一种基于多尺度融合和全变分优化的图像去雾方法与流程

技术特征：

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：

$PTM=1-\frac{PDM}{A}$

$BTM=1-\frac{BDM}{A}$

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：

$PDM\left(y\right)=\underset{c\∈\{R,G,B\}}{min}{I}^c\left(y\right)$

$BDM\left(x\right)=\underset{y\∈\mathrm{\Ω}\left(x\right)}{min}\underset{c\∈\{R,G,B\}}{min}{I}^c\left(y\right)$

其中I^c(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；

$\left\{\begin{array}{c}{F}_i=P_i\·\left(1-{\left(\frac{i}{N}\right)}^3\right)+B_i\·{\left(\frac{i}{N}\right)}^3,1\≤i\<N\\ F_N=B_N\end{array}\right.$

其中，P_i和B_i分别是PTM和BTM经过拉普拉斯分解后的第i层分解图像，F_i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：

$\underset{t}{\arg }\min E=\frac{\mathrm{\λ}}{2}\left|\right|t-\hat{t}|{|}^2+\frac{1}{2}||W\·\▿t|{|}^2$

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F_i(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：

$J\left(x\right)=\frac{I\left(x\right)-A}{max\left(t\right(x),t_0)}+A$

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。