一种基于改进暗通道的单幅图像去雾方法

本发明涉及图像处理技术领域，更具体地说，特别涉及一种基于改进暗通道的单幅图像去雾方法。

背景技术：

图像去雾算法研究有重要的应用价值和实际意义，在图像获取的过程中如果遇到雾霾天气时，采集设备若受到天气等因素干扰，成像效果会存在一定程度的模糊。在不同的应用领域中，如无人驾驶领域，带雾图像会影响系统作出准确的判断，甚至存在一定程度的安全隐患，这就对图像去雾技术提出了更高的要求。在具有低造价、灵活性高的机载遥感领域中，若数据采集时是雾霾天气，所获取的遥感图像也不能对物体的有效信息进行准确传达，会降低目标识别的能力。

正因如此，对于平台获取的数据进行单幅图像去雾的意义是十分重大的。暗通道先验理论是通过对大量户外无雾图像的统计与分析总结得到的，该理论认为在大多数不包括天空的局部区域中，存在一些暗像素在无雾图像中暗像素的值近似为零，而有雾图像中这些暗像素的值不为零且在一定程度上代表了雾的厚度。暗通道的先验理论允许在非天空区域中实现对雾度的准确估计。由于该理论适用于非天空区域，因此应用该先验理论必要的一步是实现对天空区域和非天空区域的准确分割。

最大类间方差算法算法(otsu算法)，是一种自适应的阈值确定算法。在图像分割中，otsu最佳阈值分割算法对于图像亮度和对比度的作用较小，以类别方差为依据，计算出一个灰度值令类间方差最大或者类内方差最小即为该图像的分割阈值。最大类间方差算法通过灰度值给出最佳的类间分离的阈值，按照图像的灰度特性可以把图像分割为背景部分和目标部分，两者之间的类间方差值越大，表明两者的区别越大；接着通过计算得到一个灰度级最佳阈值来对这两类像素进行分离，使分割错误率最小。

因此，有必要开发一种通过对该算法进行阈值改进优化来实现对天空区域和非天空区域的精细化分割，进而实现单幅图像的去雾是非常有必要的。

技术实现要素：

本发明的目的在于提供一种基于改进暗通道的单幅图像去雾方法，以克服现有技术所存在的缺陷。

为了达到上述目的，本发明采用的技术方案如下：

本发明提供一种基于改进暗通道的单幅图像去雾方法，包括以下步骤：

s1、收集一设定数量的不同场景的原始带雾图像；

s2、采用改进后的最大类间方差算法计算出带雾图像的分割阈值，再对原始带雾图像进行天空域与非天空域的二值分割以得到二值分割图；

s3、采用暗通道算法对原始带雾图像进行天空域与非天空域的二值分割以得到二值分割图；

s4、对步骤s2和步骤s3中获得的两个二值分割图进行图像相与操作，以获得天空域与非天空域的粗提取结果；

s5、对步骤s4中得到的粗提取结果进行形态学腐蚀并对其进行导向滤波，以获得天空域与非天空域的精提取结果；

s6、利用原始带雾图像和全局暗通道图提取全图大气光值afull，利用天空域的精提取结果获得原始带雾图像中对应的天空域和暗通道图对应的天空域，再求取出天空域的大气光值asky，选取天空光值asky和全图光值afull中较大的作为实际的大气光值a；

s7、使用暗通道图计算非天空域的透射率tno_sky，设定去雾完全系数w，计算天空域的透射率tsky，将非天空域的透射率tno_sky与天空域的透射率tsky合并拼接得到一个完整的透射图，再对拼接后的透射图进行导向滤波得到最终的透射率t；

s8、利用大气散射模型生成hsi通道的去雾图像j。

进一步地，所述天空区域的判断标准为，若输入带雾图像的像素总个数为n，检测出来的天空区域所包含的像素个数为nsky，天空区域比例定义为p，则当参数p大于设定值时则认为有天空区域；

进一步地，所述设定值为8％。

进一步地，所述步骤s3中在进行相与操作后，取交集像素作为天空区域，其余作为非天空域。

进一步地，所述步骤s8中的大气散射模型的计算公式如下：

其中，j(x)为恢复出的去雾图像，a为步骤s6中求取的大气光值，t(x)为步骤s7中求取的透射率，t0是人为设置的参数，用来约束透射率t(x)的下限，使透射率的最小值大于零。

与现有技术相比，本发明的优点在于：

1、本发明针对带雾图像的场景多样性可以区分为具有天空区域的带雾图像和不具有天空域的去雾图像，可以满足这两种场景的带雾单幅图像的去雾需求。

2、本发明考虑到最大类间方差算法对于天空域和非天空域的划分的精细度的局限性，使用改进后的最大类间方差算法对原始带雾图像进行天空域与非天空域的划分，通过对阈值进行修正，确定最佳的分割阈值t，根据分割后的天空区域占输入有雾图像的比例参数来判断图像是有无天空区域，实现对各类场景图像去雾。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明基于改进暗通道的单幅图像去雾方法的流程图。

