一种基于引导滤波的图像暗通道去雾尺度优化方法

摘要

本发明公开了一种基于引导滤波的图像暗通道去雾尺度优化方法，将无人机采样得到下采样图，根据下采样图获取暗通道图，由暗通道图像中较大的千分之一的像素点所对应的下采样图像像素值计算出最大大气光值，再将下采样图像归一化计算得到粗糙的透射率图，将粗糙透射率进行引导滤波得到纹理清晰的中间透射率图。将中间透射率图进行灰白区域处理，降低天空等无雾情况下也为白色区域的曝光程度，并将处理后透射率图像进行上采样得到最终透射率图。根据最终透射率图与大气光值对原始图像进行去雾处理。本发明适用于图像尺寸较大的遥感图像以及各种拍摄场景，能在提高去雾速度的同时，减少对空拍摄图像去雾处理会产生的曝光效果。

说明书

技术领域

本发明涉及的是图像去雾领域，特别涉及一种基于引导滤波的图像暗通道去雾尺度优化方法。

背景技术

近年来，图像处理技术已经广泛应用于各个领域。然而，无人机遥感图像往往受到雾霾等天气影响。这些在雾霾条件下获得的图像通常质量较差，影响图像的可用信息获取。因此，有必要提高无人机遥感图像的视觉质量，以便更好地开展实际应用。

目前主要的图像去雾方法分为两类：基于图像增强的方法和基于物理模型的方法。基于图像增强的方法对被降质的图像做清晰化处理主要是提高图像对比度或者突出图像特征，包括直方图均衡化、同态滤波去雾、小波变换图像增强、Retinex理论图像增强等等。然而这些图像无法真正去除雾气，只是突出了图像细节视觉效果，在很多场景下并不适用。基于物理模型的方法包括背景抑制雾厚度指数法(bshti)、雾优化变换法(hot)和雾厚度图法(htm)等。这些方法在厚雾等恶劣天气下无法产生良好的去雾效果，并容易产生色彩失真等效果。

近些年来，暗通道先验方法也被广泛应用于图像去雾中。但是这种方法存在两个限制。首先，对于图像尺度较大的遥感图像来说，基于引导滤波的暗通道方法仍然存在处理时间较慢的问题。其次，传统的暗通道方法对于天空，灯光等灰白区域处理容易产生曝光效果，从而丢失图像细节。

发明内容

鉴于上述问题，本发明提出了一种克服上述问题或者至少部分地解决上述问题的一种基于引导滤波的图像暗通道去雾尺度优化方法。

为了解决上述技术问题，本申请实施例公开了如下技术方案：

本发明公开了一种基于引导滤波的图像暗通道去雾尺度优化方法，包括：

S100.将原始遥感图像进行缩放，得到下采样图；

S200.根据S100中得到的下采样图计算得到暗通道图；

S300.根据S200中得到的暗通道图获取像素值最大的千分之一的像素点，将这些像素点坐标所对应的下采样图像素点的平均值作为最大大气光值；

S400.将S100中得到的下采样图进行归一化，计算得到归一化图像粗略的透射率图；

S500.将S400中得到的粗略透射率图与下采样图像进行引导滤波，得到中间透射率图；

S600.将S500中得到的中间透射率图进行灰白区域处理，并将处理后的透射率图进行上采样恢复到原始遥感图像尺寸，得到最终的透射率图；

S700.将S600中得到的最终透射率图与S300中得到的最大大气光值带入图像去雾模型，计算得到最终的去雾图像。

进一步地，S100中，原始遥感图像进行缩放的比例为1:16。

进一步地，S200中，计算暗通道公式为

其中，J

进一步地，S400中，粗糙透射率图定义为

进一步地，S500中，引导滤波输出和引导图像是线性相关的，即：

其中，q

进一步地，通过求出线性函数的系数，采用下式达到拟合函数的输出与真值差距最小，即：

p

进一步地，S600中，对于明亮区域透射率进行改进，对于明亮区域判断的方法为：设置阈值参数K，对于|I-A|小于K的区域，认为是明亮区域，需要重新计算其透射率，其中I为图像光值，A为大气光值。

进一步地，重新计算透射率的公式为：

进一步地，S700中，去雾图像公式为：

其中，J(x)为去雾后的图像，t

本发明实施例提供的上述技术方案的有益效果至少包括：

本发明针对现有技术的不足，提供一种基于引导滤波的图像暗通道去雾尺度优化方法。在保证较好的图像去雾效果同时，大幅度减少了大尺度无人机遥感图像的处理时间，并对于图像中可能存在的灰白区域进行了优化，减少了图像细节的丢失，增大了方法的可用范围。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例1中，一种基于引导滤波的图像暗通道去雾尺度优化方法的流程图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

