本發(fā)明屬于數(shù)字圖像處理技術(shù)領(lǐng)域，特別涉及一種單幅圖像去霧方法，可用于戶外成像系統(tǒng)拍攝的單幅有霧圖像的清晰化處理。

背景技術(shù)：

在霧天天氣條件下，大氣中懸浮的微粒和氣溶膠對(duì)光線有散射作用，導(dǎo)致室外的可見度低，拍攝得到的圖像出現(xiàn)色調(diào)偏移、對(duì)比度和飽和度下降等現(xiàn)象，這使得圖像在視覺美觀和分析處理上都受到影響。另一方面，霧天會(huì)影響道路監(jiān)測(cè)、安防監(jiān)控等計(jì)算機(jī)戶外監(jiān)控系統(tǒng)的正常使用，從而對(duì)以提取圖像特征為基礎(chǔ)的智能識(shí)別、目標(biāo)跟蹤等的準(zhǔn)確性造成了嚴(yán)重威脅。因此，霧天降質(zhì)圖像的清晰化處理具有重要的現(xiàn)實(shí)意義，受到了越來越多學(xué)者的關(guān)注。

目前，霧天圖像清晰化處理方法有很多，主要可以分為兩種，一種是基于圖像增強(qiáng)的方法，一種是基于物理模型的方法。

基于圖像增強(qiáng)的方法，主要通過提高有霧圖像的對(duì)比度及突出圖像的細(xì)節(jié)以改善圖像的視覺效果，但是它沒有考慮圖像降質(zhì)的原因，可能會(huì)造成圖像部分信息的損失，使圖像失真。

基于物理模型的有霧圖像去霧方法來源于McCartney(McCartney EJ(1976)Optics of the Atmosphere:Scattering by Molecules and Particles.John Wiley and Sons,New York)提出的大氣散射模型原理，McCartney認(rèn)為最終到達(dá)攝像頭的光可分為兩部分：一部分是場(chǎng)景點(diǎn)發(fā)出來的反射光經(jīng)散射掉一部分光后，余下的一部分進(jìn)入攝像頭，這部分的光屬于正投射，使用衰減模型來描述；另一部分同樣是由大氣粒子的散射作用引起，來自天空大氣層反射、地面反射以及其他物體的光，由于大氣粒子的散射作用，不再沿著原來的光路直線傳播，而是通過散射作用，產(chǎn)生了偏轉(zhuǎn)角，將這些本不屬于該場(chǎng)景點(diǎn)的光被錯(cuò)誤地散射進(jìn)入攝像頭，這部分附加的光用大氣光模型來描述。這種基于物理模型的圖像去霧方法正是由于考慮了霧圖形成的機(jī)理，所以恢復(fù)圖像效果較好，得到廣泛的使用。

所述基于物理模型的圖像去霧方法，包括基于場(chǎng)景深度信息已知的圖像去霧方法、基于多幅圖像的去霧算法及基于單幅圖像的去霧算法。其中，基于場(chǎng)景深度信息輔助的圖像去霧方法和基于多幅圖像的去霧方法在實(shí)際應(yīng)用中都因其自身局限性受到很大限制。為使圖像去霧更具實(shí)用性，近些年來，國內(nèi)外學(xué)者針對(duì)單幅圖像去霧進(jìn)行了廣泛而深入的研究。其中，關(guān)注度最高、應(yīng)用最廣的是何凱明等人(He K,Sun J,Tang X(2011)Single image haze removal using dark channel prior.IEEE Transactions on Pattern Analysis&Machine Intelligence 33(12):2341-53)提出的基于暗原色先驗(yàn)的單幅圖像去霧方法，該方法首先根據(jù)暗原色先驗(yàn)估計(jì)一個(gè)初始的粗糙透射率，然后利用軟摳圖算法求取一個(gè)精細(xì)的透射率來消除深度突變處的光暈，但是軟摳圖算法復(fù)雜度較高，嚴(yán)重影響算法的實(shí)用性。后來何愷明等人(He K,Sun J,Tang X(2013)Guided image filtering.IEEE Transactions on Pattern Analysis&Machine Intelligence 35(6):1397-1409)使用引導(dǎo)濾波替代軟摳圖處理，在保證相近的去霧效果的同時(shí)大大降低了算法復(fù)雜度。引導(dǎo)濾波得到的精細(xì)透射率可以保留其場(chǎng)景深度突變處的邊緣信息，消除恢復(fù)圖像中出現(xiàn)的光暈。但是同時(shí)它又引入另外一種錯(cuò)誤，引導(dǎo)濾波僅僅根據(jù)有霧圖像強(qiáng)度值的變化來保留邊緣，并沒有考慮這些邊緣對(duì)應(yīng)的深度信息，也沒有能力區(qū)分哪些邊緣處于場(chǎng)景深度突變或是場(chǎng)景深度相同的區(qū)域，導(dǎo)致在本來沒有場(chǎng)景深度突變的區(qū)域，引導(dǎo)濾波卻錯(cuò)誤的檢測(cè)出深度的變化，使得在該處估計(jì)的透射率發(fā)生突變。而這一錯(cuò)誤將導(dǎo)致恢復(fù)圖像的對(duì)比度下降或者色調(diào)產(chǎn)生失真。

