[發明專利]基于引導函數和自適應數目超像素的圖像去霧方法

在審

• 申請號: 202211091622.0
• 申請日: 2022-09-07
• 公開（公告）號: CN115689911A
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 余航;劉志恒;蔣浩然;周綏平;李晨陽;尹相杰;郭玉茹
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/40;G06T7/11;G06V10/762;G06T3/40
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 田文英;王品華

本發明提出了一種基于引導函數和自適應數目超像素的圖像去霧方法，用于解決低照度下圖像中物體邊緣丟失，以及人工調參成本高的問題。本發明的實現步驟為：使用引導函數對有霧圖像進行增強；獲取大氣強度值；利用亮度直方圖的波峰總數自適應超像素數目，并將圖像分割成超像素；使用超像素計算圖像中每個像素的透射率；結合大氣強度和透射率實現圖像去霧。本發明可以對包含夜間圖像在內的有霧光學圖像進行高質量地去霧，去霧后不會帶來偽影和光暈，同時可以保留圖像地真實邊緣，不會丟失細節。本發明不需要人工調參，操作便捷，可用于實時視頻去霧。

技術領域

本發明屬于圖像處理技術領域，更進一步涉及光學圖像處理技術領域中的一種基于引導函數和自適應數目超像素的圖像去霧方法。本發明可通過消除光學圖像或視頻中的霧和云，減少光學圖像失真的程度，增強圖像中物體的可見度，便于后續光學圖像的分割、目標檢測等應用場景。

背景技術

當空氣多云或多霧時，獲取的光學圖像通常具有低對比度和較差的可見度，這不僅降低了視覺效果，而且還阻礙了計算機視覺系統中的后續處理。針對這一問題，大量的圖像去霧方法和技術被提出，用于對光學圖像進行增強和恢復。常見的方法包括以Retinex算法為代表所衍生的一系列算法、直方圖均衡化以及小波變換等，但這些方法在對圖像進行增強時易造成細節信息丟失、添加噪聲，以及出現過飽和和圖像細節信息丟失嚴重等失真問題。隨著深度學習的發展，很多基于各種神經網絡的去霧方法被提出。然而，圖像去霧屬于圖像預處理中的一步，往往并不是最終需要的結果，花大量的時間用于對去霧神經網絡模型進行訓練是一種浪費。

南京工程學院在其申請的專利文獻“一種圖像去霧方法”(申請號：CN201911234421.X，申請公布號：CN 111127340 A)中公開了一種基于頻域處理的光學圖像去霧方法。該方法的實現步驟是，第一，通過圖像采集設備獲取一幅室外有霧的彩色光學圖像，從該彩色光學圖像中分離出RGB三通道值；第二，對三通道中的G通道進行直方圖均衡化，確定濾波系數后，對R、B通道再進行均衡化，得到均衡化后的圖像；第三，分別將RGB三個通道的獨立圖像，經過傅里葉變換到頻域，再經過巴特沃斯高通濾波器，得到經過傅里葉反變換和濾波后的圖像；第四，將均衡化后的圖像和濾波后的圖像相加，得到去霧圖像并計算灰度值；第五，改變濾波器參數直到輸出去霧圖像的灰度熵最大，即為最后結果。該方法較為簡單的實現了圖像去霧，可用于日間光學圖像的處理。但是，該方法仍然存在的不足之處是，由于需要手動調節濾波器參數，時間和人力的成本較高，不便于方法的推廣和使用。

武漢大學在其申請的專利文獻“一種圖像去霧方法”(申請號：CN202010446951.7，申請公布號：CN 1113667421 A)中公開了一種基于去霧網絡模型的光學圖像去霧方法。該方法的實現步驟包括：第一，生成訓練集，訓練集中包括多對訓練樣本對，每對訓練樣本對中又包括無霧圖像和對應的含霧圖像；第二，構建去霧網絡模型，去霧網絡模型基于隱式歐拉逼近的隱式結構進行構造，用于實現單幅圖像去霧；第三，利用訓練集對去霧網絡模型進行訓練，獲得訓練好的去霧網絡模型；第四，將待測試的含霧圖像輸入到訓練好的去霧網絡模型中，獲得去霧網絡模型輸出的去霧圖像結果。本發明雖然解決了現有技術圖像去霧方法中的穩定性和精度較差的問題，能夠有效提高圖像去霧的效果。但是，該方法仍然存在的不足之處是，由于夜間有霧圖像的樣本過少，容易出現偽影且丟失圖像中的邊緣，夜間光學圖像的去霧質量不高。

發明內容

本發明的目的在于針對上述已有技術的不足，提出一種基于引導函數和自適應數目超像素的圖像去霧方法，用于解決現有技術在低照度下圖像中物體邊緣丟失；以及由于需要人工調參，處理效率低無法實時去霧的問題。