不同类型的雾图像采用相对应的方法 (对于存在光滑区域的雾图像，采用透射率修正，对于不存在光滑区域的雾图像，不再修正 透射率），从而保证的去雾效果，提高雾、霾天气下图像质量。
[0005] 本发明的技术方案具体实现如下：
[0006] -种单幅图像去雾处理方法，具体过程为：
[0007] (一)计算雾图像I的透射率te，
[0008] (二)根据光滑区域识别算法判断输入雾图像是否有光滑区域，若存在光滑区域， 则令识别参数sky = l，否则sky = 0;
[0009] (三)基于所述透射率^和识别参数sky，获取去雾图像。
[0010] 述光滑区域识别算法具体步骤为：
[0011] A.对雾图像进行处理并划分，并以平均亮度作为判据，寻找出最平滑的子块；
[0012] B.将最平滑子块的平均亮度Ave与设定阈值Tf"和7?**进行比较：
当.
，将该子块定义为第I类子块，进入步骤D;当
，将该子块定义 为第IV类子块，进入步骤D;当
时然后进入步骤C;
[0013] C.针对最平滑子块，寻找距原点欧式距离最小的点pturn，定义比例参数mst:
[0014]
[0015] 表不中值滤波器，Vorig表不最平滑子块映射为NblockX 1的降序一维向量；
[0016] 当比例参数rdlst小于预设阈值Γ时，将最平滑子块定义为第II类子块;否则，定义 为第ΠΙ类子块；
[0017] D.若最平滑子块属于第I和第II类，并且其平均亮度大于预设阈值Tllg，此时令sky =1，否则令sky = 0。
[0018] 进一步地，本发明所述步骤(一)的具体过程为：
[0019] 步骤一、求取大气光值：
[0020] 计算出输入雾图像I的暗通道图Idarii，根据算出大气光值A;
[0021 ]步骤二、估计初始透射率图：
[0022] 计算Ι/A的暗通道图，根据下式估计初始的透射率,
[0023]
[0024] 其中，ω为加权系数，Ω(χ)表示以图像像素点X为中心的矩形窗口，y表示属于窗 口 Ω (X)中的像素，c表示雾图像I的颜色通道{r，g，b}中的一个通道，I°(y)表示雾图像I在y 处的第c层颜色层的取值，f表示A的第c层颜色层的取值；
[0025] 步骤三、对初始透射率做高斯平滑得到^，然后根据优化方法得到最终的透 射率t%所述优化方法如下：
[0026]
[0027] 其中，#为导向滤波器。
[0028] 进一步地，本发明所述步骤A的具体过程为:首先，用高斯-拉普拉斯金字塔方法将 输入雾图像I分解为第〇层拉普拉斯金字塔Lo,然后，求出Lo各颜色层的平均值得到的亮度图 像if,最后，对亮度图像if进行划分，并以平均亮度作为判据，寻找出最平滑的子块。
[0029 ]进一步地，本发明所述步骤Α的具体过程为：
[0030] (1)用四叉树分层搜索法将输入雾图像I的第0层拉普拉斯金字塔的亮度图分 解为四个子块，然后分别计算每个子块的平均亮度值，每个子块的平均亮度计算公式如下：
[0031]
[0032] 其中，Μ和N是每个子块的高度和宽度；
[0033] (2)选择Ave值最小的子块，按照步骤(1)的方式分解计算，得到整个输入图像中最 平滑的子块。
[0034] 进一步地，本发明所述欧式距离的计算方法为：
[0035]将最平滑子块的亮度值矩阵重新映射为NbiockXl的降序一维向量，记为Vori^Nbiock 为最平滑子块像素总数，Vorig归一化后的向量记为Vnorm;设像素数组成向量[1，2,…， Nblock]，其归一化后的向量记为Nnorm，Vnorm和Nnorm构成二维向量，其每一对坐标(Vnorm ( i )， Nncirm( i ))，距原点的欧式距离所构成的向量D为：
[0036]
[0037] 其中，D(i)为向量D的第i个元素。
[0038] 进一步地，本发明基于所述透射率和识别参数sky获取去雾图像J(x)如下：
[0039] J(x) = (I(x)-A)/t/+A
[0040] 其中，
[0041]
[0042]其中，K为设定参数。
[0043]有益效果
[0044] 本发明将雾图像进行分块处理，排除了其它场景的干扰，提高了光滑区域的识别 效率，能够对雾图像光滑区域进行准确地识别，解决了光滑区域透射率修正失效的问题。
