[发明专利]基于透射率的去雾图像去噪方法

说明书

技术领域

本发明主要涉及到图像信号的处理技术领域，特指一种基于透射率的去雾图像去噪方法，适用于非局部均值去噪、暗通道先验去雾、参数优化建模等方面。

背景技术

在雾、霾等天气条件下，户外场景物体的反射光线被不同程度地衰减散射，致使所采集的图像出现对比度下降、色彩偏移等严重质量退化问题，这成为威胁城市交通、海空航行安全的主要因素之一。

有从业者提出了一种基于暗通道先验的图像去雾算法，其显著改善了图像的可见度。但是却未考虑噪声问题。利用低成本相机采集的雾天图像通常存在大量噪声，进行去雾处理以后噪声会被不同程度地强化，进而严重影响到增强图像的质量，因此亟待一种有效的去噪算法予以处理。

在针对去雾后的噪声处理方面，有从业者利用目标的图像序列采取全局和局部图像对准相结合的方法，以时序上对应的带权重均值来进行处理，在噪声去除和边缘细节保持方面均取得了显著效果。但是，这种方法不适合快速运动场景视频，如车载相机图像的去噪去雾处理。另有从业者在暗通道先验去雾模型中加入了噪声项，并运用非参数迭代核回归方法，在单幅图像中将去雾和去噪处理同时进行，获得了较好的去雾去噪效果。但该算法性能依赖于迭代次数以及迭代终止阈值的合理选取，对于不同图像在局部区域内会出现过平滑现象，降低了去雾图像的可视性。

在去噪研究方面，有人提出了一种结合自然图像本身包含的冗余信息的非局部均值去噪算法，通过在整个图像中搜索与待去噪点相似的像素，以所有相似像素的带权重均值取代待去噪像素。在一定程度上，该算法能够在有效去除噪声的同时较好地保留边缘。

这种算法的流程如图1所示，其主要过程为：

(1)、设定去噪输入参数，确定搜索范围、邻域尺寸、权重衰减系数等因子；

(2)、搜索相似性像素，计算相似性权重。计算在搜索范围内的每个像素邻域与待去噪点邻域中对应像素的高斯加权欧氏距离，进而得到相应的相似性权重；

(3)、将步骤(2)中计算得到的最大权重值赋予待去噪像素，以搜索范围内所有像素的相似性加权均值替代待去噪像素；

(4)、对图像中所有像素进行完上述处理后，输出结果。

从以上过程可以看出，非局部均值去噪方法应用于雾天增强图像的去噪处理过程中仍存在以下几个方面的问题：

1.去噪参数需要人工设定；

2.在步骤(2)中需要对每个待去噪点邻域内的所有像素进行操作，算法的计算代价大，运行时间长；

3.在步骤(3)中尚未考虑所赋予的像素相似性权重的可信度以及正确性问题；

4.没有考虑去雾图像噪声主要集中在天空、浓雾等明亮区域的特点，去噪结果不能保持有效细节。

在提高经典非局部均值算法速度方面，有人设计了两种不同的滤波器，对参与相似性权重计算的像素进行预处理，分别剔除灰度均值、梯度方向与待去噪像素相差超过预定阈值的像素，以此降低算法复杂度。另有人则将相似性像素搜索范围从整幅图像限制到一个有限尺寸的搜索窗口，以邻域灰度均值和方差作为判定标准排除不相似像素。以上方法需要计算整幅图像的像素邻域统计量，然而，统计特性不能准确体现局部特性，梯度幅值和方向易受噪声影响，筛选效果不理想。另有人通过引入奇异值分解，利用不同阶次的近似计算衡量相似度；或将非局部均值与拉普拉斯金字塔相结合，在多尺度下进行滤噪处理。但随着图像尺寸的逐渐增大，进行金字塔分解以及逐层进行非局部均值滤波的开销将变得不可接受。

在非局部均值去噪参数的优化选取方面，有人利用统计的方法自适应地确定搜索窗口半径的大小，充分考虑每个像素的不同特点，很大程度上提高了去噪图像的峰值信噪比。也有人综合考虑了去噪强度与噪声方差及比较窗口之间的相互影响，将权重衰减系数h建模为h²＝2β|N_i|σ²，但仍只是确定了图像全局意义上的优化参数，在局部仍有不同程度的细节丢失；另有人基于像素块的经验标准差提出了自适应地确定h的方法，虽然较好地保护了边缘细节，但会错误去除图像中的非连续、非重复模式。还有人则对噪声图像进行两次非局部均值处理，第二次处理过程中借助第一次处理结果所计算得到的方法噪声作为依据修正、确定像素的相似性权重，从而改善去噪效果，但必须以牺牲处理时间为代价。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种保细节程度高、滤噪效果好、复杂度低的基于透射率的去雾图像去噪方法。

为解决上述技术问题，本发明采用以下技术方案：