[发明专利]基于暗通道与Retinex的海雾图像自动去雾方法及系统

摘要

本发明公开了一种基于暗通道与Retinex的海雾图像自动去雾方法及系统，属于图像信息处理技术领域。本发明方法包括如下步骤：(1)求取输入图像的暗通道图像；(2)求取暗通道图像像素值较低的像素点所占的比例，求取输入图像的亮度与对比度特征；(3)根据所求比例及特征将图像进行自动分类；(4)根据待处理图像的类别对图像进行处理。本发明还公开了一种基于暗通道与Retinex的海雾图像自动去雾系统。本发明能够根据图像的属性对图像进行分类，自适应地选择相应的处理方法，极大地提高了海上有雾图像的对比度和清晰度，而且算法的复杂度低、运行速度快，因而能够应用于海上智能交通系统。

主权项

1.一种基于暗通道与Retinex的海雾图像自动去雾方法，其特征在于，步骤如下：(1)求取输入图像的暗通道图像对海雾图像的RGB三个颜色通道图像分别进行最小值滤波，再选取滤波后的三通道图像中同一位置的像素最小值作为暗通道图的像素值，表达式如下：其中，I表示海雾图像；I^c表示I的某一个颜色通道，I^c(y)表示海雾图像当中单个像素点的某一个颜色通道的值；Ω(x)是以像素点x为中心的一个滤波窗口区域；J^dark为海雾图像I的暗通道图像；(2)求取暗通道图像的像素值较低的像素点所占的比例，求取输入海雾图像的亮度与对比度特征1)计算暗通道图像的像素值在m至n之间的像素点的比例D；2)计算海雾图像上半部分的亮度的平均值L；3)将海雾图像进行分块并计算所有子块的对比度：将海雾图像分成不重叠的子块，计算每个子块的对比度；将子块的对比度定义为子块当中所有像素的RGB三个通道上的方差最大值，表达式如下：V_k＝max(V_ck)  (1‑2)其中：k表示第k个子块，c表示子块的RGB三个通道之一；4)分别统计子块的对比度小于p的比例C1及小于q的比例C2；(3)根据所求比例D及特征将海雾图像进行自动分类设定比例阈值D_T，亮度阈值L_T及对比度阈值C1_T和C2_T，根据输入海雾图像属性与对应阈值的对比结果，将输入海雾图像自动分类为无雾图像、薄雾图像与浓雾图像：(a)当D>D_T时，将图像归类为无雾图像；(b)当C1<C1_T，L<L_T时，将图像归类为薄雾图像；(c)当C2>C2_T，C1>C1_T，L>L_T时，将图像归类为浓雾图像；(4)根据待处理图像的类别对图像进行处理1)针对无雾图像，不做处理，直接输出；2)针对薄雾图像采用改进的暗通道的方法，暗原色去雾算法是一种典型的基于物理模型的去雾算法，算法是基于经典的大气散射模型，大气散射模型的表达式为：I(x)＝J(x)t(x)+A(1‑t(x))  (1‑3)其中：I(x)是有雾图像，J(x)是无雾图像，t(x)是透射率，描述物体反射光线能够经过衰减到达观测点的比例，A是大气光；估计透射率，对表达式(1‑3)等号两侧进行最小值滤波并除上大气光值A，得到根据暗原色先验原理无雾图像的暗通道的值J^dark趋于0，即大气光值A通常大于0，所以表达式(1‑4)等号右侧第一项为0，由此得出：其中，表示的是海雾图像的暗通道图像；3)根据天空区域的亮度与大气光值A接近的特点，引进弱化因子R对天空区域的透射率进行调整：其中，ω是去雾的控制参数，取值范围为[0,1]，ω的值越大，去雾效果越明显，K和α是可调系数，根据图像合理选择可以保证透射率取得合理值；经过上述步骤得到的复原图像表达式为：设置t₀可以防止透射率过小造成图像失真；4)经过暗通道处理后的图像通常整体偏暗，因此采用伽马变换的方法对去雾后的图像进行处理；伽马变换的表达式为：s＝cr^γ   (1‑10)伽马变换可以很好地拉伸图像的对比度，扩展灰度级，不同的参数设置可以达到不同的效果；设置γ<1，使图像增亮；设置γ>1，使图像变暗，提高图像的对比度，凸显细节；5)针对浓雾图像采用带色彩恢复的多尺度Retinex与限制对比度自适应直方图均衡化相结合的方法物体的颜色是由物体对长波、中波和短波光线的反射能力决定的，物体的色彩不受光照非均匀的影响，具有一致性；根据Retinex理论，一幅图像分为亮度图像和反射图像两部分，通过降低亮度图像对反射图像的影响即达到增强图像的目的，其数学表达式为：I(x,y)＝L(x,y)×R(x,y)    (1‑11)其中，I(x,y)代表待增强的图像，L(x,y)代表环境光的照射分量，R(x,y)表示反射分量即增强后的图像；将上式两边取对数并移项得出：log[R(x,y)]＝log[I(x,y)]‑log[L(x,y)]    (1‑12)基于Retinex理论，采用MSRCR算法，即带色彩恢复的多尺度视网膜增强算法，算法主要包括以下步骤：(1)设置三个尺度的高斯模糊半径；(2)计算海雾图像按照上述三个尺度模糊后的图像L(x,y)；(3)按照式(1‑12)计算三个尺度的log[R(x,y)]的值；(4)将三个尺度的log[R(x,y)]按照权重进行累加；(5)将结果图像的像素值映射到0到255；(6)进行色彩恢复；CLAHE算法，算法主要包括以下步骤：(1)对海雾图像进行分块；(2)计算每个小块的直方图；(3)按照设定的裁剪阈值裁剪每个小块的直方图；(4)将裁剪掉的部分均匀分布到直方图的其他部分；(5)对每个小块进行直方图均衡化经过上述处理后，图像的对比度得到增强，但是图像整体偏暗，层次不分明，因此采用自动对比度算法对去雾后的图像进行进一步的处理。