近些年來，很多學(xué)者在暗原色先驗(yàn)算法的基礎(chǔ)上繼續(xù)研究，嘗試在不使用引導(dǎo)濾波的前提下估計(jì)透射率，解決恢復(fù)圖像的光暈問題。T.M.Bui等人(Bui T M,Tran H N,Kim W et al(2014)Segmenting dark channel prior in single image dehazing.Electronics Letters 50(7):516-518)提出了一個(gè)簡單的分割方法來估計(jì)透射率，此方法能夠有效抑制恢復(fù)圖像的中的光暈，但是同時(shí)恢復(fù)圖像出現(xiàn)過飽和現(xiàn)象；Ch.-H.Hsieh等人(Hsieh C H,Lin Y S,Chang C H(2015)Haze removal without transmission map refinement based on dual dark channels.In:International Conference on Machine Learning and Cybernetics,vol 2,pp 512-516)估計(jì)透射率時(shí)對(duì)1×1的暗原色值與15×15的暗原色值進(jìn)行加權(quán)融合，加權(quán)系數(shù)是一個(gè)固定常數(shù)，此方法在一定程度上能夠減弱恢復(fù)圖像深度突變處的光暈，但是并沒有完全消除，且恢復(fù)圖像去霧不夠徹底；Teng Yu等人(Yu T,Riaz I,Piao J et al(2015)Real-time single image dehazing using block-to-pixel interpolation and adaptive dark channel prior.Iet Image Processing 9(9):725-734)利用一個(gè)塊至像素的加權(quán)融合方法來保留透射率的邊緣信息和平滑紋理噪聲，并且對(duì)不滿足暗原色先驗(yàn)的天空等區(qū)域的透射率進(jìn)行一個(gè)補(bǔ)償。

上述基于暗原色先驗(yàn)的去霧方法及其改進(jìn)算法都是基于有霧圖像強(qiáng)度值的變化來估計(jì)透射率，并沒有考慮圖像中邊緣的場(chǎng)景深度變化及不同類型邊緣的影響，所以去霧效果不是很理想。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)的不足，提出一種基于邊緣分類加權(quán)融合的單幅圖像去霧方法，以提高透射率的準(zhǔn)確性，使得恢復(fù)圖像的對(duì)比度增強(qiáng)，細(xì)節(jié)更加清晰。

本發(fā)明的技術(shù)方案是：將有霧圖像中的不同邊緣進(jìn)行分類，得到有霧圖像的深度邊緣，并設(shè)計(jì)一個(gè)基于深度邊緣加權(quán)的像素級(jí)至塊級(jí)的融合方案來估計(jì)透射率，最后利用霧圖的物理模型求解得到恢復(fù)圖像，其實(shí)現(xiàn)步驟包括如下：

(1)利用相機(jī)采集單幅有霧圖像；

(2)獲取有霧圖像的深度邊緣：

(2a)利用暗原色先驗(yàn)算法計(jì)算有霧圖像的初始粗糙透射率t_ori；

(2b)獲取初始粗糙透射率t_ori的直方圖，根據(jù)該直方圖的分布將有霧圖像劃分為3個(gè)區(qū)域：遠(yuǎn)景區(qū)域、中景區(qū)域、近景區(qū)域；

(2c)對(duì)(2b)中的3個(gè)區(qū)域分別設(shè)置不同的檢測(cè)門限值，利用Canny邊緣檢測(cè)算法對(duì)有霧圖像進(jìn)行邊緣檢測(cè)，得到初始邊緣檢測(cè)圖；

