基于圖像融合的快速去霧算法
【專利摘要】針對圖像去霧這個特定問題，為了提高去霧算法精確度和還原度，使其滿足實時性需求，本發(fā)明提出一種基于圖像融合的快速去霧算法。首先基于物理模型對天空光強度進行估計；然后根據(jù)霧天成像的物理特性粗略估計霧氣濃度，通過計算圖像的局部方差來分配權(quán)重，利用加權(quán)融合的思想獲得較準確的大氣耗散函數(shù)，計算出較為精確的場景透射率；最后在大氣散射模型的框架下，利用求得的大氣耗散函數(shù)和天空光強度對圖像進行去霧，得到清晰的無霧圖像。本發(fā)明所述算法通過計算局部方差來分配權(quán)重，再利用加權(quán)融合的方法來計算準確的大氣耗散函數(shù)，最后準確計算出精確的大氣耗散函數(shù)，從而極大地提高了圖像去霧的效果。
【專利說明】
基于圖像融合的快速去霧算法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及計算機視覺領(lǐng)域，特指基于圖像融合的快速去霧算法。
【背景技術(shù)】
[0002] 大多數(shù)室外視覺系統(tǒng)，如視頻監(jiān)控、目標識別和衛(wèi)星遙感監(jiān)測等，都需要獲取清晰 的圖像特征。但是在有霧天氣條件下，由于場景的能見度較低，導致圖像對比度下降，目標 模糊不清，使成像系統(tǒng)無法正常工作。因此，研究如何對霧天圖像進行有效處理，降低天氣 條件對成像系統(tǒng)的影響具有重要研究價值。
[0003] 近年來，單幅圖像去霧由于具有不需要景深和大氣條件等輔助信息，應(yīng)用場合廣 泛等優(yōu)點，使其成為計算機視覺領(lǐng)域研究熱點。許多學者利用圖像本身構(gòu)造約束場景反照 率或場景深度的假設(shè)條件，提出多種單幅圖像去霧算法。Fattal假設(shè)光線傳輸透射率與表 面投影具有局部統(tǒng)計不相關(guān)性，采用獨立成分分析來估計場景反照率，該方法基于顏色統(tǒng) 計，無法處理灰度圖像，且對濃霧圖像的處理效果不佳。He等人通過對大量戶外自然無霧圖 像的統(tǒng)計觀察得出，除天空區(qū)域外的絕大多數(shù)圖像塊中都存在一些在某個顏色通道內(nèi)亮度 值很小的像素。基于該實驗結(jié)論，He等人提出了暗通道先驗估計光線傳輸透射率，實現(xiàn)霧天 圖像復原。引導濾波器的提出解決了透射率修復慢的問題，然而由于濾波參數(shù)的不恰當設(shè) 置易引起光暈效應(yīng)。Tarel利用中值濾波的變換形式對大氣耗散函數(shù)進行估計，最后經(jīng)過色 調(diào)映射獲得復原圖像。該方法本質(zhì)上使用了大氣散射模型，但是沒有準確估計大氣光強度 值，最終整體效果偏暗，而且中值濾波的引入易引起邊緣殘霧現(xiàn)象?；热藢Υ髿夤庹者M行 白平衡，利用快速雙邊濾波估計大氣耗散函數(shù)，求解簡化的大氣散射模型實現(xiàn)圖像去霧，然 而該方法對白色物體的恢復效果不夠理想。

【發(fā)明內(nèi)容】

[0004] 針對圖像去霧運個特定問題，為了提高去霧算法精確度和還原度，使其滿足實時 性需求，本發(fā)明提出一種基于圖像融合的快速去霧算法。
[0005] 本發(fā)明的技術(shù)方案是：
[0006] -種基于圖像融合的快速去霧算法，其特征在于，包括W下步驟：
[0007] Sl.基于物理模型天空光強度值A(chǔ)的估計；
