技术摘要：
本发明公开了一种基于极端散射通道的单图像去雾方法，涉及图像处理领域，去雾方法包括：获取原始有雾图像；构建雾天成像物理模型；暗通道先验；亮通道先验；将亮通道先验的结果与暗通道先验的结果互补成为极端通道，并进行极端通道散射分析；估计透射率；估计大气光；  全部
背景技术：
随着社会的不断进步和科技的飞速发展，计算机视觉系统已经被广泛应用到了城 市交通、视频监控、智能导航、遥感成像、军事侦察等诸多领域；然而，近年来，雾霾天气的频 繁出现，严重影响了计算机视觉系统的成像质量，造成获取的图像对比度下降、颜色失真、 模糊不清，对人们生产与生活造成极大影响。雾霾是一种常见的自然现象，它是由悬浮在大 气中的大量微小水滴、气溶胶等颗粒的作用产生的。由于悬浮颗粒对光线的吸收、散射和折 射等作用，导致图像中目标的对比度降低、饱和度下降和色调偏移，直接限制和影响了各种 户外视觉系统效用的发挥。雾天降质图像的清晰化处理对提高户外视觉系统的可靠性和鲁 棒性具有重要意义。 针对图像去雾，人们提出了各种方法，具体来说可以分为两类：图像增强方法和图 像复原方法。图像增强处理不考虑退化原因，通过突出图像中某些信息，同时削弱或去除某 些不需要的信息，实现图像去雾，该类方法以Retinex算法为代表，但不能实现真正意义上 的去雾。图像复原通过分析雾化图像降质机理，建立图像散射模型，充分利用图像退化的先 验知识或假设，实现场景复原。相比而言，利用图像复原的方法具有内在的优越性。图像去 雾的目的是从在雾霾的天气条件下获取的降质版本中重建高质量的图像。去雾可以主要分 为单图像去雾和多图像去雾。多图像去雾包括基于偏振的去雾方法和基于图像融合的去雾 方法。单图像去雾分为基于图像增强，基于先验和基于深度学习，因而单图像去雾已成为图 像去雾领域的研究热点。 现有技术中的去雾方法多数不能处理浓度较大的雾，且去雾方法容易造成颜色失 真。常见的暗通道先验(暗原色先验)的去雾方法揭示了图像的本质特征，具有很好的去雾 效果，但对诸如天空、白云等不存在暗原色的偏白区域，复原结果会出现明显的颜色失真， 去雾效果不理想。 因此，为了解决现有技术中的去雾方法多数不能处理浓度较大的雾，且存在无法 处理天空、偏白物体等区域去雾，容易造成颜色失真的问题，本申请提出了一种基于极端散 射通道的单图像去雾方法。
技术实现要素：
有鉴于此，本发明提供了一种基于极端散射通道的单图像去雾方法，以解决现有 技术中去雾效果不理想的问题。 本发明提供的基于极端散射通道的单图像去雾方法，包括： 获取原始有雾图像； 构建雾天成像物理模型； 暗通道先验，暗通道指原始有雾图像中至少存在一个颜色通道的像素值大于0且 4 CN 111598814 A 说　明　书 2/9 页 小于1的像素通道； 亮通道先验，亮通道指原始有雾图像中至少存在一个颜色通道的像素值大于0且 小于1的像素通道，且所述亮通道的像素值大于所述暗通道的像素值； 将亮通道先验的结果与暗通道先验的结果互补成为极端通道，并进行极端通道散 射分析； 估计透射率，对亮通道图像和暗通道图像分别计算透射率，亮通道图像计算得到 的透射率和暗通道图像计算得到的透射率适用的区域不同，将适用亮通道图像的区域的透 射率和适用暗通道图像的区域的透射率结合，得到的结果作为极端通道先验给出的透射 率； 估计大气光； 根据极端通道先验给出的透射率、大气光、雾天成像物理模型计算得到最终的去 雾清晰图像。 优选的，构建雾天成像物理模型中，有雾图像的形成通过以下方式建模： I(x)＝J(x)t(x) A∞(1-t(x))   式(1)； 其中，I是观察到的有雾图像，J是无雾图像，A∞是大气光，t是整个雾空间的透射 率，x是像素点的位置，去雾的目标是使用I获得A，t，然后根据雾天成像物理模型(1)获得无 雾图像J。 