(2d)計(jì)算初始邊緣檢測(cè)圖中所有邊緣的長度及其總數(shù)目，并將最短邊緣的長度記為L1，最長邊緣的長度記為L2，邊緣的總數(shù)目記為N；

(2e)設(shè)置第一閾值T1＝N/4，第二閾值T2＝10，將邊緣長度在區(qū)間[L1,L1+T1)內(nèi)的邊緣定義為短邊緣，將邊緣長度在區(qū)間[L1+T1,L2–T2)內(nèi)的邊緣定義為中等長度邊緣，將邊緣長度在區(qū)間[L2–T2,L2]內(nèi)的邊緣定義為長邊緣；

(2f)計(jì)算初始邊緣檢測(cè)圖中所有邊緣的方向變化率，并將方向變化率的中值記為V，邊緣的方向變化率大于V的邊緣定義為方向變化頻繁的邊緣；

(2g)對(duì)初始邊緣檢測(cè)圖中短邊緣和方向變化頻繁的中等長度邊緣進(jìn)行剔除，得到最終的深度邊緣圖；

(3)根據(jù)(2)中得到的深度邊緣圖，將有霧圖像劃分為深度邊緣區(qū)域和非深度邊緣區(qū)域，即以深度邊緣上的每個(gè)像素點(diǎn)為中心形成一個(gè)大小為p×p的塊，所有以深度邊緣為中心的塊構(gòu)成深度邊緣區(qū)域，圖像的其余區(qū)域構(gòu)成非深度邊緣區(qū)域，p的取值15；

(4)計(jì)算有霧圖像的修正暗原色值：

(4a)分別計(jì)算有霧圖像的像素級(jí)暗原色值I₁(x)和塊級(jí)暗原色值I_p(x)，其中，x∈Ω_M×N，Ω_M×N表示一幅M×N的有霧圖像的整個(gè)圖像域，M、N分別是有霧圖像的高度和寬度，x是整個(gè)圖像域中的任一像素；

(4b)計(jì)算有霧圖像修正暗原色值的權(quán)值W(x)：

其中，exp(·)表示以自然常數(shù)e為底的指數(shù)操作；σ(x)表示像素x處的“方差”，σ(x)的取值依賴于像素x是位于深度邊緣區(qū)域或是非深度邊緣區(qū)域，在深度邊緣區(qū)域內(nèi)，σ(x)取值范圍是0.5-2，在非深度邊緣區(qū)域內(nèi)，σ(x)取值范圍是0.05-0.5；

(4c)計(jì)算有霧圖像的修正暗原色值I_sm(x)：

I_sm(x)＝W(x)I₁(x)+(1-W(x))I_p(x)；

(5)計(jì)算有霧圖像的優(yōu)化透射率：

(5a)利用暗原色先驗(yàn)算法計(jì)算有霧圖像的大氣光值A(chǔ)；

(5b)計(jì)算有霧圖像非深度邊緣區(qū)域的平滑暗原色值

其中，TW1表示非深度邊緣區(qū)域內(nèi)用于歸一化的總權(quán)值，∑(·)表示求和操作；W(i)表示在像素i處的修正暗原色值的權(quán)值，i∈S(x)，S(x)表示以像素x為中心的一個(gè)正方形窗口，窗口大小為2p×2p，p＝15，i表示窗口S(x)中的像素；I₁(i)和I_p(i)分別表示在像素i處的像素級(jí)和塊級(jí)暗原色值；

