，
[0052] 式中，c为R、G或B通道，Γ(χ)为无雾图像的R、G或B通道图像，Ρ(χ)为雾天图像的R、 G或Β通道图像，7^幻为无雾图像的R、G或Β通道图像的均值，为雾天图像的R、G或Β通 道图像的均值，N为整幅图像像素的总个数;均方误差对比度衡量函数E_trast决定图像的对 比度，与透射率t(x)的平方成反比，t(x)的取值越大，对比度就越小；
[0053]图像信息量损失评价函数Elciss为：
[0054]
123
式中，i为输入雾天图像I(x)的像素索引值；[a，b]表示输入的雾天图像I(x)像素 的取值范围，由用户根据实际情况需要预先设定，一幅清晰图像像素的取值均匀地分布在 [0,255]范围内，因此，[a，b]的取值范围，需使得恢复出的无雾图像的像素值尽可能多地在 [0,255]范围内，以减少图像信息量的损失；图像信息量损失评价函数Ει_与透射率t (X)成 反比，t(x)取值越小，图像信息量损失越大;min(0，Jc(x))为清晰化处理后输出的无雾图像 中的像素值小于〇时所损失的图像信息量;max(0，J c(X)-255)表示清晰化处理后输出的无 雾图像中像素值超过255所损失的图像信息量； 2 -个合适的透射率t(x)，既能增强图像的对比度，又能保证图像信息量损失较少， 因此，利用图像的均方误差对比度衡量函数Ecxmtrast与图像信息损失量函数Eloss构造一个最 小代价函数Emi n = -E。。ntrast+5El。ss;将步骤3)的透射率t(X)带入最小代价函数Emi n进行迭代， 最小代价函数Emin最小时的透射率为最佳透射车? ( 〇 ; 3 5)估计R、G或Β通道大气光值的辐射强度Αο ·)的取值范围为
[Ο，1 ]，因此，Αο 2 max(Mave(x))且Λ $ max(j^a|5 7(χ))，' 则 Aq 的取值范围： max(Mi(Jx))<4 <inax(^r(x))；
[0058] 6)估计全局大气光的福射强度A:
[0059]
[0060] 式中，T是对向量[1 1 1]进行转置运算；
[0061] 7)恢复无雾图像J(x):
[0062] 雾天图像视为大气散射模型，是由入射光衰减模型和大气光成像模型两部分组 成，大气散射模型的公式为：
[0063] I(x)=J(x)t(x)+A(l_t(x))，
[0064] 式中，I(x)为实际观测点所观察到的图像，即雾天图像;J(x)t(x)为景物光线的直 接衰减，即入射光衰减模型;第二项A(l_t(x))为大气耗散函数，即大气光成像模型;t(x) = eTM(x)表示介质的透射率，β表示大气散射系数，d(x)表示目标场景点到观测点之间的距离； X为雾天图像中像素点的空间坐标;J(x)是待恢复的无雾图像;A表示全局大气光的辐射强 度，本例全局大气光为全局常量；
[0065]将全局大气光辐射强度A和最佳透射率7(?)带入大气散射模型公式I(x)=J(x)t (x)+A(l_t(x))，恢复无雾图像J(x)。
[0066] 对比实验为:选取两幅雾天图像A和B，用本实施例方法对A、B进行处理实验。以何 凯明提出的暗原色先验(DCP)方法作为对比例，也对A、B进行处理实验。
[0067]二者的实验硬件环境即所用计算机硬件参数相同，处理器(CPU)为英特尔Core酷 睿i5-3470，主频3 · 20GHZ( intel (R)core(TM) i5-3570CPU@3 · 20GHZ)内存（RAM)8 · 0GB;软件 环境也相同为:windows7SPl+Matlab2014b。本实施例和对比例的清晰化处理实验运行时间 如表1所示。
[0068] 表1本实施例与对比例清晰化处理实验运行时间比较表
[0069]
[0070」从表1的买验数据Π 」以宥出，本买施例的处理速度明Μ高十对比例，所用时间小十 对比例的十分之一，因此本发明的处理速度显著提高，能满足图像实时处理的要求。
[0071] 本发明对雾天图像Α和Β进行清晰化处理，两幅雾天图处理后的清晰度均明显优于 未处理的雾天图像，也优于何凯明提出的暗原色先验(DCP)方法处理后的雾天图像。
[0072] 上述实施例，仅为对本发明的目的、技术方案和有益效果进一步详细说明的具体 个例，本发明并非限定于此。凡在本发明的公开的范围之内所做的任何修改、等同替换、改 进等，均包含在本发明的保护范围之内。
