一种图像去雾方法及其在fpga上的实现方法
【专利摘要】本发明提供一种图像去雾方法及其在FPGA上的实现方法，本图像去雾方法以大气散射模型和广义暗通道先验条件为基础，通过简化的广义暗通道算法求取输入图像I(x)的广义暗通道Idark(x)，进而根据Idark(x)求取模型中的大气光照值和透射率，最终获得去雾图像J(x)。根据本方法的去雾效果可以逼近引导滤波算法，但通过简化运算大大降低算法复杂度和运算量，从而增强图像去雾的处理速度和实时性。进一步，由于本方法是基于像素点的处理，因此，本方法在FPGA上实现时，无需缓存图像窗口数据，且无需对输入视频帧进行滤波处理，可以有效满足FPGA的流式处理特点。同时，本方法对于大气光照值等参数的替换处理可以进一步实现图像的实时去雾处理。
【专利说明】
-种图像去雾方法及其在FPGA上的实现方法
技术领域
[0001] 本发明设及图像处理领域，尤其设及一种图像去雾方法及其在FPGA上的实现方 法。
【背景技术】
[0002] 众所周知，大雾天气产生的原因在于大气中悬浮着大量水滴、冰晶W及可吸入颗 粒物等，导致能见度降低。在大雾天气下拍摄图像时，待拍摄物体的反射光由于受到大气中 悬浮物的散射、折射和反射作用，导致捕获的图像丢失大量细节，出现图像模糊、色彩失真、 对比度下降等现象，使得拍摄的图像质量大大降低。因此，图像去雾对于国防、智能交通W 及气象等应用领域具有重要意义。
[0003] 目前，图像去雾方法可分为硬去雾和软去雾两大类。硬去雾方法主要采用透雾镜 头或红外滤波片等硬件设备实现光学去雾，虽然透雾镜头去雾效果较好，可W获得清晰图 像，但成本相对较高;滤波片成本较低，但输出图像多为黑白图像，适用范围小。软去雾方法 主要通过相关算法实现透雾功能，根据算法类型的不同又可W分为基于图像增强的去雾算 法和基于物理模型的去雾算法等。基于图像增强的去雾算法一般仅通过提高图像对比度来 实现去雾目的，受环境影响较大，效果不稳定;而基于物理模型的去雾算法则通过建模及逆 向处理方法分析图像退化原因，从根本上寻找去雾方法，不但去雾效果好，且适用性广泛。 目前，基于物理模型的去雾算法多为在大气散射模型基础上，结合暗通道先验理论来获得 去雾图像，图像去雾过程包括计算大气散射模型中大气光照因子和透射率等未知量，其中， 透射率的计算通常使用引导滤波算法，该方法对图像边缘信息保留效果较好，因而，可W获 得清晰的透射率图和效果较好的去雾图像。
[0004] 但是，引导滤波算法需对输入图像中W某一像素点为中屯、的图像窗口数据进行滤 波处理，运算量大、处理速度慢，有时甚至长达秒级的处理速度显然无法满足视频监控、地 形勘测W及自动驾驶等领域的实时去雾需求，尤其是图像去雾在FPGA(Field- Programmable Gate Array,现场可编程口阵列）平台实现时，引导滤波算法的运算流程和 处理速度无法满足FPGA自身的流式处理特点（即输入数据为视频流数据，在每一行数据处 理完成后立即输出）dFPGA需要首先获取并缓存待处理的图像窗口数据，再将图像窗口数据 进行滤波处理。缓存图像窗口数据不仅需要占用较大的空间资源，而且需要消耗一定的缓 存时间，加之滤波处理的耗时也较长，使得引导滤波算法无法充分发挥FPGA对图像高速处 理的优势。
【发明内容】
[0005] 本发明提供一种图像去雾方法及其在FPGA上的实现方法，W解决现有技术中图像 去雾方法处理速度慢、实时性差的技术问题。
[0006] 本发明提供图像去雾方法，所述图像去雾方法包括：
[0007] 根据 ldaA(x)=min(Ir(X) ,Ig(X) ,Ib(X))求取输入图像 I(X)的广义暗通道]：daTk(x)， 其中，r为红色通道，g为绿色通道，b为蓝色通道，X为像素点的灰度值；