(5c)計(jì)算有霧圖像深度邊緣區(qū)域的平滑暗原色值

其中，TW2表示深度邊緣區(qū)域內(nèi)用于歸一化的總權(quán)值，T(x)表示S(x)中I₁(i)與I₁(x)接近的像素的集合，定義如下：

T(x)＝{i|I₁(i)-I₁(x)<Th,i∈S(x)}，

其中，Th表示T(x)的閾值，取值范圍是0.02-0.25；

(5d)將有霧圖像非深度邊緣區(qū)域的平滑暗原色值和深度邊緣區(qū)域的平滑

暗原色值進(jìn)行合并，形成整圖的平滑暗原色值：

(5e)根據(jù)平滑暗原色值計(jì)算有霧圖像的優(yōu)化透射率t_sm(x)：

其中，ω取值范圍是0.7-0.95；mean(·)表示取均值操作，A表示有霧圖像的大氣光值；

(6)根據(jù)優(yōu)化透射率，計(jì)算恢復(fù)圖像的強(qiáng)度值J(x)：

其中，I(x)表示有霧圖像的強(qiáng)度值；t₀表示有霧圖像優(yōu)化透射率的下限，其取值范圍是0.3-0.45。

本發(fā)明由于在進(jìn)行圖像去霧時(shí)，對(duì)有霧圖像的邊緣進(jìn)行分類，因而能獲取反映場(chǎng)景深度變化的深度邊緣，使得估計(jì)的優(yōu)化透射率在深度邊緣處保持突變，在非深度邊緣處平滑緩變，優(yōu)化透射率更加準(zhǔn)確；同時(shí)由于在獲取恢復(fù)圖像時(shí)，根據(jù)優(yōu)化透射率的直方圖分布對(duì)不滿足暗原色先驗(yàn)區(qū)域的透射率進(jìn)行補(bǔ)償，使得最終的恢復(fù)圖像對(duì)比度增強(qiáng)，色調(diào)真實(shí)自然。

附圖說明

圖1是本發(fā)明的實(shí)現(xiàn)流程圖；

圖2是本發(fā)明的仿真效果圖；

圖3是用本發(fā)明與現(xiàn)有何凱明算法對(duì)“Street”圖像的去霧結(jié)果圖；

圖4是用本發(fā)明與現(xiàn)有何凱明的改進(jìn)算法對(duì)“House”圖像的去霧結(jié)果圖。

具體實(shí)施方式

以下結(jié)合附圖對(duì)本發(fā)明的實(shí)施例和效果做進(jìn)一步詳細(xì)描述：

參照?qǐng)D1，本發(fā)明的實(shí)現(xiàn)步驟如下：

步驟1：采集單幅有霧圖像。

在霧霾天氣下，利用相機(jī)采集有霧圖像，或者從現(xiàn)有圖庫中獲取有霧圖像，采集或獲取的有霧圖像主要包括3類：建筑物圖像、交通道路圖像、自然場(chǎng)景圖像。

步驟2：獲取有霧圖像的深度邊緣。

(2a)利用暗原色先驗(yàn)算法計(jì)算有霧圖像的初始粗糙透射率t_ori：

(2a1)計(jì)算有霧圖像的初始暗原色值

其中，x∈Ω_M×N，Ω_M×N表示一幅M×N的有霧圖像的整個(gè)圖像域，M、N分別是有霧圖像的高度和寬度，x是整個(gè)圖像域中的任一像素；Ω(x)表示以像素x為中心的一個(gè)正方形窗口，窗口大小為9×9；y表示窗口Ω(x)中的像素；c表示有霧圖像3個(gè)顏色通道{R,G,B}中的一個(gè)通道；I^c(y)表示有霧圖像在像素y處的第c層顏色通道的強(qiáng)度值；

(2a2)計(jì)算有霧圖像的初始大氣光值A(chǔ)_ori：

對(duì)有霧圖像中所有像素的初始暗原色值從大到小排序，記錄排序后的前K個(gè)像素的坐標(biāo)位置，K＝0.001*M*N，在有霧圖像的對(duì)應(yīng)位置處選取R、G、B這3個(gè)通道之和最大的像素點(diǎn)的強(qiáng)度值作為初始大氣光值；

(2a3)根據(jù)暗原色先驗(yàn)算法中霧圖的物理模型，構(gòu)建有霧圖像初始粗糙透射率的計(jì)算公式：

暗原色先驗(yàn)算法中霧圖的物理模型如下：

I(x)＝J(x)t(x)+A(1-t(x))，

其中，I(x)表示有霧圖像的強(qiáng)度值；J(x)表示恢復(fù)圖像的強(qiáng)度值；t(x)表示透射率，反映了光線穿透霧的能力；A表示大氣光值，通常假設(shè)為全局變量；

