[发明专利]一种基于暗通道先验的无人机航拍图像去雾与增强方法

说明书

本发明公开了一种基于暗通道先验的无人机航拍图像去雾与增强方法，图像方差和绝对梯度均值相结合，得到权值系数，并利用多重分解形式对边缘像素进行平滑处理；引入卷积神经网络来计算雾霾中的大气透射率；采用暗通道先验算法来增强航空摄影图像的光色差，实现航拍图像的去雾增强。本发明具有较好的去雾效果、对比度高、时间短，并具有明显的应用优势。

技术领域

本发明涉及一种航拍图像去雾增强方法，具体涉及一种基于暗通道先验的无人机航拍图像去雾与增强方法。

背景技术

由于航空图像在许多领域得到广泛应用，都需要高质量的图像，提高航空图像质量已成为学术研究的一个关键问题。当无人机在射击过程中受到雾的干扰时，会导致航拍图像的清晰度和亮度出现明显的问题。在这方面，一些图像除雾方法近年来也取得了很大的进展。目前有两种方法得到了很好的应用，一种是基于超像素的平均均方偏差暗通道单图像除雾方法，该方法产生的透射率保持不变，超像素更精细；另一种是基于平均不等式优化的自适应图像解雾算法，通过引入平均不等式关系来近似边界的两侧，拟合了无雾图像的最佳暗通道图，从而进一步获得了最佳的透射率。但传统的两种方法都没有考虑到暗通道机制，这导致了恢复后的图像失真，难以获得令人满意的图像脱雾效果。

发明内容

针对以上问题，本发明的目的是提供一种基于暗通道先验的无人机航拍图像去雾与增强方法。建立了大气散射模型，保证了无人机航空图像信息的完整性，通过先验暗通道可以有效地恢复空中图像细节。

本发明的目的通过以下技术方案实现：

一种基于暗通道先验的无人机航拍图像去雾与增强方法，其特征在于，将图像方差和绝对梯度均值相结合，得到权值系数，并利用多重分解形式对边缘像素进行平滑处理；引入卷积神经网络来计算雾霾中的大气透射率；采用暗通道先验算法来增强航空摄影图像的光色差，实现航拍图像的去雾增强。具体如下：

步骤一，将图像方差与绝对梯度均值相结合，得到权重系数，并采用多重分解形式在边缘周围平滑像素。

输入图像的加权值及其平均滤波，即滤波输出，公式如下：

输入的噪声图像为P，平均滤波结果描述为自适应平滑系数描述为κ。表达式如下：

在公式中，描述大于0的常数为c，用于确保除数不等于0，通常为10^-6；非负单调递增函数为f(·)，公式如下：

像素用p描述，梯度欧氏距离为

步骤二，引入了一种卷积神经网络来计算雾霾中的大气透射率；

雾图像的退化模型如下：

G＝J(x)·t(x)+P”·(1-v(x))

在上式中，x表示图像中任意像素的坐标点，t(x)表示雾图像，v(x)表示光的透射率，充分说明了光在雾条件下的透射能力。v(x)值越高，光的传输能力越强，图像越清晰，P”代表大气强度无限大。J(x)是从图像场景中反射出的光的强度。

由雾特征与散射率之间的非线性映射关系推导出如下表达式：

t(x_i)＝f₁(f₂(...f_n(G₁,G₂,...,G_n)))

在上述表达式中，图像x_i的n个退化模型为G_n，未知的非线性关系为f₁,...,f_n，图像x_i的散射率为t(x_i)。