优选的，暗通道先验中，原始有雾图像的暗通道图像的计算公式为： 其中，Jdark为暗通道图像，Jc为图像J的彩色三通道中的某一通道，Ω(x)为选取的 中心在x像素点的局部图像区域； 亮通道先验中，原始有雾图像的亮通道图像的计算公式为： 其中，Jbright为亮通道图像，Jc为图像J的彩色三通道中的某一通道，Ω(x)为选取 的中心在x像素点的局部图像区域； 将亮通道先验的结果与暗通道先验的结果互补成为极端通道，并进行极端通道散 射分析，极端通道先验为： 其中，A dark∞为大气光，J (x)→0表示大部分无雾图像中的局部色块包含一些像素， 这些像素在至少一个颜色通道中的灰度值非常低，且趋于0；同时，无雾图像中的局部色块 都包含一些像素，这些像素在至少一个颜色通道中的灰度值非常高，且趋于 进一步优选的，估计透射率具体为：假设大气光A∞已知，将原始有雾图像的像素重 新分类且分为两部分：第一部分B1包括Jb＜1的像素，第二部分B2包括剩余的像素； 对于第二部分B2中的像素，对式(1)等号两侧同时做最大值操作得到： 5 CN 111598814 A 说　明　书 3/9 页 将式(4)的结论代入式(5)可以得到： 同理，对于第一部分B1中的像素，计算透射率如下： 估计得到的透射率分布是亮通道透射率与暗通道透射率的结合： 进一步优选的，估计得到的透射率分布需要使用滤波器进行修正，得到最终的透 射率分布t(x)。 进一步优选的，估计大气光具体为：在估计大气光A∞时使用基于块状区域patch的 亮通道，将观察到的有雾图像I分成k个不相交的块Ip，其大小为m×n，将无雾块区域Jp分解 为大气光Ap和反射Rp的乘积，可以将式(1)重写为： Ip(x)＝Ap(1-t(x) Rpt(x))   式(9)； 其中，下标p表示是块状区域patch，J是无雾图像，A∞是大气光，R是反射的部分，Ap 表示基于块状区域patch的大气光，Rp基于块状区域patch的反射的部分； 在式(9)两侧使用通道最大算子，并假设Rp的最大强度为1，得到： 进一步优选的，根据透射率t、大气光A、雾天成像物理模型的式(1)恢复出场景反 射光J，将透射率t(x)限制在下限t0，即在非常密集的雾度区域中保留少量的雾度，最终的 去雾清晰图像J(x)计算公式为： 进一步优选的，将透射率t(x)限制在下限t0，下限t0的值为0.05。 与现有技术相比，本发明提供的基于极端散射通道的单图像去雾方法，至少实现 了如下的有益效果： 1、本发明基于极端散射通道的单图像去雾方法，提出极端通道先验这一全新的先 验假设来估计透射率和大气光，在可见性极低的浓雾霾情况下，去雾效果仍然非常显著，可 以处理浓雾，去浓雾效果比较好，不容易造成颜色失真，最终去雾颜色比较自然真实，清晰 度也较高。 2、本发明基于极端散射通道的单图像去雾方法，采用亮通道和暗通道分别计算透 射率，再根据两者适用的区域不同，从而根据亮通道和暗通道本质的区别来定义相应位置 用哪种通道的透射率，把亮通道和暗通道各自适用的点，用各自的结果来构成总的最终结 果，以作为极端通道先验给出的透射率，进而本发明更准确地确定了亮通道和暗通道的适 用范围，得到的极端通道先验给出的透射率是一个具体到每一个像素点的归类的求解，准 6 CN 111598814 A 说　明　书 4/9 页 确率更高。 3、本发明基于极端散射通道的单图像去雾方法可以对天空或者偏白物体等区域 进行正确的去雾，且效果较好。 当然，实施本发明的任一产品必不特定需要同时达到以上所述的所有技术效果。 通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其 优点将会变得清楚。 附图说明 被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连 同其说明一起用于解释本发明的原理。 图1是本发明实施例提供的一种基于极端散射通道的单图像去雾方法的流程图； 图2是原始无雾图像； 图3是图2提取的暗通道图像； 图4是图3的直方图； 图5是图2提取的亮通道图像； 图6是图5的直方图； 图7是本发明实施例提供的一种基于极端散射通道的单图像去雾方法的整体实施 过程图； 图8是采用现有技术中几个不同的去雾方法和本发明提供的去雾方法进行的去雾 效果比对图； 图9是采用现有技术中的去雾方法和本发明提供的去雾方法进行的偏白区域去雾 效果的比对图。