1.基于逐块非线性亮度先验的单幅图像去雾方法,其特征在于,包括以下步骤:步骤S1:图像获取与归一化,获取含雾图像I,I为单通道或多通道图像,将像素强度归一化至[0,1];
步骤S2:块划分与计算块均值,将I按预设块划分,遍历含雾图像的所有局部块,计算各块的平均亮度;
步骤S3:先验映射构建,构建先验逐块单调递增非线性函数PPWF,用于表征含雾图像局部块平均亮度与对应清晰图像局部块平均亮度之间的映射关系;
步骤S4:大气光估计与参数化模型,建模大气光,并结合大气散射模型ASM,建立以 a、b、 三个标量为核心优化变量的参数化图像恢复模型,其中,a和b分别为用于控制拟合曲线的幅度和形状的参数,为大气光A的强度系数;
步骤S5:多目标联合优化,采用多目标联合优化策略求解最优参数组,同时考虑结构一致性、对比度增强与亮度平衡三项约束;
步骤S6:透射图计算与复原,将最优参数组代入步骤S4恢复模型,计算粗透射图,并通过引导滤波GF优化,进而生成最终去雾图像;其中,步骤S2的局部块采用固定大小的非重叠或部分重叠窗口,各局部块的平均亮度 由窗口内像素的算术平均获得;
根据MATLAB拟合SOTS数据集清晰朦胧图像中单个局部斑块的曲线和I-Haze数据集中采样的10条代表性的逐块拟合曲线,基于拟合误差最小化的原则,将步骤S3中的先验逐块单调递增非线性函数PPWF定义为:(1)
其中,为局部块中心坐标, 为对应清晰图像在该块内的平均亮度; a和b分别为用于控制拟合曲线的幅度和形状的参数,PPWF导数为:(2)
其中,为的简写,为抑制过度增强并保证数值稳定,对 PPWF 的导数施加如下约束: 。
2.根据权利要求1所述的基于逐块非线性亮度先验的单幅图像去雾方法,其特征在于,步骤S4中的大气光A估计包括:步骤S41:选取平均亮度最大的局部块作为纯大气光区域,其坐标为:(3)
步骤S42:将大气光A建模为:
(4)
其中,为大气光A的强度系数;为大气光的颜色向量,其由红色、绿色和蓝色通道三个分量构成; 、和分别表示颜色向量在红、绿和蓝通道上的分量。
3.根据权利要求2所述的基于逐块非线性亮度先验的单幅图像去雾方法,其特征在于,步骤S4中的参数化图像恢复模型由大气散射模型:(5)
与公式(1)、公式(4)进行公式变换得到,其粗透射图 及恢复的去雾图像反射率 的计算分别为:(6)
(7)
其中,为含雾图像的像素值,为去雾图像的像素值,为透射率,CR(·) 表示引导滤波算子,以优化粗传输图的平滑性与边缘保持。
4.根据权利要求3所述的基于逐块非线性亮度先验的单幅图像去雾方法,其特征在于,步骤S5中的多目标联合优化以最大化下式为目标:(8)
其中,为最优参数组,α、β、γ 为各项权重系数且为非负常数,结构一致性项为:(9)
其中,是KL散度,用于衡量含雾图像与去雾图像的局部平均亮度分布的一致性, 与 分别为含雾图像与去雾图像的局部平均亮度值的概率分布,分箱数N 为64–128;
对比度增强项为:
(10)
其中,是香农熵,用于反映去雾图像亮度分布的离散程度;
亮度平衡项为:
(11)
其中 为去雾图像的平均亮度。
5.根据权利要求4所述的基于逐块非线性亮度先验的单幅图像去雾方法,其特征在于,步骤S5的求解采用交替优化结合黄金分割搜索的策略,包括:步骤S51:初始化参数搜索范围 a∈[0,1]、b∈[0,1]、∈[0.8,1.2],且b的初始值设为其搜索范围中点;
步骤S52:固定任意两个参数,通过黄金分割搜索优化第三个参数,三参数轮换迭代,搜索的超出 [0.8, 1.2] 且导致目标函数下降时,维持于该区间内;
步骤S53:当参数变化量小于 0.01 时终止迭代,输出最优参数组。
6.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如上述权利要求1至5中的任意一项所述的基于逐块非线性亮度先验的单幅图像去雾方法。
7.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,该计算机指令被处理器执行时实现如权利要求1-5中任一项所述的基于逐块非线性亮度先验的单幅图像去雾方法。