[发明专利]一种雾天交通场景图像的去雾方法和设备

说明书

本发明公开了一种雾天交通场景图像的去雾方法和设备，方法为：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；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；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分割得到；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。本发明可对交通场景图像快速、有效去雾。

技术领域

本发明属于图像信息处理领域，具体涉及一种雾天交通场景图像的去雾方法和设备。

背景技术

雾，是一种常见的自然现象，它是由空气中的水蒸气接触到较冷的地表凝结而成，由漂浮在空气中的小水滴构成。在视频监控领域中，由于雾的存在，降低了可见物的能见度，使得传感器获得的图像严重降质，不利于图像的后期处理，从而影响了目标跟踪，智能交通，视频监控，航拍等视觉系统的鲁棒性。此外在智能交通和区域视频监控中，雾的存在严重影响了监控效果，导致智能交通系统错误的判断车辆信息，区域视频监控获得的影像模糊不清，而前者尤为严重，雾的存在往往会引发交通事故或者交通阻塞，甚至航班的取消。因此，去雾的研究是必要的。

目前，针对雾霾天气引起的图像降质问题，国内外许多学者对此做了大量的研究。当前的去雾方法主要分为两大类：基于非模型的图像去雾算法和基于模型的图像去雾算法。

基于非模型的图像去雾算法是指不考虑雾霾天气图像退化的物理原因，通过图像增强算法对亮度和对比度进行改善，进而提升雾霾天气图像的视觉效果。基于非模型的图像去雾算法，处理相对简单，且适用的范围较广，但同时也存在信息丢失，图像失真等问题，而且这类方法的本质是尽量减少雾霾对图像的影响，未从根本上进行去雾，容易造成去雾效果不彻底。常见的基于非模型的图像去雾算法有直方图均衡化算法、Retinex算法以及小波变换算法等。

基于模型的图像去雾算法是分析雾天图像的降质原因，进而建立模型来模拟图像降质过程，然后通过求解逆过程得到无雾图像。目前最常用且效果最佳的模型是McCartney提出的大气散射模型。基于该模型，许多学者提出了各类去雾算法。这类算法分析了在大气散射模型下的雾天图像形成机制，从本质上分析了图像降质原因，使得去雾结果更加理想可靠。最早的去雾算法是利用多帧图像，并结合大气散射模型，进而求取模型方程的解，得到无雾图像。近些年来，基于大气散射模型的单幅图像去雾算法被广泛研究，这类算法都是在大气散射模型中加入已知的先验知识，求解图像的透射率与大气光值，然后根据大气散射模型公式求得无雾图像。

在图像去雾专利方面，胡浩丰等人(专利公开号为CN107966412A)通过修正正交偏振状态下的两次光强图得到总光强和偏振差，然后通过差分偏振复原模型计算得到去雾图像，但是两次获取正交偏振状态下的光强图对设备要求很高，无法大规模推广。汤红忠等人(专利公开号为CN107085830A)通过双区域滤波法和传播滤波法估计大气透射率，然后采用自适应方法优化大气光强度，实现无雾图像的恢复，但是该方法不能有效处理低亮度的雾天图像。张笑钦等人(专利公开号为CN110992285A)通过分层神经网络将雾天图像分割为内容特征和细节特征，然后分别进行去雾处理，并对中间结果进行交互，恢复出无雾图像，但是该方法不适用于算力不足的场景。上述这些方法都是通用的图像去雾算法，未针对交通场景进行优化，并且都有各自的局限性。

在此背景下，研究一种鲁棒性强，时间复杂度低的交通场景图像去雾方法尤为重要。

发明内容

本发明提供一种基于天空区域分割和颜色空间转换的雾天交通场景图像的去雾方法和设备，解决现有图像去雾方法未对交通场景进行优化、低亮度雾图去雾效果不佳的技术问题。

为实现上述技术目的，本发明采用如下技术方案：