CN114677289B 一种图像去雾方法、系统、计算机设备、存储介质及终端 （西安电子科技大学）

文.区域的最大连通性获得粗分割的天空区域与非发明计算像素点灰度值可以准确得到像素通道2假设大气光值Ac已知，对所述暗通道先验数学模型公式变形并经最小值滤波操作后，采用暗通道图像与边缘增强后暗通道图像的差作为图根据最大信息熵参数指标，采用最小二乘拟合法构建一元二次天空区域采用对数变换获取自适应的透射率，用于平滑暗通道中3非天空区域采用改进的暗通道先验方法预估出透射率n步骤一，通过统计雾霾图像的相邻灰度概率构造累积分步骤二，结合自适应阈值分割以及天空区域的暗、亮通道步骤三，通过引导滤波加强天空与非天空区域像素灰步骤四，天空区域利用对数自适应变换估计透射率，素点的集中分布区间并反解出对应的平均灰度值g3，并结合自适应阈值分割以及天空的(2)根据图像灰度的集中分布特征，利用雾霾图像的相邻灰度概率值构造出其概率分4从图像的累积分布函数图中可得雾霾图像的像素灰度值近似服从正态分布3σ原则：P(μ-3σ<X≤μ+3σ)＝99.7表明随机变像素点量X落在(μ-3σ,μ+3σ)以外的概率小于千分定位出粗分割后的天空区域与非天空区域，由于天空区域与非天6)采用两次最小最大滤波获取雾霾图像的暗亮通道6.一种实施权利要求1～5任意一项所述的图像去雾方法的图像去雾系统，其特征在5雾霾图像统计模块，用于通过统计雾霾图像的相邻灰度概率构造天空区域粗分割模块，用于结合自适应阈值分割以及天空区天空区域精准分割模块，用于通过引导滤波加强天空与非天空区域像素灰度的差异透射率合成模块，用于将天空区域利用对数自适应变换估计透射率，非~5任意一项所述的图像去雾方法的步骤。得所述处理器执行如权利要求1～5任意一项所述的图像去雾6光晕现象。Berman等人提出了基于模糊线并利用上下文正则化的方法估计图像的透射率，且在图像明亮区域仍然会出现光晕现象。Pan等人分析了雾天图像容易出现的亮度损失和[0007](1)由于雾霾图像中的天空区域相较于其他区域灰度值普遍偏高，使得现有去雾7[0008](2)现有采用灰度直方图的单阈值分割方法中，图像的灰度直方图必须具有双峰[0009](3)现有直接采用大津算法分割图像的方法中，当图像中的目标与背景的面积相[0010](4)现有将暗通道先验应用于单幅图像的去雾方法中，在处理场景内的目标像素[0011](5)现有通过对固有边界约束条件进行分析，利用上下文正则化的方法迭代优化[0012](6)现有基于模糊线并利用上下文正则化的方法估计图像透射率的方法，处理单[0013](7)现有通过分割图像的天空区域结合多尺度融合对曝光度不同的图像进行去雾[0014](8)现有通过暗通道融合和雾密度加权的去雾方法中，部分图像去雾后色彩饱和8[0025](2)根据图像灰度的集中分布特征，利用雾霾图像的相邻灰度概率值构造出其概[0028]从图像的累积分布函数图中可得雾霾图像的像素灰度值近似服从正态分布3σ原则：P(μ-3σ<X≤μ+3σ)＝99.7表明随机变像素点量X落在(μ-3σ,μ+3σ)以外的概率小于b1]的极小像素值作为天空区域与非天空区域的粗分割阈1和b1的表达式如下式所示：区域与非天空区域像素相接处的灰度差异增大；引导滤波后前景与背景的类间方差比最92+2.638[0068]雾霾图像统计模块，用于通过统计雾霾图像的相邻灰度的相邻灰度概率构造累积分布函数，根据像素灰度的集中分布程度获得像素的平均阈值，算法估计透射率，通过将天空与非天空区域的对应像素的透射率进行合成实现图像的去区域的自身像素特征分别进行透射率的计算并合成,去雾后图像视感清晰自然。在图像去工大学学报,2019,43(05):592-599.)的分割示意图；(c)是本发明实施例提供的文献(W.MeiandX.Li,"SingleImageDehazingUsingDarkChannelFusionandHazeDensityWeight,"2019IEEE9thInternationalConferenceonElectronicsInformationandEmergencyCommunication(ICEIEC),2019,pp.579-585,doi:10.1109/[0112]天空区域精准分割模块3，用于通过引导滤波加强天空与非天空区域像素灰度的非天空区域的透射率进行像素对应合成，实现图像的去雾。具体的算法原理框图如图1所[0128](2)根据图像灰度的集中分布特征，利用雾霾图像的相邻灰度概率值构造出其概[0130]从图像的累积分布函数图中可得雾霾图像的像素灰度值近似服从正态分布3σ原则：P(μ-3σ<X≤μ+3σ)＝99.7表明随机变像素点量X落在(μ-3σ,μ+3σ)以外的概率小于[0132](3)利用迭代选择阈值法并结合天空区域的暗、亮通道确定大气光值。具体算法基于天空区域分割和多尺度融合的单幅雾天图像复原算法[J].南京理工大学学报,2019,43(05):592-599.)、文献(W.MeiandX.Li,"SingleImageDehazingUsingDarkChannelFusionandHazeDensityWeight,"2019IEEE9thInternationalConferenceonElectronicsInformationandEmergencyCommunication(ICEIEC),2019,pp.579-[0148]文献(潘健鸿,高银.基于天空区域分割和多尺度融合的单幅雾天图像复原算法[J].南京理工大学学报,2019,43(05):592-599.)算法处理后部分图像边缘轮廓会存在细高的三个位置和图5(b-3)中山峰的白雪等近似白色区域均误识别为[0149]文献(W.MeiandX.Li,"SingleImageDehazingUsingDarandHazeDensityWeight,"2019IEEE9thInternationalConferenceonElectronicsInformationandEmergencyCommunication(ICEIEC),2019,pp.579-585,doi:10.1109/ICEIEC.2019.8784493.)算法在分割天空区域部分处理效果明显好于大津算法与文献(潘健鸿,高银.基于天空区域分割和多尺度融合的单幅雾天图像复原算法[J].南京理工大学像部分细节轮廓分割不够精细，如图5(c-1)中山峰亮度高的部分误分割为天空区域和图5(c-3)中山峰顶的部分白雪区域均误分割[0150]本发明算法通过加强天空与非天空区域像素灰度的差异性实现天空区域和非天含有大面积近似天空白色区域时，本发明算法有效避免基于天空区域分割和多尺度融合的单幅雾天图像复原算法[J].南京理工大学学报,2019,空区域的不同场景下8幅常用真实有雾图像进行仿真验证，并将实验结果与He、Meng、都集中于大气光与无雾像素点构成的雾线上，使得处于不同深度位置的透射率估计不足，[0178]Pan等人通过分割图像的天空区域结合多尺度融合对曝光度不同的图像进行去其他去雾算法，所提算法在信噪比上平均提高8.06平均梯度上平均提高11.35结构相似性上平均提高9.15信息熵上平均提高2.23表明本发明算法在改善图像失真、保区域的自身像素特征分别进行透射率的计算并合成,去雾后图像视感清晰自然。在图像去传输)。所述计算机可读取存储介质可以是计算