[0008] S2.基于圖像加權(quán)融合的大氣耗散函數(shù)Wx)估計；
[0009] S3.結(jié)合霧化圖像的光學模型，根據(jù)估計的天空光強度值A(chǔ)、大氣耗散函數(shù)V(X) W 及有霧的圖像，計算出無霧的圖像。
[0010] 本發(fā)明中，步驟Sl的估計過程如下：
[0011] SI. 1對彩色圖像的最小顏色分量進行最小值濾波，可表示為：
[0012]
[001引式中，(3居化6,8}分另懐示1?、6、8顏色通道；0^)表示從像素義為中屯、的鄰域，1。1。 (X)為彩色圖像的最小顏色分量的最小值，I(y)為彩色圖像的最小顏色分量；
[0014] SI. 2采用化nny算子對彩色圖像的灰度分量進行邊緣檢測，對邊緣圖像進行分塊 統(tǒng)計，計算各圖像塊中邊緣像素數(shù)所占的比例，記為化dge(x)，同時滿足Imin(X)XTv且化dge UKTp的像素集合S(X)指定為候選天空區(qū)域，其中Tv為亮度闊值，Tp為平坦闊值；
[0015] SI.3將候選天空區(qū)域S(X)中的最大像素值確定為大氣光強度值A(chǔ)的估計值，即A = max S(x)。為了保證天空復原圖像不失真，需要對大氣光強度值A(chǔ)的估計值進一步修正，即A = amax S(X)，a為設(shè)定系數(shù)。本發(fā)明的實施例中a設(shè)定為0.85。
[0016] 本發(fā)明中，步驟S2的方法為：
[0017] S2.1利用有霧圖像形成的物理特性進行粗估計；
[0018] 根據(jù)有霧圖像形成的物理特性，可用有霧圖像中=通道的最小顏色分量對大氣耗 散函數(shù)V(X)講斤輒張化計，良口；
[0019]
[0020] A'T，Vm、X;戶J入飛巧:目義函數(shù)的初步估計值，L^(X)為有霧圖像中的；通道的顏色分 量；
[0021] S2.2基于圖像融合對大氣耗散函數(shù)V(X)進行準確估算；
[0022] 設(shè)圖像Vm(X)的局部方差為D(X),局部均值為EU),則兩者之間的關(guān)系為：
[0023] D(x)=E(x^)-E^(x)
[0024] 利用上述公式對大氣耗散函數(shù)V(X)的初步估計求取方差，并采用對數(shù)曲線的逼近 方法，將D(X)截斷至[0，1]區(qū)間;此時，大氣耗散函數(shù)八^)為Vm(X)與Vm(X)的加權(quán)之和，即：
[00 巧]V(x)=D(x)Vm(x) + (l-D(x)V〇p(x)) (1)。
[0026] 最后，為了使融合圖像在邊緣處與平坦區(qū)域之間的銜接更自然，使用邊緣保護濾 波器對式(1)得到的結(jié)果進行簡單平滑。
[0027] 本發(fā)明中，步驟S3中，根據(jù)光在霧天傳輸?shù)奈锢硖匦?，在計算機視覺和圖形學領(lǐng)域 中，霧化圖像的光學模型可描述如下：
[00%] I(x)=J(x)t(x)+A(l-t(x))， (2)
[0029] 式中：I(X)為含霧圖像即輸入圖像;J(X)為場景福射率即恢復出的無霧圖像;t(x) 場景透射率;A為天空光強度值;上式中等式右邊第1項為直接衰減，表示物體表面反射的光 線在空氣中傳播衰減后的福射強度;第2項為大氣耗散函數(shù)
[0030] V(x)=A(l-t(x)) (3)
[0031] 在求得大氣耗散函數(shù)V(X)和大氣光強度值A(chǔ)的基礎(chǔ)上，可依據(jù)式(2)和（3)直接恢 復出場景在理想條件下的無霧圖像：
[0032]
(斗)。
