基于自适应暗原色的单幅图像去雾算法

• 作 者: 刘国
• 机 构: 中国科学院大学
• 出 处: 中国科学院大学
• 发表日期: 2018年期
• 关键词: 图像去雾 自适应暗原色 大气光值 透射率

在雾天天气下，由于雾霾颗粒对光线传播的不利影响，成像设备接收到的图像降质严重，图像对比度下降、颜色饱和度降低、细节模糊不清，图像检测、目标识别等后续工作无法正常实施。因此需要对雾天图像进行清晰化处理，即数字图像去雾。　　图像去雾算法是目前图像处理及计算机视觉领域的热点问题，具有非常广泛的应用。由于雾天图像降质的复杂性和多变性，现有图像去雾算法在鲁棒性、去雾效果以及时间上都有进一步提升的空间。本文对目前广泛应用的暗原色去雾算法进行深入研究，针对原算法在估计大气光值和透射率两个关键参数上存在不足，加以改进和完善，本文的主要研究和创新如下:　　1)暗原色先验去雾算法中，研究者注意到景深越远即雾气越厚处图像亮度越高，因此在估计大气光强值时选取灰度值较大区域，这就使得该步骤容易受到雾天图像中白色区域或强光照射区域的影响。针对这一问题，作者观察统计雾天图像得出两条规律:1）景深较远处往往处于图像上方;2）该区域灰度变化缓慢，区域方差小，因此在估计大气光值时加入考虑考虑像素高度、区域方差两个因素。　　2)暗原色先验理论在估计图像透射率时容易受到景深变化影响，在估计边缘区域透射率时不够准确，容易引起Halo（光圈）效应。针对这一问题，提出自适应暗原色概念，即在暗原色的获取过程中引入自适应阈值，从而能减小景深变化对暗原色获取的影响，进而能正确求取透射率。由于此过程不需导向滤波的细化，也就避免了导向滤波引起的效率低和去雾不彻底的问题。　　3)本文从主观及客观两方面将本文去雾算法与现有算法进行对比，选择常用于图像去雾评价的图像熵、对比度、新增可见边之比三个客观参数，结果表明，本文算法能够有效消除Halo效应，获得高对比度、丰富细节信息的去雾结果，同时也提高了图像去雾效率。