[发明专利]一种基于大气传输矩阵迭代优化的图像去散射方法

说明书

本发明公开了一种基于大气传输矩阵迭代优化的图像去散射方法，包括以下步骤：S1、基于大气传输矩阵构建去散射模型；S2、估算雾天图像B对应的前向散射系数q；S3、基于雾天图像B的深度图T和步骤S2中获得的所述前向散射系数q估算出初始大气传输矩阵A；S4、将估算的初始大气传输矩阵A代入步骤S1中的所述去散射模型，在约束条件下进行迭代更新，直至所述去散射模型的值满足收敛条件，获得最优大气传输矩阵A*和最优去散射后的图像X*。本发明提出的基于大气传输矩阵迭代优化的图像去散射方法基于大气传输矩阵，通过使用迭代的方法不断优化更新大气传输矩阵和去散射后的图像，获得的去散射图像与真实图像偏差小，视觉效果好。

技术领域

本发明涉及光学与数字图像处理领域，特别涉及一种基于大气传输矩阵迭代优化的图像去散射方法。

背景技术

在现实生活中，雾霾天气广泛存在，大气中的尘埃、雾气等粒子会导致散射现象的发生，使得图像的细节、亮度信息大量丢失，给成像设备造成了较大的影响，降低了图像的视觉效果。目前现有的去散射算法分为两大类：一类是基于图像处理的图像增强方法，如直方图均衡化、Fusion、Retinex等方法，这类方法虽然能够提升图像视觉效果，但是在雾霾浓度较大的时候效果不好，只是对图像的颜色进行了较好的恢复。另一类是基于模型的图像复原方法，如暗通道先验、Haze-lines等方法，这类方法考虑了大气散射的物理模型，能够较好的对图像进行复原，但由于其应用的模型经过了较多的近似，与真实的大气环境存在较大差距，限制了其恢复性能。

由于真实的大气模型非常复杂，无论是求解还是测量都有极大的难度，现有的方法无法真正应用到大气去散射中去，而使用简化模型进行直接求解存在较大偏差。

发明内容

本发明目的是为了解决现有技术中采用简化的近似模型获得的图像失真较大的问题，提出一种基于大气传输矩阵迭代优化的图像去散射方法。

本发明提出的一种基于大气传输矩阵迭代优化的图像去散射方法，包括以下步骤：S1、基于大气传输矩阵构建去散射模型；S2、估算雾天图像B对应的前向散射系数q；S3、基于雾天图像B的深度图T和步骤S2中获得的所述前向散射系数q估算出初始大气传输矩阵A；S4、将估算的初始大气传输矩阵A代入步骤S1中的所述去散射模型，在约束条件下进行迭代更新，直至所述去散射模型的值满足收敛条件，获得最优大气传输矩阵A*和最优去散射后的图像X*。

优选地，步骤S1中所述去散射模型为min||AX-B||2，其中，A为初始大气传输矩阵，X为雾天图像B的初步去散射后的图像；B为雾天图像。

优选地，步骤S2中估算前向散射系数q的方法包括：S21、将雾天图像B和初步去散射后的图像X做对比，得出雾天图像B拍摄现场的大气类型；S22、采用雾气浓度评估模型获得所述前向散射系数q。

优选地，所述雾天图像B的初步去散射后的图像X的获取方法为暗通道先验去雾算法、haze-lines先验算法、Retinex图像增强算法和Fusion算法中的一种。

优选地，步骤S3中估算出初始大气传输矩阵A的方法包括：S31、构建雾天图像B中像素的大气点扩散函数

其中，Γ(·)为伽玛函数，k为调节因子，x，y为待计算像素与中心点坐标的偏差；T为深度图，T_xy为深度图T中像素所对应的深度信息，q为前向散射系数，p和σ为函数A(·)的两个输入变量；S32、对像素的大气点扩散函数进行稀疏化；S33、根据像素在雾天图像B内的坐标，将稀疏化后的大气点扩散函数中心点与对应的雾天图像B内的像素点对应起来进行填充，超出雾天图像B的部分进行裁剪，其余部分全填充为零；S34、将计算得到的像素的大气点扩散函数按列展开；S35、重复步骤S31～S34，得到雾天图像B中每个像素的大气点扩散函数并分别将其按列展开；S36、将步骤S35中的所有列按照像素的顺序进行堆叠，生成初始大气传输矩阵A。