[0008] 根据IdaA(X)求取输入图像I(X)的大气光照值A;
[0009] 基于大气散射模型I(x)=J(x)t(x)+A(l-t(x))和广义暗通道先验条件Jdatk(X) = 0,求取输入图像的透射率t(X)的计算模型：
其中，J(X)为去雾图像，Jdatk (X)为去雾图像的广义暗通道，根据Idatk(X)和大气光照值A，求取输入图像的透射率t(X);
[0010] 根据所述输入图像I(X)、大气光照值A和透射率t(x)求取去雾图像J(X)。
[OOW 优选的，所述根据IdaA(X)求取输入图像I(X)的大气光照值A包括：
[0012] 预设大气光照限制因子Ao;
[OOU] 根据公式A=min(max(ldark(x))，A〇)，求取输入图像I(X)的大气光照值A。
[0014] 优选的，所述根据IdaA(X)和A求取输入图像的透射率t(x)包括：
[0015] 获取去雾程度因子O ;
[0016] 根据计算模型
，求取输入图像的透射率t(x)。
[0017] 优选的，所述获取去雾程度因子《包括：
[0018] 判断输入图像中各像素点G分量的灰度值与预设灰度阔值T的大小关系；
[0019] 获取满足灰度值小于灰度阔值T的像素数num与输入图像像素总数的比例P;
[0020] 根据比例P的范围获取对应的去雾程度因子O。
[0021] 优选的，所述根据比例P的范围获取对应的去雾程度因子《包括：
[0022] 建立比例P与去雾程度因子O的对应关系：
[0023]
[0024] 根据所述对应关系获取对应的去雾程度因子O。
[0025] 优选的，所述根据IdaA(X)和A求取输入图像的透射率t(x)包括：
[00%] 预设透射率限制因子to;
[0027] 根据计算模里
求取输入图像的透射率t(x)。
[0028] 优选的，所述根据I(X)、A和t(x)求取去雾图像J(X)包括：
[0029] 对大气散射模型I(x)=J(x)t(x)+A(l-t(x))进行逆运算，获取去雾图像J(X)的计 算模型：
[0030]
[0031 ]根据输入图像I(X)、大气光照值A和透射率t(x)求取去雾图像J(X)。
[0032] 本发明还提供一种图像去雾方法在FPGA上的实现方法，所述方法包括：
[0033] 根据IdatkQ) =min(k(i)，Ig(i)，Ib(i))求取输入视频帖I(i)的广义暗通道Idatk (i)，其中，r为红色通道，g为绿色通道，b为蓝色通道，i为输入视频的帖数；
[0034] 根据IdatkQ)求取输入视频帖IQ)的大气光照值A;
[0035] 基于大气散射模型I(i)=J(i)t(i)+A(l-t(i))和广义暗通道先验条件JdatkQ) = 0,求取输入图像的透射率t(i)的计算模型：其中，J(i)为去雾视频帖Jdatk (i )为去雾视频帖的广义暗通道；
[0036] 判断所述帖数i是否为1 ;
[0037] 若i = l，则根据大气光照限制因子Ao和Idatk(I)，求取第一帖的透射率t(l);根据I (l)、Ao和t(l)，求取去雾图像J(I);
[0038] 若i声1，则根据上一视频帖的大气光照值Ai-I和IdatkQ),求取视频帖IQ)的透射 率t(i);根据KiKAi-I和t(i)求取去雾图像j(i)。
[0039] 优选的，所述若i = l，则根据大气光照限制因子Ao和Idatk(I)，求取第一帖的透射率 t(l)包括：
[0040] 获取去雾程度因子的初始值O 0;
[0041] 根据计算模型：i
，求取第一视频帖的透射率t( 1)。
[00创优选的，所述若i声1，则根据上一视频帖的大气光照值Ai-I和IdatkQ),求取视频帖 1(王）的透射率*(1)包括：
[0043] 获取上一视频帖的去雾程度因子O 1-1;
[0044] 根据计算模型:i
