[发明专利]一种实时视频去雾方法

说明书

技术领域：

本发明涉及图像/视频处理技术，具体来讲，涉及一种颜色保持的实时视频去雾算法。

技术背景：

近年来，雾霾天气出现频繁。雾霾天气情况下，能见度降低，严重影响了人们正常生活以及视频系统的正常工作。实时地改善雾霾天气图像/视频的清晰度和能见度，有重要的实际意义。可以广泛应用于交通安全、视频监控等众多领域。

雾天图像清晰化技术发展至今，目前主要有两种方法：一是基于图像处理的增强方法；二是基于物理模型的复原方法。

图像增强的目的是使恢复之后的图像更加符合人类视觉习惯或有利于计算机系统的识别。基于图像增强的去雾方法没有考虑图像降质的原因，仅从图像处理的角度根据主观视觉效果进行对比度增强和颜色校正，这一类方法主要有直方图均衡化、小波变换、同态滤波、Retinex算法等。这些算法可以有效地增强图像的对比度和细节信息，但不能针对图像退化的原因进行有效补偿，不能彻底去除雾气。处理后的图像常常会有颜色上的偏差和噪声放大的现象。针对图像增强存在的问题，国内外的一些研究者对恶劣天气条件下的图像退化机理进行了分析，提出了一些基于物理模型的复原方法。

基于物理模型的方法利用雾天图像退化模型，通过求解图像退化的逆过程来恢复清晰图像，恢复的无雾图像相对而言比较清晰自然。这一类方法主要有：假设场景深度已知的复原方法、利用辅助信息提取深度信息的复原方法以及基于先验信息的复原方法。

场景深度已知的复原方法需要使用昂贵的传感器获取精确的雾天图像场景深度信息，因此在很大程度上限制了这些方法的实际应用。利用辅助信息提取深度信息的复原方法需要不同天气下2张或以上数量的图像估计深度图像，而实际中很难满足图像实时处理的需求。众多学者将目光投入到单幅图像去雾。然而，仅仅通过单幅雾天图像来恢复无雾图像，本身是一个病态问题。这就需要一些先验知识。从事这方面研究的学者主要有Tan、Fattal、何凯明、Tarel等。

Tan等基于无雾图像的对比度必定比有雾图像要高的事实，通过最大化局部对比度的方法实现了单幅图像去雾，但复原后的图像容易产生色调偏移。Fattal基于透射率和物体表面阴影局部不相关的假设，利用独立成分分析(ICA)方法和马尔科夫随机场(MRF)模型实现去雾。该方法的性能很大程度上取决于输入数据的统计特性，对于浓雾图像的复原结果存在较大失真。为了达到更彻底的去雾目的，何凯明等人提出基于暗原色先验的单幅图像去雾技术，并借助软抠图技术改善透射率图，最后得到的复原图像清晰自然。但软抠图技术的使用让整个算法有很高的时间复杂度和空间复杂度，对分辨率为600*400的图像处理时间为10-20s(3.0GHz Intel Pentium4processor)。为提高效率，许多加速算法被提出。Tarel等人提出一种中值滤波的快速去雾方法，中值滤波的性质使得复原图像在景深发生突变的边缘，会产生光晕(Halo)效应。2010年何凯明等人提出一种导向滤波方法来代替先前的软抠图部分，极大降低了算法复杂度。Xie等人对图像亮度分量通过MSR算法求取透射率，取得了一定效果，但其处理600*400的图像耗时为5-8s(3.0GHz Intel Pentium Dual-core)，速度也很慢。

此外，在国内，孙抗等人利用双边滤波的方法较好的保持了图像的边缘。2013年甘佳佳等人利用两次不同尺度的双边滤波结果的差值来衡量图像的局部对比度，对雾浓区域和自身亮度值较高的物体进行了一定区分，以此得到了更加准确的大气散射图。恒宗圣等人采用了局部区域分割的方法等等。总之，基于图像复原的图像清晰化算法目前已取得了一定的成果，但存在复杂度较高的问题，处理速度仍然有待进一步提高。并且，目前使用的大气散射模型相对简单，对于较复杂的情况，如天空区域有强烈太阳光或光照非常不均时，去雾效果往往不理想。

发明内容：

本发明的目的在于解决现有的去雾算法对环境的适用性不强以及实时性较差、难以应用于实际的问题，基于大气散射模型，提供一种保持物体颜色的实时视频去雾算法。通过所述方法可很好的恢复雾天图像的颜色和对比度。

为了实现上述目的，本发明提供一种基于颜色保持的实时视频去雾方法，该方法主要包括以下步骤：

步骤1，图像获取：通过成像设备获得一帧雾天图像I；

步骤2，求最小通道图I_min：将步骤1获取的图像在RGB颜色空间，对每个像素点求取RGB分量的最小值，获得最小通道图I_min；