CN102289791A - 一种快速单幅图像去雾方法 - Google Patents

Abstract

本发明公开了一种快速单幅彩色图像去雾方法和一种快速单幅灰度图像去雾方法，所述彩色图像去雾方法包括以下步骤：获取一幅原图像，根据所述原图像得出亮度矩阵；对所述最低亮度矩阵进行中值滤波运算，得出中值滤波矩阵；基于所述最低亮度矩阵和所述中值滤波矩阵得出大气光值；将所述中值滤波矩阵、所述最低亮度矩阵和所述大气光值分别乘上预设比例因子后选取最小值作为大气耗散函数；基于所述原图像、所述大气光值和所述大气耗散函数得出去雾后的图像。灰度图像去雾方法是彩色图像去雾方法的特例，本发明提供的去雾方法，能够提高单幅图像去雾的运算速度，以便其能够应用在一些实时性要求较高的系统中，并为后续处理赢得时间。

Description

一种快速单幅图像去雾方法

技术领域

本发明涉及一种计算机视觉领域图像清晰化方法，尤其涉及雾天图像清晰化方法，具体地说，是涉及一种单幅图像快速去雾方法。

背景技术

在恶劣天气条件下捕获图像，由于大气中悬浮的大量颗粒(如雾、霾)会对光产生吸收、散射作用，从而导致捕获的图像质量下降，出现图像模糊、色彩失真、对比度下降等现象，不仅降低图像的可视性，更对后续图像处理算法(如物体识别、特征提取、图像分析等)的进行造成困难。

目前，计算机视觉领域国内外学者提出的去雾算法按照信息的利用方式可分为基于多幅图像(或其他附加信息)和仅基于单幅图像两类。

有雾图像中雾的分布和图像中景物的深度有关，由于可以从同一景物的多幅图像中提炼景物的深度信息，因此，很多学者提出了基于多幅图像(或其他附加信息)的去雾算法，如利用同一景物在不同偏振滤波器下的多幅图像进行去雾、利用同一景物在不同天气条件下的多幅图像去雾、利用附加的景物深度信息进行去雾。但由于这类算法要求的输入信息较多，使得它们的实用性受到约束，如在一些要求实时性的系统上，很难实时获得所需要的不同天气条件下的多幅图像；而在未知环境中，无法提供景物的附加深度信息。

近两年只利用单幅图像信息的去雾算法也有较多进展。在其中一种去雾算法中，提出通过增大图像局部对比度来恢复无雾图像，但此种方法容易导致恢复后的图像颜色稍显失真，且在景深不连续处会产生光晕伪影(halo)。

在另一种去雾算法中，基于景物表面色度(surface shading)与介质传播(medium transmission)具有局部统计不相关性的假设，对有雾图像进行去雾，此算法去雾效果明显，但该算法不能处理灰度图像。后来，何恺明学者在对大量无雾图像进行统计的基础上，提出了暗原色先验(dark channelprior)，并利用这一统计规律粗估计介质传播函数，然后利用图像抠图算法对介质传播函数进行修正，进而对图像进行去雾，这种算法的去雾效果较显著。

已有的基于单幅图像的去雾算法目前存在的一个问题是去雾速度较慢例如，前述通过增大图像局部对比度来恢复无雾图像的算法处理一幅600×400图像需要5-7分钟(双奔腾4处理器，1GB内存)。而在前述后一种去雾算法中，处理512×512大小图像时用时35秒(双核处理器)。

此外，在何恺明学者提出的去雾算中，处理一幅600×400像素的图像需要10-20秒(3.0GHz英特尔奔腾4处理器)。此外，一名为Tarel的学者在2009年提出了一种速度较快的去雾算法，但是，总体而言，上述所有去雾算法的运行速度均有待提高。

发明内容

本发明所要解决的技术问题是需要提供一种快速单幅图像去雾方法，目的在于提高单幅图像去雾的运算速度，以便其能够应用在一些实时性要求较高的系统中，并为后续处理赢得时间。

为了解决上述技术问题，本发明提供了一种用于彩色图像的单幅图像去雾方法，其特征在于，包括以下步骤：1)获取一幅彩色原图像，根据所述原图像的红、绿、蓝三个颜色通道的值得出所述原图像的最低亮度矩阵；2)对所述最低亮度矩阵进行中值滤波运算，得出中值滤波矩阵；3)基于所述最低亮度矩阵和所述中值滤波矩阵得出大气光值；4)将所述中值滤波矩阵、所述最低亮度矩阵和所述大气光值分别乘上预设比例因子后选取最小值作为大气耗散函数；5)基于所述原图像、所述大气光值和所述大气耗散函数得出去雾后的图像。