將霧圖的物理模型方程兩邊同時(shí)除以大氣光值，并取局部最小及三通道最小，得到大氣光歸一化方程：

其中，J^c(y)表示恢復(fù)圖像在像素y處的第c層顏色通道的強(qiáng)度值；A^c表示第c層顏色通道的大氣光值；

暗原色先驗(yàn)是指對(duì)于大量不包含天空的室外彩色無霧圖像，在一個(gè)局部塊內(nèi)至少有一個(gè)通道的強(qiáng)度值很低，甚至趨近于0，即由大氣光歸一化方程推導(dǎo)出透射率方程：

實(shí)際中，為了減弱過飽和現(xiàn)象和色彩失真，通常引入一個(gè)固定的常數(shù)ω以提高恢復(fù)圖像的可見性，所以利用(2a2)得到的初始大氣光值A(chǔ)_ori計(jì)算有霧圖像的初始粗糙透射率t_ori：

其中，ω＝0.95；表示第c層顏色通道的初始大氣光值；

(2b)獲取初始粗糙透射率t_ori的直方圖，根據(jù)該直方圖的分布獲取兩個(gè)谷點(diǎn)，將這兩個(gè)谷點(diǎn)對(duì)應(yīng)的初始粗糙透射率分別記為B1和B2，利用B1和B2對(duì)有霧圖像進(jìn)行區(qū)域劃分，即將有霧圖像的初始粗糙透射率t_ori在[0,B1)內(nèi)的區(qū)域劃分為遠(yuǎn)景區(qū)域，將有霧圖像的初始粗糙透射率t_ori在[B1,B2)內(nèi)的區(qū)域劃分為中景區(qū)域，將有霧圖像的初始粗糙透射率t_ori在[B2,1]內(nèi)的區(qū)域劃分為近景區(qū)域；

(2c)對(duì)(2b)中的3個(gè)區(qū)域分別設(shè)置不同的檢測(cè)門限值，利用Canny邊緣檢測(cè)算法對(duì)有霧圖像進(jìn)行邊緣檢測(cè)，得到初始邊緣檢測(cè)圖，該初始邊緣檢測(cè)圖中包括大部分的深度邊緣和少部分的非深度邊緣；

所述深度邊緣，是指有霧圖像中場(chǎng)景深度發(fā)生突變位置處的邊緣，且這些邊緣相對(duì)比較清晰，在形態(tài)上筆直連續(xù)，例如一個(gè)建筑物的外部輪廓邊緣清晰且連續(xù)；

所述非深度邊緣，是指有霧圖像中場(chǎng)景深度相同或者近似相同位置處的邊緣，且這些邊緣相對(duì)比較模糊，在形態(tài)上長度短小、方向彎曲多變，甚至構(gòu)成一個(gè)環(huán)狀，例如交通路牌上的文字其邊緣短小而彎曲，建筑物上的眾多小窗戶其邊緣構(gòu)成環(huán)狀；

(2d)計(jì)算初始邊緣檢測(cè)圖中所有邊緣的長度及其總數(shù)目，并將最短邊緣的長度記為L1，最長邊緣的長度記為L2，邊緣的總數(shù)目記為N；

(2e)設(shè)置第一閾值T1＝N/4，第二閾值T2＝10，將邊緣長度在區(qū)間[L1,L1+T1)內(nèi)的邊緣定義為短邊緣，將邊緣長度在區(qū)間[L1+T1,L2–T2)內(nèi)的邊緣定義為中等長度邊緣，將邊緣長度在區(qū)間[L2–T2,L2]內(nèi)的邊緣定義為長邊緣；

(2f)計(jì)算初始邊緣檢測(cè)圖中所有邊緣的方向變化率，并將方向變化率的中值記為V，邊緣的方向變化率大于V的邊緣定義為方向變化頻繁的邊緣；

(2g)對(duì)初始邊緣檢測(cè)圖中短邊緣和方向變化頻繁的中等長度邊緣進(jìn)行剔除，得到最終的深度邊緣圖。

步驟3：根據(jù)步驟2中得到的深度邊緣圖，將有霧圖像劃分為深度邊緣區(qū)域和非深度邊緣區(qū)域，即以深度邊緣上的每個(gè)像素點(diǎn)為中心形成一個(gè)大小為p×p的塊，所有以深度邊緣為中心的塊構(gòu)成深度邊緣區(qū)域，圖像的其余區(qū)域構(gòu)成非深度邊緣區(qū)域，p的取值15。