[0033] 進一步地，本發(fā)明還包括步驟S4,基于人眼視覺特性調(diào)整色調(diào)，得到調(diào)整后的無霧 圖像。步驟S4中，根據(jù)韋伯?費希納定律，主觀亮度Ld和客觀亮度Lo呈對數(shù)線性關(guān)系，目化d = eigL〇+e〇,式中0、階均為常數(shù)；
[0034] 刑田簡苗巧擲對豐觀亮度Ld和客觀亮度Lo的關(guān)系曲線進行擬合，得到函數(shù)：
[0035]
(5)
[0036] 式巧）中，k為調(diào)整系數(shù)，k根據(jù)大氣耗散函數(shù)的平均值來自動獲取，即自適應(yīng)地取k =1.5mean(V(x))，mean()為求平均；
[0037] 將步驟S3中最終得到的無霧的圖像，代入式(5)，即可得到調(diào)整后的無霧圖像。
[0038] 本發(fā)明的有益技術(shù)效果：
[0039] 針對現(xiàn)行算法普遍存在的不足，基于大氣散射模型，本發(fā)明提出了一種基于圖像 融合和分割的快速去霧算法。本發(fā)明總結(jié)了霧天圖像復原算法中的3個關(guān)鍵因素并給出了 實施方法：1)大氣耗散函數(shù)的準確估計，根據(jù)霧天成像的物理特性粗略估計霧氣濃度，通過 計算圖像的局部方差來分配權(quán)重，利用加權(quán)融合的思想獲得較準確的大氣耗散函數(shù);2)大 氣光強度值的計算，分析天空區(qū)域或霧最濃區(qū)域的基本特征，設(shè)定分割闊值，準確定位大氣 光值所在的候選區(qū)域;3)復原圖像的色調(diào)調(diào)整，對復原后圖像偏暗的問題進行修正，獲得更 佳的視覺效果。通過W上3個方面，可W快速恢復出高質(zhì)量的無霧圖像。該計算極大的提高 了去霧精確度和算法速度。
【附圖說明】
[0040] 圖1是實施例所述估算大氣耗散函數(shù)組圖；
[0041] 圖2是實施例所述色調(diào)調(diào)整曲線組圖；
[0042] 圖3是實施例所述恢復出的無霧圖像；
[0043] 圖4是實施例所述恢復出的無霧圖像；
[0044] 圖5是實施例所述各算法對比去霧效果圖像；
[0045] 圖6是實施例所述算法整體流程圖。
【具體實施方式】
[0046] 實施例1: W單幅圖像去霧為例，結(jié)合附圖對本發(fā)明做進一步詳細說明。
[0047] 根據(jù)光在霧天傳輸?shù)奈锢硖匦裕谟嬎銠C視覺和圖形學領(lǐng)域中，霧化圖像的光學 模型可描述如下：
[004引 I(x)=J(x)t(x)+A(l-t(x))， (1)
[0049] 式（1)中：I(x)為含霧圖像（即輸入圖像）；J(X)為場景福射率（即恢復出的無霧圖 像）；t(x)為光路傳播圖，描述場景透射率;A為天空光強度值。式（1)等式右邊第1項為直接 衰減，表示物體表面反射的光線在空氣中傳播衰減后的福射強度;第2項為大氣耗散函數(shù)
[0050] V(X)=A(I-U)), (2)
[0051] 去霧的目的在于從I(X)中恢復出t(x)、A，進而恢復出無霧圖像J(X)D
[0052] 而根據(jù)霧天成像的物理特性粗略估計霧氣濃度，通過計算圖像的局部方差來分配 權(quán)重，利用加權(quán)融合的思想獲得較準確的大氣耗散函數(shù)是本發(fā)明的核屯、部分，只要正確估 計八義)和A即可求得無霧圖像J(X)D
[0053] 本發(fā)明算法主要利用了圖像加權(quán)融合對V(X)進行估計，物理模型的圖像分割對天 空光強度值A(chǔ)進行估計。