进一步，本方法还包括：在步骤3)中，求取所述最低亮度矩阵中所有元素的最大值，记为A^min，求取所述中值滤波矩阵的所有元素的最大值，记为A^med，通过公式：A＝αA^med+βA^min计算得出所述大气光值A，其中α，β为权重因子，α+β＝1。

进一步，本方法还包括：在步骤4)中，计算所述中值滤波矩阵的中值Med_med，以1.5Med_med作为所述中值滤波矩阵的比例因子，以1作为所述最低亮度矩阵的比例因子，以0.9作为所述大气光值的比例因子。

进一步，本方法还包括：在步骤5)中，得出所述去雾后的图像具体为得出图像在红、绿、蓝三个颜色通道的像素值，计算公式为：

$J^c\left(x\right)=\frac{I^c\left(x\right)-V\left(x\right)}{A-V\left(x\right)}A,c\∈\{r,g,b\}$

其中，J^c(x)为所述去雾后的图像在红、绿、蓝三个颜色通道的像素值，I^c(x)为所述原图像在红、绿、蓝三个颜色通道的像素值，A为大气光值，V(x)为大气耗散函数。

进一步，本方法还包括：计算所述中值滤波矩阵的中值Med_med时，以150为上限进行截取。

本发明还提供了一种用于灰度图像的单幅图像去雾方法，其特征在于，包括以下步骤：1)获取一幅灰度原图像，得出所述原图像的亮度矩阵；2)对所述亮度矩阵进行中值滤波运算，得出中值滤波矩阵；3)基于所述亮度矩阵和所述中值滤波矩阵得出大气光值；4)将所述中值滤波矩阵、所述亮度矩阵和所述大气光值分别乘上预设比例因子后选取最小值作为大气耗散函数；5)基于所述原图像、所述大气光值和所述大气耗散函数得出去雾后的图像。

进一步，本方法还包括：在步骤3)中，求取所述亮度矩阵中所有元素的最大值，记为A^I，求取中值滤波矩阵的所有元素的最大值，记为A^med，通过公式：A＝αA^med+βA^I计算得出所述大气光值A，其中α，β为权重因子，α+β＝1。

进一步，本方法还包括：在步骤4)中，计算所述中值滤波矩阵的中值Med_med，以1.5Med_med作为所述中值滤波矩阵的比例因子，以1作为所述亮度矩阵的比例因子，以0.9作为所述大气光值的比例因子。

进一步，本方法还包括：在步骤5)中，得出所述去雾后的图像的计算公式为：

$J\left(x\right)=\frac{I\left(x\right)-V\left(x\right)}{A-V\left(x\right)}A$

其中，J(x)为所述去雾后的图像像素值，I(x)为所述原图像的像素值，A为大气光值，V(x)为大气耗散函数。

进一步，本方法还包括：计算所述中值滤波矩阵的中值Med_med时，以150为上限进行截取。

与现有技术相比，该算法效果与以往去雾算法效果相当，但速度有很大提高。更具体地，本发明相对于传统技术至少具有如下优点。

一方面，根据本发明的去雾算法通过大气光值的求取避开了复杂的求取暗原色(dark channel)的操作，降低了计算复杂度，并且进一步综合考虑了中值滤波前、后最低亮度矩阵的最大值，从而避免了直接把图像中最亮点的像素值作为大气光值。这样，既保证了合理性又降低了复杂度。

进一步，根据本发明的去雾算法在求取大气耗散函数V时，只利用了一次中值滤波器和两次简单的求中值/最小值运算，从而和已有去雾算法相比极大地降低了运算复杂度。

进一步，根据本发明的去雾算法通过在中值滤波后乘上比例因子得到的新矩阵

(或1.5Med_med*I_med(x)，其中，

为中值滤波后的最低亮度矩阵，I_med(x)为中值滤波后的亮度矩阵)、原有的最低亮度矩阵I^min(x)(或亮度矩阵I(x))、0.9*A三者之间选取最小值，以很好地保证大气耗散函数V在大部分区域(非景深突变局部区域)平滑、景深跳变处跳变的特性；

