1.一种基于多尺度融合和全变分优化的图像去雾方法,其特征在于:具体包含如下步骤:
步骤1,输入原雾图I;
步骤2,从步骤1输入的原雾图I中导出像素级暗原色图PDM和块级暗原色图BDM;
步骤3,依据大气散射模型和暗通道先验,推导出像素级暗原色图PDM和块级暗原色图BDM对应的透射图,具体如下:
其中,PTM为像素级透射图,BTM为块级透射图,A是全局大气光强度;
步骤4,将步骤3计算出的PTM和BTM分别进行拉普拉斯金字塔分解,形成多级不同尺度图像;
步骤5,将PTM和BTM对应的分解图执行融合过程,再重构成原始尺寸的融合透射图;
步骤6,对步骤5重构成原始尺寸的融合透射图执行全变分优化处理;进而依据大气散射模型完成图像的复原。
2.根据权利要求1所述的一种基于多尺度融合和全变分优化的图像去雾方法,其特征在于:在步骤2中,具体根据以下公式从原雾图I中导出像素级暗原色图PDM和块级暗原色图BDM:
其中Ic(y)代表输入图像在颜色通道c上的分量,y是像素位置,其中,c∈{R,G,B},这里R,G,B分别表示红、绿、蓝三个颜色通道,PDM(y)代表像素y在三个颜色通道上的最小值,BDM(x)是PDM图中以像素x为中心的邻域(Ω(x))内的最小值。
3.根据权利要求1所述的一种基于多尺度融合和全变分优化的图像去雾方法,其特征在于:
在步骤5中,在每个分解层上,按照以下独立执行线性融合过程,再重构成原始尺寸的融合透射图;
其中,Pi和Bi分别是PTM和BTM经过拉普拉斯分解后的第i层分解图像,Fi是第i层融合图,N是分解层数目。
4.根据权利要求1所述的一种基于多尺度融合和全变分优化的图像去雾方法,其特征在于:在步骤6中,全变分模优化处理公式具体如下所示:
其中,λ是惩罚因子,W是权值矩阵,其中,尺寸与原雾图一致,代表融合图像的N个分解层Fi(1≤i≤N)拉普拉斯重构后的透射图粗估计,t是优化目标。
5.根据权利要求1所述的一种基于多尺度融合和全变分优化的图像去雾方法,其特征在于:在步骤6中,根据大气散射模型,复原后的图像表示为:
其中,x是像素位置,I和J分别是输入的雾图和去雾后的图像,A是全局大气光强度,t是全变分优化后的透射图,t0是透射率下限值。