[发明专利]基于双色反射模型与双边滤波的道路视频去雾方法

说明书

基于双色反射模型与双边滤波的道路视频去雾方法，涉及图像处理领域，具体涉及一种视频去雾方法。本发明首先针对道路的视频确定视频中的图像是否处于有雾状态；并针对视频中有雾状态的图像，采用物理去雾模型，确定需要的参数；然后针对视频中有雾状态的图像，结合双色反射模型与双边滤波找到雾的位置，从而估计全球大气光成分A以及透射率t(x)；将透射率的范围限制为min(t(x),0.1)；根据透射率的范围限制得到恢复的无雾图像的像素。本发明用于视频或图像的去雾。

技术领域

本发明涉及图像处理领域，具体涉及一种视频去雾方法。

背景技术

目前许多学者对视频去雾展开了研究，并提出了相关去雾算法，这些方法主要分为两类：一类是基于图像处理的图像增强方法，另一类是基于物理模型(主要是大气散射模型)的图像复原方法。经典的雾天图像增强方法主要包括直方图均衡化、同态滤波、小波变换、Retinex算法。而雾天图像复原方法则主要是研究雾天图像退化的物理机制，建立雾天退化模型、反演退化过程以获得未经干扰退化的无雾图像或无雾图像的最优估计值。复原方法通常是利用不同散射光的偏振特性，交互式景深估计，或利用多幅不同天气状况下的同一场景图像，这些方法均取得了较好的效果。近年来，针对单幅图像的去雾取得了较大进展。这方面的早期工作是由Fattal完成的，随后又有许多研究者提出了各自的单幅图像去雾方法。如Tan利用最大化复原图像的局部对比度来达到去雾的目的。He等人提出的基于暗原色原理的去雾方法建立在暗原色先验知识上，通过精细化抠图处理以达到很好的去雾效果。Tarel提出的基于快速中值滤波的去雾方法利用中值滤波的变形形式估计大气耗散函数，在此基础上结合大气散射模型复原图像视觉效果。上述这些工作或是从物理成因，或是从经验统计的角度，利用相关先验知识以达到有效去雾的目的。当前这些算法仍有写局限性，其中之一是去雾后的图片比较模糊，导致峰值信噪比比较低，同时去雾算法所用的时间比较长，基本都在4s左右(图片大小为445*500)，所以实时性比较差。而本发明的去雾算法，去雾后的图片清晰，峰值信噪比较高，同时算法所需时间均在3s左右。所以本算法克服了已有算法的缺点。

发明内容

本发明为了解决利用现有的图像去雾方法进行去雾后存在图片比较模糊的问题。

基于双色反射模型与双边滤波的道路视频去雾方法，包括以下步骤：

步骤1、针对道路的视频，确定视频中的图像是否处于有雾状态；

步骤2、针对视频中有雾状态的图像，采用物理去雾模型，确定需要的参数；

I(x)＝J(x)t(x)+A(1-t(x))

其中，I(x)表示需要进行去雾处理的有雾图像的像素；J(x)表示恢复的无雾图像的像素；t(x)为透射率；A为全球大气光成分；

步骤3、针对视频中有雾状态的图像，结合双色反射模型与双边滤波找到雾的位置，从而估计全球大气光成分A以及透射率t(x)；

步骤4、将透射率的范围限制为min(t(x),0.1)；

根据透射率的范围限制min(t(x),0.1)得到恢复的无雾图像的像素

优选地，步骤1所述的确定视频中的图像是否处于有雾状态的过程包括以下步骤：

步骤1.1、将视频分为一帧帧连续的图像，然后将图象映射到HSV颜色空间上，HSV表示的是色调、饱和度和明度；

步骤1.2、统计每帧图像V和S的差值大于0的像素个数占图像总像素的百分比；当所述的百分比大于阈值，说明图像中存在雾；反之图像中不存在雾；

其中阈值为0.1，V和S的公式如下：

V＝max(r,g,b)