技术摘要：
本发明涉及一种基于雾线先验的图像去雾方法，采用改进的大气光值，透射率多重修正的方法，保证去雾后的图像，去雾程度高，具有良好的视觉效果。相对于传统的先验去雾方法，本发明利用非局部总广义变分正则化的方法估算初始透射率，来解决雾线中像素相似性以及初始透射 全部
背景技术：
目前，图像去雾技术可以简单地分为两类，基于图像增强的去雾方法和基于 图像 复原的去雾方法。图像增强方法包括Retinex方法、直方图均衡方法等。基 于图像增强的去 雾方法只是提高对比度来满足视觉效果，而没有考虑雾度的实际 影响，因此，在实际应用 中性能并不理想。基于图像复原方法揭示了图像去雾的 原因并进行了分析，根据大气光散 射对成像的影响建立物理模型，添加相应的约 束条件和估算模型中的必要参数来复原无 雾图像。 近年来，基于先验的图像去雾方法已成为除雾领域的最新技术。何凯明等人 提出 的基于暗通道先验算法，该方法没有考虑到由景深引起的局部块之间的透射 差异，因此， 除雾后的边缘会丢失细节信息和出现光晕等问题。Meng等人提出 了一种基于边界约束的 图像复原技术，该方法可以获得较高的对比度，减弱图像 噪声，但需要提高算法效率。Zhu 等人提出了颜色衰减先验算法，该算法中大气 光值估算会出现错误，且该算法处理后的图 像表面存在一层雾气。Berman等人 提出了一种基于雾线先验的图像去雾算法，该算法中仅 使用颜色索引进行聚类， 因此估计的初始透射率不准确，从而导致在去雾图像中丢失诸如 边缘之类的细节， 图像整体上也会出现颜色过饱和的问题。
技术实现要素：
本发明要解决的技术问题是：传统的图像去雾算法在去雾程度方面存在局限 性， 且去雾后的图像存在色彩过饱和，色彩偏移和失真等问题。 为了解决上述技术问题，本发明的技术方案是提供了一种基于雾线先验的图 像 去雾方法，其特征在于，包括以下步骤： 步骤1、对原始有雾图像进行补偿处理得到弱暗通道图，从该弱暗通道图， 中取得 大气光值A； 步骤2、采用聚类方法对原始有雾图像进行处理得到雾线，结合步骤1中的 大气光 值A，得到原始有雾图像的初始透射率 步骤3、通过非局部总广义变分TGV正则化的方法对步骤2得到的初始透射 率 进行修正处理，得到较为准确的图像初始透射率t'(x)； 步骤4、利用边窗盒子滤波器将步骤3中的图像初始透射率t'(x)优化后得到 大气 透射率t"(x)； 步骤5、根据步骤1中所得的大气光值A和步骤4得到的中优化后的大气透 射率t" (x)，得到与原始有雾图像相对应的无雾图像。 优选地，步骤1中，按照亮度取所述弱暗通道图中一定比例的像素点，将取 得的像 4 CN 111553853 A 说 明 书 2/5 页 素点中亮度最大的像素点的亮度值作为所述大气光值A。 优选地，步骤2包括以下步骤： 步骤201、建立图像去雾模型，其公式如下： I(x)＝J(x)t(x) A(1-t(x)) 式中，x为像素位置坐标；I(x)为输入的雾天图像的强度；J(x)是复原后 无雾图像 的场景辐射度；A为大气光值；t(x)为图像透射率； 步骤202、利用聚类方法对原始有雾图像进行处理，得到原始有雾图像中的 雾线， 将步骤1得到的大气光值A以及雾线上像素点的位置带入步骤201所建立 的图像去雾模型 计算得到每个像素点的透射率，从而得到图像的初始透射率 优选地，所述步骤3包括以下步骤： 将二阶的非局部总广义变分TGV正则器来作为正则项，L1范数代替平方欧 几里德 范数，利用非局部TGV正则化的方法对步骤2所得的初始透射率 进行 修正处理，得到计 算准确的图像初始透射率t'(x)。 优选地，所述步骤4包括以下步骤： 将边窗盒子滤波器的窗口边缘放在待处理像素的位置，每个窗口用窗口的一 条 边或一个角来标记目标像素，随后利用边窗盒子滤波器对步骤3得到的图像初 始透射率t' (x)进行优化，得到优化后的准确的大气透射率t"(x)。 优选地，步骤5包括以下步骤： 根据步骤1所得的大气光值A和步骤4得到大气透射率t"(x)，利用图像去 雾模型 还原出原始的无雾图像J(x)： 本发明提出了一种图像去雾优化算法，采用改进的大气光值，透射率多重修 正的 方法，保证去雾后的图像，去雾程度高，具有良好的视觉效果。相对于传统 的先验去雾方 法，本发明利用非局部总广义变分(TGV)正则化的方法估算初始 透射率，来解决雾线中像 素相似性以及初始透射率估算不准确问题。随后利用边 窗滤波算法对初始透射率进行优 化，从而确保去雾后的图像具有丰富的纹理和边 缘信息，并且解决了色彩偏移等问题。同 时使用图像弱暗通道的方法估算大气光 值，使得大气光值更准确，从而达到实用性和有效 性的去雾效果。 附图说明 图1为本发明提供的一种基于雾线先验的图像去雾方法的流程图； 图2(a)为原始有雾图像； 图2(b)为暗通道图像； 图2(c)为弱暗通道图像； 图3(a)为原始有雾图像； 图3(b)为优化后图像透射率图； 图3(c)为细节结果图； 图4(a)为原始有雾图像； 5 CN 111553853 A 说 明 书 3/5 页 图4(b)为本发明算法处理后的复原图像。
