[发明专利]一种基于天空识别与分割的暗通道先验去雾方法

摘要

一种基于天空识别与分割的暗通道先验去雾方法，首先根据天空区域亮度较亮、梯度较小的特点，并结合均值漂移算法分割出天空区域；然后再分别计算出天空区域和非天空区域的透射率并通过改进的引导滤波对透射率图像进行优化；最后根据去雾模型进行图像去雾。该方法以天空区域的特征点结合均值漂移算法进行天空分割，提高了天空区域识别的准确性；依据天空区域和非天空区域的特点，分别计算透射率，提高了透射率的准确度；基于边缘保持的暗通道及大气光强以及基于边缘保持的透射率图像引导滤波，消除了去雾后景物边缘的光晕现象，同时也提高了处理效率。恢复的图像天空区域更自然，并且可以大大减少消耗，提升计算速度。

主权项

一种基于天空识别与分割的暗通道先验去雾方法，其特征是，包括天空区域识别、基于边缘保持的暗通道及大气光强估算、基于天空区域识别的透射率估算以及基于边缘保持的透射率引导滤波，最后利用估算的大气光强和透射率对图像去雾；具体包括以下步骤：(1)天空区域识别：①首先将输入的有雾图像J均匀划分成四个区域，由于天空区域始终在图像的上方，所以对图像上方的左右两个区域分别再划分成四个区域，标记为Δ_left,1、Δ_left,2、Δ_left,3、Δ_left,4、Δ_right,1、Δ_right,2、Δ_right,3和Δ_right,4；②分别计算每个区域的平均亮度J^light；③分别计算每个区域的平均梯度J^grad；④在Δ_left,1、Δ_left,2、Δ_left,3和Δ_left,4中选取亮度最大且梯度小于门限值的区域，标记为A₀₁；⑤在Δ_right,1、Δ_right,2、Δ_right,3和Δ_right,4中选取亮度最大且梯度小于门限值的区域，标记为A₀₂；⑥将区域A₀₁和A₀₂分别再划分成4个区域，重复上述步骤②至⑤，选出区域A₁₁和A₁₂；⑦分别取A₁₁和A₁₂区域中的中心点a(i,j)和b(i,j)作为天空区域的识别点；⑧以a(i,j)和b(i,j)作为特征点，采用均值漂移算法进行天空区域分割；(2)暗通道及大气光强估算：①对输入的有雾图像J进行边缘检测；②依据有雾图像的各个色度分量及边缘检测结果，求出有雾图像的暗通道图像；③选择暗通道中最亮的0.1％个像素点，其对应有雾图像J的最亮点值为作为大气光强A；(3)透射率及无雾图像估算：①依据分割出的天空区域像素集合S、有雾图像的大气光强A，采用下式估算有雾图像中每个像素的初始透射率，$t\left(x\right)=\left\{\begin{array}{cc}\frac{A-J_r\left(x\right)}{A-{\mathrm{\δ}}_r{J}_r\left(x\right)}& x\∈S\\ 1-\mathrm{\ω}\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min }\left(\underset{c\∈\{r,g,b\}}{min}\frac{J^c\left(y\right)}{A}\right)& x\∉S\end{array}\right.,$式中，J_r表示有雾图像中的红色色度分量；δ_r表示自然场景下，无雾图像天空区域的红色色度分量与有雾图像天空区域的红色色度分量之比，δ_r的取值范围是[0～1]，ω是一个可调节的参数，其值设置为0.95；②对于步骤①中求出的透射率图像，采用引导滤波进行优化，对透射率图像边缘区域的像素，采用12×12的窗口进行引导滤波，对透射率图像非边缘区域的像素采用60×60的窗口进行引导滤波，计算出每个像素的最终的透射率t'(x)；③依据优化后的透射率，估算无雾图像的像素值，如下式所示：$J_{dehazed}^c\left(x\right)=\frac{J^c\left(x\right)-A}{max\left(t^{\′}\right(x),t_0)}+A,$式中，表示估算出的无雾图像中色度分量c，像素x的像素值，t₀表示场景的最低透射率，设置为0.1。