[发明专利]一种基于RGB和HSV双颜色空间的图像去雾方法

说明书

一种基于RGB和HSV双颜色空间的图像去雾方法，涉及数字图像处理技术领域，解决现有方法中透过率估计不准确，易产生光晕现象以及颜色失真，实时性差等问题，本发明从大气散射模型出发，利用有雾图像最小值通道和雾浓度估计建立透过率估计模型；在HSV的空间，利用饱和度特性，实现饱和度下像素级的雾浓度估计；利用RGB空间的L2范数，建立RGB三通道的像素级的雾浓度估计的数学模型；结合两个颜色空间的雾浓度估计，利用成像场景与雾浓度估计的参数，自适应地获取最终的雾浓度估计值；从而，直接从单幅图像中获得最佳的大气透过率图。利用最小值通道图像自适应的获取全局大气光。本发明算法处理效果较好且运算量小，可应用于实时工程系统中。

技术领域

本发明涉及数字图像处理技术领域，具体涉及一种结合RGB和HSV双颜色空间的图像去雾方法。

背景技术

由于雾霾天气广泛存在，大气中存在大量的悬浮颗粒，各种颗粒物和小水滴对光线的散射效应使得图像的亮度改变，细节丢失，对比度下降，严重干扰了户外成像设备工作，如户外监视系统、辅助驾驶系统等。因此，快速高效的去雾技术的研究成为当前的研究热点和难点。

目前，大部分单幅图像去雾方法基本上都是基于大气散射模型展开研究的。通过一些先验信息(如暗通道先验、颜色先验、几何先验等)对大气散射模型中的未知变量进行估计求解，从而利用大气散射模型，可得到无雾图像。近年来出现了一些比较经典的去雾方法：He提出的暗通道先验算法被公认是简单有效的去雾方法，然而暗通道算法在局部图像不满足先验信息的时，对透过率的估计将会出现明显偏差，将会有颜色失真和晕环现象的发生，导致整体图像去雾效果不佳；Kim等在去雾过程中，通过最小化代价函数实现整体去雾的平衡，但不恰当的正则化参数设置会出现光晕现象；Tarel等采用中值滤波估计光幕，算法效率高，但由于中值滤波不能很好地处理边缘区域去雾结果产生色调失真。还有，一些基于神经网路的去雾方法研究也取得了比较好的去雾效果，但是其实时性一般都很差，很难在实际工程中得到应用。

发明内容

本发明为了解决现有方法中透过率估计不准确，易产生光晕现象以及颜色失真，实时性差等问题，提供一种基于RGB和HSV双颜色空间的单幅图像去雾方法。

一种基于RGB和HSV双颜色空间的单幅图像去雾方法，该方法由以下步骤实现：

步骤一、设定成像模型为：

I(x)＝J(x)t(x)+A(1-t(x)) (1)

式中，I(x)为待去雾的图像，J(x)为要恢复的无雾图像，A为全球大气光成分，t(x)为透过率；

根据暗通道先验算法得出下式：

式中，c为R、G、B三通道中的一个颜色通道，表示在局部区域y∈Ω(x)窗口内，无雾图像J(x)趋于0；

步骤二、引入一个在[0,1]之间的修正因子ω，获得暗原色先验估计的透过率图

步骤三、采用像素级的透过率估计方法，将式(3)中的局部最小值，变换为像素级的最小值通道，获得精细化的透过率t(x)的估计，如式(4)所示：

式中，为RGB空间中有雾场景辐射的最小值通道，ω为常数调节量，Φ(x)为雾的浓度估计；选取I^dark(x)图中亮度值前0.1％的点作为备选大气光A的位置点，再在原图上取上述点对应像素中亮度最大的点作为大气光值点，获得大气光值A；

步骤四、选取彩色图像的HSV模型，根据式(5)，获得饱和度归一化分量I_S；