一种基于各向异性滤波的去雾方法

摘要

一种基于各向异性滤波的去雾方法，涉及图像处理与计算机视觉领域。提供可改善雾天、阴雨天等条件下所摄取图像的视觉效果的一种基于各向异性滤波的去雾方法。1）通过引导图像求取大气光照值；2）通过引导图像，利用各向异性滤波器求取传输函数图；3）动态自适应调整去除雾气的下限阈值；4）根据大气散射物理模型中的观测有雾图像、大气光照值和传输函数图复原场景图像。建立在大气散射物理模型的基础上，能够自适应的处理雾天、阴雨天等环境下所摄取的各种图像，去雾后的图像具有理想的对比度和视觉效果，整体增强效果优于传统的图像去雾方法。

主权项

一种基于各向异性滤波的去雾方法，其特征在于包括以下步骤：1)通过引导图像求取大气光照值；所述通过引导图像求取大气光照值的具体方法为：当观测有雾图像为灰度图像时，将该灰度图像作为引导图像；所述引导图像按以下表达式确定：I^guide(x,y)＝I(x,y)；其中，I^guide(x,y)为引导图像，I(x,y)为观测有雾图像；当观测有雾图像为彩色图像时，先计算此彩色图像每个像素点处的R、G、B三个颜色通道的最小值，作为引导图像；所述引导图像按以下表达式确定：$I^{guide}(x,y)=\underset{c\in \{R,G,B\}}{min}\left(I^c\right(x,y\left)\right);$其中，I^guide(x,y)为引导图像，c为颜色通道，c∈{R,G,B}分别为R、G、B颜色通道，I^c为彩色观测图像的颜色通道；再用统计的方法，对所得到的引导图像取前0.1％最亮的点，对这些点的亮度值求平均值得到大气光照值；所述大气光照值按以下表达式确定：$A=\underset{i=1}{\overset{N}{\Sigma }}{I}_i^{guide}(x,y)/N;$其中，A为大气光照值，(x,y)为二维空间坐标，i为引导图像中前0.1％最亮的点的位置，N为引导图像中前0.1％最亮的点的数量；2)通过引导图像，利用各向异性滤波器求取传输函数图，具体方法为：将滤波窗口中心点邻域的圆形区域分成2n个子图像块，每个子图像块各自计算均值和标准差，该邻域均值和标准差的输出采用加权平均的方法获取，权值由各个子图像区域的标准差影响，即，若标准差小，则对应的权值大；若标准差大，则对应的权值小；(1)求取滤波区域各个子图像块的分块函数：所述分块函数按以下表达式确定：$V_i=U_i\times g_{\frac{\sigma }{4}};$$U_i(r,\theta )=\left\{\begin{array}{c}N,i-\frac{1}{2}<\frac{N}{2\pi }\theta <i+\frac{1}{2}\\ 0,otherwise\end{array}\right.;$V_i为分块函数，为标准差为的二维高斯核函数，U_i为判断是否位于该子图像块的函数；(2)求取各个子图像块的权系数：所述子图像块的权系数按以下表达式确定：w_i＝g_σ(x,y)V_i(x,y)；∫∫w_i(x,y)dxdy＝1；w_i为第i个点为中心点的子图像块的权系数，g_σ为二维高斯核函数，V_i为第i个点为中心点的子图像块的分块函数；所述二维高斯核函数按以下表达式确定：$g_{\sigma }(x,y)=\frac{1}{2{\mathrm{\pi \sigma }}^2}{e}^{-\frac{x^2+y^2}{2{\sigma }^2}};$x,y为该像素点在二维图片中的位置；(3)求取输入图像圆形区域中各个子图像块的均值和标准差：所述各个子图像块的均值按以下表达式确定：m_i＝I×w_i；其中，m_i为第i个点为中心点的子图像块的均值，I为输入图像，w_i为第i个点为中心点的子图像块的权系数；所述各个子图像块的标准差按以下表达式确定：$s_i=I^2\times w_i-m_i^2;$其中，s_i为第i个点为中心点的子图像块的标准差，I为输入图像，w_i为第i个点为中心点的子图像块的权系数；(4)求取各向异性滤波器的均值输出和标准差输出：所述滤波器的均值输出按以下表达式确定：为滤波器的均值输出，m_i为第i个点为中心点的子图像块的均值，s_i为第i个点为中心点的子图像块的标准差，q∈(0,+∞)为相关系数常数；所述滤波器的标准差输出按以下表达式确定：$\sigma (x,y)=\frac{{\Sigma }_i{s}_i{s}_i^{-q}}{{\Sigma }_i{s}_i^{-q}};$σ为滤波器的标准差输出，s_i为第i个点为中心点的子图像块的标准差，q∈(0,+∞)为相关系数常数；(5)求取传输函数图：所述传输函数图按以下表达式确定：t_i＝1‑(m_i‑3×s_i)；t_i为第i个点的传输函数，m_i为第i个点为中心点的子图像块的均值，s_i为第i个点为中心点的子图像块的标准差；3)动态自适应调整去除雾气的下限阈值；4)根据大气散射物理模型中的观测有雾图像、大气光照值和传输函数图复原场景图像；复原后的场景图像按以下表达式确定：$J(x,y)=\frac{I(x,y)-A}{max\left(t\right(x,y),t_0)}+A;$其中，(x,y)表示二维空间坐标，J(x,y)为复原后的场景图像，I(x,y)为观测有雾图像，A为大气光照值，t(x,y)为传输函数图，t₀为下限阈值。