[发明专利]基于图像融合的单幅图像去雾方法

摘要

本发明公开了一种基于图像融合的单幅图像去雾方法，能够对有雾图像进行去雾增强。本发明方法包括如下步骤：(1)求取待融合图像；(2)求取待融合图像的特征权重；(3)多尺度融合去雾。本发明还公开了一种基于图像融合的单幅图像去雾系统。本发明能够极大地提高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，因而能够应用于日常的监控系统当中。

主权项

1.一种基于图像融合的单幅图像去雾方法，其特征在于，步骤如下：(1)融合图像的求取单元，用于求取两幅待融合图像(1.1)采用改进的非局部先验算法求取第一幅融合图像1.1.1)求取有雾图像的暗通道图像对于任意的输入图像I，其暗通道图像采用下面的表达式求解：其中，I表示有雾图像；Ic表示I的某一个颜色通道；Ω(x)是以像素点x为中心的一个滤波窗口；Idark即为图像I的暗通道图像；1.1.2)根据暗通道图像计算图像的大气光值计算根据式(2‑1)得到的暗通道图像当中像素值前0.1％的像素点的位置，然后求取有雾图像中对应位置的像素值的平均值作为图像的大气光值；1.1.3)采用非局部先验估计图像的透射率采用KD‑tree的方法对有雾图像当中的像素点进行聚类，聚类后得到多条雾线；假设图像整体的大气光值是一致的，依据非局部先验，位于同一条雾线上的像素点对应的无雾时的像素值是相同的，然后假设雾线上半径最大的像素点对应的是无雾的像素点，即其透射率是1，然后根据这条雾线上其他像素点的半径与最大半径之间的关系即求得其他像素点的透射率；1.1.4)非局部先验去雾算法是基于大气散射模型的去雾算法，大气散射模型的表达式为：I(x)＝J(x)t(x)+A(1‑t(x))  (1‑2)其中：I(x)是有雾图像；J(x)是无雾图像；t(x)是透射率，描述物体反射光线经过衰减到达观测点的比例；A是大气光；求得大气光值和透射率后利用大气散射模型复原无雾图像，表达式如下：确定图像中的明亮区域，根据明亮区域的像素点的最小颜色通道的像素值较大且饱和度低的特点进行检测，分别设置最小颜色通道阈值v与饱和度阈值η，然后比较图像当中的像素点的上述特征与阈值的关系，对于满足式(2‑4)条件的区域确定为明亮区域：明亮区域透射率的改进：根据明亮区域的亮度与大气光值A接近的特点，引进弱化因子R对明亮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；α和R0是可调系数，根据图像合理选择保证透射率取得合理值；1.1.5)采用表达式(2‑7)复原无雾图像：设置t0防止透射率过小造成图像失真；(1.2)采用自适应自动色阶算法求取第二幅融合图像首先根据增强需求设定剪切比例p，然后将图像的RGB三通道比例p的较低像素和较高像素分别映射为0和255，最后将其余的像素值线性映射或伽马校正至[0，255]区间；自动色阶算法当中的比例值p是人为设置的，无法根据输入图像进行自适应调节；对原始的自动色阶算法进行改进得到自适应自动色阶算法，根据输入图像自适应设置剪切比例，改进后的计算过程如下：1.2.1)分别计算图像RGB颜色通道的平均值：其中，M×N代表图像的长度乘上宽度；1.2.2)计算三个颜色通道的平均值的最大值：1.2.3)分别计算最大值与三个颜色通道的平均值的比值并除上1000作为每个通道的剪切比例：1.2.4)与自动色阶算法的步骤一致：根据每个通道的剪切比例，分别计算各通道的上下限值minR和maxR；1.2.5)根据步骤1.2.4)计算得到的minR和maxR构建一个伽马变换映射表，映射表的规则是：对于小于minR的值，则映射为minR，对于大于maxR的值，则映射为maxR，对于介于minR和maxR之间的值，进行伽马变换映射；(2)融合图像的特征提取单元，用于提取待两幅融合图像的特征，进而求得融合权重2.1)计算图像的结构权重图图像的结构特征与图像的局部梯度协方差矩阵相关性较大，假设输入图像的灰度图像为Igray(x,y)，灰度图像在局部窗口Wi当中的梯度协方差矩阵的表达式为其中Ix(X)和Iy(X)分别表示图像I在X轴方向和y轴方向的梯度，为了得到图像局部结构的表示，将上述的协方差矩阵C进行特征值分解，分解后的表达式为其中，和是矩阵C的两个特征值，因而有以下关系成立定义图像的结构显著性的计算表达式为参数α控制了单方向结构与多方向结构的比重大小；当α<1时，多方向结构的比重大，当α>1时单方向结构的比重大，为了提高多方向结构的比重，选择α＝0.5；2.2)计算图像的显著性权重图显著性的计算表达式为:其中k表示的是待融合的图像，是I_k的高斯平滑后的图像，是I_k在Lab颜色空间的平均值，符号||||表示L2范数；2.3)计算图像的饱和度权重图图像的饱和度加权图的计算表达式为：首先将图像进行色彩空间转换，转化到HSV色彩空间，然后计算每个像素点的饱和度分量与最大饱和度之间的差异，具体的Smax设置为1，σ的值设置为0.3；2.4)计算得到融合权重图Wk＝Wstr×Wsal×Wsat  (1‑17)(3)多尺度融合去雾单元，用于根据融合图像以及对应的权重图像复原无雾图像对输入图像进行拉普拉斯金字塔处理，对标准化后的权重图像进行高斯金字塔处理，分层进行融合；由于拉普拉斯金字塔与高斯金字塔具有相同的层数，对于输入图像与相应权值的融合也在每一层中分别进行，表达式如下：表达式中l表示的是金字塔的分解层数；Gl{}和Ll{}分别表示权重图像在金字塔的第l层的高斯分解和待融合图像的拉普拉斯分解的结果；最后通过重构上述的金字塔即得到去雾后的图像。