[0054] 第一步:基于物理模型天空光強度值的估計
[0055] 直接用最亮像素值估計天空光強度值A(chǔ)易受到高亮噪聲或白色物體的影響。先分 別對各顏色分量進行灰度腐蝕操作，再取顏色分量之間的最小值，從中選取0.1%最亮的像 素，用對應(yīng)原圖像中的最大像素值估計天空光強度值A(chǔ)。為了濾除圖像中白色物體對估計天 空光強度值的影響，結(jié)構(gòu)元素的尺寸應(yīng)大于圖像中白色物體的尺寸。但是，若圖像中的天空 區(qū)域也小于結(jié)構(gòu)元素的尺寸，則將錯誤地濾除天空區(qū)域。如圖1所示的兩幅自然場景圖像， 僅可從樹枝之間看到天空，圖像中天空區(qū)域的面積較小，因此，較大的尺寸容易將天空區(qū)域 完全腐蝕。
[0056] 顯而易見，天空區(qū)域具有3個特性：1)亮度較高；2)灰度平坦;3)位置偏上。本發(fā)明 將滿足W上3個特性的像素集合確定為天空區(qū)域。
[0057] 首先，對彩色圖像的最小顏色分量進行最小值濾波，也稱為灰度腐蝕操作，可表示 為：
[0化引
[0059] 式中，CG {R，G，B}分別表示R、G、B顏色通道；Q (X)表示W(wǎng)像素 X為中屯、的鄰域，其 尺寸自適應(yīng)地與圖像寬和高中的最小值成比例，Imin(X)為彩色圖像的最小顏色分量的最小 值，I(y)為彩色圖像的最小顏色分量。
[0060] 然后，采用化nny算子對彩色圖像的灰度分量進行邊緣檢測，對邊緣圖像進行分塊 統(tǒng)計，計算各圖像塊中邊緣像素數(shù)所占的比例，記為化dge(x)。同時滿足Imin(X)XTv且化dge (x)<Tp的像素集合S(X)指定為候選天空區(qū)域，其中Tv為亮度闊值，Tp為平坦闊值（低頻闊 值），二者都根據(jù)不同情況自適應(yīng)調(diào)整，為已知參數(shù)。
[0061] 最后，將候選的天空區(qū)域S(X)中的最大像素值確定為天空光強度值A(chǔ)的估計值，即 A=HiaxS(X),但是為了保證任何條件下天空復原圖像不失真，通常需要進一步修正，即A = Q maxS(x)，a的值根據(jù)不同場景的需要來設(shè)定，為已知，本實施例設(shè)定為0.85。
[0062] 第二步:基于圖像加權(quán)融合的Wx)估計
[0063] S2.1利用霧圖形成的物理特性進行粗估計：由于大氣光強度值對成像的作用隨著 場景到觀測點的距離增大而增加，從視覺效果來看，圖像中的霧氣濃度逐漸增大，圖像的亮 度逐漸增加。假設(shè)在霧天環(huán)境下的成像過程中，色彩是由物體對光的3個顏色分量不同吸收 和反射特性生成，對于顏色鮮艷的彩色物體或者顏色單一的灰度物體，其中至少一個顏色 分量的反射系數(shù)較小，亮度較低。定義大氣耗散函數(shù)為V(X),因此，根據(jù)霧圖形成的物理特 性，可用有霧圖像中=通道的最小顏色分量對八^)進行初步估計，即：
[0064]
[0065] 其中，Vm(X)為大氣耗散函數(shù)的初步估計值，L^(X)為有霧圖像中的=通道的顏色分 量。大氣耗散函數(shù)的初步估計如圖1(a)所示，該結(jié)果包含了豐富的邊緣細節(jié)信息W及建筑 物樓頂?shù)劝咨矬w，其亮度值并不能準確表示霧氣濃度，因此需要進一步消除Vm(X)中不必 要的紋理細節(jié)信息W及白色目標的影響。
[0066] S2.2基于圖像融合對大氣耗散函數(shù)V(X)進行準確估算。
