[发明专利]基于Bayer格式的单幅图像快速去雾方法

说明书

技术领域：

本发明涉及计算机视觉领域，特指一种基于Bayer格式的单幅图像快速去雾方法。

背景技术：

大多数室外视觉系统，如视频监控、目标识别和卫星遥感监测等，都需要获取清晰的图像特征。但是在有雾天气条件下，由于场景的能见度较低，导致图像对比度下降，目标模糊不清，使成像系统无法满足用户需求。因此，研究如何对雾天图像进行有效处理，降低天气条件对成像系统的影响具有重要研究价值。

利用不同拍摄角度或不同拍摄时间得到的多幅图像进行去雾，取得了一定的效果。但是这些方法对于输入数据有特定要求，导致普通拍摄者难以获取合适图像。利用人工输入深度信息，或利用已知的三维模型的方法，由于对数据的特殊要求同样限制了其实用性和普遍性。

近来，单幅图像去雾由于不需要景深和大气条件等辅助信息，应用场合广泛，使其成为计算机视觉领域研究热点。Tan通过最大化局部对比度的方法进行去雾，极大地增强了图像对比度，该方法由于只关注提高能见度，导致处理结果通常趋于最大饱和度，另外这种方法在景深不连续的区域容易产生Halo效应。Fattal运用独立成分分析的方法(ICA)，根据雾天图像退化模型，基于马尔可夫随机场(MRF)，实现单幅图像的去雾，但该方法基于局部块的统计独立假设，不能很好地处理浓雾图像。Tarel等采用中值滤波估计大气耗散函数，提出了一种快速图像去雾算法，但是中值滤波边缘保持性较差，容易产生Halo效应。He等人提出了一种暗原色先验模型，用于单幅图像去雾。该模型认为清晰的户外自然图像（天空区域除外），在图像局部区域内，RGB三个颜色通道中至少有一个通道存在很低的强度值，在雾天图像上，暗原色的强度值主要由大气光组成，该方法直接使用暗原色来估计传播图，并采用软抠图(SoftMatting)算法优化传播图，进一步恢复出清晰的图像。该方法具有物理有效性，能够对浓雾图像进行处理，使得恢复后清晰图像具有较少的Halo效应。该方法是当前最实用最有效的方法。

虽然暗原色先验模型在单幅图像去雾方面取得重大突破，获得了很好的去雾效果，但由于软抠图算法本质上是一个大规模稀疏线性方程组的求解问题，具有很高的时间复杂度和空间复杂度，使得算法计算量大、耗时高，严重限制了其在视频去雾、有雾场景实时监控中的应用。为了解决这一问题，嵇晓强和杨靖宇等人针对航拍图像景深变化不大，雾分布均匀的特点，通过阈值加密的方法快速计算传播图。方帅等人提出了一种单幅雾天图像分割复原的方法，通过对去雾图像进行分割，然后通过置信传播(BP)算法对传播图进行推断优化。胡伟等人基于暗原色先验模型，提出了一种梯度优先法则，并结合多分辨率分析，提高了去雾效率。

发明内容：

本发明要解决的技术问题在于：针对图像去雾这个特定问题，为了提高去雾算法的运算速度，使其满足实时性需求，提出一种基于单幅Bayer格式图像的快速去雾算法。

为解决上述技术问题，本发明采取的技术方案是：一种基于Bayer格式的单幅图像快速去雾方法，包括如下步骤：

1．利用四叉树细分(quad-tree subdivision)算法估算大气光A：

四叉树细分算法是二叉树最优化搜索求取二维数据最优解的新的表现形式。将雾化图像分为四个子块，计算四个子块的平均亮度，选择平均亮度值最大的子块重复划分过程，当子块大小小于自定义阈值时停止搜索。为了适应不同的图像大小，本发明选择最小图像块的阈值为原始图像大小的1%。

2．基于暗原色先验模型，根据Bayer图像特点，计算暗原色，进一步估算大气粗粗传播图

通过对大量图像进行统计，结果表明晴天或无雾户外图像大多数符合暗原色先验模型。模型认为：在大多数室外无雾图像的局部区域里，至少在一个颜色通道上有亮度值很小的像素点。但是由于Bayer格式图像在每个像素位置仅存储一个颜色通道的颜色值，针对这一特点，模型描述为：在晴天或无雾的Bayer图像局部区域里，至少存在一个像素位置，其亮度值很小。对于Bayer图像K，其暗原色K^dark定义为