一种融合人眼视觉特性的单幅图像去雾方法

摘要

本发明公开了一种融合人眼视觉特性的单幅图像去雾方法，包括以下几个步骤：步骤1：输入雾霾图像，并获取雾霾图像的暗通道图像；步骤2：采用暗原色先验方法估测雾霾图像的大气光照值；步骤3：计算雾霾图像的初始最优大气传输值；步骤4：采用引导滤波器细化，得到细化后的最优大气传输值；步骤5：将步骤4得到的细化后的最优大气传输值、大气光照估测值并结合输入雾霾图像计算得到清晰图像。该方法通过采用融合视觉特性的饱和区域分割、自适应大气传输值计算等方法，实现雾霾图像中每个像素的雾霾精准去除，提高了图像的细节复原效果；该方法不仅能有效的去除雾霾，同时能抑制光晕现象与图像噪声的产生，适用于不同的复杂天气。同时具有计算速度快的优点。

主权项

一种融合人眼视觉特性的单幅图像去雾方法，其特征在于，包括以下几个步骤：步骤1：输入雾霾图像I，并获取雾霾图像的暗通道图像I^dark，暗通道图像中每个像素的暗通道值为I^dark(x)，其中，向量x、y分别表示图像中像素p₁和p₂的坐标，Ω(x)为以像素p₁坐标为中心，大小为(2r+1)×(2r+1)的局部区域，r为设定的局部区域半径，c为颜色通道且c∈{r,g,b}，I^c(y)为雾霾图像中像素p₂处c通道的亮度值；步骤2：采用暗原色先验方法估测雾霾图像的大气光照值；将暗通道图像中每个像素的暗通道值从大到小顺序排列，将暗通道值较大的前n个像素的颜色均值作为雾霾图像的大气光照c通道的估测值A^c，c∈{r,g,b}；其中，n＝0.1％×N，N为输入雾霾图像的像素总个数；步骤3：按照以下公式计算雾霾图像的初始最优大气传输值t(x)：$t\left(x\right)=1-\underset{y\in \Omega \left(x\right)}{\min }\left(\underset{c=\{r,g,b\}}{\min }(\frac{I_b^c\left(y\right)}{A^c}-\frac{1+\sqrt{1+4A^c[A^c-I_b^c\left(y\right)]\times K^c\left(y\right)}}{2K^c\left(y\right)\times {\left(A^c\right)}^2})\right)$式中，K^c(y)为像素p₂的去雾控制调节参数，且其中，J与ΔJ^c(y)分别为设定的雾霾图像去雾后图像的亮度期望值与像素p₂的局部亮度方差期望值；为雾霾图像I经过低通滤波器平滑后的图像I_b中像素p₂处c通道的亮度值，为雾霾图像中像素p₂的局部归一化亮度变化幅值，且有：其中，J_nd为设定的人眼视觉可觉察阈值，为雾霾图像I中c通道像素p₂处的初始亮度变化值，I^c(y)为雾霾图像I中c通道像素p₂处的亮度值；J_min为最小亮度变化阈值，取0.5；步骤4：采用引导滤波器细化t(x)，得到细化后的最优大气传输值t₁(x)；步骤5：将步骤4得到的细化后的最优大气传输值t₁(x)、大气光照估测值A^c以及雾霾图像中每个像素的亮度值I^c(x)按以下公式计算，得到清晰图像L：I^c(x)＝L^c(x)t(x)+A^c(1‑t(x))，c∈{r,g,b}其中，L^c(x)为清晰图像L的c通道像素p₁的灰度值。