[发明专利]一种雾天交通场景图像的去雾方法和设备

权利要求书

1.一种雾天交通场景图像的去雾方法，其特征在于，包括以下步骤：

步骤A，针对远景区域、近景区域以及过渡区域不同的雾气浓度，分别计算雾天交通场景图像中对应区域的大气光值；然后在HSI颜色空间利用各通道的传输图和大气光值，根据大气散射模型计算初步去雾的交通场景图像；

步骤B，基于预设的I通道阈值，对初步去雾的交通场景图像进行全局亮度提升；

其中，预设的I通道阈值，是根据初步去雾的交通场景图像中天空区域在HSI颜色空间的I通道像素设置得到；且，天空区域，是基于暗通道特征和相对能量特征对雾天交通场景图像进行分割得到；

步骤C，对步骤B得到的图像，进行限制对比度自适应直方图均衡化和引导滤波处理，得到最后去雾的交通场景图像。

2.根据权利要求1所述的方法，其特征在于，所述暗通道特征的计算方法为：

其中，i和j分别是图像中像素的行号和列号，M是图像中所有行号之和，I是由r、g、b通道组成的图像，c表示r、g、b的任一颜色通道，I^c表示图像I的c颜色通道分量，I^c(i,j)表示图像I在像素(i,j)的c颜色通道分量；F_DC++表示图像I在像素(i,j)的暗通道特征。

3.根据权利要求1所述的方法，其特征在于，所述相对能量特征的计算方法为：

其中，Z(i,j)为有关于高斯函数水平和垂直二阶导数的中间变量，α是Z(i,j)的最大值，k是对比度增益，τ是噪声阈值，表示卷积运算，g_h和g_v分别是高斯函数的水平和垂直二阶导数；I(i,j)表示像素(i,j)的像素值，R、G、B分别为r、g、b通道分量，F_CE++表示图像I在像素(i,j)的暗通道特征。

4.根据权利要求1所述的方法，其特征在于，基于暗通道特征和相对能量特征对雾天交通场景图像进行分割得到天空区域的方法为：

a1，提取雾天交通场景图像的暗通道特征和相对能量特征；

a2，基于暗通道特征和相对能量特征，采用K均值聚类方法对雾天交通场景图像粗分割为天空区域和非天空区域；

a3，从粗分割的天空区域和非天空区域中选取置信度更高的部分像素，分别作为正负样本；并基于正负样本的暗通道特征和相对能量特征，训练机器模型得到天空区域细分类器；

a4，基于暗通道特征和相对能量特征，使用天空区域细分类器对雾天交通场景图像中的像素进行分类，并根据分类结果得到对应的天空区域细分割的二值图像。

5.根据权利要求4所述的方法，其特征在于，采用K均值聚类方法对雾天交通场景图像粗分割的方法为：

b1，将雾天交通场景图像的暗通道特征和相对能量特征由二维矩阵转换为一维列向量，并执行正则化操作；

b2，设置K均值聚类的类别数为2，基于暗通道特征和相对能量特征这两个列向量，对雾天交通场景图像中的像素进行聚类，得到聚类标签和聚类中心；

b3，根据聚类中心确定雾天交通场景图像中所有像素的类别，从而确定天空区域和非天空区域；

b4，将聚类标签从一维列向量转换为二维矩阵，得到雾天交通场景图像的粗分割图像。

6.根据权利要求4所述的方法，其特征在于，从粗分割的天空区域和非天空区域中选取正负样本的方法为：

c1，将粗分割为天空区域和非天空区域得到的二值图像按列遍历，如果天空区域在该列的上部，且在该列高度的占比不少于预设比例，则记录该列号；

c2，从c1记录的列号中提取天空区域最长的子序列，其上部预设比例的像素即为天空区域置信度更高的像素，将其作为正样本；

c3，将粗分割为天空区域和非天空区域得到的二值图像按列遍历，如果非天空区域在该列的下部，且在该列高度的占比不少于预设比例，则记录该列号；

c4，从c3记录的列号中提取非天空区域最长的子序列，其下部预设比例的像素即为非天空区域置信度更高的像素，将其作为负样本。