[发明专利]一种基于Retinex理论的单幅夜间图像去雾方法

说明书

本发明公开了一种基于Retinex理论的单幅夜间图像去雾方法，涉及图像去雾技术领域。步骤包括：（1）利用辉光分解方法对输入的单幅夜间雾天图像进行预处理，将辉光层进行分解，解决夜间雾天图像中人工光源引起的辉光效应；（2）利用混合范数约束构造Retinex分解模型将辉光分解后的残差图像同时分解为照度图像、反射图像和噪声图像；（3）进而对照度图像依次利用伽马校正和先验知识对图像进行亮度补偿和去雾操作，解决夜间雾天图像的亮度较暗和雾霾干扰问题；（4）对反射图像进行非线性拉伸来增强纹理细节信息；（5）最后将处理后的照度图像和反射图像联合得到最终去雾后的图像。本发明具有通用性和普遍性，针对大多数场景的夜间雾天图像可同时解决雾霾干扰、亮度较暗、纹理模糊、噪声放大等降质问题。

技术领域

本发明涉及数字图像处理领域，特别是一种基于Retinex理论的单幅夜间图像去雾方法。

背景技术

随着计算机技术的快速发展以及硬件设备成本的降低，摄像机及其计算机视觉系统已经代替人眼被广泛地应用于各类室外场景中，例如，目标识别和跟踪、智能监控系统、机车导航、无人驾驶及卫星遥感等。 然而，这些户外计算机视觉系统得以正常工作的基础是获取到的图像或视频具有良好的清晰度。在雾霾等恶劣天气条件下，室外采集的图像在成像过程中物体发射的光线受到大气中悬浮微粒（水蒸气、气溶胶等）的散射影响而衰减，同时散射的环境光混入到成像光路中，导致成像后的图像出现严重得降质，具体表现为细节丢失、对比度下降以及颜色失真等。另外，在夜间雾天条件下，捕获的图像在遭受雾霾干扰的同时还会明显受到夜间低照度和噪声的影响而导致进一步降质。上述现象不仅给后续的图像处理任务带来严重得影响，还极大限制了计算机视觉系统的工作性能。因此，通过一定的方法来消除雾霾天气对夜间场景图像的影响，恢复图像的对比度、颜色以及细节特征，对提高户外计算机视觉系统的稳定性有着重要的现实意义。

目前，现有的方法针对白天雾天图像复原已经取得了较大的成功，得到较好的增强效果。而针对夜间雾霾图像的研究才刚刚起步，相关成果较少，主要分为三类。第一类是利用颜色转移技术将夜间雾天图像转换为白天雾天图像，然后借助先验知识进行去除雾霾的干扰。第二类是基于物理模型的方法。此类方法通过引入新的夜间雾天退化模型，然后通过先验知识、分解策略等来反解该模型得到复原图像。最后一类方法是基于深度学习的方法。此类方法是利用卷积神经网络来构造端到端的夜间图像去雾网络，进而利用大规模数据集进行训练模型，进而来改善夜间雾霾图像的质量。虽然上述方法可以有效的去除夜间场景下雾霾对图像的干扰，但是仍存在一定的缺陷，如细节区域模糊不清，噪声放大等。

基于此，本发明提供了一种基于Retinex理论的单幅夜间雾天图像去雾方法。步骤包括：（1）利用辉光分解方法对输入的单幅夜间雾天图像进行预处理，将辉光层进行分解，解决夜间雾天图像中人工光源引起的辉光效应；（2）利用混合范数约束构造Retinex分解模型将辉光分解后的残差图像同时分解为照度图像、反射图像和噪声图像；（3）进而对照度图像依次利用伽马校正和先验知识对图像进行亮度补偿和去雾操作，解决夜间雾天图像的亮度较暗和雾霾干扰问题；（4）对反射图像进行非线性拉伸来增强纹理细节信息；（5）最后将处理后的照度图像和反射图像联合得到最终去雾后的图像。本发明具有通用性和普遍性，针对大多数场景的夜间雾天图像可同时解决雾霾干扰、亮度较暗、纹理模糊、噪声放大等降质问题。

发明内容

本发明提出一种基于Retinex理论的单幅夜间图像去雾方法，旨在同时克服夜间雾天图像的辉光效应、亮度过暗、雾霾干扰、细节模糊以及噪声放大问题。

本发明所采用的技术方案如下：

一种基于Retinex理论的单幅夜间图像去雾方法，其特征在于，包括如下步骤：

（1）利用辉光分解方法对输入的单幅夜间雾天图像进行预处理，将辉光层进行分解；

（2）利用混合范数约束构造Retinex分解模型将辉光分解后的残差图像同时分解为照度图像、反射图像和噪声图像；

（3）利用伽马校正和先验知识对分解后的照度图像进行亮度补偿和去雾操作；