[发明专利]一种基于图像质量评价最优的去雾方法

摘要

本发明公开了一种基于图像质量评价最优的去雾方法，包括：1)通过对透射率进行粗略取值来获取一系列初步候选去雾图像；2)计算一系列初步候选去雾图像的质量评价函数值，并选取最大值所对应的候选去雾图像作为初步估计结果；3)根据透射率的小范围取值获得一系列精确候选去雾图像；4)计算各精确候选去雾图像的质量评价函数值，并选取最大值所对应的候选去雾图像，作为最优去雾结果图像。本发明建立一种全新的图像质量评价函数；并以此为依据，从各候选去雾图像中选取最优结果为去雾结果图像，可被应用于雾天无人机图像的实时去雾处理，尤其针对于雾天无人机正拍图像会产生较好的去雾效果。

主权项

1.一种基于图像质量评价最优的去雾方法，其特征在于，包括以下步骤：步骤1)获取雾天图像I；I＝Jt+A(1‑t)                                  (1)其中：t＝e‑βd                                   (2)I表示观察到场景的雾天图像；t是介质透射率，是由大气散射系数β与场景点深度d共同作用的结果，表示没有被散射的并最终到达设备的光线部分，值在[0，1]之间；J表示要恢复的清晰无雾场景真实图像；A表示大气光函数；雾天图像I与大气光函数A已知，将透射率作为大气散射模型的唯一自变量参数，通过对透射率t的不同取值，可逆推导式(1)求解出不同的去雾图像：步骤2)通过对唯一的未知数t进行粗略取值t＝[0.1,0.1,0.9]，t从0.1到0.9变化步长为0.1取值，根据式(3)，可求得相应9幅初步候选去雾图像Jj，j＝1，2，3，…，9；步骤3)求解出雾天图像I与9幅初步候选去雾图像的信息熵，信息熵值分别为IE(I)和IE(Jj)；步骤4)求解出雾天图像I与9幅初步候选去雾图像的标准差值，标准差值分别为SD(I)和SD(Jj)；步骤5)求解出雾天图像I与9幅初步候选去雾图像的傅里叶振幅谱及振幅中值；傅里叶振幅中值分别为FAmedian(I)和FAmedian(Jj)；步骤6)将信息熵、标准差和图像傅里叶振幅相结合，建立去雾质量评价函数Cost(I,J)，表达如下：其中，IE(I)、SD(I)、FAmedian(I)为雾天图像所求得的信息熵、标准差、傅里叶振幅中值，IE(J)、SD(J)、FAmedian(J)为根据雾天图像I所获得的去雾图像J所求得的信息熵、标准差、傅里叶振幅中值；去雾图像的IE(J)、SD(J)、FAmedian(J)的值比雾天图像IE(I)、SD(I)、FAmedian(I)提高的越大，质量评价函数Cost(I,J)的值越大，说明去雾图像的质量越高，去雾效果越好；通过质量评价函数Cost(I,J)，计算出9幅初步候选去雾图像的去雾质量评价函数值Cost(I,Jj)；步骤7)获得去雾质量评价函数最优值的图像被确定为去雾结果Joptimum，求得9幅初步候选去雾图像的去雾质量评价函数值Cost(I,Jj)中最大值所对应的候选去雾图像Jj作为初步去雾结果Joptimum‑initial，其所对应的t值作为初步透射率结果toptimum‑initial；步骤8)提取初步确定透射率toptimal‑initial，再对t进行小范围取值t＝[toptimal‑initial‑0.1,0.01,toptimal‑initial+0.1]，t从toptimal‑initial‑0.1到toptimal‑initial+0.1变化步长为0.01取值，根据式(1)求得21幅精确候选去雾图像Jjj，jj＝1，2，3，…，21；步骤9)计算21幅精确候选去雾图像的去雾质量评价值Cost(I,Jjj)，并选取其中最大值所对应的候选去雾图像Jjj作为最优去雾结果图像Joptimum‑refine，将其所对应的t值作为最终的透射率结果toptimum‑refine。