[发明专利]面向矿井的图像显著性提取去雾方法、装置及人脸检测

说明书

本发明涉及一种面向矿井的图像显著性提取去雾方法、装置及人脸检测，属于图像处理技术领域，解决了由于矿井下雾尘浓度、光源不均匀和图像显著程度不同造成的去雾图像失真、过饱和及边缘晕伪影的问题。方法包括：获取矿井下的原始存雾图像；基于直方图分析对原始存雾图像进行亮度降值处理，根据亮度降值后的存雾图像计算大气光估计值；根据大气光估计值、预设的小尺度的数值和大尺度的数值得到大尺度传输图和小尺度传输图；基于原始存雾图像的显著图将大尺度传输图和小尺度传输图融合得到显著性提取去雾模型；利用L2正则化对显著性提取去雾模型进行约束，得到融合后传输图；基于融合后传输图、大气光估计值，反解大气散射模型得到去雾图像。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种面向矿井的图像显著性提取去雾方法、装置及人脸检测。

背景技术

目前煤矿井下监控系统已经得到了广泛应用，危险区域下的安全监视与联动控制，不仅可以将人员从危险的环境中解放出来，还可以提高煤矿安全生产的保障能力和矿井自然灾害的监测预警水平。但是，矿井下特殊的环境给矿下图像采集带来了严峻的挑战。在矿下环境中，空气中聚集了许多细小颗粒物，这些细小颗粒物会对光产生吸收或折射现象，影响光的正常辐射，并且当这些细小颗粒物在某一区域聚集过多时便会产生雾、霾等恶劣环境现象，往往会对监控系统捕捉到的图像的颜色、对比度、饱和度、细节等产生非常恶劣的影响。为解决这种特殊的矿下环境影响，许多不同技术路线的去雾算法被提出来，其中基于暗通道先验模型去雾算法(Dark Channel Prior，DCP)是其中的佼佼者。该算法发现了一个先验规律，即对于没有天空的无雾图像的像素点，有至少一个颜色通道的像素强度非常低。通过此先验规律获取全球大气光以及传输图，最后基于全球大气光模型计算去雾图。

目前，全球大气光通常是取暗通道图中强度前0.1％的点对应的真实像素强度的均值，该方式一定程度上减小了的大气光估计值的误差，但仍存在一个大的问题。矿井下的光源一般为点光源，而点光源或者镜面的反光会造成采集的图像存在过亮的区域，此区域内的像素强度远远大于其他像素强度，这使得在求取大气光估计值时造成严重的估计错误，从而导致去雾图像严重色彩失真。此外，对同一幅图像，人对于不同的物体关注度不同，图像中的各像素的显著程度不同，采用DCP算法小尺度模型去雾可能会造成去雾过饱和，采用DCP算法大尺度模型去雾可能会造成物体边缘位置出现晕伪影现象。

因此，由于矿井下特殊的图像采集环境，采用现有的DCP图像去雾方案，难以解决矿井下雾尘浓度、光源不均匀和图像显著程度不同造成的去雾图像失真、过饱和及边缘晕伪影的问题。

发明内容

鉴于上述的分析，本发明实施例旨在提供一种面向矿井的图像显著性提取去雾方法、装置及人脸检测，用以解决矿井下雾尘浓度、光源不均匀和图像显著程度不同造成的去雾图像失真、过饱和及边缘晕伪影的问题。

一方面，本发明实施例提供了一种面向矿井的图像显著性提取去雾方法，包括如下步骤：

获取矿井下的原始存雾图像；

基于直方图分析对所述原始存雾图像进行亮度降值处理，根据亮度降值后的存雾图像计算大气光估计值；

根据所述大气光估计值、预设的小尺度的数值和大尺度的数值得到大尺度传输图和小尺度传输图；

基于所述原始存雾图像的显著图将所述大尺度传输图和小尺度传输图融合得到显著性提取去雾模型；

利用L2正则化对所述显著性提取去雾模型进行约束，得到融合后传输图；

基于所述融合后传输图、大气光估计值，反解大气散射模型得到去雾图像。

进一步地，所述基于直方图分析对所述原始存雾图像进行亮度降值处理，包括下述步骤：

将所述原始存雾图像分为红、绿、蓝三个颜色通道；