进一步，根据本发明的去雾算法，求取大气耗散函数V的步骤中将矩阵

的系数选为1.5Med_med，可以更好地保证去雾后图像不会出现亮度色彩过度失真(整体画面过于偏暗或整体画面过于偏亮)的现象，这是因为Med_med是一个和原图像的亮度分布有关的值，原图像整体越亮，Med_med值越高，大气耗散函数V取值相应变大，去雾后图像亮度降低的越明显，反之亦然。

可见，根据本发明的去雾算法在保证所求取大气光A和大气耗散函数V合理性的同时，尽量降低复杂度。

本发明提供的快速去雾算法比上述名为Tarel的学者于2009年所提出的快速去雾算法(简称Tarel算法)运行速度提高两倍至数倍以上。在发明人通过实验发现，本算法处理彩色图像时所需时间是Tarel算法的五分之一左右，处理灰度图像时所需时间是Tarel算法的二分之一左右。

此外，本发明无需设置参数，因此用户界面良好。

此外，本发明应用场合广泛，可以方便的应用到以下场合：

i汽车、船只、飞行器等的视觉导航系统；

ii各种室外视频(图像)监控系统。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明实施例一进行彩色图像去雾的流程图；

图2是本发明实施例二进行灰度图像去雾的流程图；

图3是本发明实施例一彩色图像去雾的输入有雾图像；

图4是本发明实施例一彩色图像去雾的最低亮度矩阵；

图5是本发明实施例一彩色图像去雾中值滤波后得到的图像；

图6是本发明实施例一彩色图像去雾的大气耗散函数；

图7是本发明实施例一彩色图像去雾的去雾后图像；

图8是本发明实施例一与已有单幅图像去雾算法的彩色图像去雾效果比较图；

图9是本发明实施例二灰度图像去雾的输入有雾图像；

图10是本发明实施例二灰度图像去雾中值滤波后得到的图像；

图11是本发明实施例二灰度图像去雾的大气耗散函数；

图12是本发明实施例二灰度图像去雾的去雾后的图像；

图13是本发明实施例二与已有单幅图像去雾算法的灰度图像去雾效果比较图；

图14是本发明实施例一彩色图像去雾速度比较图；

图15是本发明实施例二灰度图像去雾速度比较图；

图16是本发明实施例一彩色图像去雾时间对比表；

图17是本发明实施例二灰度图像去雾时间对比表；

具体实施方式

以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。

另外，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

实施例一

图1是本发明进行彩色图像去雾的流程图

本实施例用于处理彩色图像，步骤如下：

1)获取一幅彩色原图像，根据所述原图像的红、绿、蓝三个颜色通道的值得出所述原图像的亮度矩阵(也称为最低亮度矩阵)。

读入一幅有雾彩色图像，记为I，该彩色图像坐标x处的像素值记为I(x)，图像像素值范围在0-255之间；

对于此彩色图像坐标x处的像素值I(x)＝[Ir(x)，I^g(x)，I^b(x)]，I^r(x)，I^g(x)，I^b(x)代表坐标x处在红、绿、蓝三个颜色通道上的值，根据该三个颜色通道上的值得出该彩色原图像的最低亮度矩阵。

优选的，取坐标x在红、绿、蓝三个颜色通道中的最小值来构成最低亮度矩阵I^min(x)，公式为：

I^min(x)＝min(I(x))＝min(I^r(x)，I^g(x)，I^b(x))         (1)

2)对最低亮度矩阵进行中值滤波运算，得出中值滤波矩阵。

对最低亮度矩阵I^min(x)进行中值滤波，得到

公式如下：

$I_{\mathrm{med}}^{\min }\left(x\right)=\mathrm{media}{n}_{\mathrm{sv}}\left(I^{\min }\left(x\right)\right)---\left(2\right)$

其中，sv是中值滤波器的半径大小；

3)基于最低亮度矩阵和中值滤波矩阵得出大气光值。

求取最低亮度矩阵I^min(x)中所有元素的最大值，记为A^min，求取的所有元素的最大值，记为A^med，进而根据下面的公式计算得出大气光值(Atmospheric light)A：

A＝αA^med+βA^min                        (3)

其中α，β为权重因子，α+β＝1，优选的，α＝β＝0.5

4)将中值滤波矩阵、最低亮度矩阵和大气光值分别乘上预设比例因子后选取最小值作为大气耗散函数。

作为优选的：

求取

的所有元素的中值Med_med，并以150为上限截取如下：

${\mathrm{Med}}_{\mathrm{med}}=\left\{\begin{array}{cc}\mathrm{median}\left(I_{\mathrm{med}}^{\min }\left(x\right)\right)& \mathrm{median}\left(I_{\mathrm{med}}^{\min }\left(x\right)\right)<150\\ 150& \mathrm{median}\left(I_{\mathrm{med}}^{\min }\left(x\right)\right)\&GreaterEqual;150\end{array}\right.---\left(4\right)$

