1.一种基于暗通道先验的雾霾融合方法,其特征在于,包括如下步骤:步骤S1、建立浓雾图像数据库、薄雾图像数据库、无雾图像数据库;
步骤S2、从浓雾图像数据库中提取图像进行暗通道算法处理得到第一透射图,再引入修正消光系数alpha得到第二透射图;
步骤S3、从浓雾图像数据库中提取图像,将图像转化为HSV色系,得到对应的一维亮度矩阵;
步骤S4、将第二透射图和一维亮度矩阵分别输入改进的大气物理模型,再将无雾图像数据库中的图像输入改进的大气物理模型,得到融合雾霾图像。
2.根据权利要求1所述的一种基于暗通道先验的雾霾融合方法,其特征在于,在所述步骤S3和所述步骤S4之间还具有滤波操作,所述滤波操作具体为:将步骤S2中得到的第二透射图以及步骤S3中得到的一维亮度矩阵分别输入导向滤波器进行滤波处理。
3.根据权利要求2所述的一种基于暗通道先验的雾霾融合方法,其特征在于,所述步骤S1具体包括:
步骤S101、采集高速公路在不同场景下的视频资料,所述高速公路处于雾霾天气环境中;
步骤S102、将采集到的视频资料划分成浓雾片段、薄雾片段和无雾片段,从这三个片段中各自提取图像分别形成:浓雾图像数据库、薄雾图像数据库、无雾图像数据库。
4.根据权利要求3所述的一种基于暗通道先验的雾霾融合方法,其特征在于,所述步骤S2具体包括:
步骤S201、从浓雾图像数据库中选取图像,统计RGB三个通道最小值组成的灰度图;
步骤S202、基于暗通道先验假设估计三通道传输图:公式(1)中,C表示三通道, 表示为输入的图像,Ω(x)表示为以x为中心的窗口,y表示以x为中心的窗口中的各个像素点;
将公式(1)代入大气物理模型得到第一透射图的表达式:C C
公式(2)中,C表示三通道,I (y)表示像素y处RGB三通道亮度值,A表示大气光照强度三通道亮度值,Ω(x)表示为以x为中心的窗口,y表示以x为中心的窗口中的各个像素点;
步骤S203、预设消光系数beta,得到:C
公式(3)中,t (Y)表示浓雾图像的RGB三通道传输图估计,beta表示为预设的消光系数,C
d表示浓雾图像的像素场景深度图;
步骤S204、引入修正消光系数alpha形成第二透射图:C
公式(4)中,alpha为修正消光系数,为控制雾霾程度的人工设定变量参数,P (Y)表示为第二透射图。
5.根据权利要求4所述的一种基于暗通道先验的雾霾融合方法,其特征在于,所述步骤S5中,改进的大气物理模型的表达式为:C C C 1 C
I(X,Y)=J(X)·P(Y)+B(Y)·(1‑P(Y)) (5)C C
公式(5)中,I (X,Y)表示为融合雾霾图像,J (X)表示为无雾图像数据库中的清晰图像,C 1
P(Y)表示为第二透射图,B (Y)表示由HSV色系提取的浓雾图像对应的一维亮度矩阵,X表示为待加雾图像,Y为浓雾图像。
6.根据权利要求5所述的一种基于暗通道先验的雾霾融合方法,其特征在于,在所述步骤S4之后,还包括评估融合雾霾图像效果的操作,具体为:步骤S501、建立融合雾霾图像数据库;
步骤S502、从所述融合雾霾图像数据库和所述薄雾图像数据库中提取近似图像形成图片对;
步骤S503、将步骤S502得到的图片对输入结构相似度评价模型,所述结构相似度评价模型的表达式为:
2 2 2
公式(6),u为图像像素的均值,σX为X的方差,σY为Y的方差,σXY为X与Y的协方差,C1、C2为常数,X,Y表示为图片对,SSIM表示为两张图像的结构相似度。