【主权项】
1. 一种基于均值滤波的雾天图像清晰化处理方法，其特征在于，包括以下步骤： 1) 获取最小值图像= 式中，C为R、G或B通道，P(x)为雾天图像 I(x)的R、G或B通道的图像； 2) 对获取的最小值图像Mmin (X)均值滤波： Mave ( X ) -3*VOragesa(Mmin(X)); 3) 估计透射率t(x): /(,) = 1 -Μ-(-ν)+ ωΜ-λχ) = 1- ΦΜ-{Χ) 為 Aq Afj. Μ (x\ 式中，A〇为R、G或B通道的大气光值，为弥补偏差值，Φ =1_ω，φ取值范围 Αο [0.3,0.8]； 4) 估计最佳透射率t~(χ): 运用图像的均方误差对比度衡量函数Ec^trast和图像信息量损失评价函数ElQSS约束透 射率t(X)的选取： 所述均方误差对比度衡量函数E?ntrast与透射率t(X)的平方成反比；所述图像信息量损 失评价函数El〇ss与透射率t(X)成反比；构造最小代价函数:Emin = -E_trast+5El〇ss ;将步骤3) 的透射率t(x)带入最小代价函数Emin进行迭代，最小代价函数Emin最小时的透射率为最佳透 射率t~(X); 5) 估计R、G或B通道大气光值的辐射强度Αο: max (Μ (x)) < A < max( max Γ (x)); aye - M - ceKR.GM 6) 估计全局大气光的福射强度A: 1 .， A = - (max( max (/r(x))) -h max(M (x))) [1 1 l]7 2 ce\R,G,B) muv 式中，T是对向量[1 1 1]进行转置运算； 7) 恢复无雾图像J(x):将全局大气光辐射强度A和最佳透射率Γ(.ν：>带入大气散射模型 公式/Ct) = JCt￥(x) + 乂1 一 Rr))，恢复出无雾图像J(x)。2. 根据权利要求1所述的一种基于均值滤波的雾天图像清晰化处理方法，其特征在于： 所述均方误差对比度衡量函数E?ntrast为： E (Jcix) - JCijd) _ (Hx) - r(x))2 c-d' ^ = ~~~~Ν^ω""""" 式中，c为R、G或B通道，J°(x)为无雾图像的R、G或B通道图像，I°(x)为雾天图像的R、G或B 通道图像，为无雾图像的R、G或B通道图像的均值，;F(_r)为雾天图像的R、G或B通道图 像的均值，N为整幅图像像素的总个数。3. 根据权利要求1所述的一种基于均值滤波的雾天图像清晰化处理方法，其特征在于： 所述图像信息量损失评价函数E1。 SS为： Ef〇ss = ^ {(min(0, Jc(x)))2 + (max (0, Jc(x) - 255))2} e ε^4-+^>2 + ?+^-255)2} cdR.G.B- i=0 t(X) ,=b t(x) min(0, Jc(x))为输出的无雾图像的像素值小于0时图像所损失的信息量，max(0, Jc(x)-255)为输出的无雾图像的像素值超过255时图像所损失的信息量，i为输入雾天图像的像素 索引值;[a，b]为预设的输入的雾天图像I(x)像素的取值范围。
【专利摘要】本发明为一种基于均值滤波的雾天图像清晰化处理方法，步骤如下：1、计算雾天图像三通道中的最小值图像；2、对其均值滤波；3-1、雾天图像视为大气的散射模型，由入射光衰减模型和大气光成像模型组成；3-2、透射率的粗略估计；3-3、结合图像的均方误差对比度衡量函数和图像信息量损失评价函数迭代估计最佳透射率；4、全局大气光的辐射强度的估计；5、由大气散射模型公式计算恢复无雾图像。本方法只利用一次简单的均值滤波即可获得透射率和大气光值的粗略估计；通过均方误差对比度衡量函数和图像信息量损失评价函数求得最佳的透射率；总体计算方法简单，计算复杂度低，能快速地恢复出清晰的无雾图像，可在图像或视频系统中实时运用。
【IPC分类】G06T5/00, G06T7/40
【公开号】CN105469372
【申请号】CN201511024419
【发明人】宋树祥, 黎秀玉, 夏海英
【申请人】广西师范大学
【公开日】2016年4月6日
【申请日】2015年12月30日