[发明专利]基于空间域同态滤波和暗通道先验的单幅图像去雾方法

说明书

本发明公开一种基于空间域同态滤波和暗通道先验的单幅图像去雾方法，首先利用暗原色先验模型粗略估计含雾图像的透射率；其次，采用双边滤波替代傅里叶变换，将双边滤波作为空间域同态滤波的传递函数，并以最大类间方差法分割含雾图像的暗通道图，再以白色区域的面积比例为自变量的反比函数来自适应地计算入射分量和反射分量的权重，实现了一种空间域同态滤波，可有效削弱含雾图像的入射分量、增强反射分量，进而计算细化的透射率，能够在较低计算复杂度的前提下，有效抑制天空等大面积白色区域或过曝光区域出现的透射率分布不均问题，达到了去噪、保边和消除景物边缘光晕的目的。

技术领域

本发明涉及室外监控图像处理领域，尤其是一种去雾效果好、天空区域色彩保真度高、边缘保持能力强、基于空间域同态滤波和暗通道先验的单幅图像去雾方法。

背景技术

近年来，视频监控系统的应用范围越来越广泛，如道路监控、车辆监控、公共安全监控等。对于室内场景下的视频监控系统，其在大部分情况下均能捕捉到高清晰的视频画面；而对于室外场景下的视频监控系统来说，其拍摄质量则很大程度依赖于天气环境。在雾、霾等天气条件下，大气中悬浮着的大量微小水滴、气溶胶等具有散射作用，导致监控拍摄到的图像色彩失真、对比度和能见度降低，这无疑将影响室外视频监控系统的有效性和实用性。因此，去除或者抑制尘埃、雾霾颗粒杂质的干扰是改善室外视频监控系统性能的关键技术环节之一，并且已成为近年来数字图像处理、计算机视觉领域的研究热点，得到了众多学者的广泛关注和研究。图像去雾的目的就在于恢复含雾图像的对比度和清晰度，还原其真实色彩以及真实场景，达到在理想天气状况下的拍摄效果，从而帮助管理人员和部门做出恰当的决策。

基于多幅图像的去雾方法是较早出现的一类方法，它考虑到尘埃、雾霾颗粒杂质的随机性，利用多幅图像的融合或加权平均来实现去雾。Grewe等人将多幅含雾图像在小波域进行融合，获取高对比度的图像。Schechner等人根据多幅图像的滤光图和不同程度的偏振来估算景深信息，进而恢复得到不含雾的图像。Narasimhan等人通过对比同一场景在不同天气下的图像，并根据场景点之间的变化来估算景深信息和场景结构，达到了增强图像对比度的目的。Galdran等人通过伽马校正和多尺度混合拉普拉斯，将多幅不同曝光的图像进行融合，降低了图像去雾的依赖性和复杂性。尽管该类方法取得了一定的去雾效果，可是要想获取同一场景在不同时刻的输入图像组却需要耗费大量人力及时间，有时甚至是不可行的。故此，研究人员逐渐将目光转移到基于单幅图像的去雾研究上。

目前，典型的单幅图像去雾方法主要分为两大类：基于对比度增强的方法和基于物理模型的复原方法。其中，基于对比度增强的方法不考虑雾天图像的降质原因，仅通过提高雾天图像的颜色对比度来突出图像细节，从而改善图像的视觉效果，如直方图均衡化、同态滤波、Retinex等。但是，由于此类方法未充分考虑大气光成分的影响，无法适应复杂的有雾场景，易使增强后的图像出现颜色过饱和现象，以致产生明显的图像失真，去雾程度尚无法满足应用要求。而基于物理模型的复原方法则通过建立雾天图像的退化模型，根据有效假设或先验信息，在反演图像退化的过程中完成对参数的最优化估计，补偿退化所造成的图像失真，从而改善含雾图像的质量。该类方法的针对性强，去雾效果较为自然，一般不会出现严重的画质失真，是近年来广泛采用的图像去雾技术，得到越来越多学者的关注与深入研究。