[发明专利]基于先验信息的图像去雾方法

权利要求书

1.一种基于先验信息的图像去雾方法，其特征在于，该方法为：

基于雾天图像像素点亮度、饱和度差异将雾天图像中像素点划分为远景浓雾区域像素点与近景薄雾区域像素点；

根据暗通道先验结合远景浓雾区域像素点估计大气光值；

根据色彩衰减先验分别确定远景浓雾区域像素点和近景薄雾区域像素点对应的大气透射率；

根据暗通道先验确定近景薄雾区域像素点对应的大气透射率；

根据远景浓雾区域像素点对应的大气透射率和大气光值结合第一雾天图像成像模型获得去雾后的远景浓雾区域像素点对应的像素值；

根据近景薄雾区域像素点对应的两个大气透射率和大气光值结合第二雾天图像成像模型获得去雾后的近景薄雾区域像素点对应的像素值；

将所述去雾后的远景浓雾区域像素点对应的像素值和去雾后的近景薄雾区域像素点对应的像素值进行区域组合获得去雾后的图像。

2.根据权利要求1所述的基于先验信息的图像去雾方法，其特征在于，所述基于雾天图像像素点亮度、饱和度差异将雾天图像中像素点划分为远景浓雾区域像素点与近景薄雾区域像素点，具体为：根据雾天图像的像素点亮度v(x)和饱和度s(x)的差异D(x)结合阈值D_th，将所述雾天图像的像素点划分为远景浓雾区域像素点与近景薄雾区域像素点，即：

D(x)＝v(x)-s(x)

3.根据权利要求1或2所述的基于先验信息的图像去雾方法，其特征在于，所述根据暗通道先验结合远景浓雾区域像素点估计大气光值，具体为：选取远景浓雾区域像素点的暗通道中像素值排在前0.1％的像素点集合，将该集合中像素值最高点作为大气光值A；还对大气光值A进行优化，即：A＝max(A,A_min)，A_min为大气光值点像素值下限。

4.根据权利要求3所述的基于先验信息的图像去雾方法，其特征在于，根据色彩衰减先验分别确定远景浓雾区域像素点和近景薄雾区域像素点对应的大气透射率，具体为：

根据色彩衰减先验的直观表示，建立线性模型如下：

d(x)＝θ₀+θ₁v(x)+θ₂s(x)+ξ(x)

其中，x表示图像像素点位置，d表示景深，v表示亮度，s表示饱和度，θ₀、θ₁、θ₂表示线性系数，ξ表示随机变量；

将待处理图像视为一幅随机图像，假设ξ服从均值为0、方差为δ²的高斯分布，即ξ(x)～N(0，δ²)，将所述线性模型变形为：

d(x)～p(d(x)|x，θ₀，θ₁，θ₂，δ²)＝N(θ₀+θ₁v+θ₂s,δ²)；

采用合成图像的方式获取雾天图像和对应的深度图像作为训练集数据；

对所述训练集数据进行学习，求解出线性模型中的参数；

对深度图像进行局部最小化运算，如下：

其中，Ω_r(x)表示中心在像素点x处、尺寸为r×r的窗口，是局部最小化滤波函数；

对局部最小化结果进行引导图像滤波获得精细深度图像；

对远景浓雾区域像素点和近景薄雾区域像素点设置不同的散射系数，按照下式分别确定大气透射率：

t(x)＝e^-βd(x)

其中，β为散射系数，d为场景深度。