[發明專利]一種海霧圖像的去霧方法、裝置、計算機存儲介質及終端

有效

• 申請號: 201811340600.7
• 申請日: 2018-11-12
• 公開（公告）號: CN109523480B
• 公開（公告）日: 2022-05-06
• 發明（設計）人: 韓志亮;黃細霞;劉娟;孟杭
• 申請（專利權）人: 上海海事大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/30;G06T7/12
• 代理公司: 上海互順專利代理事務所(普通合伙) 31332
• 代理人: 成秋麗

1.一種海霧圖像的去霧方法，其特征在于，所述方法包括：

獲取包含海霧的待處理圖像，并對所述待處理圖像進行處理，得到每一個待處理圖像對應的梯度算子圖；

根據基于遺傳算法的自適應PCNN圖像自動邊緣檢測，從所述梯度算子圖中進行分割得到目標圖像；

對所述目標圖像通過形態學膨脹和腐蝕操作得到天空區域；

結合待處理圖像和所述天空區域，獲得天空區域海霧圖和非天空區域海霧圖；

對所述天空區域海霧圖像進行劃分，直至劃分后區域中的目標區域小于預設區域；

根據所述目標區域的像素均值、所述非天空區域暗通道圖像中多個像素點所對應像素值，獲得全局大氣光值；

根據所述天空區域海霧圖像和所述非天空區域海霧圖像，計算介質傳輸圖；

根據所述全局大氣光值、所述介質傳輸圖和大氣散射物理模型，得到所述天空區域海霧圖所對應的天空區域去霧圖、所述非天空區域海霧圖所對應的非天空區域去霧圖；

根據所述天空區域去霧圖和所述非天空區域去霧圖，得到最終的去霧圖像；

所述根據基于遺傳算法的自適應PCNN圖像自動邊緣檢測，從所述梯度算子圖中進行分割得到目標圖像的步驟，包括：

設置PCNN模型的初始連接系數、以及與動態閾值相關的第一常數、第二常數；

對連接系數、第一常數、第二常數進行編碼；

其中，最大香農熵、最大類間方差法和最小交叉熵，構造適應度函數，用來評價染色體優劣：最大香農熵反映了圖像包含信息量的大小，熵越大說明信息量更豐富，圖像細節越豐富，H為二值圖像Y_ij(n)的香農熵：

H＝-P₁log₂(P₁)-P₀log₂(P₀)

其中，P₁表示Y_ij(n)為1的概率，P₀表示Y_ij(n)為0的概率；

設置群體規模，進化代數，交叉概率，變異概率，染色體長度；

隨機產生初始種群，讀入梯度算子圖像，對目標解碼，帶入PCNN模型，根據所述適應度函數計算個體適應度值；

循環進行遺傳操作：采用輪盤賭方法進行選擇，形成的新的種群再進行交叉變異，得到的種群個體進行解碼，帶入PCNN模型后，求適應度函數值最大的個體作為當前代的最優個體，對其他個體進行更新，得到新的群體，重復上述步驟直到滿足連續預設數量代之內最大適應度值變化小于預設閾值，或者最大進化代數時終止，最終得到較優的連接系數、第一常數、第二常數，

最終得到的連接系數、第一常數、第二常數參數所對應的PCNN點火，為所述目標圖像。

2.根據權利要求1所述的一種海霧圖像的去霧方法，其特征在于，所述對所述待處理圖像進行處理，得到每一個待處理圖像對應的梯度算子圖的步驟，包括：

對于待處理圖像中選取鄰域，計算任意一個像素在0度，90度，45度，135度的卷積值，并選取所述卷積值中的最大值為作為該像素點的梯度；

獲得待處理圖像中的所有像素點的梯度；

對每一個像素點的梯度進行歸一化處理，獲得所述待處理圖像進行歸一化后的梯度算子圖。

3.根據權利要求1所述的一種海霧圖像的去霧方法，其特征在于，所述對所述天空區域海霧圖像進行劃分，直至劃分后區域中的目標區域小于預設區域的步驟，包括：

S41、將所述天空區域海霧圖像分為四塊，對每塊區域求像素均值和標準差；

S42、獲得每一塊的均值和標準差的差值絕對值，在每塊區域大小小于預設區域大小的情況下，執行步驟S44，否則執行S43；

S43、獲取所述差值絕對值最大的區域，并對該區域再次劃分，執行步驟S42；

S44、獲取所述差值絕對值最大的區域，將其確定為目標區域。