[发明专利]基于快速小波变换和加权图像融合的单幅图像去雾方法

说明书

技术领域

本发明涉及图像处理领域，尤其涉及图像复原领域，具体地说是一种基于快速小波变换和加权图像融合单幅图像去雾方法。 

背景技术

在恶劣天气条件下捕获的室外图像，由于空气中悬浮的微粒(如雾、霭)会对光线产生吸收、辐射和散射作用，其中吸收和辐射对成像的影响较小，大气粒子的散射会引起光线在大气传播中发生强度和颜色的改变，从而导致捕获的雾天图像呈现对比度低，颜色失真等特点，这对后续的图像处理(如目标识别、特征提取等)造成一定的困难。 

目前的户外计算机视觉系统(如视频监控、智能交通等)均需充分提取图像的特征，所以在恶劣天气条件下获取清晰的无雾图像在计算机视觉领域具有重要意义，同时由于视频监控等系统的实时需求，去雾算法的高效性也是至关重要的。近年来，图像去雾技术逐渐成为国内外学者的研究热点。 

近期几乎所有的去雾算法都是建立在大气散射模型之上的，而在该模型中雾所依赖的景深信息和天空光是未知的。由于从单幅图像中获取景深信息缺少约束条件，所以很多研究学者提出基于多幅图像或添加额外信息进行去雾。然而在实际的计算机视觉系统中，获取同一场景不同天气条件下的多幅图像或者采用其余设备获取额外信息都是难以实现的。所以基于单幅图像的去雾算法才更具有研究价值。 

近来，基于单幅图像的去雾技术已经取得了重大突破。Fattal(R.Fattal,“Single image dehazing,”International Conference on Computer Graphics and Interactive Techniques,pp.1–9,2008.)利用独立成分分析法，通过假定透射率与局部表面投影是不相关推断出透射率，从而进行雾天图像的还原，但复原的图像往往出现失真。Tan(R.T.Tan,“Visibility in bad weather from a single image,”IEEE Conference on Computer Vision and Pattern Recognition,pp.1–8,2008.)通过观察发现雾天图像比无雾图像的对比度低，所以提出通过最大化局部区域对比度来提高雾天图像的清晰度，但由于该方法是基于颜色统计的，所以在浓雾时会失效。He(K.He,J.Sun,and X.Tang,“Single image haze removal using dark channel prior,”IEEE Conference on Computer Vision and Pattern Recognition,pp.1957–1963,2009.)等人通过对大量的室外无雾图像进行统计实验发现了暗通道先验理论，利用该理论与软抠图可以得到较好的去雾效果，但是由于采用复杂度较高的软抠图算法，所以该算法效率较低。Tarel(Jean-Philippe Tarel,Nicolas Hauti`ere,“Fast Visibility Restoration from a Single Color or Gray Level Image,”International Conference on Computer Vision,2009.)采用中值滤波器估计大气幕，得到了一种快速的去雾方法，但是该方法需要设置较多的参数。总而言之，上述所有的算法在速度或者效果上均有待提高。 

发明内容

本发明提供一种基于快速小波变换和加权图像融合的单幅图像去雾方法，该方法可以有效快速的实现对雾天图像的清晰化处理。 

为了解决上述技术问题，本发明的具体实施步骤为： 

(1)获取雾天图像，并求取雾天图像的暗原色图，根据暗原色图获取大气光向量值； 

(2)对原雾天图像的RGB三通道求取最小值获得最小成分图像，对最小成分图像进行快速小波变换和中值滤波推导得到透射率，根据大气散射模型利用得到的大气光向量值和透射率得到初步去雾图像； 

(3)对原雾天图像减去对应于其灰度均值的比例因子并乘以相应的值从而进行简单的对比度增强； 

(4)将得到的初步去雾图像与进行简单对比度提高的图像进行加权图像融合，得到最终的去雾图像。 

进一步，步骤(1)所述的暗原色图是指：根据获取雾天图像的暗原色I^dark，其中I为原雾天图像，I^c代表I的c颜色通道(c∈{r,g,b})，Ω(x)是以x为中心的一块方形区域。