[发明专利]基于两次引导滤波的快速图像去雾方法

说明书

技术领域

本发明属于图像处理领域，涉及一种基于两次引导滤波的快速图像去雾方法，可用于单幅图像或连续视频的快速去雾。

背景技术

雾是一种常见的自然现象，在雾天拍摄的图像，由于大气中悬浮粒子的散射作用，使得拍摄图像的亮度增加，对比度降低，图像的可辨识度下降。即使是在晴天条件下拍摄的照片，大气散射作用也会导致照片的清晰度受到影响。每一个实际场景中，照片清晰度受到影响的原因在于：光线到达相机之前都会从物体表面反射并且散射到空气中。这是因为空气中的某些因素(如浮质、灰尘、雾和烟等)会导致物体表面颜色变淡，并导致整幅图像的对比度降低。一方面，这些质量很差的图像不但贬低其应用价值、缩窄其应用范围；另一方面，也会给户外成像的采集与处理系统(如各类视觉机器)的图像采集带来巨大的困难。在实际应用中，经常需要从户外采集的视频序列中提取清晰的图像特征用于对象匹配和识别，例如位于高速公路上的视频监控器，在天气条件较恶劣的情况下，得到的图像会有退化现象，使其无法清楚地监控路况和了解车辆信息；在国家安全的军事行动中，这种退化图像会造成信息的不准确性，最终导致决定性行动方案的偏差，甚至是导致无法挽回的后果；遥感技术运用传感器对物体进行探测，这种退化图像会对物体的性质，特征和状态等信息造成偏差，不利于对图像数据的分析研究。总之，研究在各种恶劣天气条件下如何对获得的退化图像进行有效的处理，这对图像恢复和图像增强有着非常重要的现实意义。

现国内外，图像去雾处理的方法大致可以分为两大类：基于图像处理的增强方法和基于物理模型的复原方法。基于图像处理的增强方法包括全局化的图像增强方法，如全局直方图均衡化、同态滤波、小波方法、Retinex算法等，或是局部化的图像增强方法，如局部直方图均衡化、局部对比度增强法；以上图像处理的算法相对简单，对于复杂场景的去雾效果一般。基于物理模型的复原方法包括基于偏微分方程的复原、基于深度关系的复原和基于先验信息的复原；以上图像处理的算法相对复杂，且能较好地对复杂场景的雾气影响做处理，但是计算复杂度高、实现难度大、处理速度慢，使得去雾处理难以实现实时处理，这样就不能高效的运用到视频去雾处理中。

发明内容

本发明的目的在于克服以前各种图像去雾方法的不足之处，提供一种基于两次引导滤波的快速图像去雾方法，该方法简单高效，能很好地提高图像去雾后的效果。

本发明一种基于两次引导滤波的快速图像去雾方法，首先对原始雾气图像进行预处理获取大气光幕粗估计图、利用引导滤波器得到引导图像；然后利用引导滤波进行细化得到大气光幕图；接着计算大气光强度值及基于大气散射物理模型获得透射率值，对原始雾气图像进行复原；最后对复原后图像进行增强处理。

步骤1、对原始雾气图像I进行预处理获取大气光幕粗估计值和引导图像：

(1)计算原始雾气图像I的暗通道图像I_dark，即取原始雾气图像I的局部最小值：

若原始雾气图像I为彩色图像，则暗通道图像Idark(x)=minc∈{r,g,b}(miny∈Ω(x)(Ic(y)))]]>

若原始雾气图像I为灰度图像，则暗通道图像

上述I^c分别代表三个颜色通道的亮度值，Ω(x)是以x为中心的方形区域，该方形区域长度一般取15到35之间，下同；