步驟4：計(jì)算有霧圖像的修正暗原色值。

有霧圖像的暗原色值可通過暗原色先驗(yàn)算法中的如下公式計(jì)算：

由于暗原色先驗(yàn)算法在估計(jì)暗原色值時(shí)，整幅有霧圖像都使用一個(gè)大小為p×p的固定窗口Ω，其中p＝15，因而導(dǎo)致在深度發(fā)生突變的區(qū)域其暗原色值估計(jì)錯(cuò)誤，出現(xiàn)真實(shí)邊緣信息丟失的問題；

實(shí)驗(yàn)表明：當(dāng)p＝1時(shí)，暗原色值能夠較好地保留細(xì)節(jié)和邊緣信息，如果整幅圖像都使用大小為1×1的窗口來估計(jì)暗原色值，則非深度邊緣區(qū)域的暗原色值估計(jì)不準(zhǔn)確，所以本實(shí)例中提出修正暗原色值的計(jì)算方法，使得在深度發(fā)生突變的區(qū)域，利用大小為1×1的窗口來估計(jì)暗原色值，在非深度邊緣區(qū)域，利用大小為15×15的窗口來估計(jì)暗原色值。其具體實(shí)現(xiàn)步驟如下：

(4a)計(jì)算有霧圖像的像素級(jí)暗原色值I₁(x)和塊級(jí)暗原色值I_p(x)：

其中，I^c(x)表示有霧圖像在像素x處的第c層顏色通道的強(qiáng)度值；Ω(x)表示以像素x為中心的一個(gè)正方形窗口，窗口大小為p×p，p＝15；

(4b)計(jì)算有霧圖像修正暗原色值的權(quán)值W(x)：

其中，exp(·)表示以自然常數(shù)e為底的指數(shù)操作；σ(x)表示像素x處的“方差”，σ(x)的取值依賴于像素x是位于深度邊緣區(qū)域或是非深度邊緣區(qū)域，在深度邊緣區(qū)域內(nèi)，σ(x)取值范圍是0.5-2，在非深度邊緣區(qū)域內(nèi)，σ(x)取值范圍是0.05-0.5；

(4c)利用(4b)中得到的修正暗原色值的權(quán)值W(x)對(duì)I₁(x)和I_p(x)進(jìn)行加權(quán)，計(jì)算有霧圖像的修正暗原色值I_sm(x)：

I_sm(x)＝W(x)I₁(x)+(1-W(x))I_p(x)。

步驟5：計(jì)算有霧圖像的優(yōu)化透射率。

本實(shí)例是基于霧圖的物理模型I(x)＝J(x)t(x)+A(1-t(x))進(jìn)行去霧，即根據(jù)已知的有霧圖像I(x)計(jì)算得到恢復(fù)圖像J(x)，其中透射率t(x)和大氣光A都是未知的變量，該物理模型方程是一個(gè)欠定方程，需要根據(jù)一些先驗(yàn)知識(shí)由I(x)計(jì)算得到t(x)和A，然后解方程得到需要的恢復(fù)圖像J(x)，透射率t(x)和大氣光A估計(jì)的越準(zhǔn)確，則恢復(fù)圖像J(x)的去霧效果越好。

本實(shí)例利用暗原色先驗(yàn)估計(jì)大氣光值和優(yōu)化透射率，利用有霧圖像的深度邊緣反映場(chǎng)景深度的變化，使得最終得到的優(yōu)化透射率在深度邊緣區(qū)域和非深度邊緣區(qū)域的估計(jì)值都更加準(zhǔn)確，其具體實(shí)現(xiàn)步驟如下：

(5a)利用暗原色先驗(yàn)算法計(jì)算有霧圖像的大氣光值A(chǔ)：

(5a1)計(jì)算有霧圖像的暗原色值I^dark(x)：

其中，Ω(x)表示以像素x為中心的一個(gè)正方形窗口，窗口大小為15×15；

(5a2)計(jì)算有霧圖像的大氣光值A(chǔ)：

對(duì)有霧圖像中所有像素的暗原色值I^dark(x)從大到小排序，記錄排序后的前K個(gè)像素的坐標(biāo)位置，K＝0.001*M*N，在有霧圖像的對(duì)應(yīng)位置處選取R、G、B這3個(gè)通道之和最大的像素點(diǎn)的強(qiáng)度值作為大氣光值；

