[发明专利]一种用于道路监测的实时去雾方法

说明书

本发明公开了一种用于道路监测的实时去雾方法，包括以下步骤：步骤1，基于像素级暗原色对道路监测场景图像粗去雾；步骤2，建立监测场景残差图像计算模型；步骤3，监测场景残差图像的补充和增强；步骤4，融合步骤1的粗去雾结果和步骤3的场景残差补充、增强结果，获得监测场景的去雾结果；步骤5，调整步骤4的去雾结果的饱和度，提升去雾结果图像视觉效果。该方法从场景残差调整的角度出发，实现了实时高效的监测场景图像去雾和视觉效果保真，从而为雾天环境下，道路监测系统获取实时数据提供一种技术保障。

技术领域

本发明涉及一种监测图像实时去雾方法，特别是一种用于道路监测的实时去雾方法。

背景技术

道路监控是交通监测系统获取实时图像数据，实现数字化、可视化管理的重要渠道。然而，当监测场景处在雾天环境时，低质量的雾天道路监测数据，易引发交通监测系统“失明”，难以确保交通险患的及时回馈和排解。因而，实施道路监测场景图像去雾，复原出无雾监测场景在交通监测系统中具有重要价值。现有图像去雾技术中，基于大气散射模型的去雾技术最为高效，其主要包括：基于图像先验的去雾技术、基于学习策略的去雾技术。其中，基于图像先验的去雾技术，通过挖掘先验参数，然后引入大气散射模型，实施监测图像的去雾复原，这类方法的缺点在与高度依赖先验知识的准确性；基于学习策略的去雾技术，通过机器学习建立去雾系统，实施监测场景去雾，此类方法的缺点在于，需要大量的标签图像进行训练，且去雾速度慢，很难实现实时去雾。此外上述两类方法还存在一个共同的缺点，即，去雾结果的优劣严重依赖透射率和环境光估计或计算的精度。然而，基于散射模型求解透射率和环境光，属于数学上的病态问题，即，在此模型上的去雾结果，从理论上只能逼近真实场景，即未知无雾场景，很难准确求解。

发明内容

发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种用于道路监测的实时去雾方法。

为了解决上述技术问题，本发明公开了一种用于道路监测的实时去雾方法，包括以下步骤：

步骤1，基于像素级暗原色进行监测场景图像粗去雾，得到粗去雾结果；

步骤2，以透射率残差建立监测场景残差图像计算模型；

步骤3，基于Retinex方法补充增强场景残差图像，得到场景残差调整结果；

步骤4，融合粗去雾结果和场景残差调整结果，复原监测场景，得到去雾结果图像；

步骤5，调整去雾结果图像的饱和度，提升监测场景的视觉效果，输出最终去雾结果图像，完成道路监测的实时去雾。

本发明中，步骤1包括：

步骤1-1，计算监测到的雾天图像即监测场景图像的像素级暗原色方法如下：

其中，c代表监测场景图像y中的任一像素y_i的颜色通道，R代表红色通道，G代表绿色通道，B代表蓝色通道，是像素y_i在不同颜色通道的光强；A是环境光，A^c是上述三种颜色通道环境光强；min是求极小值的运算；

步骤1-2，计算监测场景图像中任一像素y_i的透射率，方法如下：

其中，t_i是像素y_i的透射率；

步骤1-3，计算监测场景图像的粗去雾结果图像方法如下：

其中，是对应的粗去雾结果。

本发明中，步骤2包括：

步骤2-1，计算透射率残差，方法如下：