技術(shù)特征：

1.一種計(jì)算機(jī)中視頻去霧方法，其特征在于，包括如下步驟：

步驟1，輸入霧霾視頻圖像序列，基于相鄰幀差分的邊緣信息幅度核密度估計(jì)的信息熵提取視頻關(guān)鍵幀；

步驟2，基于邊緣幅度信息熵提取關(guān)鍵幀代表性像素點(diǎn)；

步驟3，基于互相關(guān)匹配算法和廣義對(duì)齊算法逐像素配準(zhǔn)視頻關(guān)鍵幀；

步驟4，基于顏色均值估計(jì)大氣光照強(qiáng)度和二維核回歸優(yōu)化視頻關(guān)鍵幀傳播率；

步驟5，基于Catmull—Rom三次樣條估計(jì)視頻非關(guān)鍵幀的傳播率；

步驟6，根據(jù)大氣散射模型，輸出恢復(fù)后的霧霾視頻圖像序列。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟1包括如下步驟：

步驟1-1，輸入霧霾視頻圖像序列，計(jì)算霧霾視頻圖像序列相鄰兩幀的亮度通道之差：假設(shè)霧霾視頻圖像序列有N幀，分別為f₁,f₂,…,f_N，f_N表示第N幀霧霾視頻圖像序列，每幀圖像從RGB顏色空間轉(zhuǎn)換為YUV空間，通過如下公式計(jì)算相鄰兩幀YUV空間的亮度Y通道之差的絕對(duì)值：

$d_{N-1}=|f_{N-1}^Y-f_N^Y|,$

其中，分別表示第N-1幀的亮度Y通道和第N幀的亮度Y通道，d_N-1表示第N-1幀的亮度Y通道和第N幀的亮度Y通道之差的絕對(duì)值，所有N幀的亮度Y通道大小為M₁×M₂，其中M₁和M₂分別視頻幀的行數(shù)和列數(shù)；

步驟1-2，計(jì)算所有亮度Y通道之差的絕對(duì)值的邊緣幅度信息，d_r表示第r個(gè)亮度Y通道之差的絕對(duì)值，1≤r≤N-1，通過如下公式計(jì)算d_r中第i行和第j列像素的邊緣幅度信息e_r(i,j)：

$e_r(i,j)=\sqrt{{\left(e_r^h\right(i,j\left)\right)}^2+{\left(e_r^v\right(i,j\left)\right)}^2},$

其中，1≤i≤M₁，1≤j≤M₂，表示第i行和第j列像素的水平方向邊緣，通過如下公式計(jì)算

$\begin{array}{c}{e}_r^h(i,j)=d_r(i+1,j-1)+2d_r(i,j+1)+d_r(i+1,j+1)\\ -d_r(i-1,j-1)-2d_r(i-1,j)-d_r(i-1,j+1)\end{array},$

表示第i行和第j列像素的垂直方向邊緣，通過如下公式計(jì)算

$e_r^v(i,j)=d_r(i-1,j+1)+2d_r(i,j+1)+d_r(i+1,j+1)-d_r(i-1,j-1)-2d_r(i,j-1)-d_r(i+1,j-1);$

步驟1-3，計(jì)算d_r的邊緣信息幅度的核密度函數(shù)：對(duì)于任意一個(gè)邊緣幅度e，其核密度函數(shù)p(e)為：

$p\left(e\right)=\frac{1}{M_1{M}_{2}s}\underset{i=1}{\overset{M_1}{\Σ}}\underset{j=1}{\overset{M_2}{\Σ}}{K}_s^1\left(\frac{e-e_r(i,j)}{s}\right),$

其中，為一維核函數(shù)，變量u的高斯核函數(shù)通過如下公式計(jì)算平滑參數(shù)s：

$s={\left(\frac{4}{3M_1{M}_2}\right)}^{1/5}\mathrm{\σ},$

其中σ表示邊緣幅度集e_r＝{e_r(1,1),e_r(1,2),…,e_r(M₁,M₂)}的標(biāo)準(zhǔn)偏差，邊緣幅度集元根據(jù)步驟1-2計(jì)算，e_r(M₁,M₂)表示第M₁行第M₂列的邊緣幅度；

步驟1-4，基于邊緣信息幅度的核密度函數(shù)信息熵提取霧霾視頻圖像序列的關(guān)鍵幀：在邊緣幅度集e_r的最小值和最大值之間以相等步長抽樣n₁個(gè)數(shù)據(jù)，分別標(biāo)記為：

c₁＝min(e_r)，c₂＝c₁+Δ，c₃＝c₁+2Δ,…,c_n＝c₁+(n₁-1)Δ，

其中，步長n₁個(gè)數(shù)據(jù)對(duì)應(yīng)的核密度函數(shù)分別為p(c₁),p(c₂),…,p(c_n1)，p(c_n1)表示c_n對(duì)應(yīng)的核密度函數(shù)，通過如下公式計(jì)算d_r的信息熵H_r：

