技术摘要：
一种基于单幅图像的像素级透过率估计方法，涉及数字图像处理技术领域，解决现有暗通道复原方法中对局部透过率估计不准确的问题，本发明利用有雾图像的最小值通道和无雾图像的最小值通道建立像素级的透过率估计模型，通过对像素级的雾浓度估计，得到了无雾图像的最小值  全部
背景技术：
近年来由于环境污染和气候变化，使得雾霾天气广泛存在，由于雾的影响会使得 图像的亮度改变，细节丢失，对比度下降，极大地限制了户外成像设备效用的发挥。雾霾图 像给后续图像分割、目标检测与跟踪、以及图像理解与分析带来了困难，对处理结果的准确 性产生严重的影响。因此，对单幅有雾图像进行去雾处理意义重大。 通常对单幅雾霾图像的去雾处理主要通过图像增强和图像复原两种方式实现。图 像增强方法主要包括：直方图均衡化、小波变换、Retinex算法以及同态滤波等，通常在增强 图像细节信息的同时会导致其他信息的损失。图像复原方法去雾是通常以雾成像的大气散 射模型为基础，通过一些先验信息对未知变量进行估计求解，如暗通道先验、颜色先验、几 何先验等。一个关键未知变量的估计就是对透过率的估计。近年来，He提出的暗通道先验算 法被公认是简单有效的去雾方法，然而暗通道算法在局部图像不满足先验信息的时候，对 透过率的估计将会出现明显偏差，将会有颜色失真和光晕现象的发生，导致整体图像去雾 效果不佳。
技术实现要素：
本发明为了解决现有暗通道复原方法中对局部透过率估计不准确的问题，提供一 种基于单幅图像的像素级透过率估计方法。 一种基于单幅图像的像素级透过率估计方法，该方法由以下步骤实现： 步骤一、以像素为最小估计单元，设定Jd(x)和Id(x)分别为RGB空间中无雾和有雾 场景辐射的最小值通道，分别用下式表示为： 式中，c为R、G、B三通道中的一个颜色通道；对像素级的透过率t(x)的精细化估计， 用下式表示为： 式中，κ为常数调节量，取Id(x)灰度值前0.05％像素对应的有雾图像灰度值的平 均值作为大气光值A； 步骤二、选择RGB三通道Ic最大值，并将所述最大值的位置作为雾浓度最大的位 置，则所有像素点与该最大值位置的距离为dc(x)，用下式表示为： dc(x)＝(|Ic(x)-max(Ic(x))|)c∈(R,G,B)    (4) 4 CN 111598886 A 说　明　书 2/5 页 将三通道的dc(x)取最大值通道，并进行归一化处理，用下式表示为： 步骤三、采用公式(6)的减函数形式，获得像素级的雾浓度ω(x)的估计，用下式表 示为： ω(x)＝(1-d(x))n    (6) 当图像的雾浓度ω(x)越大，Id(x)越大，Jd(x)也越大；当图像的雾浓度ω(x)越小， Id(x)越小，Jd(x)也越小；获得Jd(x)的公式为： Jd(x)＝ω(x)Id(x)    (7) 将公式(7)代入公式(3)，获得像素级透过率t(x)的估计，用下式表示为： 步骤四、选取M×N的模版，对于每个像素(x,y)进行高斯滤波，高斯滤波函数G(x) 用下式表示为： 式中，σ为正态分布的标准差，利用上式高斯滤波函数公式(9)与公式(8)中的t(x) 作卷积(*)操作，对像素级透过率t(x)的图像进行高斯滤波平滑，平滑后的透过率为tg(x)， 用下式表示为： tg(x)＝t(x)*G(x)    (10) 获得最终的去雾图像J(x)，用下式表示为： 式中，I(x)为待去雾的图像。 本发明的有益效果：本发明利用有雾图像的最小值通道和无雾图像的最小值通道 建立像素级的透过率估计模型，通过对像素级的雾浓度估计，得到了无雾图像的最小值通 道，从而得到了像素级的透过率估计。此外，对像素级的透过率图像进行高斯滤波处理，即 可准确地估计透过率图像。实验证明本发明算法处理效果较好且运算量小，可应用于实时 工程系统中。 附图说明 图1为本发明所述的不同δ值对透过率估计的影响的效果图； 图2为不同n值与雾浓度估计ω(x)的关系示意图； 图3为不同n值时获得的透过率图像效果图；图3a为n＝0.5时的透过率图像效果 图，图3b为n＝1.5时的透过率图像效果图，图3c为n＝2.5时的透过率图像效果图。 图4为不同n值得到的去雾效果图；图4a为n＝0.5时的去雾图像效果图，图4b为n＝ 1.5时的去雾图像效果图，图4c为n＝2.5时的去雾图像效果图。 5 CN 111598886 A 说　明　书 3/5 页 图5为去雾效果对比图像的效果图；图5a为原雾图像，图5b为暗通道先验算法获得 的去雾效果图，图5c为采用本发明的方法去雾的效果图。