一种用于偏振去雾霾的多小波融合处理图片的方法

摘要

本发明涉及一种用于偏振去雾霾的多小波融合处理图片的方法，属于图像处理技术领域。本发明中的去雾方法将偏振探测与多小波融合算法相结合，以目标偏振探测为基础，应用多小波所具有的多个尺度函数和多个小波函数，使其同时满足对称性、正交性和紧支集性等性能，根据分解后高、低频系数所具有的特点分别采用不同的规则对目标偏振度、偏振角等偏振信息及强度信息进行融合。使用本方法得到的偏振融合图像，能够同时综合目标识别的细节与亮度信息，在雾霾天气环境下得到更高识别率、更高质量、具有更高细节信息的目标图像，提高目标探测的去雾能力。

主权项

一种用于偏振去雾霾的多小波融合处理图片的方法，其特征在于：包括下述步骤，步骤1、对激光器(1)进行定标，测出激光器(1)发射光线的初始偏振态，用偏振片Ⅰ(4)根据初始偏振态起偏，获得的偏振光线照射在雾霾模拟环境中的目标(5)上；在接收端调节偏振片Ⅱ(6)的角度分别为0°、60°和120°，用探测器(8)进行探测，通过图像处理模块(9)获得这三个角度的光强探测结果分别为I′(0°)、I′(60°)和I′(120°)；步骤2、将步骤1中探测到的结果通过公式(1)获得目标的三个斯托克斯线偏振分量其中，I为总光强，Q为x分量和y分量的强度差，U为在Q的基础上+45°分量和‑45°分量的强度差，将目标的三个斯托克斯线偏振分量通过公式(2)获得偏振度Dolp和偏振角PA$\left\{\begin{array}{c}\mathrm{Dolp}=\frac{\sqrt{Q^2+U^2}}{I}\\ \mathrm{PA}=\frac{1}{2}\arctan (U/Q)\end{array}\right.---\left(2\right)$步骤3、将步骤2中得到的偏振度Dolp作为第一图像和光强图像作为第二图像分别用多小波融合处理法进行一阶分解，分解顺序为第一顺序，其包含行预处理、列预处理、行多小波变换以及列多小波变换，最终获得含有16个子块的分解结果，其中$\begin{array}{cc}{L}_1{L}_1^i& L_2{L}_1^i\\ L_1{L}_2^i& L_2{L}_2^i\end{array}$为低频子块，$\begin{array}{cc}{H}_1{L}_1^i& H_2{L}_1^i\\ H_1{L}_2^i& H_2{L}_2^i\end{array},\begin{array}{cc}{L}_1{H}_1^i& L_2{H}_1^i\\ L_1{H}_2^i& L_2{H}_2^i\end{array}$和$\begin{array}{cc}{H}_1{H}_1^i& H_2{H}_1^i\\ H_1{H}_2^i& H_2{H}_2^i\end{array}$为高频子块，i取1或2，表示第一图像或第二图像，其中L₁为第一个尺度函数对应的低通滤波器、L₂为第二个尺度函数对应的低通滤波器、H₁为第一个尺度函数对应高通滤波器和H₂为第二个尺度函数对应的高通滤波器；步骤4、对第一图像和第二图像中的低频信息进行融合，用L_pL_qⁱ表示低频的各个子块，p和q分别取1或2，首先通过公式(3)确定两图像的局部区域能量Eⁱ(x,y)$E^i(x,y)=\underset{m=-(M-1)/2}{\overset{(M-1)/2}{\Sigma }}\underset{n=-(N-1)/2}{\overset{(N-1)/2}{\Sigma }}W(m,n)\times {\left(L_p{L_q}^i(x+m,y+n)\right)}^2---\left(3\right)$其中，M和N都为3，窗口$W=\frac{1}{16}\left|\begin{array}{ccc}1& 2& 1\\ 2& 4& 2\\ 1& 2& 1\end{array}\right|,$其次通过公式(4)获得图像间的局部区域能量匹配度M₁₂$M_{12}(x,y)=\frac{2\underset{m=-(M-1)/2}{\overset{(M-1)/2}{\Sigma }}\underset{n=-(N-1)/2}{\overset{(N-1)/2}{\Sigma }}{L}_p{L_q}^1(x+m,y+n)L_p{L_q}^2(x+m,y+n)}{E^1(x,y)+E^2(x,y)}---\left(4\right)$其中阈值T₁＝0.75，用来确定图像间的相关性，获得低频融合系数L_pL_q^F，当M₁₂＜T₁时，采用局部区域能量取大方法，通过公式(5)获得融合后的低频系数$L_p{L_q}^F(x,y)=\left\{\begin{array}{cc}{L}_p{L_q}^1(x,y),& E^1(x,y)\ge E^2(x,y)\\ L_p{L_q}^2(x,y),& E^1(x,y)<E^2(x,y)\end{array}\right.