[发明专利]一种图像复原方法、系统、可读存储介质及计算机设备

权利要求书

1.一种图像复原方法，其特征在于，包括：

从有雾的原图像中计算出背景光和透射图，并将有雾的原图像分解为红绿蓝三通道图；

根据大气散射模型，构建出目标函数；所述目标函数为求解五个累加项的累加和最小值时的真实图像、透射图和噪声图；其中，第一个累加项为真实图像的数据保持项的平方；第二个累加项为透射图数据保持项与第一调节因子的乘积；第三个累加项为透射图平滑项的平方与第二调节因子的乘积；第四个累加项为噪声抑制项的平方与第三调节因子的乘积；第五个累加项为真实图像的物体边缘保持项的平方与第四调节因子的乘积；

将背景光和透射图输入目标函数，再分别将红、绿、蓝单通道图输入目标函数，求解得到去雾后的红、绿、蓝三通道图像；

合成去雾后的红、绿、蓝三通道图像，得到去雾后的真实图像；

目标函数为：

其中：为真实图像J的数据保持项；为透射图数据保持项；为透射图平滑项；为真实图像J的物体边缘保持项；‖N‖₂为噪声抑制项；t表示待求解的透射图；为透射图计算值；N表示单通道噪声图像；L表示单通道有雾图像；表示向量元素对应相乘；‖ ‖₂表示L2范数，| |₁表示L1范数；B为单通道背景光值；表示梯度算子；β，ε，δ，ω分别为第一调节因子、第二调节因子、第三调节因子和第四调节因子，均为常数；G是放大后的单通道有雾图像的梯度。

2.如权利要求1所述的一种图像复原方法，其特征在于，大气散射模型为：

L^C(x)＝J^C(x)t(x)+B^C[1-t(x)]+N^C(x)

其中，L^C(x)为有雾的原图像；J^C(x)为去雾后的真实图像；t(x)为透射图；B^C为背景光；N^C(x)为噪声总和。

3.如权利要求1所述的一种图像复原方法，其特征在于，采用交替方向极小化方法对目标函数进行优化，其过程为：

将目标函数的优化问题分解为多个子问题进行优化求解；

分解为子问题后，通过迭代的方式不断更新每个变量，从而实现目标函数优化；其中，在迭代过程中其他变量被视为常数。

4.一种图像复原系统，其特征在于，包括：

原图像分解模块，其用于从有雾的原图像中计算出背景光和透射图，并将有雾的原图像分解为红绿蓝三通道图；

目标函数构建模块，其用于根据大气散射模型，构建出目标函数；所述目标函数为求解五个累加项的累加和最小值时的真实图像、透射图和噪声图；其中，第一个累加项为真实图像的数据保持项的平方；第二个累加项为透射图数据保持项与第一调节因子的乘积；第三个累加项为透射图平滑项的平方与第二调节因子的乘积；第四个累加项为噪声抑制项的平方与第三调节因子的乘积；第五个累加项为真实图像的物体边缘保持项的平方与第四调节因子的乘积；

去雾后三通道图像求解模块，其用于将背景光和透射图输入目标函数，再分别将红、绿、蓝单通道图输入目标函数，求解得到去雾后的红、绿、蓝三通道图像；

真实图像获取模块，其用于合成去雾后的红、绿、蓝三通道图像，得到去雾后的真实图像；

目标函数为：

其中：为真实图像J的数据保持项；为透射图数据保持项；为透射图平滑项；为真实图像J的物体边缘保持项；‖N‖₂为噪声抑制项；t表示待求解的透射图；为透射图计算值；N表示单通道噪声图像；L表示单通道有雾图像；表示向量元素对应相乘；‖ ‖₂表示L2范数，| |₁表示L1范数；B为单通道背景光值；表示梯度算子；β，ε，δ，ω分别为第一调节因子、第二调节因子、第三调节因子和第四调节因子，均为常数；G是放大后的单通道有雾图像的梯度。