为了解决现有技术中存在的问题，本发明实施例提供一种基于引导滤波的图像暗通道去雾尺度优化方法。

实施例1

本实施例公开了一种基于引导滤波的图像暗通道去雾尺度优化方法，如图1，包括：

S100.将原始遥感图像进行缩放，得到下采样图；具体的，传统遥感图像拥有较大的数据量，在实际去雾过程中耗时较长。基于暗通道去雾的透射率图十分精细的特点，将原始图像下采样后进行处理也会拥有较好的效果。本发明中取缩放大小为1:16，极大程度地提高了图像处理效率，又保留了较优越的去雾效果。

S200.根据S100中得到的下采样图计算得到暗通道图；在本实施例中，暗通道定义为

其中，J

实际计算过程中，首先求出下采样图中每个像素RGB分量中的最小值，存入一幅和下采样图像大小相同的灰度图中，然后再对这幅灰度图进行最小值滤波。最小值滤波窗口大小是一个关键参数，窗口越大，其包含暗通道的概率越大，暗通道也就越黑。本实施例取窗口大小为15，半径为7。

S300.根据S200中得到的暗通道图获取像素值最大的千分之一的像素点，将这些像素点坐标所对应的下采样图像素点的平均值作为最大大气光值。

S400.将S100中得到的下采样图进行归一化，对归一化图像计算得到粗略的透射率图。

在本实施例中，粗糙透射率图定义为

在本实施例中，设置ω是由于在现实场景中，空气中始终存在着一些颗粒，观察远方物体能感觉到有雾的影响，因此，在去雾过程中保留一部分雾的存在可以让图像产生景深的效果，具有更好的视觉效果。

S500.将S400中得到的粗略透射率图与下采样图像进行引导滤波，得到中间透射率图。

在本实施例中，作为优化之后的透射率，引导滤波输出和引导图像是线性相关的，即：

其中q

通过求出线性函数的系数，希望拟合函数的输出与真值差距最小，即下式最小：

p

S600.将S500中得到的中间透射率图进行灰白区域处理，并将处理后的透射率图进行上采样恢复到原始遥感图像尺寸，得到最终的透射率图。

在本实施例中，对于明亮区域透射率进行改进，对于明亮区域判断的方法为：设置阈值参数K，对于|I-A|小于K的区域，认为是明亮区域，需要重新计算其透射率，其中I为图像光值，A为大气光值。

具体的，重新计算透射率的公式为：

S700.将S600中得到的最终透射率图与S300中得到的最大大气光值带入图像去雾模型，计算得到最终的去雾图像。

具体的，去雾图像公式为：

其中，J(x)为去雾后的图像，t

本实施例针对现有技术的不足，提供一种基于引导滤波的图像暗通道去雾尺度优化方法。在保证较好的图像去雾效果同时，大幅度减少了大尺度无人机遥感图像的处理时间，并对于图像中可能存在的灰白区域进行了优化，减少了图像细节的丢失，增大了方法的可用范围。

应该明白，公开的过程中，步骤的特定顺序或层次是示例性方法的实例。基于设计偏好，应该理解，过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素，并且不是要限于所述的特定顺序或层次。

在上述的详细描述中，各种特征一起组合在单个的实施方案中，以简化本公开。不应该将这种公开方法解释为反映了这样的意图，即，所要求保护的主题的实施方案需要清楚地在每个权利要求中所陈述的特征更多的特征。相反，如所附的权利要求书所反映的那样，本发明处于比所公开的单个实施方案的全部特征少的状态。因此，所附的权利要求书特此清楚地被并入详细描述中，其中每项权利要求独自作为本发明单独的优选实施方案。

本领域技术人员还应当理解，结合本文的实施例描述的各种说明性的逻辑框、模块、电路和算法步骤均可以实现成电子硬件、计算机软件或其组合。为了清楚地说明硬件和软件之间的可交换性，上面对各种说明性的部件、框、模块、电路和步骤均围绕其功能进行了一般地描述。至于这种功能是实现成硬件还是实现成软件，取决于特定的应用和对整个系统所施加的设计约束条件。熟练的技术人员可以针对每个特定应用，以变通的方式实现所描述的功能，但是，这种实现决策不应解释为背离本公开的保护范围。

结合本文的实施例所描述的方法或者算法的步骤可直接体现为硬件、由处理器执行的软件模块或其组合。软件模块可以位于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动磁盘、CD-ROM或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质连接至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。该ASIC可以位于用户终端中。当然，处理器和存储介质也可以作为分立组件存在于用户终端中。

对于软件实现，本申请中描述的技术可用执行本申请所述功能的模块(例如，过程、函数等)来实现。这些软件代码可以存储在存储器单元并由处理器执行。存储器单元可以实现在处理器内，也可以实现在处理器外，在后一种情况下，它经由各种手段以通信方式耦合到处理器，这些都是本领域中所公知的。

上文的描述包括一个或多个实施例的举例。当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列。因此，本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语“包含”，该词的涵盖方式类似于术语“包括”，就如同“包括，”在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。