---\left(5\right)$当M₁₂≥T₁时，通过公式(6)获得融合后的低频系数$L_p{L_q}^F(x,y)=\frac{E^1(x,y)}{E^1(x,y)+E^2(x,y)}·L_p{L_q}^1(x,y)+(1-\frac{E^1(x,y)}{E^1(x,y)+E^2(x,y)})L_p{L_q}^2(x,y)---\left(6\right)$步骤5、对步骤3中高频的三个部分12个子块进行融合，通过公式(7)获得图像空间频率SFⁱ${\mathrm{SF}}^i=\sqrt{{\left({\mathrm{HF}}^i\right)}^2+{\left({\mathrm{VF}}^i\right)}^2+{\left({\mathrm{DF}}^i\right)}^2}---\left(7\right)$其中i＝1时表示第一图像，i＝2时表示第二图像，M×N(3×3)窗口下HF为高频系数水平方向上的频率、VF为高频系数垂直方向上的频率和DF为高频系数对角线方向上的频率，通过公式(8)获得$\left\{\begin{array}{c}{\mathrm{HF}}^i(x,y)=\sqrt{\frac{\underset{x=1}{\overset{M}{\Sigma }}\underset{y=2}{\overset{N}{\Sigma }}{(H_1{L_1}^i(x,y)-H_1{L_1}^i(x,y-1))}^2}{M(N-1)}}\\ {\mathrm{VF}}^i(x,y)=\sqrt{\frac{\underset{x=2}{\overset{M}{\Sigma }}\underset{y=1}{\overset{N}{\Sigma }}{(H_1{L_1}^i(x,y)-H_1{L_1}^i(x-1,y))}^2}{(M-1)N}}\\ {\mathrm{DF}}^i(x,y)=\sqrt{\frac{\underset{x=2}{\overset{M}{\Sigma }}\underset{y=2}{\overset{N}{\Sigma }}{(H_1{L_1}^i(x,y)-H_1{H_1}^i(x-1,y-1))}^2}{(M-1)(N-1)}}+\sqrt{\frac{\underset{x=2}{\overset{M}{\Sigma }}\underset{y=2}{\overset{N}{\Sigma }}{(H_1{L_1}^i(x-1,y)-H_1{L_1}^i(x,y-1))}^2}{(M-1)(N-1)}}\end{array}\right.---\left(8\right)$然后在这一窗口下通过公式(9)获得图像间的相关系数R$R=\frac{\underset{x=1}{\overset{M}{\Sigma }}\underset{y=1}{\overset{N}{\Sigma }}[H_1{L_1}^1(x,y)-u_1][H_1{L_1}^2(x,y)-u_2]}{\sqrt{\left[\underset{x=1}{\overset{M}{\Sigma }}\underset{y=1}{\overset{N}{\Sigma }}{[H_1{L_1}^1(x,y)-u_1]}^2\right]\left[\underset{x=1}{\overset{M}{\Sigma }}\underset{y=1}{\overset{N}{\Sigma }}{[H_1{L_1}^2(x,y)-u_2]}^2\right]}}---\left(9\right)$其中u₁为第一图像在此窗口下的像素均值，u₂为第二图像在此窗口下的像素均值，最后根据R值获得融合后高频系数H₁L₁^F，当R≥0.8时，表示高度相关，融合后的高频系数为$H_1{L_1}^F(x,y)=\left\{\begin{array}{cc}R\times H_1{L_1}^1(x,y)+(1-R)\times H_1{L_1}^2(x,y),& {\mathrm{SF}}^1\ge {\mathrm{SF}}^2\\ (1-R)\times H_1{L_1}^1(x,y)+R\times H_1{L_1}^2(x,y),& {\mathrm{SF}}^1<{\mathrm{SF}}^2\end{array}\right.---\left(10\right)$当0.3＜R＜0.8时，表示中度相关，$H_1{L_1}^F(x,y)=\left\{\begin{array}{cc}{T}^1(x,y)H_1{L_1}^1(x,y)+T^2(x,y)H_1{L_1}^2(x,y),& {\mathrm{SF}}^1(x,y)\ge {\mathrm{SF}}^2(x,y)\\ T^2(x,y)H_1{L_1}^1(x,y)+T^1(x,y)H_1{L_1}^2(x,y),& {\mathrm{SF}}^1(x,y)<{\mathrm{SF}}^2(x,y)\end{array}\right.---\left(11\right)$其中T¹为第一图像的空间频率在整个频率中所占权重，T²为第二图像的空间频率在整个空间频率中所占权重，即且T²(x,y)+T¹(x,y)＝1，当R≤0.3时，表示低度相关，$H_1{L_1}^F(x,y)=\left\{\begin{array}{cc}{H}_1{L_1}^1(x,y),& {\mathrm{SF}}^1(x,y)\ge {\mathrm{SF}}^2(x,y)\\ H_1{L_1}^2(x,y),& {\mathrm{SF}}^1(x,y)<{\mathrm{SF}}^2(x,y)\end{array}\right.---\left(12\right)$重复步骤5操作对12个子块进行融合；步骤6、对以上步骤得到的融合结果进行一致性检测；步骤7、对所获得的高频和低频系数按照第二顺序进行重构，获得融合后图像；步骤8、将第一图像与第二图像的融合结果再按照步骤3～7与偏振角图像进行融合。