分别选取1.5Med_med，1，和0.9作为中值滤波矩阵、最低亮度矩阵和大气光值的比例因子，在I^min(x)，0.9*A三者中取最小值作为大气耗散函数(Atmospheric veil)V，公式如下：

$V\left(x\right)=\min (1.5M{\mathrm{ed}}_{\mathrm{med}}*I_{\mathrm{med}}^{\min }\left(x\right),I^{\min }\left(x\right),0.9*A)$ (5)

$=\min (1.5\mathrm{median}\left(\mathrm{media}{n}_{\mathrm{sv}}\left(I^{\min }\left(x\right)\right)\right)*{\mathrm{median}}_{\mathrm{sv}}\left(I^{\min }\left(x\right)\right),I^{\min }\left(x\right),0.9*A)$

5)基于所述原图像、所述大气光值和所述大气耗散函数得出去雾后的图像。

利用雾、霾天气条件下均匀介质大气散射模型

恢复出图像J(x)在R、G、B三个颜色通道像素值：

$J^c\left(x\right)=\frac{I^c\left(x\right)-V\left(x\right)}{A-V\left(x\right)}A,c\&Element;\{r,g,b\}---\left(6\right)$

其中，J^c(x)为经过去雾后的图像分别在红、绿、蓝三个颜色通道中的像素值。

去雾效果

下面结合实例对实施例一的具体实施步骤做进一步的具体说明。

仿真环境和参数设置如下：

i仿真环境：

机型：Intel Core 2 Q8200(CPU 2.33Ghz，2.00GB物理内存)；

操作系统：Windows XP；

软件：Matlab7.1。

ii参数设置

下文中所有涉及本方法步骤中中值滤波器的内容，中值滤波半径值均为图像尺寸(长、宽)的最大值的1/50向下取整所得到的数值。

以图3为实例，进行实验步骤的详细说明，并给出去雾结果

1)读入要处理的有雾彩色图像，如图3，其大小为400×259×3；

2)利用式(1)得到其最低亮度矩阵I^min(x)，I^min(x)大小为400×259，如图4；

3)对矩阵I^min(x)进行中值滤波，中值滤波半径为400/50＝8，滤波邻域为17×17，滤波后得到图5；

4)求取最低亮度矩阵I^min(x)中元素的最大值A^min为251，

的所有元素的最大值A^med为246，利用式(3)求取大气光值(Atmospheric light)A为0.5*251+0.5*246＝248.5；

5)求取

的所有元素的中值Med_med为146(以150为上限截取后的结果)；

6)利用式(5)求出大气耗散函数(Atmospheric veil)V，如图6；

7)利用式(6)求出去雾后的图像J^c(x)，如图7。

本实例共用时0.975秒。

更多本实施例的彩色图像去雾结果及本实施例与已有单幅图像去雾算法的彩色图像去雾效果比较见图8。图8中，第一列为输入的有雾图像，第二列为本方法处理后的结果，第三列为Tarel去雾算法处理后的结果，第四列为何恺明学者的去雾算法处理后的结果。由图可见，本方法的去雾效果非常显著，与广受认可的何恺明学者的去雾算法相比去雾效果相差不大，与Tarel快速去雾算法效果相比，在一定程度上，色彩分布更为逼真，颜色深浅适宜。

效率(去雾速度)分析

在相同中值滤波半径下，本方法与Tarel快速去雾算法相比较，运算速度有显著提高。

图8中所示的四幅有雾图像(从上到下分别记为彩色图1、彩色图2、彩色图3、彩色图4)在不同去雾方法中去雾所需时间见图16。图16中，本方法与Tarel算法的中值滤波半径均为彩色图像尺寸的最大值的1/50向下取整得到。图16中所列图像运行时间在多次实验下略有差别，一般情况下，时间差别不超过0.2秒，不影响总体分析

经比较，本方法的去雾时间是Tarel算法的五分之一左右，速度提高五倍左右，参见图14。

实施例二

图2是本发明进行灰度图像去雾的流程图

灰度图像的去雾处理是彩色图像的一个简化特例。

1)获取一幅灰度原图像，得出原图像的亮度矩阵。

读入一幅有雾灰度图像，记为I(x)，图像像素值范围在0-255之间，得出的亮度矩阵优选为该灰度图像本身的像素值矩阵。

2)对亮度矩阵进行中值滤波运算，得出中值滤波矩阵。

对矩阵I(x)进行中值滤波，得到，公式如下：

I_med(x)＝median_sv(I(x))                (7)

