[发明专利]基于回归模型的快速单幅图像去雾算法及系统

权利要求书

1.一种基于回归模型的快速单幅图像去雾方法，其特征在于，包括回归模型的训练过程和雾霾图像的处理过程，其中，

所述训练过程包括：生成无雾图像块作为样本；利用大气模型为样本加雾；提取所述样本的样本特征值；根据所述样本特征值使用SVM学习回归模型；

所述处理过程包括：

输入雾霾图像，将所述雾霾图像分割为多个均匀块，并提取所述雾霾图像的最大通道图像；

对所述均匀块进行图像块特征值提取，以根据所述SVM学习回归模型估计传输参数，并使用引导滤波优化传输图；

对提取到的所述最大通道图像分别进行最大值滤波以及中值滤波，引导滤波优化大气光；

根据所述滤波优化传输图以及所述优化大气光进行反变换以得到清晰图像。

2.如权利要求1所述的基于回归模型的快速单幅图像去雾方法，其特征在于：在提取所述样本特征值之前还包括：

利用计算机生成无雾的样本图像块，利用大气模型为每个图像块按照不同的传输参数加雾；

将所述多个图像块按照传输参数的大小进行排序；

从排序后的多个图像块中提取所述样本特征值。

3.如权利要求1所述的基于回归模型的快速单幅图像去雾方法，其特征在于，所述样本特征值包括：均方差、能见度、对比度、平均值、最小通道均值、直方图均衡度和饱和度中的部分或全部。

4.如权利要求1所述的基于回归模型的快速单幅图像去雾方法，其特征在于，在根据所述样本特征值使用SVM学习回归模型之前，还包括：

将提取出的所述样本特征值进行拼接，得到高维向量；

将所述高维向量与样本标签输入到SVM学习回归算法中，生成所述SVM学习回归模型。

5.如权利要求1所述的基于回归模型的快速单幅图像去雾方法，其特征在于，所述根据所述滤波优化传输图以及所述优化大气光进行反变换以得到清晰图像，还包括：

根据所述SVM学习回归模型估计得到的滤波优化传输图，利用gamma变换优化SVM学习回归模型的传输参数；

将调整后的滤波优化图和优化大气光进行反变换以得到所述清晰图像。

6.一种基于回归模型的快速单幅图像去雾系统，其特征在于，包括：

训练模块，用于生成无雾图像；利用大气模型为样本加雾；提取所述样本的样本特征值；根据所述样本特征值使用SVM学习回归模型；

处理模块，用于输入雾霾图像，将所述雾霾图像分割为多个均匀块，并提取所述雾霾图像的最大通道图像；对所述均匀块进行图像块特征值提取，以根据所述SVM学习回归模型估计传输参数，并使用引导滤波优化传输图；对提取到的所述最大通道图像分别进行最大值滤波以及中值滤波，引导滤波优化大气光；以及根据所述滤波优化传输图以及所述优化大气光进行反变换以得到清晰图像。

7.如权利要求6所述的基于回归模型的快速单幅图像去雾系统，其特征在于：所述训练模块还用于：

利用计算机生成无雾的样本图像块，利用大气模型为每个图像块按照不同的传输参数加雾；

将所述多个图像块按照传输参数的大小进行排序；

从排序后的多个图像块中提取所述样本特征值。

8.如权利要求6所述的基于回归模型的快速单幅图像去雾系统，其特征在于，所述样本特征值包括：均方差、能见度、对比度、平均值、最小通道均值、直方图均衡度和饱和度中的部分或全部。

9.如权利要求6所述的基于回归模型的快速单幅图像去雾系统，其特征在于，所述训练模块用于：

将提取出的所述样本特征值进行拼接，得到高维向量；

将所述高维向量与样本标签输入到SVM学习回归算法中，生成所述SVM学习回归模型。

10.如权利要求6所述的基于回归模型的快速单幅图像去雾系统，其特征在于，所述处理模块用于：

根据所述SVM学习回归模型估计得到的滤波优化传输图，利用gamma变换优化SVM学习回归模型的传输参数；

将调整后的滤波优化图和优化大气光进行反变换以得到所述清晰图像。