[发明专利]一种基于退化模型和群稀疏的雾天图像复原方法

摘要

本发明公开了一种基于退化模型和群稀疏的雾天图像复原方法，该方法首先在研究了雾天大气散射模型的基础上，分析总结了各像素点的深度变化规律和因大气光散射造成的像素点的亮度变化规律，由此设计了雾天图像退化算子，并构建了雾天退化模型。然后，在退化模型的基础上，利用群稀疏表示方法训练得到每个群对应的群字典，接着利用SBI方法进行稀疏系数的求解，最终复原后的图像通过群字典和稀疏系数表示出来。本发明将提出的雾天退化模型与群稀疏表示方法相结合，计算图像复原结果，充分利用了图像的局部稀疏性和非局部自相似性，保证复原后的雾天图像具有良好的对比度和清晰度。

主权项

一种基于退化模型和群稀疏的雾天图像复原方法，其特征在于，包括如下步骤：步骤1，获取雾天图像，将雾天图像通过如下退化模型表示：y＝Hx+N其中，y为雾天天气下获取到的退化图像，x为退化前的清晰图像，N为高斯白噪声，H为退化算子，且H＝1‑e‑βd，β为大气散射系数，d为退化图像上各像素点的深度，r1、r2分别为以退化图像中心为坐标原点任意一个像素点的横、纵坐标；步骤2，设定滑动窗口的长和宽，将雾天退化图像按从左至右位移二分之一长，从上至下位移二分之一宽的方式遍历，得到大小与滑动窗口大小相同的图像块；对任意图像块xk,k＝1,2,…,n，将以该图像块为中心的正方形内其他图像块作为该图像块的邻近图像块，利用欧氏距离在邻近图像块中寻找与该图像块最匹配的c个图像块，且邻近图像块的个数大于c，将c个图像块中的每个图像块作为矩阵的一列，得到群k＝1,2,…,n，n为图像块的总数；步骤3，对每个群进行估计，并对该估计进行奇异值分解，得到群对应的自适应群字典其中，为的原子，i＝1,2,…,m，m为原子的个数；步骤4，将每个群基于自适应群字典进行表示，并利用分离Bregman迭代算法求解稀疏系数使得其中，为的元素，i＝1,2,…,m，m为元素的个数；步骤5，根据自适应群字典的集合和稀疏系数的集合，得到复原后的图像。