图2是本发明基于改进暗通道的单幅图像去雾系统的框架图。

具体实施方式

下面结合附图对本发明的优选实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。

参阅图1所示，本发明公开了一种基于改进暗通道的单幅图像去雾方法，包括以下步骤：

步骤s1、收集一设定数量的不同场景的原始带雾图像，数量可以根据需要进行设定；

步骤s2、采用改进后的最大类间方差算法(otsu)计算出带雾图像的分割阈值，并对原始带雾图像进行天空域与非天空域的二值分割以得到二值分割图；

步骤s3、采用暗通道算法对原始带雾图像进行天空域与非天空域的二值分割以得到二值分割图；

步骤s4、对步骤s2和步骤s3中获得的两个二值分割图进行图像相与操作，取交集像素作为天空区域，其余作为非天空域，以获得天空域与非天空域的粗提取结果；

步骤s5、对步骤s4中得到的粗提取结果进行形态学腐蚀并对其进行导向滤波，以获得天空域与非天空域的精提取结果，即：根据分割后的天空区域占输入有雾图像的比例来判断图像是有无天空区域，假设输入带雾图像的像素总个数为n，检测出来的天空区域所包含的像素个数为nsky，天空区域比例定义为p(计算公式如下)，在本实施例中当判断参数p>8％时认为有天空区域：

本发明与专利cn110148093a一种基于暗通道先验的图像去雾改进方法的差异在于：专利cn110148093a着重于对暗通道图像和亮通道图像及其子图像进行一系列运算等处理，并没有强调天空域与非天空域的划分，本发明着重将天空域与非天空域分别处理获得更为精准的大气光值和透射率。本发明与专利cn108460735a基于单幅图像的改进暗通道去雾方法的差异在于：专利cn108460735a的步骤1中使用canny算子提取带雾图像的边缘特征，本发明为了能够准确区分天空域与非天空域使用带雾图像利用改进后的otsu算法得到一个粗分割结果，又使用暗通道图利用otsu算法得到第二个粗分割结果，将两个结果对比，进行图像像素相与实现精确的分割结果。

步骤s6、利用原始带雾图像和全局暗通道图提取全图大气光值afull，利用天空域的精提取结果获得原始带雾图像中对应的天空域和暗通道图对应的天空域，再求取出天空域的大气光值asky，选取天空光值asky和全图光值afull中较大的作为实际的大气光值a；本发明与专利cn108460735a的步骤4中全图大气光值的求取方式也有所不同，本发明中的全图大气光值是计算是求取输入图像前0.1％的像素，通过对像素点亮度值的进行比较，选择一个像素点亮度值最大的作为大气光值a。为了获得更精准的大气光值，本发明还计算了天空域的大气光值，计算方式与全图大气光值一致，选用天空大气光值和全图光值中较大的一个作为最终的大气光值；

s7、使用暗通道图计算非天空域的透射率tno_sky，设定去雾完全系数w，计算天空域的透射率tsky，将非天空域的透射率tno_sky与天空域的透射率tsky合并拼接得到一个完整的透射图，再对拼接后的透射图进行导向滤波得到最终的透射率t；而专利cn108460735a的步骤6中，通过对粗透射率图进行形态腐蚀操作获得更为精确的透射率图，本发明是通过分别求取天空域与非天空域的透射率，对其进行拼接整合，并使用导向滤波使天空域与非天空域的交界线过渡更自然。

s8、利用大气散射模型生成hsi通道的去雾图像j，所述大气散射模型的计算公式如下：

其中，j(x)为恢复出的去雾图像，a为步骤s6中求取的大气光值，t(x)为步骤s7中求取的透射率，t0是人为设置的参数，用来约束透射率t(x)的下限，使透射率的最小值大于零。

参阅图2所示，本发明还提供本发明还提供一种用于实现上述的基于改进暗通道的单幅图像去雾方法的系统，包括：收集模块1，用于收集一设定数量的不同场景的原始带雾图像；第一计算模块2，用于采用改进后的最大类间方差算法计算出带雾图像的分割阈值，并对原始带雾图像进行天空域与非天空域的二值分割以得到二值分割图；分割模块3，用于采用暗通道算法对原始带雾图像进行天空域与非天空域的二值分割以得到二值分割图；相与模块4，用于对两个二值分割图进行图像相与操作，取交集像素作为天空区域，其余作为非天空域，以获得天空域与非天空域的粗提取结果；导向滤波模块5，用于对相与模块得到的粗提取结果进行形态学腐蚀并对其进行导向滤波，以获得天空域与非天空域的精提取结果；第二计算模块6，用于利用原始带雾图像和全局暗通道图提取全图大气光值afull，利用天空域的精提取结果获得原始带雾图像中对应的天空域和暗通道图对应的天空域，再求取出天空域的大气光值asky，选取天空光值asky和全图光值afull中较大的作为实际的大气光值a；拼接模块7，用于将非天空域的透射率tno_sky与天空域的透射率tsky合并拼接得到一个完整的透射图，再对拼接后的透射图进行导向滤波得到最终的透射率t；大气散射模型8，用于利用大气散射模型生成hsi通道的去雾图像j；所述的收集模块1、第一计算模块2、分割模块3、相与模块4、导向滤波模块5、第二计算模块6、拼接模块7和大气散射模型8依次连接。

本发明针对带雾图像的场景多样性可以区分为具有天空区域的带雾图像和不具有天空域的去雾图像，可以满足这两种场景的带雾单幅图像的去雾需求。

本发明考虑到最大类间方差算法对于天空域和非天空域的划分的精细度的局限性，使用改进后的最大类间方差算法对原始带雾图像进行天空域与非天空域的划分，通过对阈值进行修正，确定最佳的分割阈值t，根据分割后的天空区域占输入有雾图像的比例参数来判断图像是有无天空区域，实现对各类场景图像去雾。

虽然结合附图描述了本发明的实施方式，但是专利所有者可以在所附权利要求的范围之内做出各种变形或修改，只要不超过本发明的权利要求所描述的保护范围，都应当在本发明的保护范围之内。