$H_r=-\underset{r_1=1}{\overset{n_1}{\Σ}}{c}_{r_1}log\left(p\right(c_{r_1}\left)\right),$

如果d_r的信息熵大于閾值H₀，H₀取值為0.1，則霧霾視頻圖像序列中第r幀f_r為關(guān)鍵幀。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，步驟2包括：

設(shè)霧霾視頻圖像序列中第r幀f_r為關(guān)鍵幀，對(duì)邊緣幅度集合{e_r(1,1),e_r(1,2),…,e_r(M₁,M₂)}的元素按照降序排序，選出前n₂個(gè)較大邊緣幅度對(duì)應(yīng)位置的的像素點(diǎn)作為代表性像素點(diǎn)，其中分別表示第r幀中邊緣幅度值為第n₂大的象素點(diǎn)的橫坐標(biāo)和縱坐標(biāo)。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，步驟3包括：

設(shè)霧霾視頻圖像序列中兩個(gè)相鄰的關(guān)鍵幀分別為和r₁,r₂分別表示相鄰的關(guān)鍵幀視頻的序號(hào)，1≤r₁≤r₂≤N，和的代表性像素點(diǎn)的坐標(biāo)分別為和使用互相關(guān)匹配算法，分別以和的代表性像素點(diǎn)為中心選取一個(gè)窗口，作為參考幀，作為待配準(zhǔn)幀，以參考幀的每個(gè)代表性像素點(diǎn)為參考點(diǎn)，在待配準(zhǔn)幀中查找相關(guān)系數(shù)最大的窗口作為匹配點(diǎn)，其中，相關(guān)系數(shù)的計(jì)算如下：

假設(shè)中坐標(biāo)為的代表性像素點(diǎn)的窗口內(nèi)所有亮度組成的向量為Y₁，中坐標(biāo)為的代表性象素點(diǎn)窗口內(nèi)所有亮度組成的向量為Y₂，則Y₁和Y₂的相關(guān)系數(shù)定義：

${\mathrm{\ρ}}_1=\frac{\mathrm{\Σ}(Y_1-{\stackrel{\‾}{Y}}_1)(Y_2-{\stackrel{\‾}{Y}}_2)}{\sqrt{{(Y_1-{\stackrel{\‾}{Y}}_1)}^2}\sqrt{{(Y_2-{\stackrel{\‾}{Y}}_2)}^2}},$

其中和分別表示向量Y₁的均值和向量Y₂的均值；

依據(jù)互相關(guān)匹配算法選擇出存在對(duì)應(yīng)關(guān)系的代表性像素點(diǎn)對(duì)，再使用廣義對(duì)齊算法計(jì)算參考幀和待配準(zhǔn)幀的平移、旋轉(zhuǎn)和縮放的變換參數(shù)，實(shí)現(xiàn)兩個(gè)關(guān)鍵幀之間逐像素的配準(zhǔn)。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，步驟4包括如下步驟：

步驟4-1，建立視頻關(guān)鍵幀的大氣散射光照模型：霧霾視頻圖像序列的關(guān)鍵幀大氣散射光照模型為：

I_c(p)＝t(p)J_c(p)+(1-t(p))A_c，

其中，J_c(p)和I_c(p)分別表示無霧視頻關(guān)鍵幀像素點(diǎn)p的c通道值和霧霾視頻關(guān)鍵幀像素點(diǎn)p的c通道值，c∈{R,G,B}，R、G和B分別表示紅、綠、藍(lán)三種顏色，t(p)∈[0,1]表示在像素點(diǎn)p的大氣光照傳播率，A_c表示c通道的大氣光照強(qiáng)度；

步驟4-2，進(jìn)行基于顏色均值向量的視頻關(guān)鍵幀大氣光照強(qiáng)度估計(jì)：大氣光照強(qiáng)度的大小設(shè)置為常數(shù)240，以關(guān)鍵幀的紅、綠、藍(lán)三個(gè)顏色通道歸一化的均值作為大氣光照強(qiáng)度的方向，其中分別表示關(guān)鍵幀的紅色通道均值、綠色通道均值和藍(lán)色通道均值，則紅、綠、藍(lán)通道的大氣光照強(qiáng)度估計(jì)值為：

$A_R=240\frac{{\stackrel{\‾}{I}}_R}{{\stackrel{\‾}{I}}_R+{\stackrel{\‾}{I}}_G+{\stackrel{\‾}{I}}_B},A_G=240\frac{{\stackrel{\‾}{I}}_G}{{\stackrel{\‾}{I}}_R+{\stackrel{\‾}{I}}_G+{\stackrel{\‾}{I}}_B},A_B=240\frac{{\stackrel{\‾}{I}}_B}{{\stackrel{\‾}{I}}_R+{\stackrel{\‾}{I}}_G+{\stackrel{\‾}{I}}_B},$

