[发明专利]基于随机游走聚类的多大气光值图像去雾方法

说明书

本发明公开了一种基于随机游走聚类的多大气光值图像去雾方法，首先输入原始有雾图像，求取原始有雾图像的暗像素粗介质传输图和明像素粗介质传输图；其次将暗像素粗介质传输图和明像素粗介质传输图作为初始种子点构建随机游走模型，加入正则化参数得到最终的优化介质传输图；再次将原始有雾图像为先验来构建随机游走模型找到天空和实物的分界线，分别求取天空部分和实物部分的大气光值；最后还原优化介质传输图，在还原优化介质传输图时，分别还原天空部分和实物部分，并将天空部分还原图和实物部分还原图拼接起来，并且对拼接后的图像进行均值滤波，对分界线进行弱化，即得到最终的去雾图像。

技术领域

本发明属于图像处理技术领域，具体涉及一种基于随机游走聚类的多大气光值图像去雾方法。

背景技术

随着数字图像处理技术的飞速发展，以及该技术已成功用于多种领域，所以该技术人们日常生活起着至关重要的作用。数字图像处理技术使用一定的算法对采集到的原始图像进行有效的处理，从而得到处理之后的清晰图像，从中可以发掘出图像的重要信息并且提高图像的质量。其中对图像进行去雾处理是数字图像处理技术的一项重要作用。

近年来，大部分的城市雾霾情况严重，导致许多交通安全问题，给人民日常生活带来很大的不便。直接从图像采集设备所采集到的图像降质情况严重，含有较多的噪声，以及图像整体偏暗和对比度不高等问题。所以要对直接采集到的原始图像进行有效的去雾处理，从中得到原始图像中所反映出的重要信息。因此，研究对单幅图像进行去雾处理具有十分重要的意义。

现阶段的图像去雾算法分为基于物理模型的单幅图像去雾算法和基于图像增强的去雾算法。近些年来，基于物理模型的去雾算法取得了大幅度的进步。常见的去雾算法有基于暗通道先验的去雾算法、基于双边滤波的图像去雾算法、基于引导滤波的图像去雾算法、基于边缘保持滤波的图像去雾算法以及各种改进的滤波方法都能实现对图像的去雾处理。这些方法得到的最终去雾图像要不就是在天空和白色区域估计失效，要不就是去雾后的图像整体偏暗等问题，不能够综合考虑到图像的全局和局部的先验信息。

发明内容

本发明的目的在于提供一种基于随机游走聚类的多大气光值图像去雾方法，以解决现有技术存在的问题，本发明在去雾的同时兼顾解决天空区域与白色区域失效问题，得到精细的估计天空区域或白色区域精准的优化介质传输图。

为达到上述目的，本发明采用如下技术方案：

基于随机游走聚类的多大气光值图像去雾方法，包括以下步骤：

步骤1：输入原始有雾图像，求取原始有雾图像的暗像素粗介质传输图和明像素粗介质传输图；

步骤2：将暗像素粗介质传输图和明像素粗介质传输图作为初始种子点构建随机游走模型，加入正则化参数得到最终的优化介质传输图；

步骤3：将原始有雾图像为先验来构建随机游走模型找到天空和实物的分界线，分别求取天空部分和实物部分的大气光值；

步骤4：还原优化介质传输图，在还原优化介质传输图时，分别还原天空部分和实物部分，并将天空部分还原图和实物部分还原图拼接起来，并且对拼接后的图像进行均值滤波，对分界线进行弱化，即得到最终的去雾图像。

进一步地，步骤1中求取原始有雾图像的暗像素粗介质传输图和明像素粗介质传输图的具体方法为：

建立大气散射模型，采用式(1)、式(2)得出原始有雾图像的暗像素图以及明像素图：

其中，和分别为各颜色通道的最小值和最大值，I(x)指的是原始有雾图像中的一个像素点，I_r(x)、I_g(x)、I_b(x)为三个通道中某一个像素点的值，I_min(x)和I_max(x)为暗像素图和明像素图；