[发明专利]一种图像去雾方法及基于该方法的车牌图像识别方法

摘要

本发明结合优化暗通道去雾方法与二维隐马尔科夫模型，提出了一种图像去雾方法及基于该方法的车牌图像识别方法，对拍照得到的有雾原始图像求取暗通道，得到初始透射图，对初始透射图进行优化，得到优化透射图进一步得到相应矩阵，并对初始透射图重新优化计算，得到最终的透射图，利用最终的透射图得到去雾图像；本发明既可以使去雾结果强化在深度不连续处出现的图晕效果，又可在图像识别中利用条件转移概率进行状态转换，进而反应平面两个维度上的依赖关系，识别车牌的英文字符和阿拉伯数字，该算法适用于雾天情况下的车牌识别，对于不同字符大小、字符倾斜、污损等情况，抗噪声能力强。

主权项

一种图像去雾方法，其特征在于，具体步骤如下：步骤一：对拍照得到的有雾原始图像求取暗通道J^dark，计算天空光亮度S，得到初始透射图步骤二：在权值K＝10^‑4的条件下，使用公式(1)对初始透射图进行优化，得到优化透射图t’，对优化透射图t’进行边缘提取后进行膨胀处理，得到优化加权过的矩阵P；$I_{\left(x\right)}=J_{\left(x\right)}{t}_{\left(x\right)}+A_{(1-t_{\left(x\right)})}---\left(1\right)$(其中I是原始图像的像素值，J是期望得到的场景的真实辐射值，A是天空光亮度，t为介质的透射率)；步骤三：使用公式(2)通过步骤二得到的优化加权过的矩阵P对步骤一得到的初始透射图重新优化计算，得到最终的透射图t，$(L+\mathrm{KP})t=\mathrm{kP}\tilde{t}---\left(2\right)$(K为权值，P为加权矩阵，L是拉普拉斯抠图矩阵(Matting Laplacian矩阵)，t为最终透射图，为初始透射图)；步骤四：利用步骤三得到的结果，通过公式(1)对最终的透射图t计算得到去雾图像J。