[发明专利]一种基于清晰度评价的自适应图像去雾方法

权利要求书

1.一种基于清晰度评价的自适应图像去雾方法，其特征在于：包括：第一步、图像预处理；第二步、图像清晰度判决；第三步、图像去雾处理和编码决策优化；

所述的图像清晰度判决是根据气象学中能见度的定义，对输入的雾霾图像进行分类；

所述的图像去雾处理是对分类后的雾霾图像依次调用去雾算法进行处理；

所述的编码决策优化是对处理结果进行图像质量评价，并对评价结果引入编码决策方法，进而再次自适应调用去雾算法进行处理，实现输出效果最优化。

2.根据权利要求1所述的一种基于清晰度评价的自适应图像去雾方法，其特征在于，具体包括以下步骤：

第一步：输入原始雾霾图像I(x,y)，并计算图像I(x,y)的局部均值，局部方差，平均梯度，信息熵等清晰度指标；

第二步：根据清晰度指标判断图像是否含雾；如果含雾，则进一步判别所含雾霾的浓度情况；反之，则直接输出；

第三步：初始化备选去雾算法；

第四步：根据不同雾霾浓度的图像依次调用去雾算法进行处理；

第五步：对各去雾图像进行图像质量评价，并统计各评价指标；

第六步：根据评价指标相对最优准则，进行编码决策，并对结果重新进行自适应清晰度判决，最终输出较优的去雾图像。

3.根据权利要求1所述的一种基于清晰度评价的自适应图像去雾方法，其特征在于：所述第一步对输入的原始雾霾图像I(x,y)，计算其局部均值，局部方差，平均梯度及信息熵等清晰度指标：

设I是一幅具有L灰度级的图像，图像总的像素点个数为M*N；假定I(i,j)是图像中某像素点的灰度值，局部区域的定义为：以(i,j)为中心，窗口大小为m*m(m＝2n+1)的区域，其中n为一个整数；那么局部均值可以用下式计算：

(1)局部均值：

(2)局部方差：

(3)平均梯度：

(4)信息熵：

假设图像灰度级为l的像素出现的概率为p_l＝n_k/n，其中，n表示像素的总个数，n_k表示灰度级为l的像素个数，k＝0,1,…,L-1，则信息熵为：

4.根据权利要求1或2所述的一种基于清晰度评价的自适应图像去雾方法，其特征在于：所述第二步进行图像清晰度判决，首先通过第一步对输入原始雾霾图像计算其清晰度判决指标；如果各项指标均处于某一阈值范围内，则依据气象学中图像能见度的判别标准表示输入图像含雾，并进一步判别图像所含雾霾浓度的情况，是否属于薄雾，轻雾，中雾，还是浓雾；反之，则直接输出。