[發明專利]基于多尺度細節優化的MSRCR圖像去霧算法

在審

• 申請號: 202011644983.4
• 申請日: 2020-12-31
• 公開（公告）號: CN112950488A
• 公開（公告）日: 2021-06-11
• 發明（設計）人: 王小芳;鄒倩穎;方登杰;何海瑞;顏琪;劉俸宇;羅理文
• 申請（專利權）人: 電子科技大學成都學院
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 成都弘毅天承知識產權代理有限公司 51230
• 代理人: 梁偉東

1.基于多尺度細節優化的MSRCR圖像去霧算法，其特征在于：包括以下步驟：

步驟一：通過MSRCR算法進行圖像整體去霧，得到整體去霧的圖像，在去霧過程的像素分類上使用KNN算法進行像素快速分類；

步驟二：通過雙邊濾波對整體去霧的圖像進行處理，消除圖像的噪聲，保留邊緣信息得到整體降噪去霧的RGB圖像；

步驟三：對RGB圖像使用MsDB進行細節優化得到細節優化的去霧圖像。

2.根據權利要求1所述的基于多尺度細節優化的MSRCR圖像去霧算法，其特征在于：所述通過MSRCR算法進行圖像整體去霧，得到整體去霧的圖像，在去霧過程的像素分類上使用KNN算法進行像素快速分類包括以下步驟：

MSRCR算法的表達公式如下所示：

其中，k是尺度的個數；ω_i為第i個尺度的加權系數，S_i(x，y)是待處理的原始圖像，F_i(x，y)是高斯卷積函數，*表示濾波操作；

其中對于ω_i加權系數需要滿足K個加權系數和為1的條件，其計算公式如下式所示：

高斯卷積函數F_i(x，y)用于對去霧過程中濾波提供相應標準，采用高斯公式進行計算，其計算公式如下式所示：

其中，c是高斯環繞尺度，β是一個尺度系數常量，i是高斯環繞函數的總數，在平衡增強效果與處理速度情況下，選取i值為3，代表將圖像分為大中小三個尺度；

KNN分類算法采用歐氏距離公式得到待處理點最近的K個像素點，然后進行快速分類，其計算公式如下式所示：

第一次KNN算法分類，通過計算隸屬度函數確定濾波模板中的像素點是否濾波，在計算過程中需要計算相似度s₁，其計算如下式所示：

s₁＝grey/aver；

其中，grey是某近鄰點的灰度值，aver是由歐氏距離找到的K個近鄰點的平均像素值；

得到相似度s₁后，計算隸屬度函數μ₁，其計算如下式所示：

其中，a是一個相似性度量標準，a＝0.3；

第二次KNN算法分類后，通過計算隸屬度函數判斷模板中心是否需要濾波，在計算過程中需要計算相似度s₂，公式如下式所示：

s₂＝filter/origin；

其中，filter是進行濾波后的像素值，origin是圖像的原始像素值；

得到相似度s₂后，計算隸屬度函數μ₂，其計算如下式所示：

其中，a是一個相似性度量標準，a＝0.3；

不斷循環，直至無濾波操作為止，得到三個處理后的顏色通道然后使用色彩恢復因子C進行色彩修正，其計算過程如下式所示：

其中，C_i(x，y)是第i個通道的彩色恢復系數，而色彩回復系數計算如下式所示：

其中，K是圖像波段的總數，I_i是圖像在第i個波段的像元值。

3.根據權利要求1所述的基于多尺度細節優化的MSRCR圖像去霧算法，其特征在于：所述雙邊濾波的計算公式如下所示：

其中，f(x₁，y₁)表示需要處理的圖像，f(x₂，y₂)表示圖像在點(x₂，y₂)處的像素值，(k，l)表示模板窗口的中心坐標，(i，j)表示模板窗口的其他系數的坐標，σ表示高斯函數的標準差。

4.根據權利要求1所述的基于多尺度細節優化的MSRCR圖像去霧算法，其特征在于：所述對RGB圖像使用MsDB進行細節優化得到細節優化的去霧圖像包括以下步驟：

首先選取低、中、高三個模糊尺度對圖像處理，得到三個不同模糊的圖像B₁、B₂和B₃，其計算如下式所示：

B₁＝G₁*I，B₂＝G₂*I，B₃＝G₃*I；

其中，*表示濾波操作，G₁、G₂、G₃分別表示高中低三個尺度的高斯核，高尺度的高斯核標準差的值σ₁＝1.0，中尺度的高斯核標準差的值σ₂＝2.0，低尺度的高斯核標準差的值σ₃＝4.0，I表示原圖像；

高斯濾波是由兩個標準差σ相同的一維高斯進行乘積所得，其計算如下式所示：

其中，高斯核表示與中心距離負相關的權重，σ表示周圍像素對模板中心的影響程度，σ越大，周圍像素對模板中心的影響越大，濾波出來的圖片越平滑；

經高斯率濾波運算后得到三個不同模糊程度的圖像，再對三個圖像做差值運算從而得到特征差，計算如下式所示：

D₁＝I-B₁，D₂＝B₁-B₂，D₃＝B₂-B₃；

其中，D₁代表精準細節，由原圖像I與B₁做差得到；D₂表示中間細節，是B₁與B₂做差得到；D₃表示粗略細節，是B₂與B₃做差得到；

利用加權的方式進行計算，得到最后的細節優化圖D，計算如下式所示：

D＝(1-ω₁×sgn(D₁))×D₁+ω₂×D₂+ω₃×D₃；

其中，ω₁＝0.5，ω₂＝0.5，ω₃＝0.25。