，求取视频帖I (i)的透射率t (i)。
[0045] 本发明的实施例提供的技术方案可W包括W下有益效果：
[0046] 本发明提供一种图像去雾方法及其在FPGA上的实现方法，本图像去雾方法W大气 散射模型和广义暗通道先验条件为基础，通过简化的广义暗通道算法IdaA(X)=Hiin(IrU)， Ig(X) ,Ib(X))求取输入图像I(X)的广义暗通道Idatk(X),进而根据Idatk(X)求取模型中的大 气光照值和透射率，最终获得去雾图像JU)。根据本方法得到的图像过渡自然，其去雾效果 可W逼近引导滤波算法，但通过简化运算大大降低算法复杂度和运算量，从而增强图像去 雾的处理速度和实时性。进一步，由于本方法是基于像素点的处理，因此，本方法在FPGA上 实现时，可W在保证处理效果的同时，无需缓存图像窗口数据，且无需对输入视频帖进行滤 波处理，可W有效满足FPGA的流式处理特点。同时，本方法对于大气光照值等参数的替换处 理可W进一步实现图像的实时去雾处理。
[0047] 应当理解的是，W上的一般描述和后文的细节描述仅是示例性和解释性的，并不 能限制本发明。
【附图说明】
[0048] 图1是本发明实施例中提供的一种图像去雾方法的方法流程图；
[0049] 图2是本发明实施例中提供的一种图像去雾方法在FPGA上的实现方法。
【具体实施方式】
[0050] 运里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述设及 附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。W下示例性实施例 中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附 权利要求书中所详述的、本发明的一些方面相一致的装置的例子。
[0051] 本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部 分互相参见即可，每个实施例重点说明的都是与其它实施例的不同之处。
[0052] 请参考图1，所示为一种图像去雾方法的方法流程图。
[0053] 由图1可知，本发明提供一种图像去雾方法，所述图像去雾方法包括：
[0054] SlOl:根据 Idatk(X) =min(Ir(X)，Ig(X) ,Ib(X))求取输入图像 I(X)的广义暗通道 ldatk( X)，其中，r为红色通道，g为绿色通道，b为蓝色通道，X为像素点的灰度值。
[0055] 输入图像I(X)为在有雾天气的条件下，通过数码相机等数字成像设备获取的由红 绿蓝=原色构成的彩色图像。本发明中，广义暗通道即为任意图像中各个像素点的=个通 道（即红色通道、绿色通道和蓝色通道）中灰度的最小值。因此，可根据公式ldatk(x)=min(Ir (X) ,Ig(X) ,Ib(X))求取输入图像I(X)的广义暗通道Idatk(X)，其中，X为像素点的灰度值。
[0056] 大气散射模型I(x)=J(x)t(x)+A(l-t(x))是图像去雾方法中最常采用的物理模 型。大气散射模型包括大气光照值A和透射率t(x)两个未知量，即若求取去雾图像J(X)，贝。 必须预先获得W上两个未知量的值。
[0057] S102:根据IdaA(X)求取输入图像I(X)的大气光照值A。
[0058] 对于输入图像I(X)而言，通常认为天空区域受雾影响最大，且该区域的像素灰度 值常常是全图中灰度值最大的点，则大气光照值A可W通过下式来求取：
[0059] A=max( Idark(X))
[0060] 由此，可根据IdaA(X)求取输入图像I(X)的大气光照值A。
[0061] S103:基于大气散射模型I(X)=J(X)t(X)+A(l-t(X))和广义暗通道先验条件Jdatk (X)=O,求取输入图像的透射率t(X)的计算模型
