技術(shù)特征：

1.一種基于退化模型和群稀疏的霧天圖像復(fù)原方法，其特征在于，包括如下步驟：

步驟1，獲取霧天圖像，將霧天圖像通過如下退化模型表示：

y＝Hx+N

其中，y為霧天天氣下獲取到的退化圖像，x為退化前的清晰圖像，N為高斯白噪聲，H為退化算子，且H＝1-e^-βd，β為大氣散射系數(shù)，d為退化圖像上各像素點的深度，r₁、r₂分別為以退化圖像中心為坐標(biāo)原點任意一個像素點的橫、縱坐標(biāo)；

步驟2，設(shè)定滑動窗口的長和寬，將霧天退化圖像按從左至右位移二分之一長，從上至下位移二分之一寬的方式遍歷，得到大小與滑動窗口大小相同的圖像塊；對任意圖像塊x_k,k＝1,2,…,n，將以該圖像塊為中心的正方形內(nèi)其他圖像塊作為該圖像塊的鄰近圖像塊，利用歐氏距離在鄰近圖像塊中尋找與該圖像塊最匹配的c個圖像塊，且鄰近圖像塊的個數(shù)大于c，將c個圖像塊中的每個圖像塊作為矩陣的一列，得到群k＝1,2,…,n，n為圖像塊的總數(shù)；

步驟3，對每個群進(jìn)行估計，并對該估計進(jìn)行奇異值分解，得到群對應(yīng)的自適應(yīng)群字典其中，為的原子，i＝1,2,…,m，m為原子的個數(shù)；

步驟4，將每個群基于自適應(yīng)群字典進(jìn)行表示，并利用分離Bregman迭代算法求解稀疏系數(shù)使得其中，為的元素，i＝1,2,…,m，m為元素的個數(shù)；

步驟5，根據(jù)自適應(yīng)群字典的集合和稀疏系數(shù)的集合，得到復(fù)原后的圖像。

2.根據(jù)權(quán)利要求1所述基于退化模型和群稀疏的霧天圖像復(fù)原方法，其特征在于，步驟3所述對該估計進(jìn)行奇異值分解，得到群對應(yīng)的自適應(yīng)群字典的公式為：

$r_{G_k}=U_{G_k}{\mathrm{\Σ}}_{G_k}{V}_{G_k}^T={\mathrm{\Σ}}_{i=1}^m{\mathrm{\γ}}_{r_{G_k\⊗i}}\left(u_{G_k\⊗i}{v}_{G_k\⊗i}^T\right)$

其中，為群的估計，為對角矩陣，為的元素，i＝1,2,…,m，m為元素的個數(shù)，為對角矩陣，分別為的列向量，為兩個相互正交的矩陣，T表示轉(zhuǎn)置；

群對應(yīng)的自適應(yīng)群字典中各原子表示為：

$d_{G_k\⊗i}=u_{G_k\⊗i}{v}_{G_k\⊗i}^T,i=1,2,...,m.$

3.根據(jù)權(quán)利要求1所述基于退化模型和群稀疏的霧天圖像復(fù)原方法，其特征在于，步驟4所述將每個群基于自適應(yīng)群字典進(jìn)行表示，公式為：

其中，為稀疏系數(shù)，β為大氣散射系數(shù)，d為退化圖像上各像素點的深度，為群的估計，λ為正則項系數(shù)，||·||₂為L2范數(shù)，||·||₀為L0范數(shù)。

4.根據(jù)權(quán)利要求1所述基于退化模型和群稀疏的霧天圖像復(fù)原方法，其特征在于，步驟5所述復(fù)原后的圖像表示為：

其中，x為復(fù)原后的圖像，D_G為自適應(yīng)群字典的集合，α_G為稀疏系數(shù)的集合。

5.根據(jù)權(quán)利要求1所述基于退化模型和群稀疏的霧天圖像復(fù)原方法，其特征在于，步驟4所述分離Bregman迭代算法中，迭代終止條件為迭代次數(shù)達(dá)到5次。