[發明專利]一種基于邊緣保留濾波的形狀自適應圖像去霧方法

在審

• 申請號: 201510351301.3
• 申請日: 2015-06-23
• 公開（公告）號: CN105046656A
• 公開（公告）日: 2015-11-11
• 發明（設計）人: 尚媛園;周修莊;欒中;丁輝;付小雁;趙曉旭;宋洪超;侯雪峰
• 申請（專利權）人: 首都師范大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 四川君士達律師事務所 51216
• 代理人: 芶忠義

【技術領域】

本發明屬于數字圖像處理領域，具體的說是一種基于邊緣保留濾波的形狀自適應圖像去霧方法，用于提升計算機視覺領域有霧圖像的清晰度和可見度。

【背景技術】

受霧霾等惡劣天氣影響，戶外場景的圖像質量往往出現嚴重下降。導致這種圖像降質的主要原因在于大氣中隨機粒子的存在。光從場景中的物體表面反射到成像設備的過程中發生散射現象，使得其他光路的光線由于散射而進入該成像光路，從而導致圖像對比度的下降。低視見度的圖像極大地影響了戶外機器視覺系統效用和性能。去除這種因霧霾天氣引起圖像降質的技術通常稱為圖像去霧，它在計算機視覺領域有著廣泛的應用，包括：自動監控系統、智能汽車、室外目標識別、高速公路視覺監視系統和衛星遙感監測等。

單幅圖像去霧屬于不完全約束的圖像復原范疇，是一項極具挑戰性的研究課題。當前主流的圖像去霧算法大都基于大氣物理模型。基于物理模型的方法認為，在霧霾天氣下進入成像設備的光由兩部分組成，一部分是由于散射作用衰減后到達成像設備的物體反射光，另一部分是經過一定散射合成到達成像設備的環境光。二者共同作用導致霧天圖像的對比度降低，顏色偏移等一系列視見度欠佳問題。

近年來，單幅圖像去霧得到了廣泛地關注和研究。典型的去霧方法有Tan方法(R.Tan,Visibilityinbadweatherfromasingleimage.CVPR,2008,pp:1–8)、Fattal方法(R.Fattal,Singleimagedehazing.SIGGRAPH,2008,pp:1–9)，He方法(K.He,J.Sun,andX.Tang,Singleimagehazeremovalusingdarkchannelprior.CVPR,2009,pp:1956–1963)，Tarel方法(J.TarelandN.Hautière,FastVisibilityRestorationfromaSingleColororGrayLevelImage.ICCV,2009,pp:2201–2208；Tarel,N.Hautière,A.Cord,D.Gruyer,andH.Halmaoui,ImprovedVisibilityofRoadSceneImagesunderHeterogeneousFog.IEEEIntelligentVehiclesSymposium,2010,pp:478–485)和Nishino方法(K.Nishino,L.Kratz,andS.Lombardi,BayesianDefogging.IJCV,2012,pp:263–278)，但是目前存在的去霧方法，大都使用固定大小的局部方形圖像塊來估計局部對比度和大氣傳播圖。因而存在非同質像素參與景深估計的現象，導致在場景深度不連續處去霧效果欠佳的問題。

【發明內容】

針對上述問題，本發明提供了一種基于邊緣保留濾波的形狀自適應圖像去霧方法，側重非同質像素區域之間的分離，利用全局的超像素分割獲得形狀自適應的圖像區域，結合圖像正則化(非負性、局部標準差小于局部均值)實現對大氣傳播圖的估計。最后，基于估計的大氣傳播圖恢復場景的反照率。該方法有效的恢復出清晰圖像，保留了圖像細節，具有較好的實用性和較低的計算代價。

本發明是通過以下技術方案實現的，提供一種基于邊緣保留濾波的形狀自適應圖像去霧方法，包括以下步驟：

S1：利用圖像采集設備采集獲得單幅霧霾圖像；

S2：使用暗通道先驗對大氣光進行估計；

S3：將步驟S1獲得的圖像使用超像素分割獲得形狀自適應非方形圖像區域，在該區域上使用正則化邊緣保留濾波估計大氣傳播圖；

S4：通過設定下界進行噪聲控制，得到復原后的場景反照率；

S5：輸出場景反照率，即獲得去霧后的圖像。

特別的，所述步驟S3具體按照以下步驟實施：

S31：對將步驟S1獲得的圖像進行分割，得到基于形狀特征的自適應區域；

S32：通過步驟S2獲得的大氣光，對步驟S1處理后圖像進行調整，得到調整后的霧霾圖像；

S33：對步驟S32調整后的霧霾圖像進行最小值濾波，得到最小值圖像；

S34：對步驟S33獲得的最小值圖像中的自適應區域進行正則化約束，得到大氣耗散函數；

S35：通過設定參數p值對大氣傳播函數進行調整，得到優化大氣耗散函數。

特別的，所述步驟S31中對圖像的分割采用一種有效的SLIC超像素分割算法。

特別的，所述步驟S32具體按照以下步驟實施：