[发明专利]基于下采样的高分辨率图像去雾方法

摘要

基于下采样的高分辨率图像去雾方法，步骤如下步骤1.基于压缩采样的透射率图评估；步骤2.透射率分布优化处理；步骤3、上采样透射率；步骤4、散射场景恢复。本发明首先对原图像进行下采样并利用下采样后图像计算暗通道图，然后在根据变型的大气散射模型公式计算透射率图，之后将有损的透射率图用最邻近插值放大到原来大小，最后根大气散射模型对雾图进行清晰化处理。能够在保持较好的去雾效果的基础上，实现高分辨率图像的实时去雾。

主权项

基于下采样的高分辨率图像去雾方法，步骤如下：步骤1.基于压缩采样的透射率图评估；从缩小运算的规模的角度出发，通过下采样来评估透射率图；考虑到图像在计算暗通道时需要变成图像块，本来黑色区域就有膨胀的痕迹，适当降低一点点精度，对去雾效果不会造成很大的影响；基于压缩采样的透射率图评估具体步骤如下：1.1用最邻近插值法对输入图像进行下采样，求出下采样后的图像I，待求像素的值就等于在它的四邻像素中距离它最近的像素值，不需要经过计算，在很多情况下都能得到很好的效果；1.2计算压缩图像I的暗通道图，I的暗通道图Jdark的可以通过下式进行计算：Jdark(x)=miny∈Ω(x)(minc∈{r,g,b}Ic(y))---(1)]]>其中，Ic表示某一图像块Ω(x)颜色通道图，这里指的是输入的有雾图像，y指的是它任意一个像素点，x表示暗通道图的任意一个像素点，c是指R、G、B三通道中任意一个通道；所以暗通道图Jdark可以由I经过两步最小化操作得到：一是I的每个像素取三通道最小值生成最小颜色通道图，二是以窗口Ω(x)大小作为半径的最小值滤波；1.3评估大气光A时从减少算法本身的计算量角度出发，算法不进行排序，在尽可能保留去雾效果的同时，缩短时间复杂度，具体步骤如下所示：(3‑1)从暗通道图中找到亮度值最大的像素，遍历暗通道图Jdark求出亮度最大的像素的坐标(a,b)；(3‑2)找到该像素位置对应待去雾图像J的通道值，取出J在(a,b)坐标点的三个通道值；(3‑3)取三个通道的平均值作为A值；1.4可以根据暗通道图用以下公式计算进行浮点数运算，得到透射率图t~(x)=1-ωJdark(x)A---(2)]]>ω(0≤ω≤1)是一个控制因子，用来控制去雾的强度，这样去雾的效果更加真实，一般取0.95；步骤2.透射率分布优化处理；由于计算暗通道图的时候需要进行分块，所以计算出的透射率图也具有块状结构，有明显不连续的区域，如果就这样去进行去雾处理，还原的图像会出现块状的锯齿边缘，影响整副图的质量，所以接下来要介绍透射率分布的优化处理；透射率图分布的优化处理主要是根据以下公式将导向滤波应用于计算透射率图：t^(q)=sTI(q)+ψ---(3)]]>其中，是滤波后的透射率，I(q)是导向图，s＝(sr,sg,sb)T是缩放向量，还有ψ是偏移量，将公式(2)计算出的块状透射率图作为导向图输入，设定滤波窗口W的大小是暗通道窗口大小的4倍，通过最小二乘法，如公式(4)所示，使块状透射率值t*和滤波后的透射率之间的差别最小：(s*,ψ*)=argmint(s,ψ)Σq∈W(t(q)-t^(q))2---(4)]]>公式中的s*和ψ*是最小二乘法所求得的最优解；步骤3、上采样透射率；将压缩的透射率插值放大回原图大小，使用双线性插值进行上采样。双线性插值利用待求像素周围的四个邻像素之间的线性关系进行计算。待求像素坐标通过反向旋转得到浮点坐标(i+u,j+v),其中i、j表示非负整数坐标,u、v是(0,1]区间上的浮点数，则待求像素的值f(i+u,j+v)可以根据它周围的四个邻像素(i,j)，(i+1,j)，(i,j+1)，(i+1,j+1)分别在横纵坐标方向上做线性插值得到：f(i+u,j+v)＝(1‑u)(1‑v)f(i,j)+(1‑u)vf(i,j+1)+u(1‑v)f(i+1,j)+uvf(i+1,j+1)(5)其中，f(i,j)，f(i,j+1)，f(i+1,j)分别是(i,j)，(i+1,j)和(i,j+1)对应的像素值。这样便可以求得最终的投射率。步骤4、散射场景恢复；从小规模图像计算得出了大气光强A，去雾所需的条件都已经计算得到，可根据大气散射模型进行图像修复还原，最终的恢复清晰图就是由下式得到：J(x)=I(x)-Amax(t(x),t0)+A---(6)]]>其中，I(x)表示下采样后的雾天被降质图像，J(x)表示待求出的清晰图，该式是由大气散射模型变形得到的，当t(x)很小时，J(x)的值会偏大，图像的整体会白过度，为了有效防止这种现象，设置一个阈值t0来限定t的最小值，当t值小于t0时，t＝t0；这里的参数一般设为t0＝0.1；通过该公式计算就可以得到清晰图。