[发明专利]一种基于高斯滤波的单幅图像的实时去雾方法

说明书

（一）技术领域：

本发明涉及一种基于高斯滤波的单幅图像的实时去雾方法，适用于雾天条件下的图像去雾，属于数字图像处理领域。

（二）背景技术：

在雾、霾等天气条件下，户外拍摄的自然场景图像的景物能见度和对比度大幅降低。物体表面反射的光线被气溶胶以及悬浮在大气中的微小颗粒吸收和散射，导致户外监控系统获取的景物图像颜色退化，对比度和饱和度下降。户外图像的退化直接影响到计算机视觉系统的户外应用，如视频监测、城市交通、智能车辆等，因此需要对雾天条件下拍摄的图像和视频进行处理以消除天气带来的影响。事实上，图像去雾一直是计算机图形学和计算机视觉领域的重要研究内容。首先，图像去雾可以显著地增加场景的能见度并消除由于环境光的影响而带来的颜色漂移；其次，不论是低级的图像分析还是高级的目标识别，大多数的计算机视觉算法往往假设输入图像是场景辐射度，即清晰的无雾图像。因而，许多计算机视觉算法的性能会受到低对比度的场景辐射度的影响。最后，图像去雾可以为许多计算机视觉算法提供场景深度信息。

户外图像中雾的存在对图像的影响与未知的场景深度信息有关，因而图像去雾面临着很大的挑战。实际上，图像去雾是一个欠约束的问题，因为它需要仅从退化的有雾图像中准确地估计出场景辐射度、大气传输函数以及全局大气光。近年来，单幅图像的去雾方法取得了显著的进展。Tan通过最大化局部对比度的方法来实现图像的去雾；Fattal通过假设大气传输函数和场景的表面辐射度无关，使用独立成分分析的方法来估计场景反射率以及大气传输函数；He等人基于对户外无雾图像规律的统计，提出了暗通道先验法则，对一般的户外图像取得了很好的去雾效果。但是以上算法的复杂度高，处理速度慢，不能达到实时处理的效果，因而不能应用于实际的应用系统。

（三）发明内容：

1、目的：本发明的目的是提供一种基于高斯滤波的单幅图像的实时去雾方法，它克服了现有技术的不足，去雾效果较好，且处理速度快，能够用于实时处理系统中。

2、技术方案：

下面介绍本发明中图像去雾的原理及过程。

一、雾天成像模型

雾天条件下的大气散射模型可描述为

I(x)=J(x)t(x)+A(1-t(x))

t(x)=e^-βd(x)

其中，I(x)为输入的有雾图像；J(x)为场景辐射度，即无雾天气条件下的场景图像；t(x)为大气传输函数，表示场景辐射的透射率；A为全局大气光，通常假设为全局常向量；β为大气散射系数；d(x)为场景深度。图像去雾就是要通过I(x)求得J(x)、t(x)和A。在大气散射模型的方程中，等式右端第一项J(x)t(x)表示直接衰减项，第二项A(1-t(x))表示环境光。直接衰减项描述场景辐射及其在传播介质中的衰减，由散射光造成的环境光则会引起场景颜色的漂移。

二、暗通道先验

暗通道先验是通过对大量户外无雾图像的统计观察得到的：在绝大多数图像的局部区域中，某些像素至少有一个颜色通道具有很低的亮度值。图像J的暗通道定义为

Jdark(x)=miny∈Ω(x)(minc∈{r,g,b}Jc(y))]]>

其中，J^c表示图像J的某个颜色通道，Ω(x)表示以像素点x为中心的一个方形区域。通过对大量图像的统计可知，清晰无雾的图像的暗通道J^dark的值总是很低并且接近于0。