[0067] 對Vm(X)采用形態(tài)學灰度開運算操作，保持大面積明亮區(qū)域和整體的灰度級不變， 得到的結(jié)果表示為Vdp(X),如圖1(b)所示。Vdp(X)的亮度近似體現(xiàn)了原有霧圖像的霧氣濃度 信息，但是邊緣模糊并且塊效應(yīng)嚴重。根據(jù)化rel的理論，在估計V(X)時，應(yīng)該保護其沿梯度 方向的跳變，即有霧圖像的高頻區(qū)域應(yīng)該保留邊緣，因此采用Vm(X)的邊緣輪廓信息；而在 有霧圖像的低頻部分，圖像的亮度變化比較平緩，無需體現(xiàn)細節(jié)，故應(yīng)該保持Vdp(X)的亮度。 基于圖像本身的性質(zhì)，圖像的高低頻率可W通過空間鄰域內(nèi)的灰度值方差來表示，所W本 發(fā)明根據(jù)圖像的方差信息來分配權(quán)重，進行選擇性融合。
[0068] 設(shè)圖像Vm(X)的局部方差為D(X),局部均值為EU),則兩者之間的關(guān)系為：
[0069] D(x)=E(x^)-E^(x)
[0070] 利用W上公式對大氣耗散函數(shù)V(X)的初步估計求取方差，并采用對數(shù)曲線的逼近 方法，將D(X)截斷至[0，1]區(qū)間，得到結(jié)果如圖I(C)所示。圖像中的亮區(qū)和暗區(qū)分別表示高 頻和低頻。此時，大氣耗散函數(shù)八X)為Vm( X)與Vm(X )的加權(quán)之和，即：
[0071] V(x)=D(x)Vm(x) + (l-D(x)V〇p(x)) (3)
[0072] 最后，為了使融合圖像在邊緣處與平坦區(qū)域之間的銜接更自然，使用邊緣保護濾 波器對式(3)得到的結(jié)果進行簡單平滑。同時本實施例采用域變換遞歸濾波器(reeursive filter),該濾波方法能夠保護沿各個方向的梯度跳變，同時進行良好的平滑操作。最終得 到融合后的大氣耗散函數(shù)如圖1(d)所示。從圖1(d)中可W看出，V(X)保留了 Vm(X)的區(qū)域邊 緣特性，局部平緩的亮度信息則與Vdp(X)相似，并且在邊緣區(qū)域與平緩區(qū)域之間自然過渡， 整體符合霧氣濃度的分布特性。
[0073] 第=步：結(jié)合霧化圖像的光學模型，根據(jù)估計的大氣光強度值A(chǔ)、大氣耗散函數(shù)V (X) W及有霧的圖像，計算出無霧的圖像；
[0074] 在求得大氣耗散函數(shù)V(X)和大氣光強度值A(chǔ)的基礎(chǔ)上，可依據(jù)式（1)(2)直接恢復 出場景在理想條件下的無霧圖像：
[0075]
(4)
[0076] 由于霧天圖像的像素值一般小于大氣光強度值，經(jīng)上式復原后的圖像整體亮度和 色調(diào)在視覺上偏暗，所W有必要進行調(diào)整W提高圖像質(zhì)量。
[0077] 第四步:基于人眼視覺特性調(diào)整色調(diào)，計算出無霧的圖像；
[0078] 最后為了更加有利于觀察者進行圖像觀測和分析，需要根據(jù)人眼視覺特性來調(diào)整 圖像亮度。人眼的主觀亮度是人體視覺系統(tǒng)感覺到的亮度，是物體反射的光線照射到人眼 的視網(wǎng)膜上視神經(jīng)受到刺激而獲取的。根據(jù)韋伯?費希納定律(Weber.Fechner law),主觀 亮度感覺Ld和客觀亮度Lo呈對數(shù)線性關(guān)系，目化d=化gL〇+e〇,式中e、e〇均為常數(shù)。主觀亮度與 客觀亮度的關(guān)系如圖2(a)所示，利用該曲線進行復原圖像的色調(diào)調(diào)整。利用簡單函數(shù)對圖2 (a)關(guān)系曲線進行擬合，得到函數(shù)：
