图像去雾改进算法

本发明设计图像去雾改进算法，属于图像处，主要是对有雾图像去雾的改进优化。可应用于无人驾驶、智能交通等领域。

背景技术：

1、图像具有大量携带信息、传输速度快和距离要求不高等优点而成为人们从外界获取信息的一种重要手段，图像可以更直观的让人眼获取，因此图像成为视觉的基础。雾霾条件下影响“透过光”强度，使其衰减，光学传感器接收到的光源将会发生改变，因此直接导致图像对比度和清晰度低，糊模不清；动态范围小，图像可识别度低，许多特征信息以及细节信息被模糊或覆盖。图像去雾的主要目的是通过对图像的处理来降低雾气对图像可视性的影响，可作为计算机视觉的前期处理，从而提高人眼的直观效果，为后续一些研究人员对于分类、检测等提供基础。因此，研究图像去雾有重要的价值和意义在对图像处理的研究中发中发现该技术研究成果对各发展发现具有实质性价值。随着研究人员在图像去雾领域不断的研究与探索，产生了越来越多的图像去雾的方法，并且将其实践而后投入到应用中。目前，图像去雾的方法大体可以分为：基于图像增强的去雾方法、基于图像复原的去雾方法和基于cnn的去雾算法。

技术实现思路

0、
技术实现要素：

1、本发明的目的是提出图像去雾改进算法，为了解决去雾照片不清晰、效果不理想的问题。

2、图像去雾改进算法，所述的去雾改进方法包括以下步骤。

3、步骤一、对图像基本信息的获取并进行预处理。

4、步骤二、构建大气散射模型求取透射率及全局大气光值，采用中值滤波算法提升算法运行效率。

5、步骤三、利用粒子群算法求取去雾最佳保留因子。

6、步骤四、将步骤三中求取的最佳保留因子带入到暗通道先验算法中求得最终去雾图像。

7、进一步的，所属步骤一中，具体的，通过matlab中的处理，对含雾图像的基本信息进行获取并对图像进行预处理。

8、进一步的，在步骤二中，构建大气散射模型求取透射率及全局大气光值，采用中值滤波算法提升算法运行效率。

9、narasimhan等人提出了大气物理散射模型，雾霾是由大气中细小颗粒物的散射所导致，在图像视觉处理领域中，通常使用方程式来进行处理来得到有雾图像模型。

10、i(x)＝j(x)t(x)+a(1-t(x))。

11、

12、如上公式，大气物理散射模型对推进了图像去雾算法，使模型构建得到了较好的估计，因此，通过获取图像透射率及全局大气光值可以对图像的原模型进行重建。

13、中值滤波算法是一种非线性滤波，是一种非线性平滑技术，用来保护图像边缘的同时去除噪声。其原理是在图像获取的像素灰度值，某点的灰度值用其领域窗口内的中值代替让周围点的值更接近其值，中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升(或下降)的为二维数据序列。从而达到处理目的，在图像去雾中通常采用5*5窗口处理效果更优。

14、进一步的，所属步骤三中包括以下步骤。

15、针对不同图像的背景信息所对应的最佳保留因子不同，在维度内利用粒子群寻优算法求取含雾图像的最佳保留因子。如果将原图中的信息熵赋予粒子作为初始适应值，比较粒子搜寻的适应值是否大于历史最好适应值pbest，如果是则替代；比较粒子搜寻的适应值是否大于全局最好适应值gbest，如果是，则重新设置gbest的值，迭代搜索过程直至维度内寻找最优值结束。

16、进一步的，所属步骤四中包括以下步骤。

17、将步骤三中寻优得到保留因子带入到暗通道先验算法中进行去雾模型构建，最终得到清晰图像。

18、本发明的主要优点是：本发明通过matlab获取含雾图像的基本信息及预处理，构建大气物理散射模型，利用中值滤波算法进行对图像进行处理提升算法运行效率，利用粒子群寻优算法求取去雾图像保留因子，将去雾图像保留因子带入暗通道先验算法中得到清晰图像。本发明可以对含雾图像进行处理，解决图像去雾清晰度不理想的问题。

技术特征：

1.图像去雾改进算法，主要包括以下步骤：

2.根据权利要求1所述的图像去雾改进算法，其特征在于：所述步骤(1)中，获取需要处理的图像并对图像进行局部拉伸，伸后的含雾图像在亮度及清晰上有所提升。

3.根据权利要求1所述的图像去雾改进算法，其特征在于：所描述步骤(2)中，通常利用大气物理散射模型来处理有雾图像，具体如下：

4.根据权利要求1所述的图像去雾改进算法，其特征在于：所描述的步骤(3)中，针对不同图像的背景信息所对应的最佳保留因子不同，在维度内利用粒子群寻优算法求取含雾图像的最佳保留因子。如果将原图中的信息熵赋予粒子作为初始适应值，比较粒子搜寻的适应值是否大于历史最好适应值pbest，如果是则替代；比较粒子搜寻的适应值是否大于全局最好适应值gbest，如果是，则重新设置gbest的值，迭代搜索过程直至维度内寻找最优值结束。

5.根据权利要求1所述的图像去雾改进算法，其特征在于：所描述的步骤(4)中，将寻优得到保留因子带入到暗通道先验算法中进行去雾模型构建，基于输入图像计算暗通道图像，得到该图像的每个像素点的最小值，这个最小值就是暗通道图像的像素值，暗通道图像中的最亮像素点，通常对应于场景中的大气光。因此,通过在暗通道图像中寻找亮度最大的像素，就可以估计出大气光，通过计算每个像素点和该图像中估计的亮度比例，可以得到每个像素点的传输率。在实际场景中即使是无雾的天气条件下，空气中也存在大量颗粒也就是轻微的雾，产生了景深的画面感，所以我们要保留一定的雾，假设一个保留因子，采用大气光和传输率，对原始图像进行去雾重建，去除大气散射后，场景中的物体变得更加清晰。

技术总结
本发明公开了图像去雾改进算法。通过matlab语言获取含雾图像的基本信息，其中包括：图像大小、清晰度、去雾范围等基本信息，同时利用直方图局部拉伸提升图像的清晰度。本发明包括一个基于暗通道先验算法和一个基于粒子群搜索算法。其中粒子群搜索算法，用于求取图像的最佳保留因子，将保留因子带入暗通道先验算法中进行对图像原模型的构建。实验表明，该算法在去雾效率与去雾时间上有很好的提升效果。

技术研发人员：田昊,王小玉,俞越
受保护的技术使用者：哈尔滨理工大学
技术研发日：
技术公布日：2024/1/14