[发明专利]一种全天时雾霾图像清晰化恢复方法

摘要

本发明公开了一种全天时雾霾图像清晰化恢复方法，基于非天空区域分割实现对雾霾图像有效边缘轮廓的提取，通过L₀平滑滤波滤除掉图像非主干边缘轮廓，从而依据主干边缘来估计图像的真实复杂度，使现有视觉增强方法可根据不同结构特征的图像，自动调整关键的去雾霾权重，最终通过性能优良的引导滤波器实现雾霾图像的增强型恢复处理。此外，对于霾图像而言，进一步依据其天空区域中包含的原始颜色偏移信息，进行额外的颜色畸变校正。同时，充分考虑夜晚雾霾图像伴随复杂人造光源干扰，通过带颜色恢复的多尺度Retinex理论去除掉该图像中的照度成分，保留反应图像本质属性的反射成分，进而更有效地利用上述的恢复方法，实现全天时雾霾图像的清晰化恢复处理。

主权项

1.一种全天时雾霾图像清晰化恢复方法，其特征在于，所述全天时雾霾图像清晰化恢复方法将白昼雾霾天气下所摄图像的非天空区域提取出来，通过L₀范数平滑滤波实现非天空区域主干边缘轮廓的提取，从而根据雾霾图像本身结构特征自适应地确定增强型去雾霾方法中关键的增益权重系数；对于霾较重的图像进一步根据其自身颜色偏移信息，对霾较重的图像进行有效的颜色畸变校正；而对于夜晚图像而言，运用带颜色恢复的多尺度Retinex理论实现夜晚雾霾图像光照层与反射层的分离，进而根据反映其结构属性的反射层来更准确地确定去雾霾权重系数，实现在夜晚复杂光照背景下雾霾图像的清晰化恢复；具体包括以下步骤：步骤一，对白昼、夜晚雾霾图像的自动识别：计算所输入雾霾图像的统计直方图，据此来判断输入图像的成像条件；当直方图分布整体位于该直方图的中高像素值区域时，则判断该图像为白昼雾霾图像；反之，若直方图的分布体整体位于低像素值区时，则判断为夜晚雾霾图像；步骤二，白昼雾或霾图像的识别及夜晚图像去照度：根据步骤一若判断输入图像为白昼雾霾图像，则通过图像暗通道运算搜寻该图像的空间最远像素点，即大气物理退化模型中的全局大气光值点A，自动分析其R、G、B三个颜色通道值的比例关系；若R、G、B三通道值分布均衡则判断该图像为雾图像，而R、G、B值比例失衡且明显偏向长波长则判断为霾图像；若为夜晚雾霾图像，通过带颜色恢复的多尺度Retinex理论，将夜晚杂散光干扰下的雾霾图像的照度成分去除，保留反映图像本质属性的反射成分从而实现夜晚雾霾图像的去照度处理；步骤三，白昼雾霾图像的天空与非天空区域分割：由于一副图像中最主要的边缘轮廓信息都包含在图像的非天空区域中，为更加准确有效地确定雾霾图像的真实复杂程度，若输入图像为白昼雾霾图像，则根据图像天空区域分割算法，实现白昼图像的天空区域与非天空区域的有效分离，从而为雾霾图像的后续恢复步骤做好前期预处理；步骤四，图像主干边缘的提取及去雾霾权重系数的确定：对于分割出的白昼图像非天空区域或者夜晚去照度图像，运用L₀范数平滑滤波方法对其进行平滑滤波，以滤除掉大量非主干细节结构，保留图像场景的主干轮廓边缘；通过计算该主干结构的像素数量占整体部分的比例，快速准确地确定待恢复图像关键的去雾霾权重系数τ；步骤五，基于引导滤波的增强型去雾霾恢复：通过引导滤波这种优良的边缘保持滤波器对原始雾霾图像进行滤波处理，初步将其雾霾成分去除；再将原始雾霾图像与滤波后图像作差，将该差值线性增大τ倍后叠加在滤波后图像之上，从而实现去雾霾恢复处理；步骤六，霾图像的颜色偏移校正：对于霾图像而言，由于其存在较严重的颜色畸变，所以需要进行额外的颜色偏移校正；在提取出的原始霾图像的天空区域中，利用暗通道运算寻找图像的全局大气光值点A，在去霾后图像的R、G、B三个颜色通道上，分别按一定比例剔除掉A点对应R、G、B值，因为全局大气光值点A代表图像最原始颜色偏差信息，再对校正后的霾图像给予简单的亮度增强，最终实现霾图像的清晰化恢复。