[發明專利]一種基于暗通道先驗和馬爾可夫隨機場的圖像去霧方法在審
| 申請號: | 201710852322.2 | 申請日: | 2017-09-19 |
| 公開(公告)號: | CN107527329A | 公開(公告)日: | 2017-12-29 |
| 發明(設計)人: | 吳翠先;左星;何登平 | 申請(專利權)人: | 重慶郵電大學;重慶信科設計有限公司 |
| 主分類號: | G06T5/00 | 分類號: | G06T5/00;G06T5/40;G06T7/143 |
| 代理公司: | 重慶市恒信知識產權代理有限公司50102 | 代理人: | 劉小紅 |
| 地址: | 400065 重*** | 國省代碼: | 重慶;85 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 通道 先驗 馬爾可夫 隨機 圖像 方法 | ||
技術領域
本發明屬于數字圖像處理技術領域,具體涉及一種基于暗通道先驗和馬爾可夫隨機場的圖像去霧方法。
背景技術
在霧霾等惡劣天氣情況下,大氣中存在各種各樣的懸浮粒子會對環境光產生散射作用。這致使在自然場景中采集到的圖像嚴重降質,常表現為:圖像對比度降低、動態范圍縮小、特征衰減、細節信息不明顯或者明顯缺失以及嚴重的顏色偏移與失真等,這些不良因素都將直接影響圖像視覺效果,大大降低了圖像的觀賞性以及實用性。因此,克服惡劣天氣影響增強或復原出清晰、結構細節信息豐富的圖像變得非常重要。
目前,圖像去霧算法主要分為基于非物理模型的圖像增強去霧和基于大氣散射物理模型的圖像復原去霧方法。基于非物理模型的去霧算法主要包括直方圖均衡、小波變換、同態濾波、視網膜皮層理論(Retinex)等。這類方法主要是以提高對比度來改善圖像的視覺效果,而不考慮圖像降質的實際物理過程,此類方法能在一定程度上提高圖像的清晰度,并不是真正意義上的去霧處理。基于大氣散射物理模型的去霧算法主要通過分析霧天圖像降質過程,建立退化模型,再反演模型來復原降質圖像。目前大多算法主要針對單幅圖像從修正透射率和大氣光值的角度來去霧,傳統的暗通道先驗方法采用引導濾波來優化透射率圖,雖能在一定程度上復原出較清晰的圖像,但是由于其引導圖選擇的是有霧圖像,致使復原圖仍存在霧感現象,去霧不徹底。同時此傳統方法是將暗通道圖中的像素點按照亮度大小排序,取前0.1%的亮度所對應的原始霧圖的像素點,以此得到大氣光值,但這容易受到霧圖中白色物體的影響,致使所求大氣光值易產生誤差。
發明內容
本發明的目的在于:針對現有算法去霧不徹底的問題,提出利用馬爾可夫隨機場優化透射率、利用分塊搜索法求取大氣光值,以實現有效保持圖像結構細節信息,去霧后的圖呈現出豐富的細節和較真實的色彩視覺效果。本發明的技術方案如下:
一種基于暗通道先驗和馬爾可夫隨機場的圖像去霧方法,其包括以下步驟:
步驟1:獲取原始有霧圖像D(x);
步驟2:采用子塊部分重疊局部直方圖均衡(POSHE)算法對原始有霧圖像進
行增強;
步驟3:將增強后的圖像作為輸入圖,利用暗通道先驗原理求取透射率
步驟4:在馬爾可夫隨機場模型中,對透射率進行MRF模型建模,即利用MRF模型建立各像素點的透射率值之間的約束關系式,從而求得細化后的透射率t(x);
步驟5:利用分塊搜索法求取大氣光值A;
步驟6:將上述求取的透射率t(x)和大氣光值A代回霧天圖像退化模型中,反演得到最終去霧圖H(x)。
進一步的,所述步驟2中POSHE算法步驟如下:
(1)對于一幅輸入圖像D(x,y),大小為M×N,定義其輸出圖像為H(x,y),累加次數為count;
(2)定義一個大小為m×n的滑動窗口fT,并設其水平與垂直方向的移動步長分別為w和h,滑動窗口的初始位置位于圖像左上角;
(3)對滑動窗口當前所覆蓋的圖像進行直方圖均衡化,且均衡后結果累加至對應像素點上,即HT=HT+T(fT),同時累加次數加1,即countx,y=countx,y+1;
(4)將滑動窗口繼續向右移動步長w,若窗口未超出圖像邊界,則轉至步驟(3),否則轉至下一步;
(5)將滑動窗口繼續向下移動步長h,若窗口未超出圖像邊界,則轉至步驟(3),否則轉至下一步;
(6)將輸出圖像中每個像素點的值除以對應的運算次數即得到最終輸出圖像,即
進一步的,所述步驟3中將增強后的圖像作為輸入圖,再結合暗通道先驗原理,可求取初始優化后的透射率具體包括:對于一幅戶外無霧圖像,其暗通道圖可定義為:
上式中,x為輸入圖像像素點的坐標,Ω(x)為以x為中心的某一局部區域,Hc(x)為某一像素點c通道的強度值,因此利用暗通道先驗原理,求透射率的公式為:
此處為了還原更加真實的場景,使圖片呈現出景深效果,引入修正參數ω,其取值范圍是[0,1],其取值越小,去霧效果越不明顯。
進一步的,所述步驟4中馬爾可夫模型為無向圖,隨機變量的集合Y是由無向圖G所描述的馬爾可夫隨機場,此時隨機變量Y的聯合概率分布為Gibbs分布,表示為:
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于重慶郵電大學;重慶信科設計有限公司,未經重慶郵電大學;重慶信科設計有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201710852322.2/2.html,轉載請聲明來源鉆瓜專利網。





