一种基于频域分解的单幅图像去雾加速方法与流程

本发明属于数字图像处理技术领域，具体涉及一种基于频域分解的单幅图像去雾加速方法。

背景技术：

雾天环境下，由于受到大气中悬浮颗粒的影响，成像设备所采集的图像颜色退化，对比度下降，清晰度严重不足。因此，对雾天降质图像的清晰化处理具有重要的现实意义。现有的图像去雾方法很多，比如tarel,j.p.，hautiere,n提出的tarel方法[1]，zhu,q.，mai,j.，shao,l提出的zhu方法[2]，ju,m.,zhang,d.,和wang,x.提出的ju方法[3]，meng,g.,wang,y.,duan,j.,xiang,s.,和pan,c提出的meng方法[4]，gu,z.f.；ju,m.y.；和zhang,d.y.提出的gu方法[5]等，然而，现有的图像去雾方法数据处理量大、计算效率低、实时性差。

参考文献

[1]tarel,j.p.,hautiere,n.fastvisibilityrestorationfromasinglecolororgraylevelimage.computervision,2009,12,2201-2208.

[2]zhu,q.,mai,j.,shao,l.afastsingleimagehazeremovalalgorithmusingcolorattenuationprior.ieeetransactionsonimageprocessing,2015,24,3522–3533.

[3]ju,m.,zhang,d.,&wang,x.(2016).singleimagedehazingviaanimprovedatmosphericscatteringmodel.thevisualcomputer,2016,1-13.

[4]meng,g.,wang,y.,duan,j.,xiang,s.,&pan,c.efficientimagedehazingwithboundaryconstraintandcontextualregularization.ieeeinternationalconferenceoncomputervision,2013,617-624.

[5]gu,z.f.,ju,m.y.,zhang,d.y.asingleimagedehazingmethodusingaveragesaturationprior.math.probl.eng,2017,2017,1–17.

技术实现要素：

为解决上述问题，本发明提出了一种基于频域分解的单幅图像去雾加速方法，相比于现有去雾图像方法，该方法计算时间短，计算效率高，可实时对有雾图像进行处理。

本发明的具体技术方案如下：一种基于频域分解的单幅图像去雾加速方法，具体包括以下步骤：

第一步，获取有雾图像；

第二步，对有雾图像进行k层小波分解，获得1个低频分量il和k个高频分量其中k为正整数，表示第1层高频分量，表示第2层高频分量，表示第k层高频分量；

第三步，使用图像去雾方法对低频分量il进行去雾处理，得到去雾低频分量il-dehazed；

第四步，利用尺寸调节模型分别对k个高频分量进行处理，获得k个新高频分量，尺寸调节模型如下式：

其中，表示第i层高频分量，表示对第i层高频分量调节后获得的新第i层高频分量，mⁱ表示第i层尺寸矩阵，mⁱ＝(k-i)·ηⁱ，ηⁱ表示第i层调节矩阵，该调节矩阵由所有像素的调节比组成，每个像素的调节比ζⁱ(x,y)表示对有雾图像进行2·i下采样后每个像素(x,y)的像素可视差，ξⁱ(x,y)表示对有雾图像进行2·i下采样后每个像素(x,y)的真实像素差：

其中i(x,y)表示像素(x,y)的强度值，ω(x,y)表示以像素(x,y)为中心半径为1的局部像素块，(x',y')表示局部像素块ω(x,y)中的任意一个像素，i(x',y')表示像素(x',y')的强度值，表示像素(x,y)的强度的梯度分量；

第五步，将获得的去雾低频分量il-dehazed和k个新高频分量进行小波重构，获得去雾后的图像。

考虑到加速效果和去雾效果的平衡，第二步中优选k＝3。

本发明的有益效果：本发明方法将有雾图像进行小波分解，得到的低频分量通过现有的图像去雾方法进行处理，使得图像去雾方法数据处理量减小，同时得到的高频分量进行尺寸调节，最后将处理后的低频分量和高频分量进行小波重构，获得去雾后的图像。与现有图像去雾方法相比，本发明方法计算时间短，计算效率高，适合用于实时图像去雾处理。

附图说明

图1是本发明方法的流程图。

图2是本发明具体实施例一中的有雾图像。

图3是本发明具体实施例一中对图2进行去雾的加速效果图。

图4是本发明具体实施例二中的有雾图像。

图5是本发明具体实施例二中对图4进行去雾的加速效果图。

图6是本发明具体实施例三中的有雾图像。

图7是本发明具体实施例三中对图6进行去雾的加速效果图。

图8是本发明具体实施例四中的有雾图像。

图9是本发明具体实施例四中对图8进行去雾的加速效果图。

具体实施方式

本发明提出了一种基于频域分解的单幅图像去雾加速方法，如图1所示，具体包括以下步骤：

第一步，获取有雾图像。

第二步，对有雾图像进行k层小波分解，获得低频分量il和高频分量

对有雾图像进行k层小波分解，得到1个低频分量il和k个高频分量其中第1层高频分量是对有雾图像进行第一层小波分解后得到的高频分量，第2层高频分量是对第一层小波分解得到的低频分量进行第二层小波分解后得到的高频分量，以此类推，第k层高频分量是对第k-1层小波分解得到的低频分量进行第k层小波分解后得到的高频分量，低频分量il是对第k-1层小波分解得到的低频分量进行第k层小波分解后得到的低频分量。

