1.一种基于频率域特征分离和迭代优化大气光的偏振去雾方法,其特征在于,所述方法包括以下步骤:获取同一目标场景下的无偏振图像和不同偏振角度的多幅偏振图像;
通过多尺度变换获取每幅偏振图像对应的低频图像;
对每幅低频图像分别执行中值滤波,获取每幅低频图像对应的大气散射光图像;
利用每幅低频图像对应的大气散射光图像构造大气散射光的Stokes矢量,并根据大气散射光的Stokes矢量计算大气散射光总光强;
根据无偏振图像和大气散射光总光强构建雾天成像的物理模型,并根据雾天成像的物理模型得到重构后的去雾图像;
对重构后的去雾图像执行NSP分解得到对应的高频图像,并对高频图像进行归一化处理,获取归一化后的高频图像;
构造大气散射光总光强和归一化后的高频图像之间的约束函数,通过迭代优化大气散射光总光强获取优化后的去雾图像;具体包括:构造大气散射光总光强和归一化后的高频图像之间的约束函数:
式中,H表示归一化后的高频图像,SAI表示大气散射光总光强,Ω表示大气散射光总光强图像边缘区域,x1和y1分别表示边缘区域Ω中的两个像素点,W(SAI,H)为权重函数;
利用第i次归一化后的高频图像Hi重新定义第i+1次的大气散射光总光强(SAI)i+1:式中,l表示拉格朗日乘子,并利用梯度下降法求解大气散射光总光强(SAI)i+1,收敛条件为||(SAI)i+1-(SAI)i||<ε,ε表示收敛阈值。
2.根据权利要求1所述的偏振去雾方法,其特征在于,不同偏振角度的多幅偏振图像包括同一目标场景下0°、60°、120°三个偏振角度的偏振图像。
3.根据权利要求1所述的偏振去雾方法,其特征在于,通过多尺度变换获取每幅偏振图像的对应的低频图像具体包括:采用NSP变换分别对每幅偏振图像进行分解,取分解层数为四层,获取每幅偏振图像分解后对应的低频图像。
4.根据权利要求2所述的偏振去雾方法,其特征在于,利用每幅低频图像对应的大气散射光图像构造大气散射光的Stokes矢量,具体表达式包括:式中,SA表示大气散射光的Stokes矢量;SAI表示大气散射光总光强;SAQ、SAU分别代表大气散射光的两个线性偏振光强差;A0、A60、A120分别表示0°、60°、120°偏振图像的低频图像经中值滤波后的大气散射光图像。
5.根据权利要求1所述的偏振去雾方法,其特征在于,根据无偏振图像和大气散射光总光强构建雾天成像的物理模型,并根据雾天成像的物理模型得到重构后的去雾图像,具体包括:式中J表示重构后的去雾图像,I表示目标场景下的无偏振图像,SAI表示大气散射光总光强,A∞表示无穷远处大气散射光光强。
6.根据权利要求1所述的偏振去雾方法,其特征在于,对高频图像进行归一化处理的归一化公式具体包括:H表示归一化后的高频图像;norm()表示归一化函数;H'(i)表示高频图像中的一个像素点i;min(H')表示高频图像中像素点的最小值;max(H')表示高频图像中像素点的最大值。
7.根据权利要求1所述的偏振去雾方法,其特征在于,所述权重函数表达式为:式中,σ代表归一化高频图像H边缘区域内像素点方差,x2和y2表示归一化高频图像H边缘区域中两个像素点。