[发明专利]基于GPU的图像实时去雾方法

说明书

本发明涉及一种基于GPU的图像实时去雾方法，包括以下步骤：(a)获取原始图像和大气光值；(b)分配第一共享内存，利用所述第一共享内存根据所述大气光值计算第一透射率图；(c)分配第二共享内存、第三共享内存、第四共享内存和第五共享内存，利用所述第二共享内存、所述第三共享内存、所述第四共享内存和所述第五共享内存根据所述原始图像和所述第一透射率图进行两次引导滤波获得无雾图像。本发明实施例，通过在GPU上实现二次引导滤波的方法，使最终得到的去雾图像更加理想。

技术领域

本发明属于视觉图像处理领域，具体涉及一种基于GPU的图像实时去雾方法。

背景技术

雾霾在近几十年一直是社会上的热门词汇，国内乃至世界上遭受雾霾影响的国家不在少数。雾霾导致视觉不清晰，有时候会造成极其恶劣的影响，比如雾天驾驶，雾天演习，雾天目标识别等等。因此对去雾效果稳定且实时性好的去雾算法的研究显得格外的重要。

然而，现如今还没有可以真正应用到实际生活当中的去雾算法，究其原因，主要是因为去雾效果稳定的算法计算量较大不具备实时应用前景，而当前的一些实时去雾算法则对于视频图像无可奈何，经常会有帧间过渡不自然，去雾效果断层的情况，另外对于雾霾浓度差异较大的图像，目前的去雾算法效果并不理想，无法有效地去除雾霾浓度较大地方的雾。针对现今去雾算法对于雾霾图像去雾深度不够的问题，提出了一种一次引导滤波改善透射率图的改进算法，现有效果稳定的去雾算法有暗通道先验算法，对比度去雾算法。对比度去雾算法是一种基于成本函数的单幅图像去雾算法，通过优化图像的对比度来消除雾霾，针对过度地提高对比度时引起地一些像素值的截断，制定了一个成本函数，在提高对比度的同时衡量信息丢失情况，通过最小化成本函数为每个区域块找到最佳地传输率估测值，再将其细化到基于像素点的传输率，以更好保留其中的边缘细节。实验结果表明，该算法能够可靠地估计传输率图，有效恢复场景光照。请参见图1，图1为一种现有技术的对比度优化算法的流程示意图。第一步针对输入的雾霾图像估计大气光值；然后在假设同一局部区域块中的场景深度相同的条件下，找到每个区域块的最佳传输率，以使得待恢复图像的对比度最大，同时，最小化由于像素值的截断而造成的信息丢失；然后通过使用边缘保持滤波算法将基于区域块的图像传输率细化；最后依据估计的传输率和大气光对输入的雾霾图像进行恢复。引导图滤波是一种图像滤波技术，请参见图2a、图2b和图2c，图2a为一种现有技术的引导图滤波技术的引导图(原始图像)，图2b为一种现有技术的引导图滤波技术的预估透射率图，图2c为一种现有技术的引导图滤波技术的引导滤波后透射率图。通过一张引导图G，对目标图像P(输入图像)进行滤波处理，使得最后的输出图像大体上与目标图像P相似，但是纹理部分与引导图G相似。

但是由于对比度优化算法得到的透射率图相对粗糙，导致去雾图像部分去雾效果不明显，深度不够，最终导致得到的去雾图像不够理想。请参见图3a、图3b和图3c，图3a为一种现有技术的对比度算法的引导图(原始图像)，图3b为一种现有技术的对比度算法的引导滤波后的透射率图，图3c为一种现有技术的对比度算法得到的去雾图像。可以看出，在最后得到的去雾图像中，去雾效果不够理想，比如右上角的树枝，铁轨旁的柱子等，主要是雾霾图像当中这些区域的边缘信息本身就不够清楚，因此利用雾霾图像作为引导图进行滤波对于这些区域效果并不理想。而且这两种算法在CPU上的表现也不如人意，在处理大图(比如标准1080p图像)时，这两种算法在CPU上并不具备实时处理标准高清图像的能力，在计算能力更加欠缺的嵌入式设备上实时性能更差，基本不可能应用到小型化设备当中去。

因此，如何实现一种去雾效率高且去雾效果明显的方法成为目前研究的热点问题。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于GPU的图像实时去雾方法。本发明要解决的技术问题通过以下技术方案实现：

本发明实施例提供了一种基于GPU的图像实时去雾方法，包括以下步骤：

(a)获取原始图像和大气光值；