第三步，使用图像去雾方法对低频分量il进行去雾处理，得到去雾低频分量il-dehazed。

可使用背景技术中介绍的tarel方法、zhu方法，ju方法、meng方法或者gu方法对低频分量il进行去雾处理，上述图像去雾方法均为现有技术，在此不再描述使用上述方法进行去雾处理的具体过程。

第四步，利用尺寸调节模型分别对k个高频分量进行处理，获得k个新高频分量，如下式：

其中，表示第i层高频分量，表示对第i层高频分量调节后获得的新第i层高频分量，mⁱ表示第i层尺寸矩阵，mⁱ＝(k-i)·(ηⁱ+1)，ηⁱ表示第i层调节矩阵，该调节矩阵由所有像素的调节比组成，每个像素的调节比ζⁱ(x,y)表示对有雾图像进行2·i下采样后的图像中的每个像素(x,y)的像素可视差，ξⁱ(x,y)表示对有雾图像进行2·i下采样后的图像中的每个像素(x,y)的像素可视差，i(x,y)表示像素(x,y)的强度值，ω(x,y)表示以像素(x,y)为中心半径为1的局部像素块，(x',y')表示局部像素块ω(x,y)中的任意一个像素，i(x',y')表示像素(x',y')的强度值，表示像素(x,y)的强度的梯度分量。

第五步，将获得的去雾低频分量il-dehazed和k个新高频分量进行小波重构，获得去雾后的图像。需要说明的是，第二步中的小波分解和对应的该步中小波重构为现有技术，在此不再描述小波分解及小波重构的具体流程。

考虑到加速效果和去雾效果的平衡，第二步中优选k＝3，即对有雾图像进行3层小波分解，获得低频分量il和高频分量

下面结合具体实施例说明本发明方法的流程和有益效果，以下实施例均在matlab环境下编程实现。

具体实施例一

获得有雾图像如图2所示，该图像分辨率为845×496；考虑到计算复杂度，优选小波变换中最简单的哈尔小波变化方法，对该有雾图像进行3层小波分解，得到1个低频分量和3个高频分量；使用tarel方法对低频分量进行去雾处理；使用尺寸调节模型对3个高频分量进行调节；最后将获得的去雾低频分量和3个新高频分量进行小波重构，从而获得去雾后图像，记录获得去雾后图像的计算时间。其余不变，第二步中对有雾图像分别进行6层、9层、12层和15层小波分解，第三步中分别使用zhu方法、ju方法、meng方法和gu方法对低频分量进行去雾处理，记录对应的获得去雾后图像的计算时间，结果如图3所示。图3中的横坐标为小波分解层数，k＝0对应的是仅仅使用tarel方法、zhu方法、ju方法、meng方法或gu方法对图2所示的有雾图像进行去雾获得去雾后图像的计算时间。从图3可以看出，本发明方法有效地提高了现有图像去雾方法的计算效率。

具体实施例二

获得有雾图像如图4所示，该图像分辨率为768×497，对该有雾图像进行3层小波分解，得到1个低频分量和3个高频分量，使用tarel方法对低频分量进行去雾处理，对3个高频分量进行调节，最后将获得的去雾低频分量和3个新高频分量进行小波重构，从而获得去雾后图像，记录获得去雾后图像的计算时间。其余不变，第二步中对有雾图像分别进行6层、9层、12层和15层小波分解，第三步中分别使用zhu方法、ju方法、meng方法和gu方法对低频分量进行去雾处理，记录对应的获得去雾后图像的计算时间，结果如图5所示。图5中k＝0对应的是仅仅分别使用tarel方法、zhu方法、ju方法、meng方法和gu方法对图4所示的有雾图像进行去雾获得去雾后图像的计算时间。从图5可以看出，本发明方法有效地提高了现有图像去雾方法的计算效率。

具体实施例三

获得有雾图像如图6所示，该图像分辨率为400×600，对该有雾图像进行3层小波分解，得到1个低频分量和3个高频分量，使用tarel方法对低频分量进行去雾处理，对3个高频分量进行调节，最后将获得的去雾低频分量和3个新高频分量进行小波重构，从而获得去雾后图像，记录获得去雾后图像的计算时间。其余不变，第二步中对有雾图像分别进行6层、9层、12层和15层小波分解，第三步中分别使用zhu方法、ju方法、meng方法和gu方法对低频分量进行去雾处理，记录对应的获得去雾后图像的计算时间，结果如图7所示。图7中k＝0对应的是仅仅分别使用tarel方法、zhu方法、ju方法、meng方法和gu方法对图6所示的有雾图像进行去雾获得去雾后图像的计算时间。从图7可以看出，本发明方法有效地提高了现有图像去雾方法的计算效率。

具体实施例四

获得有雾图像如图8所示，该图像分辨率为512×460，对该有雾图像进行3层小波分解，得到1个低频分量和3个高频分量，使用tarel方法对低频分量进行去雾处理，对3个高频分量进行调节，最后将获得的去雾低频分量和3个新高频分量进行小波重构，从而获得去雾后图像，记录获得去雾后图像的计算时间。其余不变，第二步中对有雾图像分别进行6层、9层、12层和15层小波分解，第三步中分别使用zhu方法、ju方法、meng方法和gu方法对低频分量进行去雾处理，记录对应的获得去雾后图像的计算时间，结果如图9所示。图9中k＝0对应的是仅仅分别使用tarel方法、zhu方法、ju方法、meng方法和gu方法对图8所示的有雾图像进行去雾获得去雾后图像的计算时间。从图9可以看出，本发明方法有效地提高了现有图像去雾方法的计算效率。