[发明专利]一种基于暗通道的无人机航拍图像去雾算法

说明书

本发明公开了一种基于暗通道的无人机航拍图像去雾算法，根据彩色有雾图像获取暗通道图像，由暗通道图像求取全球大气光成分A，再根据暗通道图像求取粗透射率图，将粗透射率图下采样并进行引导滤波再上采样得到精细透射率图，接着根据精细透射率图和全球大气光成分A求得初始去雾图像，最后使用限制对比度自适应直方图均衡化对初始去雾图像进行局部对比度增强，解决暗通道去雾后图像偏暗并突出原图局部信息，用于后续图像处理工作。本发明特别适用于无人机拍摄的高分辨率有雾图像去雾操作，通过大量实验证明，本发明能够快速的在去除无人机图像雾气影像的同时，得到更多无人机图像细节点，计算简便，有很好的鲁棒性。

技术领域

本发明属于暗通道先验模型的图像去雾技术领域，具体涉及一种基于暗通道的无人机航拍图像去雾算法。

背景技术

近年来，随着无人机技术的快速发展，其军用和民用应用领域不断扩大。无人机在低空检测系统中的作用无可替代，其操作维护简单，成本低廉，动作灵活且可持续工作，不局限于完成有人驾驶飞机执行的任务，在有人飞机不宜执行的任务上应用更加广泛，如自然受灾区域监测、公共安全、空中救援指挥、水利、矿产资源勘查。无人机为空中遥感的平台的微型遥感技术，遥感传感器通过无人机获取信息，用计算机处理图像信息，进而按照一定的精度要求制作成图像。在社会发展各个领域具有重要作用，成为继有人通用航空遥感技术和卫星遥感技术之后的新兴发展方向，潜力巨大，应用前景广阔。

空气中的悬浮颗粒对光线产生散射，使得景物反射后的光线发生衰减，同时散射环境光混合进观察者接收到光线中，造成雾霾天气下感受的景物在对比度、颜色等特征发生改变。随着计算机视觉在无人机中应用的不断发展，图像去雾技术受到了极大关注。

目前主要的图像去雾方法分为两类：基于图像增强的方法和基于物理模型的方法。基于图像增强的方法对被降质的图像做清晰化处理主要是提高图像对比度或者突出图像特征，包括局部直方图均衡化、同态滤波去雾、小波变换图像增强、Retinex理论图像增强等等，虽然可以应用的成熟的图像增强算法很多，但是这些方法不能适应不同的场景和图像，尤其是景物深度变化较多的图像，可能会使得图像部分信息损失，造成图像失真。同时，这类方法不考虑图像质降的过程，并不是真正的去除雾气，只是对图像清晰度有限的提高，不利于后续的计算机视觉系统处理。基于物理模型的方法是通过研究悬浮颗粒在大气中对光的散射影响，从而建立大气散射模型，了解图像退化的物理机制，反演出未被降质的景物原图。这种方法更能复原出真实图像。基于大气散射模型的方法可以分为三类，包括基于深度信息的方法、基于大气光偏振特性的方法和基于先验知识的方法。其中基于深度信息的方法对对比度和视觉效果都有明显的增强，但需要一定程度的用户交互操作，难以做到实时自动处理。基于大气光偏振的去雾方法前提条件容易实现，可以保证一定程度上视频的实时去雾处理，但是在雾气浓度较大时效果较差，并且不能单张图片自动处理。基于暗通道的图像去雾方法能都对单幅图像及位深变化较大的图像作出较好的处理，其中暗通道滤波窗口大小需要手动设定，暗通道滤波窗口大小直接影响投射率图的计算，并且由于在引导滤波的时候需要大量计算，难以实现实时处理，特别是由于无人机图像本身分辨率过高，实时处理更加困难。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于暗通道的无人机航拍图像去雾算法，在保证透射率图精度的同时优化速度，利用自适应对比度直方图均衡化的方法得到去雾后航拍图像的更多图像细节。

本发明采用以下技术方案：

一种基于暗通道的无人机航拍图像去雾算法，根据彩色有雾图像获取暗通道图像，由暗通道图像求取全球大气光成分A，再根据暗通道图像求取粗透射率图，将粗透射率图下采样并进行引导滤波再上采样得到精细透射率图，接着根据精细透射率图和全球大气光成分A求得初始去雾图像，最后使用限制对比度自适应直方图均衡化对初始去雾图像进行局部对比度增强，解决暗通道去雾后图像偏暗并突出原图局部信息，用于后续图像处理工作。

具体的，包括以下步骤：