(5b)計(jì)算有霧圖像非深度邊緣區(qū)域的平滑暗原色值

其中，表示非深度邊緣區(qū)域內(nèi)用于歸一化的總權(quán)值；∑(·)表示求和操作；W(i)表示在像素i處的修正暗原色值的權(quán)值，i∈S(x)，S(x)表示以像素x為中心的一個(gè)正方形窗口，窗口大小為2p×2p，p＝15，i表示窗口S(x)中的像素；I₁(i)和I_p(i)分別表示在像素i處的像素級(jí)和塊級(jí)暗原色值；

在非深度邊緣區(qū)域，有霧圖像的場(chǎng)景深度相同或近似相同，其對(duì)應(yīng)區(qū)域的暗原色值也應(yīng)該相同或近似相同，所以在此區(qū)域，本實(shí)例對(duì)修正暗原色值在一個(gè)大小為

2p×2p的窗口內(nèi)進(jìn)行均值濾波，保證得到的暗原色值在此區(qū)域內(nèi)保持平滑；

(5c)計(jì)算有霧圖像深度邊緣區(qū)域的平滑暗原色值

其中，表示深度邊緣區(qū)域內(nèi)用于歸一化的總權(quán)值；T(x)表示S(x)中I₁(i)與I₁(x)接近的像素的集合，定義如下：

T(x)＝{i|I₁(i)-I₁(x)<Th,i∈S(x)}，Th表示T(x)的閾值，取值范圍是0.02-0.25；

在深度邊緣區(qū)域，有霧圖像中深度邊緣處的場(chǎng)景深度發(fā)生突變，直接在一個(gè)窗口中對(duì)修正暗原色值進(jìn)行均值濾波會(huì)造成深度邊緣模糊，為了保持銳利的深度邊緣信息，本實(shí)例中，對(duì)集合T(x)中的像素進(jìn)行均值濾波，既可以保持銳利的深度邊緣信息，又可以使深度邊緣區(qū)域內(nèi)除深度邊緣外的其它像素位置處保持平滑；

(5d)將有霧圖像非深度邊緣區(qū)域的平滑暗原色值和深度邊緣區(qū)域的平滑暗原色值進(jìn)行合并，形成整圖的平滑暗原色值：

(5e)根據(jù)(5d)得到的平滑暗原色值計(jì)算有霧圖像的優(yōu)化透射率t_sm(x)：

其中，ω取值范圍是0.7-0.95；mean(·)表示取均值操作，A表示有霧圖像的大氣光值。

步驟6：根據(jù)優(yōu)化透射率，計(jì)算恢復(fù)圖像的強(qiáng)度值J(x)：

其中，I(x)表示有霧圖像的強(qiáng)度值；t₀表示有霧圖像優(yōu)化透射率的下限。

在現(xiàn)有的暗原色先驗(yàn)算法中，t₀設(shè)置為一個(gè)固定的常數(shù)，t₀＝0.1，當(dāng)有霧圖像中包含不滿足暗原色先驗(yàn)的天空區(qū)域或者大面積的白色物體時(shí)，利用暗原色先驗(yàn)算法得到的透射率在這些區(qū)域的估計(jì)值偏小，對(duì)應(yīng)區(qū)域的恢復(fù)圖像失真嚴(yán)重。本實(shí)例中，根據(jù)優(yōu)化透射率的直方圖分布自適應(yīng)設(shè)置參數(shù)t₀，獲取優(yōu)化透射率直方圖分布的第一個(gè)谷點(diǎn)，將這個(gè)谷點(diǎn)對(duì)應(yīng)的優(yōu)化透射率記為t_b，設(shè)置t₀＝t_b，由實(shí)驗(yàn)可得，t₀的取值范圍為0.3-0.45，即對(duì)不滿足暗原色先驗(yàn)區(qū)域的透射率進(jìn)行補(bǔ)償，最終得到的恢復(fù)圖像色調(diào)自然，對(duì)比度增強(qiáng)。

本發(fā)明的效果可以通過以下仿真實(shí)驗(yàn)作進(jìn)一步說明：

1、仿真條件

本發(fā)明的仿真是在主頻3.3GHZ的Intel(R)Core(TM)i3-2120CPU、內(nèi)存4GB的硬件環(huán)境和MATLAB R2012a軟件環(huán)境下進(jìn)行的。實(shí)驗(yàn)所用到的圖像來源于相機(jī)拍攝或者現(xiàn)有圖庫中的有霧圖像。

