[发明专利]一种基于灰色关联度引导滤波的图像去雾方法

说明书

本发明公开了一种基于灰色关联度引导滤波的图像去雾算法，所述去雾算法包括以下步骤：步骤1：通过灰色关联度与阈值对雾霾图像进行正常像素和被雾霾颗粒破坏像素的判断；步骤2：在以f(i,j)为中心像素的3×3滤波窗口内，选择滤波窗口中像素值的均值作为参考序列Xsubgt;0/subgt;，判定被污染的像素点，按照从左到右，从上到下的顺序依次遍历图像中的各个像素得到滤波后的图像；步骤3：雾气面纱计算；步骤4：通过大气散射退化模型进行雾霾图像的复原。

技术领域

本发明涉及计算机视觉技术领域，特别是涉及基于灰色关联度引导滤波的图像去雾方法。

背景技术

近年来由于雾霾天气的影响，导致图像采集设备采集的图像严重退化，对智能交通、航拍测绘、驾驶辅助和视频监控等应用造成严重影响。如在军事、科技、工业中经常需要一幅清晰的无雾图像作为输入以提取图像特征进行识别、目标跟踪、智能导航、智能车辆等，但由于空气中气溶胶粒子的散射作用导致摄像头拍摄的图像色彩和对比度严重退化甚至失真。所以对作为计算机视觉和计算机图形领域重要应用之一的图像去雾进行研究是很有必要的。

虽然，国内外学者在相当一段时间内对雾霾图像增强进行了研究，且有大量研究成果出现。但相比于图像在去除噪、分割、融合及边缘检测等领域而言起步相对较晚。且现有的方法在某种程度上存在局限性和不足。

因此希望有一种基于灰色关联度引导滤波的图像去雾方法解决现有技术中存在的问题

发明内容

本发明公开了一种基于灰色关联度引导滤波的图像去雾方法，所述去雾方法包括以下步骤：

步骤1：通过灰色关联度与阈值对雾霾图像进行正常像素和被雾霾颗粒破坏像素的判断；

步骤2：在以f(i,j)为中心像素的3×3滤波窗口内，选择滤波窗口中像素值的均值作为参考序列X₀，判定被污染的像素点，按照从左到右，从上到下的顺序依次遍历图像中的各个像素得到滤波后的图像；

步骤3：雾气面纱计算；

步骤4：通过大气散射退化模型进行雾霾图像的复原。

优选地,所述步骤1设定系统参考序列为X₀＝(x₀(1)),比较序列为X₁＝(x₁(1)),X₂＝(x₂(1)),…,X_i(x(1)),...X₈(x(1))，分别计算参考序列与比较序列的差异信息序列Δ_0i(1)＝|x₀(1)-x_i(1)|，并求出差异序列的最大值和最小值则所述灰色关联度可以表示为：

式中的ξ∈(0,1)为分辨系数,根据公式(1)可知，对于给定的一组参考序列与比较序列，ξ是常数，所述灰色关联度可以表示为C₁/Δ+C₂，其中,C₁,C₂均为常数Δ＝|x₀(1)-x₁(1)|。

优选地，所述步骤1进一步包括：在数字图像中取3×3大小的邻域窗口，将邻域窗口的像素从二维矩阵排列转化为一维向量排列，即i＝1，一维向量的参考序列与一维向量的比较序列的灰色关联度的计算可以简化为：

(1)假设图像n×n大小邻域窗口像素转化为一维向量排列后的参考序列X₀＝(x₀(1),x₀(2),...,x₀(n))，比较序列为X₁＝(x₁(1),x₁(2),...,x₁(n))；