其中，Jdatk(X)为去雾图 像的广义暗通道，根据Idatk(X)和A，求取输入图像的透射率t(X)。
[0062] 通过统计发现去雾图像J(X)中非天空区域的R、G、B分量中至少有一个值很小，即 去雾图像的广义暗通道Jdatk(X)=Hlin(JrU) ,Jg(X) ,Jb(X))的值很小，可W认为去雾图像J (X)的广义暗通道近似为零。在W上广义暗通道的定义和分析的基础上，本发明中广义暗通 道先验条件，即对去雾图像J(X)的广义暗通道的假设为jdatk(x)=〇。
[0063] 本方法对于透射率t(x)的求取方法基于大气散射模型、广义暗通道W及广义暗通 道的先验条件。对大气散射模型两边同时求取广义暗通道可得= Idatk(X) =jdatk(x)t(X)+A (l-t(X))，再根据广义暗通道的先验条件Jdatk(X)=O可得Jdatk(X) =A(l-t(X))，经变形即 可获得输入图像的透射率t(X)的计算模型：
，根据Idatk(X)和A，即可求取输 入图像的透射率t(X)。
[0064] S104:根据所述输入图像I(X)、大气光照值A和透射率t(x)求取去雾图像J(X)。
[0065] 通过W上步骤S102和S103的求取，大气散射模型中大气光照值A和透射率t(x)两 个未知量的值均可获得。将大气光照值A和透射率t(x)的值带入大气散射模型中，经变形即 可获取去雾图像J(X)的计算模型：
[0066]
[0067] 根据预先获取的I(x)、A和t(x)，即可求取去雾图像J(x)。
[0068] 本发明提供的图像去雾方法，W大气散射模型和广义暗通道先验条件为基础，通 过简化的广义暗通道算法Idatk(X)=Hlin(LU) ,Ig(X) ,Ib(X))求取输入图像I(X)的广义暗 通道Idatk(X),进而根据Idatk(X)求取模型中的大气光照值A和透射率t(x)，最终获得去雾图 像J(X)。根据本方法得到的图像过渡自然，其去雾效果可W逼近引导滤波算法，同时，本方 法是基于像素点的处理，无需缓存图像窗口数据，且无需对输入图像I(X)进行滤波处理，简 化的模型大大降低算法复杂度和运算量，从而增强图像去雾的处理速度和实时性。
[0069] 进一步，为了防止输入图像I(X)中存在某些外界干扰而导致大气光照值A偏大的 情况，本发明某些实施例中增加一个大气光照限制因子Ao,此时，大气光照值A的计算公式 为：
[0070] A=min(max( Jdark(X)) ,Ao)
[0071] 通常，大气光照限制因子Ao预设为240。
[0072] 雾天会降低图像的能见度和对比度，雾气越大，大气中悬浮的水滴、冰晶W及颗粒 物越多，大气散射作用也就越显著，图像受雾影响程度越严重。其直观表现为雾气越大，图 像画面越白，低灰度值的像素点越少。因此，可W根据图像受雾影响程度的大小确定对图像 的处理强度。
[0073] 在本发明某些实施例中，为了建立受雾影响程度与去雾强度的关联性，在透射率t (X)的计算模？
9基础上增加去雾程度因子《，去雾程度因子《可^反映 受雾影响程度，其值越大，表明图像受雾影响程度越大，图像去雾算法的所需的处理强度也 应越大。由此，在去雾程度因子《基础上获得的透射率t(x)的计算模型为：
[0074]
[0075] 去雾程度因子CO的大小与低灰度值的像素点数量有关，低灰度值的像素点可W为 灰度值小于灰度阔值T的像素点。获取去雾程度因子CO的具体方法包括：
[0076] Sll:逐点判断输入图像G分量的灰度值与预设灰度阔值T的大小关系。
[0077] 预设灰度阔值T一般为80左右，其数值越大，满足要求的低灰度值像素点越多，去 雾程度因子《对透射率t (X)的修正作用越小，即去雾程度因子CO反映受雾影响程度的准确 性越低。