[0079]
(5)
[0080] 式中，k為調(diào)整系數(shù)，取值越小則調(diào)整程度越大，調(diào)整曲線如圖2(b)所示。
[0081] 由于霧天成像受環(huán)境和光照的不同影響，部分圖像本身亮度值偏低，經(jīng)復原后整 體視覺效果更暗，需要調(diào)整的程度相對高一些。在實施例中，k根據(jù)大氣耗散函數(shù)的平均值 來自動獲取，即自適應(yīng)地取k=l .Smean(Wx))，mean〇為求平均。
[0082] 根據(jù)式(4)的復原結(jié)果，代入式(5)，即可得到最終調(diào)整后的復原圖像。
[0083] 如圖3、4所示，分別為本實施例恢復出的無霧圖像，圖5為各種現(xiàn)行先進算法的比 對圖像，可W發(fā)現(xiàn)本實施例獲得的去霧效果可W優(yōu)于化Kaiming,Meng等人現(xiàn)行的算法。圖 6是實施例所述算法整體流程圖。
[0084] 同時本發(fā)明算法由于大多W數(shù)學運算為主，所W具有快速，運算效率高等特點。
[0085] 本發(fā)明中提出的方法實際上可嵌入FPGA實現(xiàn)，開發(fā)具有實時去霧功能的相機或攝 像機。W上實施例僅起到解釋本發(fā)明技術(shù)方案的作用，本發(fā)明所要求的保護范圍并不局限 于上述實施例所述的實現(xiàn)系統(tǒng)和具體實施步驟。因此，僅對上述實施例中具體的公式及算 法進行簡單替換，但其實質(zhì)內(nèi)容仍與本發(fā)明所述方法相一致的技術(shù)方案，均應(yīng)屬于本發(fā)明 的保護范圍。
【主權(quán)項】
1. 一種基于圖像融合的快速去霧算法，其特征在于，包括以下步驟：51. 基于物理模型天空光強度值A(chǔ)的估計；52. 基于圖像加權(quán)融合的大氣耗散函數(shù)V(x)估計；53. 結(jié)合霧化圖像的光學模型，根據(jù)估計的天空光強度值A(chǔ)、大氣耗散函數(shù)V(x)以及有 霧的圖像，計算出無霧的圖像。2. 根據(jù)權(quán)利要求1所述的基于圖像融合的快速去霧算法，其特征在于，步驟S1的估計過 程如下： S1.1對彩色圖像的最小顏色分量進行最小值濾波，可表示為：式中，ce{R，G，B}分別表示R、G、B顏色通道；Ω(χ)表示以像素 X為中心的鄰域，Imin(x) 為彩色圖像的最小顏色分量的最小值，I(y)為彩色圖像的最小顏色分量； S1.2采用Canny算子對彩色圖像的灰度分量進行邊緣檢測，對邊緣圖像進行分塊統(tǒng)計， 計算各圖像塊中邊緣像素數(shù)所占的比例，記為NedgeU)，同時滿足I_(x)>Tv且Nedge(X)〈T P 的像素集合S(x)指定為候選天空區(qū)域，其中TV為亮度閾值，TP為平坦閾值； S1.3將候選天空區(qū)域S(x)中的最大像素值確定為大氣光強度值Α的估計值，即A = max S(x) 〇3. 根據(jù)權(quán)利要求2所述的基于圖像融合的快速去霧算法，其特征在于，步驟SI. 3中，為 了保證天空復原圖像不失真，對大氣光強度值A(chǔ)的估計值進行修正即令A = amax S(x)，a為 設(shè)定系數(shù)。4. 根據(jù)權(quán)利要求3所述的基于圖像融合的快速去霧算法，其特征在于，步驟S1.3中，α設(shè) 定為0.85。