[发明专利]一种基于独立分量分析的单幅图像雾霾快速去除方法

说明书

本发明公开了一种基于独立分量分析的单幅图像雾霾快速去除方法，对雾霾降质图像进行形态学腐蚀后，鉴于无雾图像应满足晴天图像的暗通道先验统计规律，根据暗通道图生成雾霾大气粒子传播特性曲面，然后基于独立分量分析将有雾图像的各颜色空间分量与雾霾传播特性曲面作为独立分量进行数据融合与解混分离，得到消除雾霾后的清晰图像。本发明以雾霾大气粒子散射模型为处理依据，生成雾霾大气粒子传播特性曲面进行雾霾去除，具有正确的理论模型基础；基于独立分量分析进行雾霾分量与无雾颜色空间分量的分离，无需进行精细化软抠图、图像分割处理等耗时操作，大幅提高了计算效率；针对雾霾降质图像去除雾霾的效果好、图像细节增强显著、颜色保真度高。

技术领域

本发明属于计算机视觉技术领域，具体涉及一种基于独立分量分析的单幅图像雾霾快速去除方法。

背景技术

雾霾天气下，由于大气粒子的散射作用，一方面部分表面的反射光因散射而损失，使得到达观测点的光强降低，并随着传播距离的增大而呈指数衰减；另一方面，大气粒子的散射作用还来自附加在目标图像上的大气光，使大气光表现出光源的特性，且环境光的强度随着传播距离的增加而逐渐增强；以上两方面的作用导致雾霾天图像的对比度、颜色等特征衰减明显。

现有的单幅图像去除雾霾研究成果主要分为两类，一是基于非模型的雾霾去除方法，又称为图像增强法，在雾霾去除处理时不考虑图像退化的原因和光学成像过程，只采用图像增强手段来改善视觉效果，这类方法缺乏理论模型的支撑；二是基于模型的雾霾去除方法，利用图像退化机理和大气传播先验知识，通过估算景物的反射率来推断反射光线在空气中传播时的透射率并采用软抠图等精细化算法实现图像雾霾去除，这类方法需要开展大规模稀疏矩阵运算，具有较高的时间复杂度和空间复杂度，不适用于自动驾驶，移动机器人导航与视觉伺服系统等对实时性要求高的领域。

发明内容

针对现有技术中的上述不足，本发明提供的基于独立分量分析的单幅图像雾霾快速去除方法解决了基于非模型的雾霾去除方法中缺乏理论模型支撑和基于模型的雾霾去除方法需要开展大规模稀疏矩阵运算，具有较高的时间复杂度和空间复杂度的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种基于独立分量分析的单幅图像雾霾快速去除方法，包括以下步骤；

S1、在雾霾天采集含有雾霾的雾霾降质图像，并对其进行形态学腐蚀处理；

S2、对形态学腐蚀处理后的图像计算生成暗通道图像；

S3、根据生成的暗通道图像进行径向基函数插值拟合，得到雾霾大气粒子传播特性曲面；

S4、将雾霾大气粒子传播曲面的数据和雾霾降质图像的各颜色空间分量数据分别转换为一维矢量；

S5、将雾霾大气粒子传播曲面的一维矢量与有雾图像各颜色空间分量的一维矢量进行线性组合，得到观测数据矩阵；

S6、基于独立分量分析对观测数据矩阵进行雾霾分量与无雾颜色空间分量的分离，得到各个颜色空间的雾霾分量一维矢量和无雾霾图像分量一维矢量；

S7、将各个颜色空间的无雾霾图像分量一维矢量进行维度变换与颜色空间融合，得到去除雾霾的清晰图像。

进一步地，所述步骤S1中；

对雾霾降质图像进行形态学腐蚀处理时，将雾霾降质图像I中的结构元素确定为并去掉尺寸小于的局部孤立亮点；

其中，进行形态学腐蚀处理的公式为：

其中，I’为形态学腐蚀处理后的图像；

为图像形态学腐蚀操作运算符。

进一步地，所述步骤S2中，计算生成的暗通道图像中各个像素点z的取值I^dark(z)为：