[发明专利]一种基于多通道卷积的MSRCR图像去雾方法

权利要求书

1.一种基于多通道卷积的MSRCR图像去雾方法，其特征在于，包括以下步骤：

步骤S01：获取原始RGB浓雾图像，并对其进行预处理，将原始RGB浓雾图像分解成R、G、B通道图像；

步骤S02：对所述原始RGB浓雾图像分解成的R、G、B通道图像分别进行引导滤波处理；

步骤S03：将上述步骤S02引导滤波处理后的R、G、B通道图像分别用6个3*3等大小不等参数的高斯卷积核进行卷积，得到每个通道对应的6张大小相同的特征图；

步骤S04：将每个通道对应的6张特征图通过Retinex增强后进行线性加权融合进而改善增强后的效果，得到增强后的R、G、B通道图像，再对增强后的R、G、B通道图像引入量化操作，实现色彩的恢复，完成MSRCR的增强过程，得到MSRCR增强后的R、G、B通道图像；

步骤S05：将MSRCR增强后的R、G、B通道图像进行二次引导滤波，二次引导滤波同时考虑入射分量和反射图像的平滑约束，得到不仅满足了平滑约束条件同时还降低了噪声的R、G、B通道图像；

步骤S06：将步骤S04中得到的R、G、B通道图像和步骤S05中得到的R、G、B通道图像进行线性加权融合，重构出最终的去雾图。

2.根据权利要求1所述的基于多通道卷积的MSRCR图像去雾方法，其特征在于，所述步骤S02中的引导滤波处理方法其滤波公式为：

q＝guided_filter(p,I,r,ε)

其中，p是滤波输入图像，I是引导图像，r是滤波窗口大小，ε是正则化系数，ε＞0，q是滤波输出图像；

给定待滤波输入图像p，引导滤波输出图像q假定为引导图像I的线性变换：q_i＝a_kI_i+b_k，其中，w_k是以像素k为中心的局部窗口，系数a_k和b_k通过最小化代价函数求解；

其中，u_k和分别是I在窗口w_k中的均值和方差；r²是窗口w_k中的像素个数；是p在窗口w_k中的均值；ε＞0为避免出现较大的a_k引入的正则化参数。

3.根据权利要求1所述的基于多通道卷积的MSRCR图像去雾方法，其特征在于，所述步骤S03中的多尺度卷积方法其公式如下：

其中，*表示卷积运算，λ是归一化常量，使得∫∫G(x,y)dxdy＝1，σ∈{σ₁,σ₂,σ₃,σ₄,σ₅,σ₆}且0≤σ₁≤σ₂＜50、50≤σ₃≤σ₄＜100、100≤σ₅≤σ₆。

4.根据权利要求1所述的基于多通道卷积的MSRCR图像去雾方法，其特征在于，所述步骤S04中的Retinex增强方法其公式如下：

其中，i表示图像的某个通道，(x,y)表示原始图像的像素坐标点；Gf_i(x,y)表示某个通道原始图像的引导滤波函数，Gf_i(x,y)＝a_kI_i(i,j)+b_k，n表示高斯滤波器滤波半径的尺度数；表示第i个通道在第n个尺度下对应的入射光分量，ω_n表示第n个尺度上的权值，满足归一化条件

所述对增强后的R、G、B通道图像引入量化操作，实现色彩的恢复，完成MSRCR的增强过程，得到增强后的MSRCR如下：

其中，i表示图像的某个通道；表示第i个通道的均值；表示第i个通道的均方差；D表示控制图像动态的参数D来实现无色偏的调节；Min_i表示i通道图像的最小值；Max_i表示i通道图像的最大值；表示量化后的i通道图像。