[發明專利]基于圖像融合的單幅圖像去霧方法

有效

• 申請號: 201810337504.0
• 申請日: 2018-04-12
• 公開（公告）號: CN108537756B
• 公開（公告）日: 2020-08-25
• 發明（設計）人: 王洪玉;劉少麗;王兵;吳尚陽;趙雪松;韓科;尹維崴;李睿;謝蓓敏;郝應光
• 申請（專利權）人: 大連理工大學;國網吉林省電力有限公司檢修公司;國網吉林省電力有限公司;國家電網公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/40;G06T5/50
• 代理公司: 大連理工大學專利中心 21200
• 代理人: 溫福雪

1.一種基于圖像融合的單幅圖像去霧方法，其特征在于，步驟如下：

(1)融合圖像的求取單元，用于求取兩幅待融合圖像

(1.1)采用改進的非局部先驗算法求取第一幅融合圖像

1.1.1)求取有霧圖像的暗通道圖像

對于任意的輸入圖像I，其暗通道圖像采用下面的表達式求解：

其中，I表示有霧圖像；I^c表示I的某一個顏色通道；Ω(x)是以像素點x為中心的一個濾波窗口；I^dark即為圖像I的暗通道圖像；

1.1.2)根據暗通道圖像計算圖像的大氣光值

計算根據式(1-1)得到的暗通道圖像當中像素值前0.1％的像素點的位置，然后求取有霧圖像中對應位置的像素值的平均值作為圖像的大氣光值；

1.1.3)采用非局部先驗估計圖像的透射率

采用KD-tree的方法對有霧圖像當中的像素點進行聚類，聚類后得到多條霧線；假設圖像整體的大氣光值是一致的，依據非局部先驗，位于同一條霧線上的像素點對應的無霧時的像素值是相同的，然后假設霧線上半徑最大的像素點對應的是無霧的像素點，即其透射率是1，然后根據這條霧線上其他像素點的半徑與最大半徑之間的關系即求得其他像素點的透射率；

1.1.4)非局部先驗去霧算法是基于大氣散射模型的去霧算法，大氣散射模型的表達式為：

I(x)＝J(x)t(x)+A(1-t(x))(1-2)

其中：I(x)是有霧圖像；J(x)是無霧圖像；t(x)是透射率，描述物體反射光線經過衰減到達觀測點的比例；A是大氣光；

求得大氣光值和透射率后利用大氣散射模型復原無霧圖像，表達式如下：

確定圖像中的明亮區域，根據明亮區域的像素點的最小顏色通道的像素值較大且飽和度低的特點進行檢測，分別設置最小顏色通道閾值v與飽和度閾值η，然后比較圖像當中的像素點的上述特征與閾值的關系，對于滿足式(1-4)條件的區域確定為明亮區域：

明亮區域透射率的改進：根據明亮區域的亮度與大氣光值A接近的特點，引進弱化因子R對明亮區域的透射率進行調整：

其中，

ω是去霧的控制參數，取值范圍為[0,1]，ω的值越大，去霧效果越明顯；α和R₀是可調系數，根據圖像合理選擇保證透射率取得合理值；

1.1.5)采用表達式(1-7)復原無霧圖像：

設置t₀防止透射率過小造成圖像失真；

(1.2)采用自適應自動色階算法求取第二幅融合圖像

首先根據增強需求設定剪切比例p，然后將圖像的RGB三通道比例p的較低像素和較高像素分別映射為0和255，最后將其余的像素值線性映射或伽馬校正至[0，255]區間；自動色階算法當中的比例值p是人為設置的，無法根據輸入圖像進行自適應調節；對原始的自動色階算法進行改進得到自適應自動色階算法，根據輸入圖像自適應設置剪切比例，改進后的計算過程如下：

1.2.1)分別計算圖像RGB顏色通道的平均值：

其中，M×N代表圖像的長度乘上寬度；

1.2.2)計算三個顏色通道的平均值的最大值：

1.2.3)分別計算最大值與三個顏色通道的平均值的比值并除上1000作為每個通道的剪切比例：

1.2.4)與自動色階算法的步驟一致：根據每個通道的剪切比例，分別計算各通道的上下限值min R和max R；

1.2.5)根據步驟1.2.4)計算得到的min R和max R構建一個伽馬變換映射表，映射表的規則是：對于小于min R的值，則映射為min R，對于大于max R的值，則映射為max R，對于介于min R和max R之間的值，進行伽馬變換映射；

(2)融合圖像的特征提取單元，用于提取待兩幅融合圖像的特征，進而求得融合權重

2.1)計算圖像的結構權重圖

圖像的結構特征與圖像的局部梯度協方差矩陣相關性較大，假設輸入圖像的灰度圖像為I_gray(x,y)，灰度圖像在局部窗口W_i當中的梯度協方差矩陣的表達式為

其中I_x(X)和I_y(X)分別表示圖像I在X軸方向和y軸方向的梯度，為了得到圖像局部結構的表示，將上述的協方差矩陣C進行特征值分解，分解后的表達式為

其中，和是矩陣C的兩個特征值，因而有以下關系成立

定義圖像的結構顯著性的計算表達式為

參數β控制了單方向結構與多方向結構的比重大小；當β＜1時，多方向結構的比重大，當β＞1時單方向結構的比重大，為了提高多方向結構的比重，選擇β＝0.5；

2.2)計算圖像的顯著性權重圖

顯著性的計算表達式為:

其中k表示的是待融合的圖像，是I_k的高斯平滑后的圖像，是I_k在Lab顏色空間的平均值，符號|| ||表示L2范數；

2.3)計算圖像的飽和度權重圖

圖像的飽和度加權圖的計算表達式為：

首先將圖像進行色彩空間轉換，轉化到HSV色彩空間，然后計算每個像素點的飽和度分量與最大飽和度之間的差異，具體的S_max設置為1，σ的值設置為0.3；

2.4)計算得到融合權重圖

W_k＝W_str×W_sal×W_sat (1-17)

(3)多尺度融合去霧單元，用于根據融合圖像以及對應的權重圖像復原無霧圖像

對輸入圖像進行拉普拉斯金字塔處理，對標準化后的權重圖像進行高斯金字塔處理，分層進行融合；由于拉普拉斯金字塔與高斯金字塔具有相同的層數，對于輸入圖像與相應權值的融合也在每一層中分別進行，表達式如下：

表達式中l表示的是金字塔的分解層數；G_l{}和L_l{}分別表示權重圖像在金字塔的第l層的高斯分解和待融合圖像的拉普拉斯分解的結果；

最后通過重構上述的金字塔即得到去霧后的圖像。