基于均值标准差与加权透射率的图像去雾方法

摘要

在雾霾天气下,由于空气中的浮尘等大气颗粒物对光线进行了散射吸收,造成成像设备捕捉到的图片的质量严重下降.针对雾霾天气下暗通道先验(dark channel prior,DCP)算法的图像复原方法中的边缘细节丢失、明亮区域使大气光估计失效、场景深度突变区域透射率计算不准确等问题,提出一种基于均值标准差与加权透射率(Mean-Standard Deviation and Weighted Transmission,MSD-WT)的图像去雾方法.对大气光估计方法进行改进,首先在HSV空间中提取图像的亮度分量,然后使用简单线性迭代聚类(simple linear iterative clustering,SLIC)对V空间图像和暗通道图像进行图像融合,避免小面积明亮区域对整体大气光估计造成影响.对透射率估计方法进行改进,在景物边缘处使用带阈值的均值标准差来判断是否为场景深度突变区域,在不同区域内使用加权的方法分类计算场景深度突变处的透射率.仿真结果表明:该方法计算的大气光值和透射率值更加准确,在边缘细节信息保留、去除边缘光晕效应和图像真实方面有较好的效果.