[发明专利]一种图像去雾方法及基于该方法的车牌图像识别方法

说明书

技术领域

本发明涉及图像处理及目标识别领域，特别是涉及一种图像去雾方法及基于该方法的车牌图像识别方法。

背景技术

由于大气气溶胶(悬浮颗粒、雾、霾等)的影响，导致拍摄的图像质量下降，另外图像的对比度下降并造成色彩失真，恢复有雾图像的对比度及真实颜色，在摄影及计算机视觉中有着重要的应用。首先，图像去雾可以增加场景的能见度以及修正颜色偏差；其次，大多数的图像处理算法通常都基于输入图像的像素值是场景的辐射值，当颜色发生偏差或者对比度下降时，会对处理算法产生不利影响；再次，图像去雾算法所获得的深度信息，将给许多计算机视觉算法提供额外的数据支持。

近年来单幅图像的去雾方法有了很大进展，先验假设基础之上的处理方式，统计结果表明大多数自然场景图像符合这一假设，结合对有图像的物理模型，暗通道方法在单幅图像去雾中得到了广泛的应用，但其离视点较远处的去雾效果存在明显下降的问题，在深度不连续处出现图晕。

发明内容

为了克服上述现有技术的不足，本发明提供了一种图像去雾方法及基于该方法的车牌图像识别方法，本发明消除现有方法处理图像在深度不连续处出现的图晕效果，通过本方法处理的图像在视点较远处清晰可见。

为了实现上述目的，本发明的具体步骤如下：

步骤一：对拍照得到的有雾原始图像求取暗通道J^dark，计算天空光亮度S，得到初始透射图

步骤二：在权值K＝10^-4的条件下，使用公式(1)对初始透射图进行优化，得到优化透射图t’，对优化透射图t’进行边缘提取后进行膨胀处理，得到优化加权过的矩阵P；

I(x)=J(x)t(x)+A(1-t(x))---(1)]]>

(其中I是原始图像的像素值，J是期望得到的场景的真实辐射值，A是天空光亮度，t为介质的透射率)；

步骤三：使用公式(2)通过步骤二得到的优化加权过的矩阵P对步骤一得到的初始透射图重新优化计算，得到最终的透射图t，

(L+KP)t=kPt~---(2)]]>

(K为权值，P为加权矩阵，L是拉普拉斯抠图矩阵(Matting Laplacian矩阵)，t为最终透射图，为初始透射图)；

步骤四：利用步骤三得到的结果，通过公式(1)对最终的透射图t计算得到去雾图像J。

本发明还提供了一种基于优化暗通道图像去雾方法的隐马尔科夫车牌图像识别方法，包括：

步骤五：对步骤五得到的去雾图像进行车牌定位，通过水平投影和垂直投影定位车牌，得到车牌图像；

步骤六：采用二维隐马尔科夫模型对车牌图像进行字符识别，得到字符识别结果。

与现有技术相比，本发明能够对有雾原始图像进行优化，有非常好的去雾效果，得到较为清晰的去雾图像，去雾图像中不存在视点较远处的模糊和深度不连续出现的图晕。