[发明专利]基于深度估计先验的快速图像去雾方法及电子设备

说明书

本发明涉及图像处理技术领域，具体涉及一种基于深度估计先验的快速图像去雾方法及电子设备，包括以下步骤：获取无雾图像加雾后有雾图像及其深度图对的数据集，并将其转化为可进行数字图像处理的形式；利用多个含雾图像构建用于去雾的深度估计模型，并生成输入图像对应的初始深度图；使用大气光估计算法估计输入图像对应的三通道大气光值，同时采用最小值滤波、下采样及引导滤波对深度图进行细化；将细化的深度图、大气光值带入到图像复原公式中，并对含雾图像进行去雾操作并输出。本发明能够更好地处理去雾与不去雾之间的边界，在算法流程中引入了上下采样、优化简化操作，降低了算法的算力消耗、时间消耗。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于深度估计先验的快速图像去雾方法及电子设备。

背景技术

在计算机视觉领域，对有雾场景下图像的清晰化处理是一个重要的问题，它对于后续的操作(如目视解译以及计算机视觉分析)来说至关重要。在可见光成像范围内，由于受到大气中雾、尘埃等微粒的影响，随着传输距离的增加，物体反射后到达相机感光片的光线很微弱，使得成像模糊不清，尤其是在大雾天气下，能见度很低，大雾天气下拍摄的图像雾霾情况更加严重。因此去雾技术具有重大的现实意义。

现有的深度学习去雾算法对硬件要求较高，难以边缘化；基于先验的去雾算法或去雾力度不大，或产生天空等局部区域的失真，难以较好的权衡两者之间的关系；前面两种算法资源消耗均较多，生产效率低。

发明内容

针对现有技术的不足，本发明公开了一种基于深度估计先验的快速图像去雾方法及电子设备，用于提高目前传统的基于先验的去雾算法的去雾力度，同时使处理过后的天空等本身较白的部分更加自然；减少算法处理图片的时间成本、算力成本，使算法更适合集成到硬件环境中。

本发明通过以下技术方案予以实现：

第一方面，本发明提供一种基于深度估计先验的快速图像去雾方法，包括以下步骤：

S1获取无雾图像加雾后有雾图像及其深度图对的数据集，并将其转化为可进行数字图像处理的形式；

S2利用多个含雾图像构建用于去雾的深度估计模型，并生成输入图像对应的初始深度图；

S3使用大气光估计算法估计输入图像对应的三通道大气光值，同时采用最小值滤波、下采样及引导滤波对深度图进行细化；

S4将细化的深度图、大气光值带入到图像复原公式中，并对含雾图像进行去雾操作并输出。

更进一步的，所述方法中，构建用于使用大量含雾图像总结出带雾图像深度与明度、饱和度之间的数学关系，完成数学建模、机器学习统计并用于后续深度估计。

更进一步的，所述方法中，构建用于去雾的深度估计模型，具体如下：挑选一张任意的加雾图像，图像中每个像素点均对应各自的明度、饱和度及其雾浓度意义上的深度，将相关的三个维度以散点图的形式画出，然后采用曲面拟合的形式对散点图进行拟合，找到误差最小的曲面，最后构建数学模型。

更进一步的，所述S2中，生成初始深度图具体如下：

通过观察图像像素点中亮度和饱和度与雾浓度之间的相关性，并将其量化为雾浓度意义上的场景深度与两者之间的相关关系；

根据所述的雾浓度意义上的场景深度与饱和度、亮度差值间的相关关系，构建数学模型，并通过机器学习进行超参数经验值求取；

通过建模的单幅图像场景雾浓度深度估计模型，对输入图像进行场景深度的求取；

其中，大气散射模型可以表达如下：

I(x)＝J(x)t(x)+A(1-t(x))

t(x)＝e^-β·d(x)