5. 根據(jù)權(quán)利要求1所述的基于圖像融合的快速去霧算法，其特征在于，步驟S2的方法 為： S2.1利用有霧圖像形成的物理特性進行粗估計； 根據(jù)有霧圖像形成的物理特性，可用有霧圖像中三通道的最小顏色分量對大氣耗散函 數(shù)V(x)進行初步估計，gp :其中，vm(x)為大氣耗散函數(shù)的初步估計值，Le(x)為有霧圖像中的三通道的顏色分量； S2.2基于圖像融合對大氣耗散函數(shù)V(x)進行準確估算； 設(shè)圖像Vm(x)的局部方差為D(x)，局部均值為E(x)，則兩者之間的關(guān)系為： D(x)=E(x2)-E2(x) 利用上述公式對大氣耗散函數(shù)V(x)的初步估計求取方差，并采用對數(shù)曲線的逼近方 法，將D(x)截斷至[0，1]區(qū)間;此時，大氣耗散函數(shù)￥(4為￥"(1)與1(1)的加權(quán)之和，即： V(x) =D(x)Vm(x) + (l-D(x)V〇P(x)) (1) 〇6. 根據(jù)權(quán)利要求5所述的基于圖像融合的快速去霧算法，其特征在于，步驟S2.2中，最 后使用邊緣保護濾波器對式(1)得到的結(jié)果進行平滑。7. 根據(jù)權(quán)利要求6所述的基于圖像融合的快速去霧算法，其特征在于，步驟S2.2中，最 后使用域變換遞歸濾波器對式(1)得到的結(jié)果進行平滑。8. 根據(jù)權(quán)利要求1所述的基于圖像融合的快速去霧算法，其特征在于，步驟S3中，根據(jù) 光在霧天傳輸?shù)奈锢硖匦裕谟嬎銠C視覺和圖形學領(lǐng)域中，霧化圖像的光學模型可描述如 下： I(x)=J(x)t(x)+A(l-t(x))，（2) 式中：I(x)為含霧圖像即輸入圖像;J(x)為場景輻射率即恢復出的無霧圖像;t(x)場景 透射率;A為天空光強度值;上式中等式右邊第1項為直接衰減，表示物體表面反射的光線在 空氣中傳播衰減后的輻射強度;第2項為大氣耗散函數(shù)V(x)即 V(x)=A(l-t(x)) (3) 在求得大氣耗散函數(shù)V(x)和大氣光強度值A(chǔ)的基礎(chǔ)上，可依據(jù)式(2)和（3)直接恢復出 場景在理想條件下的無霧圖像：:(4)&9. 根據(jù)權(quán)利要求1至8中任一權(quán)利要求所述的基于圖像融合的快速去霧算法，其特征在 于，還包括步驟S4,基于人眼視覺特性調(diào)整色調(diào)，得到調(diào)整后的無霧圖像。10. 根據(jù)權(quán)利要求9所述的基于圖像融合的快速去霧算法，其特征在于，步驟S4中，根據(jù) 韋伯?費希納定律，主觀亮度Ld和客觀亮度Lo呈對數(shù)線性關(guān)系，即Ld = mgLo+i3()，式中β、β〇均 為常數(shù)； 利用簡單函數(shù)對主觀亮度Ld和客觀亮度Lo的關(guān)系曲線進行擬合，得到函數(shù)：式（5)中，k為調(diào)整系數(shù)，k根據(jù)大氣耗散函數(shù)的平均值來自動獲取，即自適應(yīng)地取k = 1 · 5mean(V(x))，mean()為求平均； 將步驟S3中最終得到的無霧的圖像，代入式(5)，即可得到調(diào)整后的無霧圖像。
【文檔編號】G06T5/00GK105957040SQ201610333536
【公開日】2016年9月21日
【申請日】2016年5月19日
【發(fā)明人】譚樹人, 張斯堯, 馬昊辰
【申請人】湖南源信光電科技有限公司