[发明专利]一种基于图像景深的实时图像去雾方法

说明书

技术领域

本发明涉及一种数字图像处理方法，尤其是一种实时图像去雾处理方法。

背景技术

在雾、霾等天气条件下，大气中悬浮的大量微小水滴和气溶胶的散射作用会使视频图像严重降质，这极大限制和影响城市交通、视频监控、智能车辆等户外系统的功能。因此，需要对降质图像进行去雾处理，恢复出真实场景图像。而对于视频监控等应用领域，去雾处理的高效性和实时性则至关重要。

当前对于雾图像处理的方法大致可以分为两类：一类是基于图像增强的方法，此类方法不考虑雾图像具体的形成过程，只选取图像中感兴趣的部分进行增强。常用的图像增强方法主要有对比度增强、直方图均衡、Retinx算法等，这类方法没有考虑雾天图像对比度与景物深度的对应关系，对景物深度变化比较大的图像的增强效果不理想，且有些如Retinx算法计算量大，实时性不强。

另一类则是基于雾天模型的暗原色去雾方法，是对有雾图像进行一次与成像的逆过程来恢复无雾图像。这种方法针对性强，得到结果自然，一般不会有信息损失，能够取得不错的去雾效果。这种方法对每个像素进行最小值滤波计算暗原色图，以此对大气参数和透射率进行估计，然后根据成像模型来恢复无雾图像，但是此类方法计算量都非常大，处理一副图像需要耗费大量的时间，难以满足实时性要求，限制了该算法在工程领域的广泛应用。还有针对景深连续的有雾场景，可以通过对比度拉伸算法达到去雾效果，借助于一张晴天和一张雾天场景的参考图像，计算出场景各点的深度比关系，最后利用深度关系复原雾天图像，但该方法需要同一场景的多幅图像，不能满足实时图像去雾的需求。

发明内容

本发明要解决的技术问题是提供一种实时性较强的图像去雾方法，能够对景深变化较大的图像进行有效的去雾处理。

本发明提供的技术方案为：一种基于图像景深的实时图像去雾方法，其特征在于，包括如下步骤：

步骤1，读取有雾图像I(x,y)，其中x和y表示图像中各个像素点的横坐标和纵坐标，若有雾图像I(x,y)为彩色图像，则将有雾图像I(x,y)中各像素点R、G、B三通道的最小值赋值给各像素点R、G、B三通道，得到有雾图像I(x,y)的灰度图像为I_g(x,y)，若该有雾图像I(x,y)为灰度图像，则灰度图像I_g(x,y)＝I(x,y)；

步骤2，将灰度图像I_g(x,y)划分成若干个方块区域Ω，再分别获取每个方块区域Ω内像素点的最小像素值，并将获取的最小像素值赋值给对应方块区域Ω内的所有像素点，得到各个方块区域Ω对应的方块暗原色图为：

Idark(x,y)x,y∈Ω=min(Ig(x,y))x,y∈Ω]]>

在赋值完成后，便形成了由若干个方块暗原色图构成的暗原色图I^dark(x,y)；

步骤3，将暗原色图I^dark(x,y)上部j行内所有像素点的最大像素值设为大气光值A，其中j取10%的暗原色图I^dark(x,y)行数，再求出粗略大气耗散图V(x,y)为：

步骤4，对粗略大气耗散图V(x,y)按照现有的大气散射模型进行n层景深均匀分割，其中n≥5，得到各个景深下的掩膜L_k(x,y)为：

其中，k＝1,2,…,n；