其中，sv是中值滤波器的半径大小；

3)基于亮度矩阵和中值滤波矩阵得出大气光值。

求取I(x)所有元素的最大值，记为A^I，求取I_med(x)的所有元素的最大值，记为A^med，进而根据下面的公式计算得出大气光值(Atmospheric light)A：

A＝αA^med+βA^I                    (8)

其中α，β为权重因子，α+β＝1，优选的，α＝β＝0.5

4)将中值滤波矩阵、亮度矩阵和大气光值分别乘上预设比例因子后选取最小值作为大气耗散函数。

作为优选的：

求取I_med(x)的所有元素的中值Med_med，并以150为上限截取如下：

${\mathrm{Med}}_{\mathrm{med}}=\left\{\begin{array}{cc}\mathrm{median}\left(I_{\mathrm{med}}\left(x\right)\right)& \mathrm{median}\left(I_{\mathrm{med}}\left(x\right)\right)<150\\ 150& \mathrm{median}\left(I_{\mathrm{med}}\left(x\right)\right)\&GreaterEqual;150\end{array}\right.---\left(9\right)$

分别选取1.5Med_med，1，和0.9作为中值滤波矩阵、亮度矩阵和大气光值的比例因子，在1.5Med_med*I_med(x)，I(x)，0.9*A三者中取最小值作为大气耗散函数(Atmospheric veil)V(x)，公式如下：

V(x)＝min(1.5Med_med*I_med(x)，I(x)，0.9*A)                    (10)

    ＝min(1.5median(median_sv(I(x)))*median_sv(I(x))，I(x)，0.9*A)

6)基于原图像、大气光值和大气耗散函数得出去雾后的图像。

利用雾、霾天气条件下均匀介质大气散射模型 $I\left(x\right)=J\left(x\right)(1-\frac{V\left(x\right)}{A})+V\left(x\right),$ 恢复出图像J(x)：

$J\left(x\right)=\frac{I\left(x\right)-V\left(x\right)}{A-V\left(x\right)}A---\left(11\right)$

其中，J(x)为经过去雾后的灰度图像。

去雾效果

下面结合实例对实施例二的具体实施步骤做进一步的具体说明。

仿真环境和参数设置同实施例一。

以图9为实例，进行实验步骤的详细说明，并给出去雾结果。

1)读入要处理的有雾灰度图像，如图9，其大小为576×768；

2)对灰度图像I(x)进行中值滤波，中值滤波半径为768/50，向下取整为15，滤波邻域为31×31，滤波后得到图10；

3)求取I(x)中元素的最大值A^I为255，求取I_med(x)的所有元素的最大值A^med为255，利用式(8)求取大气光值(Atmospheric light)A为0.5*255+0.5*255＝255；

4)求取I_med(x)的所有元素的中值Med_med为125(以150为上限截取后的结果)；

5)利用式(10)求出大气耗散函数(Atmospheric veil)V(x)，如图11；

6)利用式(11)求出去雾后的图像J(x)，如图12。

本实例共用时6.098秒。

更多本实施例的灰度图像去雾结果及本实施例与已有单幅图像去雾算法的灰度图像去雾效果比较见图13。图13中，第一列为输入的有雾图像，第二列为本方法处理后的结果，第三列为Tarel去雾算法处理后的结果，第四列为He去雾算法处理后的结果。由图13可见，本方法的去雾效果非常显著，与广受认可的何恺明学者的去雾算法相比，图像更为明亮，与Tarel快速去雾算法效果相比，画面更显平滑。

去雾速度分析

在相同中值滤波半径下，本方法与Tarel快速去雾算法相比较，运算速度有显著提高。

图13中所示的四幅有雾图像(从上到下分别记为灰度图1、灰度图2、灰度图3、灰度图4)在不同去雾方法中去雾所需时间见图17。图17中，本方法与Tarel算法的中值滤波半径均为灰度图像尺寸的最大值的1/50向下取整得到，图17中所列图像运行时间在多次实验下略有差别，一般情况下，时间差别不超过0.2秒，不影响总体分析。

