[发明专利]基于多尺度细节优化的MSRCR图像去雾算法

说明书

本发明公开了基于多尺度细节优化的MSRCR图像去雾算法，属于图像去雾技术领域，包括以下步骤：通过MSRCR算法进行图像整体去雾，得到整体去雾的图像，在去雾过程的像素分类上使用KNN算法进行像素快速分类；通过双边滤波对整体去雾的图像进行处理，消除图像的噪声，保留边缘信息得到整体降噪去雾的RGB图像；对RGB图像使用MsDB进行细节优化得到细节优化的去雾图像；本发明首先利用MSRCR算法进行图像整体去雾，在该过程的像素分类上，使用KNN算法进行快速像素快速分类，然后使用双边滤波实现降噪的同时保留边缘信息边缘，最后使用多尺度细节优化算法对降噪后图片进行细节优化，以为图片检测提升检测精度。

技术领域

本发明涉及图片去雾技术领域，具体涉及基于多尺度细节优化的MSRCR图 像去雾算法。

背景技术

雾天是自然界最常见的一种天气现象，也是影响可见度的最直观的因素， 如何提高雾天图片可见度，提高雾天图片检测精度，降低危险情况产生，是各 类图像去雾专家探索的目标。其中，何凯明等人提出“Single Image Haze Removal Using Dark ChannelPrior”一文，该文采用物理成像原理实现图像去雾，首先利 用按通道处理方法计算大气光强，再通过计算透射率实现图像去雾。曹永妹等 人提出基于三边滤波的Retinex图像去雾方法，该方法在继承经典Retinex算法 的同时，利用三边滤波器对图像照射分量进行降噪处理，消除边缘问题，进而 实现图像去雾。刘海波等人提出基于暗通道先验和Retinex理论的快速单幅图像 去雾方法，该方法以大气散射模型为基准，先利用暗通道原理和Retinex模型进 行粗略估算，然后再进行像素级融合，最后使用简化版的大气散射模型和色调 调整实现图像去雾。

现有技术都侧重于图像去雾效果，对去雾过程的图像细节，关注不多，去 雾效果不佳，后期图像检测精度较差。

发明内容

基于以上问题，本发明的目的在于：提供基于多尺度细节优化的MSRCR图 像去雾算法，用于解决现有技术都侧重于图像去雾效果，对去雾过程的图像细 节，关注不多，去雾效果不佳，后期图像检测精度较差的问题，本发明提出基 于多尺度优化的改进MSRCR算法，该算法首先利用MSRCR算法进行图像整体 去雾，在该过程的像素分类上，使用KNN算法进行快速像素快速分类，然后使 用双边滤波实现降噪的同时保留边缘信息边缘，最后使用多尺度细节优化算法 对降噪后图片进行细节优化，为图片检测提升检测精度。

本发明为了实现上述目的具体采用以下技术方案：

基于多尺度细节优化的MSRCR图像去雾算法，包括以下步骤：

步骤一：通过MSRCR算法进行图像整体去雾，得到整体去雾的图像，在去 雾过程的像素分类上使用KNN算法进行像素快速分类；

步骤二：通过双边滤波对整体去雾的图像进行处理，消除图像的噪声，保 留边缘信息得到整体降噪去雾的RGB图像；

步骤三：对RGB图像使用MsDB进行细节优化得到细节优化的去雾图像。

进一步地，所述通过MSRCR算法进行图像整体去雾，得到整体去雾的图像， 在去雾过程的像素分类上使用KNN算法进行像素快速分类包括以下步骤：

MSRCR算法的表达公式如下所示：

其中，k是尺度的个数；ω_i为第i个尺度的加权系数，S_i(x，y)是待处理的原始 图像，F_i(x，y)是高斯卷积函数，*表示滤波操作；

其中对于ω_i加权系数需要满足K个加权系数和为1的条件，其计算公式如下 式所示：