欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2017101902196
申请人: 湖南大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于图像雾霾浓度估计的单幅图像去雾方法,其特征在于,包括以下几个步骤:步骤1:输入雾霾图像I,并获取雾霾图像的暗通道图像Idark,并采用暗原色先验方法获取雾霾图像的大气光照估测值Ac,c={R,G,B};

步骤2:将输入的雾霾图像从RGB空间变换到HSV空间,将HSV空间中的SV通道图像分割成大小为r×r的局部块Ω,并计算每个局部块Ω与任意大气传输值关联的特征向量;

每个局部块的特征向量包括色调方差σ、韦伯对比度均值w以及饱和度均值步骤3:利用清晰图像MVG模型(μ1,∑1)和雾霾图像MVG模型(μ2,∑2)的特征向量分别与输入的雾霾图像的局部块的归一化特征向量之间关系,获得与任意大气传输值t关联输入的雾霾图像的雾霾浓度;

其中,μ1和μ2分别表示清晰图像MVG模型和雾霾图像MVG模型的所有局部块特征向量均值,∑1和∑2分别表示清晰图像MVG模型和雾霾图像MVG模型的所有局部块特征向量的方差;

步骤4:令步骤3获得的与任意大气传输值t关联输入的雾霾图像的雾霾浓度取得最小值,得到对应的初始最优大气传输值;

步骤5:采用引导滤波器细化最优大气传输值t0(x),得到细化后的最优大气传输值t1(x);

步骤6:将步骤5得到的细化后的最优大气传输值t1(x)、大气光照估测值Ac以及雾霾图像中每个像素的亮度值Ic(x)按以下公式计算,得到清晰图像L:Ic(x)=Lc(x)t1(x)+Ac(1-t1(x)),c=R,G,B其中,Lc(x)为清晰图像L的c通道像素x的灰度值。

2.根据权利要求1所述的方法,其特征在于,所述与任意大气传输值t关联输入的雾霾图像的雾霾浓度按照以下公式计算:其中,b表示中间向量B的所有元素之和,且 ci表示特征调节参数,i=1,

2,3, A(i,j)表示中间矩阵A中的元素,

L1和L2分别是∑1和∑2的分解矩阵,满足

max_f,min_f分别表示特征f较大的前0.1%个特征值的均值,以及特征值较小的0.1%特征值的均值,f包括色调方差σ、韦伯对比度均值w以及饱和度均值ki为特征归一化参数,i=1,2,3;

s(x)表示局部块Ω中像素x的饱和度值;A表示雾霾图像中的大气光值,vA表示大气光值A在HSV颜色空间的亮度通道值,v(x)表示输入雾霾图像中像素x处的亮度通道值;

Δv(x)表示局部块Ω中像素x的亮度对比度,Δv(x)=|v(x)-vb(x)|,vb(x)为局部块Ω中像素x的背景亮度,由v(x)通过一个低通滤波器获得,即:vb(x)=LF(v(x)),LF为低通滤波器;

是局部块Ω中所有像素的亮度通道值的平均值,N为局部块中像素数目=r×r。

3.根据权利要求1所述的方法,其特征在于,所述与任意大气传输值关联输入的雾霾图像的雾霾浓度按照以下公式计算:其中,J0表示雾霾图像去雾后图像的亮度期望值; 为局部块Ω中亮度对比度Δv(x)的均值;

b表示中间向量B的所有元素之和,且 ci表示特征调节参数,i=1,2,3,A(i,j)表示中间矩阵A中的元素,

L1和L2分别是∑1和∑2的分解矩阵,满足

max_f,min_f分别表示特征f较大的前0.1%个特征值的均值,以及特征值较小的0.1%特征值的均值,f包括色调方差σ、韦伯对比度均值w以及饱和度均值ki为特征归一化参数,i=1,2,3;

s(x)表示局部块Ω中像素x的饱和度值;A表示雾霾图像中的大气光值,vA表示大气光值A在HSV颜色空间的亮度通道值,v(x)表示输入雾霾图像中像素x处的亮度通道值;

Δv(x)表示局部块Ω中像素x的亮度对比度,Δv(x)=|v(x)-vb(x)|,vb(x)为局部块Ω中像素x的背景亮度,由v(x)通过一个低通滤波器获得,即:vb(x)=LF(v(x)),LF为低通滤波器;

是局部块中Ω的所有像素的亮度通道值的平均值,N为局部块中像素数目=r×r。

4.根据权利要求2或3所述的方法,其特征在于,所述清晰图像MVG模型(μ1,∑1)和雾霾图像MVG模型(μ2,∑2)的构建过程如下:首先,获取大量无雾霾的自然图像,随机从自然图像中提取大小为r×r的局部块;

其次,对提取出的局部块,利用随机生成的传输值t和大气散射模型合成雾霾图像块,构建模型数据集;

传输值t的取值范围为[0.01,1];

接着,从模型数据集中选择传输值满足设定条件的雾霾图像块,并计算每个雾霾图像块的归一化特征向量最后,对满足设定条件的雾霾图像块的归一化特征向量,采用多元变量的最大概率估计的方法,进行图像块的特征模型估计;

构建清晰图像MVG模型(μ1,∑1)时,从模型数据集中选取传输值大于0.95的雾霾图像块;

构建雾霾图像MVG模型(μ2,∑2)时,从模型数据集中选取传输值小于0.5的雾霾图像块;

所述雾霾图像的大气光照c通道的估测值Ac是将暗通道图像中每个像素的暗通道值从大到小顺序排列,取暗通道值较大的前n个像素的颜色均值;

其中,n=0.1%×M,M为雾霾图像的像素总数。

5.根据权利要求4所述的方法,其特征在于,对每个局部块的特征向量进行归一化处理是指:σn=k1×(σ-min_σ)

wn=k3×(w-min_w)。

6.根据权利要求5所述的方法,其特征在于,所述每个局部块的色调方差σ、韦伯对比度均值w、以及饱和度均值其中,μrg,μyb,σrg,σyb分别为图像在局部块Ω中的RG色差图像与RGB色差图像的像素均值与方差;

RG色差图像为rg=R-G,RGB色差图像为yb=0.5(R-G)+B。

7.根据权利要求6所述的方法,其特征在于,所述局部块Ω的大小r×r的取值范围为7×7~19×19。

8.根据权利要求3所述的方法,其特征在于,所述雾霾图像去雾后图像的亮度期望值J0的取值范围为[120,vA]。