[007引假设输入图像I(X)的大小为rowXcol，则需逐个像素点判断输入图像G分量的灰 度值与预设灰度阔值T的大小关系，即将row X COl个像素点G分量的灰度值与预设灰度阔值 T做比较。
[0079] 由于G分量的灰度值与输入图像I(X)的灰度值最为接近，因此，本实施例WG分量 的灰度值作为比较依据，而不采用R或B分量，从而提高统计的准确性。
[0080] S12:获取满足灰度值小于灰度阔值T的像素数num与输入图像像素总数的比例P。
[0081] 统计步骤Sll中的比较结果，记录满足灰度值小于灰度阔值T的像素数num，并根据 像素数num与输入图像I(X)的大小rowXcol，获取像素数num与输入图像像素总数的比例P， 比例P的计算公式为：
[0082] S13:根据比例P的范围获取对应的去雾程度因子CO。
[0083] 根据经验统计建立比例P与去雾程度因子CO的映射关系：
[0084]
[0085] 通常，去雾程度因子CO的初始值《0为0.7。需要说明的是，上述映射关系是通过统 计大量不同雾天拍摄图像而获得的经验值，因此，上述映射关系并非固定，可W根据不同情 况增加或减少映射链W及改变与比例P对应的映射值。
[0086] 另外，为防止透射率t(x)数值过小而导致夫雾阁像T(X)发円的现象，在本发明的 某些实施例中，可W增加一个透射率限制因子to,当
的计算结果小于透射 率限制因子to时，将透射率限制因子to确定为输入图像的透射率t(x)，即W透射率限制因子 to为基础的透射率t(X)计算模型为：，根据预先获取的Ujdatk (X)、AW及to计算透射率t(x)。
[0087] 根据W上图像去雾方法，本发明还提供一种图像去雾方法在FPGA上的实现方法， 即视频在FPGA上播放的每一帖图像的去雾处理方法均W上述图像去雾方法为基础。
[0088] 请参考图2,所示为本发明实施例中提供的一种图像去雾方法在FPGA上的实现方 法。
[0089] 由图2可见，本发明提供的图像去雾方法在FPGA上的实现方法所述方法包括：
[0090] S201:根据ldaTkQ)=min(Ir(i)，Ig(i)，Ib(i))求取输入视频帖Ki)的广义暗通道 ldatk( i)，其中，r为红色通道，g为绿色通道，b为蓝色通道，i为输入视频的帖数。
[0091] S202:根据IdatkQ)求取输入视频帖IQ)的大气光照值A。
[0092] S203:基于大气散射模型I(i)=J(i)t(i)+A(l-t(i))和广义暗通道先验条件Jdatk
(0=0,求取输入图像的透射率t(i)的计算模型： ，其中，J(i)为去雾视频 帖，Jdatk(i)为去雾视频帖的广义暗通道。
[0093] S204:判断所述帖数i是否为1。
[0094] S205:若i = l，则根据大气光照限制因子Ao和Idatk(i)，求取第一帖的透射率t(l); 根据1(1)、4〇和*(1)，求取去雾图像1(1)。
[0095] S206:若i声1，则根据上一视频帖的大气光照值Ai-I和IdatkQ )，求取视频帖IQ)的 透射率t(i);根据KiKAi-I和t(i)求取去雾图像j(i)。
[0096] 大气光照值A需要对整幅视频帖I (i)统计完成后才能获得，此时，具有流式处理特 点的FPGA中的当前帖已输出，因此，若依然使用当前帖的大气光照值显然无法达到对图像 去雾的效果。由于FPGA中相邻两帖图像间的差异非常小，故在FPGA上的实现方法中，可W采 用前一帖图像的大气光照值Ai-I作为当前帖的参数进行运算，从而获取当前帖的透射率t (i)w及去雾图像J(i)。