2、實(shí)驗(yàn)內(nèi)容與結(jié)果

實(shí)驗(yàn)1，利用本發(fā)明方法對(duì)有霧圖像“Building”圖進(jìn)行去霧仿真實(shí)驗(yàn)，結(jié)果如圖2，其中，圖2(a)是有霧圖像“Building”的原圖；圖2(b)是本發(fā)明方法得到的有霧圖像的深度邊緣；圖2(c)是本發(fā)明方法得到的優(yōu)化透射率；圖2(d)是本發(fā)明方法得到的恢復(fù)圖像；

由圖2可以看出，本發(fā)明方法得到的深度邊緣能反映場(chǎng)景深度的變化，優(yōu)化透射率在深度邊緣區(qū)域和非深度邊緣區(qū)域估計(jì)準(zhǔn)確，恢復(fù)圖像去霧效果良好。

實(shí)驗(yàn)2，利用本發(fā)明方法與現(xiàn)有何凱明算法對(duì)有霧圖像“Street”圖進(jìn)行去霧仿真實(shí)驗(yàn)，結(jié)果如圖3，其中，圖3(a)是有霧圖像“Street”的原圖；圖3(b)是何凱明算法得到的恢復(fù)圖像；圖3(c)是本發(fā)明方法得到的恢復(fù)圖像；圖3(d)是何凱明算法得到的初始粗糙透射率；圖3(e)是何凱明算法得到的精細(xì)透射率；圖3(f)是本發(fā)明方法得到的優(yōu)化透射率；

由圖3可以看出，何凱明算法得到的粗糙透射率在場(chǎng)景深度突變處的邊緣信息丟失，精細(xì)透射率在場(chǎng)景深度相同的區(qū)域估計(jì)不準(zhǔn)確，如圖3(e)中的交通路牌，且天空區(qū)域透射率偏小，而本發(fā)明方法得到的優(yōu)化透射率在路牌處及天空區(qū)域更加準(zhǔn)確，恢復(fù)圖像對(duì)比度增強(qiáng)，色調(diào)真實(shí)自然。

實(shí)驗(yàn)3，利用本發(fā)明方法與現(xiàn)有何凱明改進(jìn)算法對(duì)“House”圖進(jìn)行去霧仿真實(shí)驗(yàn)，結(jié)果如圖4，其中，圖4(a)是有霧圖像“House”的原圖；圖4(b)是T.M.Bui算法得到的恢復(fù)圖像；圖4(c)是Ch.-H.Hsieh算法得到的恢復(fù)圖像；圖4(d)是Teng Yu算法得到的恢復(fù)圖像；圖4(e)是本發(fā)明方法得到的恢復(fù)圖像；圖4(f)是T.M.Bui算法得到的透射率；圖4(g)是Ch.-H.Hsieh算法得到的透射率；圖4(h)是Teng Yu算法得到的透射率；圖4(i)是本發(fā)明方法得到的透射率；

由圖4可以看出，T.M.Bui算法得到的透射率在場(chǎng)景深度相同的區(qū)域保留了過多的邊緣信息，不夠平滑，如圖4(f)中的墻壁和窗戶，導(dǎo)致恢復(fù)圖像出現(xiàn)過飽和的現(xiàn)象；Ch.-H.Hsieh算法得到的透射率在場(chǎng)景深度突變的區(qū)域不能銳利地保持邊緣信息，如圖4(g)中樹木葉子與墻壁交界處，導(dǎo)致此區(qū)域的恢復(fù)圖像出現(xiàn)光暈，且整幅圖像去霧不徹底；Teng Yu算法估計(jì)透射率時(shí)僅僅考慮有霧圖像強(qiáng)度值的相似性，并沒有考慮深度信息，所以當(dāng)場(chǎng)景深度相同的區(qū)域出現(xiàn)強(qiáng)度值差異較大的物體時(shí)，其透射率估計(jì)不夠準(zhǔn)確，如圖4(h)中黑色矩形框區(qū)域；本發(fā)明方法得到的優(yōu)化透射率在場(chǎng)景深度相同的區(qū)域保持平滑，場(chǎng)景深度突變的區(qū)域保持銳利的邊緣，最終得到的恢復(fù)圖像對(duì)比度增強(qiáng)，細(xì)節(jié)更加清晰。