一种基于暗通道先验模型的遥感图像去雾方法与流程

本发明涉及图像处理技术领域，尤其涉及一种基于暗通道先验模型的遥感图像去雾方法。

背景技术：

就目前而言，图像去雾是通过对雾、霾等天气条件下的拍摄的图像进行处理，从而提高有雾图像的对比度、改变图像的饱和度及亮度，增加图像所包含的信息，得到复原的无雾图像。目前图像去雾技术逐渐成为研究的热点，它广泛应用于计算机图像处理、水下拍摄、户外视频监控等、遥感影像处理等领域。

图像去雾方法主要分为两种：基于图像增强实现去雾的方法和基于大气散射模型实现去雾的方法。基于图像增强实现去雾的方法主要通过提高有雾图像的对比度及突出图像的细节以改善图像的视觉效果，从而达到图像去雾的目的。这种方法没有考虑图像降质的原因，并且采用这种方法进行图像去雾对于图像突出部分的信息可能会造成一定的损失，但与此同时这种方法的适用范围比较广泛。基于大气散射模型实现去雾的方法首先要对有雾图像质量下降的物理过程进行研究，通过研究进而建立物理退化模型，然后通过分析估计得到模型中的参数，减少甚至消除退化过程中造成的失真，最终得到复原后的高质量的去雾图像。基于先验信息的有雾图像复原方法主要是针对单幅有雾图像，根据其雾的浓度的变化，达到彻底去雾的目的，目前大多数去雾技术都采用这种方法。传统的基于暗通道先验的去雾算法求取的透射率图精度比其他算法更高，但透射率的求取处理时间太长，导致算法无法实现实时去雾。

技术实现要素：

本发明旨在解决以上现有技术的问题。提出了一种降低了计算复杂度、并减少了偏色现象、提升了去雾后图像的亮度的基于暗通道先验模型的遥感图像去雾方法。

本发明的技术方案如下：

一种基于暗通道先验模型的遥感图像去雾方法，其包括以下步骤：

1)、获取有雾彩色图像I(x,y)；

2)、获取有雾图像暗通道值较大的前N个像素点颜色值的平均值作为环境光的初始估计值，然后调整选取的像素点个数，校正大气光，求取大气光值A；

3)、根据获得的大气光值，根据暗原色先验理论求取透射率的估计值；

4)、通过基于下采样和插值算法的方式优化透射率的估计值，得到优化的透射率值；

5)、采用结合容差机制基于大气散射模型恢复无雾图像的方法复原图像；

6)、对去雾后图像采用自动色阶算法进行图像增强处理，得到处理后的图像。

进一步的，步骤2)大气光值A的求取包括步骤：

当N取值为30时，选取有雾图像暗通道值较大的前30个像素点颜色值的平均值作为环境光的初始估计值，即其中，A_r,A_g,A_b分别为大气光的三个颜色分量。调整选取的像素点个数，校正大气光，使其满足如下条件：

这里B_max取0.01。

进一步的，步骤3)根据获得的大气光值，根据暗原色先验理论求取透射率的估计值公式为：

透射率的估计值

其中，(x′,y′)表示以像素(x,y)为中心的一个窗口，表示该窗口内的任意一个像素点，I^c(x′,y′)表示为这个像素点某一个通道的强度值。

进一步的，步骤4)通过基于下采样和插值算法的方式优化透射率的估计值，得到优化的透射率值包括步骤：

(1)对输入的有雾图像采用双线性插值算法进行下采样操作，将其尺寸缩小为输入图像的1/8；

(2)采用步骤3透射率的求取方式，计算得到缩小后图像的透射率；

(3)采用插值算法得到输入图像的透射率。

进一步的，步骤5)利用容差机制算法优化透射率的方法恢复图像，从而得到新的恢复图像公式：

式中，A是全球大气光强度，J(x,y)为恢复的无雾图像，I(x,y)为待去雾的图像，t(x,y)为介质透射率，t₀为透射率的最小阈值，K为容差，若像素各通道的差小于K，则认为不满足暗通道先验。