【附图说明】
[0045] 图1为本发明实施例中图像去雾方法的流程示意图。
[0046] 图2为本发明实施例中光滑区域识别算法的流程示意图。
[0047] 图3(a)为本发明实施例中去雾前的原始图像。
[0048] 图3(b)为未采用光滑区域识别算法的去雾效果图。
[0049]图3(c)为本发明实施例中图像去雾后的效果图。
【具体实施方式】
[0050]为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举实施例，对 本发明进一步详细说明。
[0051 ] 实施例1:
[0052]本发明一种单幅图像去雾处理方法，如图1所示，具体过程为：
[0053](一)计算雾图像I的透射率te;
[0054] 具体过程如下：
[0055]步骤一、求取大气光值。
[0056]根据暗通道原理，计算出输入雾图像I的暗通道图Idal：k，根据Idal^*算出大气光值 A，估算方法为:选取Idd像素亮度值从大到小排列的前0.1%作为大气光区域，这些像素区 域对应在I中的像素区域，取该区域中RGB三通道之和的最大值的点作为大气光值A，其中A 为一个三元的向量A=(Ar，Ag，Ab)。
[0057] 步骤二、估计初始透射率图。
[0058] 计算Ι/A的暗通道图，根据下式估计初始的透射率?〇〇，
[0059]
[0060] 其中，ω为加权系数，取值0.95。根据测试结果，ω取值范围可在0.90至0.99之间， 优选地，ω取值范围在〇. 94至0.96之间，Ω (X)表示以图像像素点X为中心的矩形窗口，y表 示属于窗口 Ω(χ)中的像素。
[0061] 步骤三、对初始透射率?〇)做高斯平滑得到^，然后根据优化方法得到最终的透 射率f。所述优化方法如下：
[0062]
[0063] 其中，#为导向滤波器。
[0064] (二)根据光滑区域识别算法判断输入雾图像是否有光滑区域，若存在光滑区域， 则令识别参数sky = 1，否则令识别参数sky = 0。
[0065] 所述光滑区域识别算法具体过程为，如图2所示：
[0066] A.寻找最平滑的子块
[0067] 用高斯-拉普拉斯金字塔方法将输入雾图像I分解为第0层拉普拉斯金字塔Lo,然 后，求出Lo各颜色层的平均值得到的亮度图像L；j 5,最后从输入雾图像I的第〇层拉普拉斯金 字塔的亮度图寻找最平滑的子块，具体过程为：
[0068] (1)用四叉树分层搜索法将输入雾图像I的第0层拉普拉斯金字塔的亮度图Lp'分 解为四个子块，然后分别计算每个子块的平均亮度值，每个子块的平均亮度计算公式如下：
[0069]
[0070] 其中，Μ和N是每个子块的高度和宽度。
[0071] 之后选择四个子块中最小Ave值对应的子块，再按照步骤(1)的方式进行进一步划 分计算，得到整个输入图像中最平滑的子块。
[0072] B.将最平滑子块的Ave值与设定阈值ΓΓΙΡΓΓ6进行比较，呼胃< Tf76 ,初步 将Ave对应的子块分为三类，即当Ave值小于，表示该最平滑子块为平滑区域，并定 义该子块为第I类子块，进入步骤D，当Ave值处于和之间时，表示该最平滑子块为 较平滑区域，进入步骤C，当Ave值大于7^@时，表示该最平滑子块为不平滑区域，并定义该 子块为第IV类子块，进入步骤D，其中较平滑区域中存在两种情况，一种为光滑区域，另一种 为大景深区域，因此需要进一步通过步骤C对其进行分类。
[0073] 以上所述：TfM 取0 · 002，· 021。
[0074] C.对较平滑子块进一步分类
[0075]将最平滑子块的亮度值矩阵重新映射为NbiockXl的降序一维向量，记为Vori^Nbiock 为最平滑子块像素总数。VQrig归一化后的向量记为Vn。?。另外，设像素数组成向量[1，2，···， Nblock]，其归一化后的向量记为Nnorm。Vnorm和Nnorm构成二维向量，其每一对坐标(Vnorm ( i )， Nncirmx(i))，距原点的欧式距离所构成的向量为D;
[0076]
[0077] 其中，D⑴为向量D的第i个元素；
[0078] 定义如下比例参数：
[0079]
[0080