[0097] 对于视频第一帖的透射率t (I)，由于不存在前一帖图像，也就是无法利用大气光 照值Ai-I代替第一帖的大气光照值进行运算，因此，本实施例利用大气光照限制因子Ao作为 视频第一帖的大气光照值参与计算，通常，大气光照限制因子Ao预设为240。
[0098] 与本发明提供的图像去雾方法中的实彻I相对^ 了建立受雾影响程度与去雾 强度的关联性，可W在透射率t(i)的计算模聖
1 勺基础上增加去雾程度因子 Qo
[0099] 具体的，所述若i = 1，则根据计算模型
，求取第一视频帖的透射 率t (1);所述若i声1，则根据计算模型：
^^取视频帖I (i)的透射率* (i)。
[0100] 与大气光照值A类似，由于去雾程度因子CO也需要对整幅视频帖I(i)统计完成后 才能获得，因此，可W采用上一视频帖的去雾程度因子《1-1作为当前帖的参数进行运算。同 样的，对于视频第一帖的透射率t(l)，由于不存在前一帖图像，因此，本实施例利用去雾程 度因子的初始值《0作为视频第一帖的去雾程度因子参与计算。通常的，去雾程度因子的初 始值《 0可W预设为0.7。
[0101] 另外，为了防止视频图像的亮度发生抖动，也为了进一步减小FPGA的计算量，还可 W隔几帖计算一次去雾程度因子《，也就是说，当前帖W及自当前帖W后的连续几帖视频 图像都采用同一个去雾程度因子《1-1作为去雾程度因子进行运算。
[0102] 由于本图像去雾方法在FPGA上的实现方法是基于像素点的处理，保证处理效果的 同时，无需缓存图像窗口数据，且无需对输入视频帖I(i)进行滤波处理。同时，本方法对于 大气光照值等参数的替换处理可W有效满足FPGA的流式处理特点，使得FPGA无需消耗过多 资源即可实现视频的实时去雾处理。
[0103] W上所述的本发明实施方式，并不构成对本发明保护范围的限定。任何在本发明 的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明的保护范围之内。
[0104] 需要说明的是，在本文中，诸如"第一"和"第二"等之类的关系术语仅仅用来将一 个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示运些实体或操作之 间存在任何运种实际的关系或者顺序。而且，术语"包括"、"包含"或者其任何其他变体意在 涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些 要素，而且还包括没有明确列出的其他要素，或者是还包括为运种过程、方法、物品或者设 备所固有的要素。在没有更多限制的情况下，由语句"包括一个……"限定的要素，并不排除 在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0105] W上所述仅是本发明的【具体实施方式】，使本领域技术人员能够理解或实现本发 明。对运些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的 一般原理可W在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明 将不会被限制于本文所示的运些实施例，而是要符合与本文所公开的原理和新颖特点相一 致的最宽的范围。
【主权项】
1. 一种图像去雾方法，其特征在于，所述图像去雾方法包括： 根据Idal：k(X)=min(Ir(X)，I g(x)，Ib(X))求取输入图像I(X)的广义暗通道Idark(X),其 中，r为红色通道，g为绿色通道，b为蓝色通道，X为像素点的灰度值； 根据Idalrk(X)求取输入图像IU)的大气光照值A; 基于大气散射模型I (X) =J(x) t(x)+A(l-t (X))和广义暗通道先验条件Jdal:k(x)=0,求 取输入图像的透射率t(x)的计算模型:其中，j(x)为去雾图像，j&k( x)为 A 去雾图像的广义暗通道，根据Idalrk(X)和大气光照值A，求取输入图像的透射率t(x); 根据所述输入图像I(x)、大气光照值A和透射率t(x)求取去雾图像J(x)。