进一步的，所述步骤6)自动色阶算法的算法流程如下：

(1)统计原始图像的直方图；

(2)根据直方图计算出上下阈值，并得出阈值差d＝上阈值-下阈值；

(3)若原图图像像素值<＝下阈值，则将该像素值赋值为0；

(4)若原图图像像素值＞＝上阈值，则将该像素值赋为255；

(5)若介于上下阈值之间，则该点像素值＝原像素值*255/d；

(6)得到处理后的图像。

本发明的优点及有益效果如下：

本发明采用下采样法和插值算法改进暗原色先验模型的透射率计算，大幅降低了计算复杂度；并针对图像偏白色区域的去雾处理，采用结合容差机制恢复无雾图像的方法，减少了偏色现象；最后对去雾后图像采用自动色阶算法进行图像增强处理，提升了去雾后图像的亮度，达到了图像高质量的去雾效果。

附图说明

图1是本发明提供优选实施例流程图；

图2是原始有雾图像；

图3是何凯明方法处理后的图像；

图4是本发明处理后的图像。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。

本发明的技术方案如下：

如图1至图4所示：

步骤一：获取有雾彩色图像I(x,y)；

雾对图像的退化过程为：

I(x,y)＝J(x,y)t(x,y)+A(1-t(x,y)) (5)

式中，A为全球大气光强度，J(x,y)为恢复的无雾图像，I(x,y)为待去雾的图像，t(x,y)为介质透射率称为透射率或传输图，其定义为：

t(x,y)＝e^-βd(i,j) (6)

式中，d(i，j)为场景点到观测点的距离，β为大气的散射系数。由公式(5)变换可得：

由(7)式可知，若已知全球大气光强度A与透射率t(x,y)，便可求得恢复的无雾图像J(x,y)，但若t(x,y)为0时，将出现计算错误，故将(7)式改写为：

式中，t₀为透射率的最小阈值，本文取为0.1。

步骤二：求取大气光值A；

选取有雾图像暗通道值较大的前30个像素点颜色值的平均值作为环境光的初始估计值，即然后根据大气光一般总偏向白色的特点，调整选取的像素点个数，进一步校正大气光，使其满足如下条件：

这里B_max取0.01，以尽量减少噪声对大气光估算的影响，致使恢复的图像不会出现颜色失真，同时环境光又不至于过大导致最终恢复的图像偏暗。

步骤三：根据获得的大气光值，求取透射率的估计值；

暗通道先验的原理指出，除了天空区域，J^dark(x,y)的强度值总是趋近于0：

J^dark(x,y)→0 (10)

然后，将式(1)进行变换，得到下式：

假设每一个区域内t(x,y)已给定，记为同时给定大气光值A，对(11)式进行左右两边取两次最小计算，可得：

根据暗原色先验理论有：

然后，将式(12)带到式(13)中，可求得透射率的估计值

步骤四：通过基于下采样和插值算法的方式优化透射率的估计值，得到优化的透射率值；

提出一种基于下采样和插值算法的透射率求取方法，具体实现方式如下：

(1)对输入的有雾图像采用双线性插值算法进行下采样操作，将其尺寸缩小为输入图像的1/8；

(2)采用步骤3透射率的求取方式，计算得到缩小后图像的透射率；

(3)采用插值算法得到输入图像的透射率。

通过实验验证，采用基于下采样和插值算法的方式求取透射率在处理速度上相比He的原算法有明显提升，而图像去雾后的视觉效果与原算法差别很小。但在本算法的实践过程中发现，如果采样率设置不合理，比如仅仅将尺寸缩小为原来的一半，在处理速度上的提升很小。因此，在采样率的选取过程中，要选取较大的缩小比例对处理速度才会有明显提升。

步骤五：采用结合容差机制基于大气散射模型恢复无雾图像的方法复原图像；

利用容差机制算法优化透射率的方法恢复图像，从而得到新的恢复图像公式：

式中，A是全球大气光强度，J(x,y)为恢复的无雾图像，I(x,y)为待去雾的图像，t(x,y)为介质透射率，t₀为透射率的最小阈值，K为容差，若像素各通道的差小于K，则认为不满足暗通道先验。

步骤六：对去雾后图像采用自动色阶算法进行图像增强处理，提升了去雾后图像的亮度，达到了图像高质量的去雾效果。

其算法流程如下：

(1)统计原始图像的直方图；

(2)根据直方图计算出上下阈值，并得出阈值差d＝上阈值-下阈值；

(3)若原图图像像素值<＝下阈值，则将该像素值赋值为0；

(4)若原图图像像素值＞＝上阈值，则将该像素值赋为255；

(5)若介于上下阈值之间，则该点像素值＝原像素值*255/d；

(6)得到处理后的图像。

采用自动色阶算法对去雾后的恢复图像进行处理，该算法不仅对图像增强有明显效果，而且复杂度低，可以实现图像的实时化处理。以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。