其中，A_R、A_G、A_B分別表示紅色通道的大氣光照強(qiáng)度的估計(jì)值、綠色通道的大氣光照強(qiáng)度的估計(jì)值和藍(lán)色通道的大氣光照強(qiáng)度的估計(jì)值；

步驟4-3，基于二維核回歸的傳播率優(yōu)化：按照J(rèn)in-Han Kim提出的基于最優(yōu)對(duì)比度方法初步估計(jì)像素點(diǎn)p的大氣光照傳播率t(p)：

$t\left(p\right)=\max \left\{\underset{c\∈\{R,G,B\}}{\min }\underset{p\∈B}{\min }\right\{\frac{I_c\left(p\right)-A_c}{-A_c}\},\underset{c\∈\{R,G,B\}}{\max }\underset{p\∈B}{\max }\{\frac{I_c\left(p\right)-A_c}{255-A_c}\left\}\right\},$

采用二維核回歸方法優(yōu)化傳播率：

假設(shè)第i行和第j列像素點(diǎn)的傳播率估計(jì)值為t_i,j，通過如下公式計(jì)算在該點(diǎn)半徑為w的局部窗口下傳播率t_i,j的二維核回歸函數(shù)

$t_{i,j}^{*}=\frac{\underset{k_1=-w}{\overset{w}{\Σ}}\underset{k_2=-w}{\overset{w}{\Σ}}{K}_h^2\left(\right(i+k_1,j+k_2),(i,j))t_{i+k_1,j+k_2}}{\underset{k_1=-w}{\overset{w}{\Σ}}\underset{k_2=-w}{\overset{w}{\Σ}}{K}_h^2\left(\right(i+k_1,j+k_2),(i,j))},$

其中為二維高斯核函數(shù)，計(jì)算二維核回歸函數(shù)的公式中，分母部分計(jì)算為：

$\begin{array}{c}\underset{k_1=-r}{\overset{r}{\Σ}}\underset{k_2=-r}{\overset{r}{\Σ}}{K}_h^2\left(\right(i+k_1,j+k_2),(i,j))\\ =\underset{k_1=-w}{\overset{w}{\Σ}}\underset{k_2=-w}{\overset{w}{\Σ}}\frac{1}{h_2}{K}_h^1\left(\frac{i+k_1-i}{h}\right)K_h^1\left(\frac{j+k_2-j}{h}\right)\\ =\underset{k_1=-w}{\overset{w}{\Σ}}\underset{k_2=-w}{\overset{w}{\Σ}}\frac{1}{h_2}{K}_h^1\left(\frac{k_1}{h}\right)K_h^1\left(\frac{k_2}{h}\right)\end{array},$

分子部分計(jì)算為：

$\begin{array}{c}\underset{k_1=-w}{\overset{w}{\Σ}}\underset{k_2=-w}{\overset{w}{\Σ}}{K}_h^2\left(\right(i+k_1,j+k_2),(i,j))t_{i+k_1,j+k_2}\\ =\underset{k_1=-w}{\overset{w}{\Σ}}\underset{k_2=-w}{\overset{w}{\Σ}}\frac{1}{h_2}{K}_h^1\left(\frac{k_1}{h}\right).K_h^1\left(\frac{k_2}{h}\right)t_{i+k_1,j+k_2}\end{array}.$

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，步驟5包括：

對(duì)于霧霾視頻圖像序列中兩個(gè)相鄰的關(guān)鍵幀和設(shè)的前一個(gè)關(guān)鍵幀為的后一個(gè)關(guān)鍵幀為配準(zhǔn)這4個(gè)相鄰關(guān)鍵幀和估計(jì)并優(yōu)化和的傳播率基于Catmull—Rom三次樣條估計(jì)位于和之間的非關(guān)鍵幀中對(duì)應(yīng)像素的傳播率為：

$t_{r_0+k}=\frac{1}{2}{\left[\begin{array}{c}{x}^3\\ x^2\\ x\\ 1\end{array}\right]}^T\left[\begin{array}{cccc}-1& 3& -3& 1\\ 2& -5& 4& -1\\ -1& 0& 1& 0\\ 0& 2& 0& 0\end{array}\right]\left[\begin{array}{c}{t}_{r_3}^{*}\\ t_{r_2}^{*}\\ t_{r_1}^{*}\\ t_{r_0}^{*}\end{array}\right],$

其中，r₁<k<r₂-r₁，k取值范圍為整數(shù)，參數(shù)x表示兩個(gè)關(guān)鍵幀和之間的第k個(gè)非關(guān)鍵幀，

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，步驟6包括：將霧霾視頻圖像序列按照下式恢復(fù)輸出：

$J_c\left(p\right)=\frac{I_c\left(p\right)-A_c}{t\left(p\right)}+A_c.$