2. 根据权利要求1所述的图像去雾方法，其特征在于，所述根据Idalrk(X)求取输入图像I (X)的大气光照值A包括： 预设大气光照限制因子Ao; 根据公式A=min(maX(Idarii(X))，A〇)，求取输入图像I(X)的大气光照值A。3. 根据权利要求1所述的图像去雾方法，其特征在于，所述根据Idalrk(X)和A求取输入图 像的透射率t(x)包括： 获取去雾程度因子ω; T iicirk / \ 根据计算模型/(Λ·) = ! -- 求取输入图像的透射率t(x)。 A4. 根据权利要求3所述的图像去雾方法，其特征在于，所述获取去雾程度因子ω包括： 判断输入图像中各像素点G分量的灰度值与预设灰度阈值T的大小关系； 获取满足灰度值小于灰度阈值T的像素数num与输入图像像素总数的比例Ρ; 根据比例P的范围获取对应的去雾程度因子ω。5. 根据权利要求4所述的图像去雾方法，其特征在于，所述根据比例P的范围获取对应 的去雾程度因子ω包括： 建立比例P与去雾程度因子ω的对应关系：根据所述对应关系获取对应的去雾程度因子ω。6. 根据权利要求1所述的图像去雾方法，其特征在于，所述根据Idalrk(X)和A求取输入图 像的透射率t(x)包括： 预设透射率限制因子to; 根据计算模型长取输入图像的透射率t(x)。7. 根据权利要求1所述的图像去雾方法，其特征在于，所述根据I(x)、A和t(x)求取去雾 图像J(X)包括： 对大气散射模型I (X) =J(x) t(x)+A(l-t (X))进行逆运算，获取去雾图像J(x)的计算模 型：根据输入图像I(x)、大气光照值A和透射率t(x)求取去雾图像J(x)。8. -种图像去雾方法在FPGA上的实现方法，其特征在于，所述方法包括： 根据Idal：k(i)=min(Ir(i)，Ig(i)，Ib(i))求取输入视频帧I(i)的广义暗通道I^ k(i)，其 中，r为红色通道，g为绿色通道，b为蓝色通道，i为输入视频的帧数； 根据Idal：k( i)求取输入视频帧I (i)的大气光照值A; 基于大气散射模型I(i)=J(i)t(i)+A(l-t(i))和广义暗通道先验条件JdaA(i)=0,求 取输入图像的透射率t(i)的计算模型：其中，J(i)为去雾视频帧，JdalrkU) 为去雾视频帧的广义暗通道； 判断所述帧数i是否为1; 若i = 1，则根据大气光照限制因子Ao和Idal:k( 1)，求取第一帧的透射率t(1); 根据Ι(1)、Α〇和t(l)，求取去雾图像J(I); 若i辛1，则根据上一视频帧的大气光照值Ah1和Idal:k(i)，求取视频帧I(i)的透射率t ⑴； 根据I (i)、Ah和t(i)求取去雾图像J(i)。9. 根据权利要求8所述的图像去雾方法在FPGA上的实现方法，其特征在于，所述若i = 1，则根据大气光照限制因子Ao和Idarii(I),求取第一帧的透射率t(l)包括： 获取去雾程度闵子的初始倌ωη: 根据计算模型求取第一视频帧的透射率t( 1)。10. 根据权利要求8所述的图像去雾方法在FPGA上的实现方法，其特征在于，所述若 1，则根据上一视频帧的大气光照值A1^ 1和Idal:k(i)，求取视频帧I(i)的透射率t(i)包括： 获取上一视频帧的去雾程度因子ω η ; 根据计算模3求取视频帧I (i)的透射率t (i)。
【文档编号】G06T5/00GK106023118SQ201610410849
【公开日】2016年10月12日
【申请日】2016年6月13日
【发明人】杨艺, 郭慧, 谢森
【申请人】凌云光技术集团有限责任公司