一种基于自适应光照计算的图像去雾方法

摘要

一种基于自适应光照计算的图像去雾方法，涉及图像处理方法。计算有雾图像粗略提取的亮通道图像，再进行边缘信息保存处理，获得优化后的亮通道图像；计算有雾图像粗略提取的暗通道图像，再进行边缘信息保存处理，获得优化后的暗通道图像；根据大气散射物理模型，以及得到的亮通道图像和暗通道图像，推导出自适应的大气光照和大气传输系数表达式；根据大气散射物理模型中的有雾图像、大气光照和大气传输系数进行去雾复原处理。首次提出了图像的亮通道，对有雾图像进行亮通道的计算，并根据大气散射物理模型，推导出大气光照表达式，能够自适应地计算大气光照。相对于传统的去雾方法，能够提高复原后的图像的清晰化效果。

主权项

一种基于自适应光照计算的图像去雾方法，其特征在于包括以下步骤：1)计算有雾图像粗略提取的亮通道图像，再进行边缘信息保存处理，获得优化后的亮通道图像；所述计算有雾图像粗略提取的亮通道图像，再进行边缘信息保存处理，获得优化后的亮通道图像的具体方法可采用图像的亮通道方法，即户外拍摄的正常天气下的白天的景物图像，至少有一个颜色通道的一些像素值比较大，也就是说，户外拍摄的正常天气的正常照度下的景物图像经过最大值滤波后，整幅图像的像素值都会很大；亮通道图像各像素点的值按以下表达式确定：$J^1(x,y)=\underset{c\in \left\{\mathrm{RGB}\right\}}{\max }\left(\underset{(x_0,y_0)\in \Omega (x,y)}{\max }{J}^c(x_0,y_0)\right);$其中，c为原彩色图像的颜色通道，Ω(x,y)是以坐标为(x，y)的像素点为中心的最大值滤波窗口，(x₀,y₀)为区域中各像素点的坐标值，具体步骤如下：第一步：对原有雾图像RGB三个颜色通道的像素值进行最大值滤波，获得的图像为粗略提取的亮通道图像；第二步：对粗提取的亮通道图像进行边缘保持平滑滤波，保存边缘信息，最后得到的就是优化后的亮通道图像，记为I_max；2)计算有雾图像粗略提取的暗通道图像，再进行边缘信息保存处理，获得优化后的暗通道图像；所述暗通道图像各像素点的值按以下表达式确定：$J^d(x,y)=\underset{c\in \left\{\mathrm{RGB}\right\}}{\min }\left(\underset{(x_0,y_0)\in \Omega (x,y)}{\min }{J}^c(x_0,y_0)\right);$其中，c为原彩色图像的颜色通道，Ω(x,y)是以坐标为(x，y)的像素点为中心的最小值滤波窗口，(x₀,y₀)为区域中各像素点的坐标值，具体步骤如下：第一步：对原有雾图像RGB三个颜色通道的像素值进行最小值滤波，获得的图像为粗略提取的暗通道图像；第二步：对粗提取的暗通道图像进行边缘保持平滑滤波，保存边缘信息，最后得到的就是优化后的暗通道图像，记为I_min；3)根据大气散射物理模型，以及得到的亮通道图像和暗通道图像，推导出自适应的大气光照和大气传输函数表达式；所述根据大气散射物理模型，以及得到的亮通道图像和暗通道图像，推导出自适应的大气光照和大气传输函数表达式的具体方法为：对原有雾彩色图像的像素值进行归一化，将像素值从0～255映射到0～1范围内，显而易见：当J(x,y)＝0时，即原有雾图像的像素值最小时，为暗通道图像，得：I_min(x,y)＝A(x,y₎(1‑t(x,y))；当J(x,y)＝1时，即原有雾图像的像素值最大时，为亮通道图像，得：I_max(x,y)＝t(x,y)+A(x,y)(1‑t(x,y))；由上述表达式推导出：大气传输函数表达式：t(x,y)＝I_max(x,y)‑I_min(x,y)；自适应大气光照表达式：$A(x,y)=\frac{I_{\min }(x,y)}{1-I_{\max }(x,y)+I_{\min }(x,y)};$以上即为自适应的大气光照和大气传输函数，根据每个像素点的具体的亮通道和暗通道的像素值进行自适应地估计；4)根据大气散射物理模型中的有雾图像、大气光照和大气传输函数进行去雾复原处理。