[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

本發明公開了基于多尺度細節優化的MSRCR圖像去霧算法，屬于圖像去霧技術領域，包括以下步驟：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；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；對RGB圖像使用MsDB進行細節優化得到細節優化的去霧圖像；本發明首先利用MSRCR算法進行圖像整體去霧，在該過程的像素分類上，使用KNN算法進行快速像素快速分類，然后使用雙邊濾波實現降噪的同時保留邊緣信息邊緣，最后使用多尺度細節優化算法對降噪后圖片進行細節優化，以為圖片檢測提升檢測精度。

技術領域

本發明涉及圖片去霧技術領域，具體涉及基于多尺度細節優化的MSRCR圖 像去霧算法。

背景技術

霧天是自然界最常見的一種天氣現象，也是影響可見度的最直觀的因素， 如何提高霧天圖片可見度，提高霧天圖片檢測精度，降低危險情況產生，是各 類圖像去霧專家探索的目標。其中，何凱明等人提出“Single Image Haze Removal Using Dark ChannelPrior”一文，該文采用物理成像原理實現圖像去霧，首先利 用按通道處理方法計算大氣光強，再通過計算透射率實現圖像去霧。曹永妹等 人提出基于三邊濾波的Retinex圖像去霧方法，該方法在繼承經典Retinex算法 的同時，利用三邊濾波器對圖像照射分量進行降噪處理，消除邊緣問題，進而 實現圖像去霧。劉海波等人提出基于暗通道先驗和Retinex理論的快速單幅圖像 去霧方法，該方法以大氣散射模型為基準，先利用暗通道原理和Retinex模型進 行粗略估算，然后再進行像素級融合，最后使用簡化版的大氣散射模型和色調 調整實現圖像去霧。

現有技術都側重于圖像去霧效果，對去霧過程的圖像細節，關注不多，去 霧效果不佳，后期圖像檢測精度較差。

發明內容

基于以上問題，本發明的目的在于：提供基于多尺度細節優化的MSRCR圖 像去霧算法，用于解決現有技術都側重于圖像去霧效果，對去霧過程的圖像細 節，關注不多，去霧效果不佳，后期圖像檢測精度較差的問題，本發明提出基 于多尺度優化的改進MSRCR算法，該算法首先利用MSRCR算法進行圖像整體 去霧，在該過程的像素分類上，使用KNN算法進行快速像素快速分類，然后使 用雙邊濾波實現降噪的同時保留邊緣信息邊緣，最后使用多尺度細節優化算法 對降噪后圖片進行細節優化，為圖片檢測提升檢測精度。

本發明為了實現上述目的具體采用以下技術方案：

基于多尺度細節優化的MSRCR圖像去霧算法，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。

進一步地，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：