经比较，本方法的去雾时间是Tarel算法的二分之一左右，速度提高两倍左右，参见图15。

本发明的去雾速度受中值滤波半径的影响，中值滤波半径越小，去雾时间越短，中值滤波半径越大，去雾时间越长。对于大小为256×256的图像，当中值滤波邻域为3×3时，除去读取图像的时间，对有雾图像进行去雾处理得到无雾图像的时间仅为40毫秒，已经达到一般系统实时性的要求。另一方面，新型快速中值滤波器的提出，可以直接提高本去雾算法的去雾速度。

本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

虽然本发明所揭露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (10)

1.一种用于彩色图像的单幅图像去雾方法，其特征在于，包括以下步骤：

1)获取一幅彩色原图像，根据所述原图像的红、绿、蓝三个颜色通道的值得出所述原图像的最低亮度矩阵；

2)对所述最低亮度矩阵进行中值滤波运算，得出中值滤波矩阵；

3)基于所述最低亮度矩阵和所述中值滤波矩阵得出大气光值；

4)将所述中值滤波矩阵、所述最低亮度矩阵和所述大气光值分别乘上预设比例因子后选取最小值作为大气耗散函数；

5)基于所述原图像、所述大气光值和所述大气耗散函数得出去雾后的图像。

2.根据权利要求1所述的单幅图像去雾方法，其特征在于，在步骤3)中，求取所述最低亮度矩阵中所有元素的最大值，记为A^min，求取所述中值滤波矩阵的所有元素的最大值，记为A^med，通过公式：A＝αA^med+βA^min计算得出所述大气光值A，其中α，β为权重因子，α+β＝1。

3.根据权利要求2所述的单幅图像去雾方法，其特征在于，在步骤4)中，计算所述中值滤波矩阵的中值Med_med，以1.5Med_med作为所述中值滤波矩阵的比例因子，以1作为所述最低亮度矩阵的比例因子，以0.9作为所述大气光值的比例因子。

4.根据权利要求1至3任一项所述的单幅图像去雾方法，其特征在于，在步骤5)中，得出所述去雾后的图像具体为得出图像在红、绿、蓝三个颜色通道的像素值，计算公式为：

$J^c\left(x\right)=\frac{I^c\left(x\right)-V\left(x\right)}{A-V\left(x\right)}A,c\&Element;\{r,g,b\}$

其中，J^c(x)为所述去雾后的图像在红、绿、蓝三个颜色通道的像素值，I^c(x)为所述原图像在红、绿、蓝三个颜色通道的像素值，A为大气光值，V(x)为大气耗散函数。

5.根据权利要求1至3任一项所述的单幅图像去雾方法，其特征在于，计算所述中值滤波矩阵的中值Med_med时，以150为上限进行截取。

6.一种用于灰度图像的单幅图像去雾方法，其特征在于，包括以下步骤：

1)获取一幅灰度原图像，得出所述原图像的亮度矩阵；

2)对所述亮度矩阵进行中值滤波运算，得出中值滤波矩阵；

3)基于所述亮度矩阵和所述中值滤波矩阵得出大气光值；

4)将所述中值滤波矩阵、所述亮度矩阵和所述大气光值分别乘上预设比例因子后选取最小值作为大气耗散函数；

5)基于所述原图像、所述大气光值和所述大气耗散函数得出去雾后的图像。

7.根据权利要求6所述的单幅图像去雾方法，其特征在于，在步骤3)中，求取所述亮度矩阵中所有元素的最大值，记为A^I，求取中值滤波矩阵的所有元素的最大值，记为A^med，通过公式：A＝αA^med+βA^I计算得出所述大气光值A，其中α，β为权重因子，α+β＝1。

8.根据权利要求6所述的单幅图像去雾方法，其特征在于，在步骤4)中，计算所述中值滤波矩阵的中值Med_med，以1.5Med_med作为所述中值滤波矩阵的比例因子，以1作为所述亮度矩阵的比例因子，以0.9作为所述大气光值的比例因子。

9.根据权利要求6至8任一项所述的单幅图像去雾方法，其特征在于，在步骤5)中，得出所述去雾后的图像的计算公式为：

$J\left(x\right)=\frac{I\left(x\right)-V\left(x\right)}{A-V\left(x\right)}A$

其中，J(x)为所述去雾后的图像像素值，I(x)为所述原图像的像素值，A为大气光值，V(x)为大气耗散函数。

10.根据权利要求6至8任一项所述的单幅图像去雾方法，其特征在于，计算所述中值滤波矩阵的中值Med_med时，以150为上限进行截取。

Images