技術(shù)特征：

1.一種基于暗原色先驗的單幅圖像去霧方法，其特征在于：本方法包括以下幾個步驟：

S1：自適應(yīng)求出含霧圖像I的暗原色圖I^dark；

S1.1：求出最小顏色通道I^c，具體公式如下：

$I^c(x,y)=\underset{c\∈\{R,G,B\}}{\min }\left(I\right(x,y\left)\right)$

其中(x,y)表示R、G、B三通道圖像中的像素點(diǎn)；

S1.2：對最小暗通道圖I^dark進(jìn)行自適應(yīng)分塊，并進(jìn)行最小值濾波，得到暗原色圖I^dark；其中自適應(yīng)分塊大小為：

block＝round(max(3,M×1％,N×1％))

M,N分別為最小顏色通道I^c的長和寬，暗原色圖I^dark的具體公式為：

$I^{dark}(x,y)=\underset{c\∈\{R,G,B\}}{\min }\left(\underset{(x,y)\∈block}{\min }\right(I\left(x,y\right)\left)\right)$

S2：對暗原色圖I^dark進(jìn)行圖像分割，獲得包含天空區(qū)域和非天空區(qū)域的圖像，具體分割方法如下：

S2.1:求出暗原色圖像I^dark的亮度圖B，并采用最大類間方差法(OTSU)對亮度圖像B進(jìn)行自適應(yīng)閾值分割，得到分割后的二值圖像B_binary，公式如下：

$B_{binary}(x,y)=\left\{\begin{array}{c}0,th1\<{\mathrm{\λ}}_1\\ 1,th1\≥{\mathrm{\λ}}_1\end{array}\right.$

其中th1是亮度圖像B在坐標(biāo)(x,y)處的亮度值，λ₁是亮度圖像B的最大類間方差分割閾值；

S2.2:求出暗原色圖像I^dark的灰度梯度圖G，并采用最大類間方差法(OTSU)對梯度圖像G進(jìn)行自適應(yīng)閾值分割，得到分割后的二值圖像G_binary，公式如下：

$G_{binary}(x,y)=\left\{\begin{array}{c}0,th2\≥{\mathrm{\λ}}_2\\ 1,th2\<{\mathrm{\λ}}_2\end{array}\right.$

其中th2是梯度圖像G在坐標(biāo)(x,y)處的梯度值，th2是梯度圖像G的最大類間方差分割閾值；

S2.3：將分割后的亮度二值圖B_binary及梯度二值圖G_binary作并運(yùn)算，得到分割后的天空區(qū)域和非天空區(qū)域二值圖像Y_binary，公式如下：

$Y_{binary}(x,y)=\left\{\begin{array}{c}0,th1\<{\mathrm{\λ}}_1,th2\≥{\mathrm{\λ}}_2\\ 1,th1\≥{\mathrm{\λ}}_1,th2\<{\mathrm{\λ}}_2\end{array}\right.$

S3：利用上述分割出的天空區(qū)域重估大氣光值A(chǔ)，把天空區(qū)域亮度最大的前50％的亮度均值作為大氣光的估計值；

S4：粗略估計透射率

S4.1：利用何凱明原方法粗略估計非天空區(qū)域的透射率具體公式如下：

${\tilde{t}}_{notsky}(x,y)=1-\mathrm{\ω}\underset{c\∈\{r,g,b\}}{min}\left(\underset{(x,y)\∈block}{\min }\right(\frac{I^c(x,y)}{A^c}\left)\right)$

其中ω(0＜ω≤1)是去霧參數(shù)，是可調(diào)參數(shù)，用來選擇性的保留遠(yuǎn)方景物中的小部分霧，使得復(fù)原圖像更加自然，當(dāng)ω＝1時表示徹底去霧；

S4.2：利用蔣建國提出的K容差機(jī)制粗略估計天空區(qū)域的透射率具體公式如下：

${\tilde{t}}_{sky}(x,y)=\frac{K}{|A^c-I^{dark}(x,y)|}(1-\mathrm{\ω}\underset{c\∈\{R,G,B\}}{\min }(\underset{(x,y)\∈block}{\min }\frac{I^c(x,y)}{A^c}\left)\right)$

其中K表示容差參數(shù)，是可調(diào)參數(shù)，用來調(diào)整天空區(qū)域亮度和大氣光值之間的容差值；

S4.3：利用分割后的天空區(qū)域和非天空區(qū)域的二值圖像Y_binary將天空區(qū)域和非天空區(qū)域透射率進(jìn)行合并，得到粗略透射率計算公式如下：

$\tilde{t}(x,y)=\left\{\begin{array}{c}1-\mathrm{\ω}\underset{c\∈\{R,G,B\}}{\min }\left(\underset{(x,y)\∈block}{\min }\right(\frac{I^c(x,y)}{A^c}\left)\right),Y_{binary}(x,y)=0\\ \frac{K}{|A^c-I^{dark}(x,y)|}(1-\mathrm{\ω}\underset{c\∈\{R,G,B\}}{\min }(\underset{(x,y)\∈block}{\min }\frac{I^c(x,y)}{A^c}\left)\right),Y_{binary}(x,y)=1\end{array}\right.$

S5：采用引導(dǎo)濾波細(xì)化透射率，以含霧圖像I的灰度圖I^gray作為引導(dǎo)圖像，通過如下公式得到細(xì)化的透射率t(x,y)：

$t(x,y)=a_k{I_i}^{gray}+b_k,\∀i\∈{\mathrm{\ξ}}_k$

其中t(x,y)是圖像I_i^gray中以k為中心像素的局部窗口ξ_k的線性變換，通過求解線性因數(shù)(a_k,b_k)的最優(yōu)解，使輸入圖像p與輸出圖像t(x,y)之間的差值最小化；最后求出輸出圖像如下：

$t(x,y)=\frac{1}{\left|\mathrm{\ξ}\right|}\underset{k|i\∈{\mathrm{\ξ}}_k}{\Σ}(a_k{I_i}^{gray}+b_k)={\stackrel{\‾}{a}}_i{I_i}^{gray}+\stackrel{\‾}{b_i}$

其中μ_k和δ_k表示圖像I^gray在局部窗口ξ中的均值和方差，|ξ|是窗口ξ_k中的像素個數(shù)；

S6：利用大氣散射模型得到復(fù)原的清晰圖像J，具體公式為：

$J(x,y)=\frac{I(x,y)-A}{max\left(t\right(x,y),t_0)}+A$

當(dāng)t(x,y)接近于0時，與實際不符，因此為透射率t(x,y)設(shè)置一個下限t₀

S7：采用引導(dǎo)濾波進(jìn)一步增強(qiáng)復(fù)原圖像J的邊緣信息，以復(fù)原圖像J作為引導(dǎo)濾波器的輸入，含霧圖像I作為引導(dǎo)圖像，實現(xiàn)引導(dǎo)濾波器平滑濾波的作用，得到邊緣模糊的輸出圖像q₀，最終復(fù)原圖像J_finary計算公式如下：

J_finally(x,y)＝M(J(x,y)-q₀(x,y))+q₀(x,y)

其中M是邊緣增強(qiáng)倍數(shù)，是一個可調(diào)參數(shù)。