CN102968760B - 图像去雾方法和系统 - Google Patents

Abstract

公开了一种图像去雾方法和系统。该方法包括：获取与有雾图像中的每个像素相对应的最小强度值组成有雾图像的局部最小强度图像，并选择局部最小强度图像中预定大小的最亮区域在有雾图像中所覆盖区域中的所有像素分别在R通道、G通道、及B通道的强度值中的最大值作为有雾图像的大气光值分别在R通道、G通道、及B通道的分量值；通过利用有雾图像的大气光值对有雾图像进行变换来获取有雾图像的变换图像；通过对有雾图像的变换图像进行边缘保留滤波处理来获取有雾图像的透射图；及利用有雾图像的透射图和大气光值、以及有雾图像中的每个像素的R通道、G通道、及B通道的强度值，获取去雾图像中的每个像素的R通道、G通道、及B通道的强度值。

Description

图像去雾方法和系统

技术领域

本发明涉及图像处理领域，更具体地涉及一种图像去雾方法和系统。

背景技术

在天气情况较差的情况下，图像的清晰度和色彩常常会被大气中的雾气劣化。在这种天气中捕捉到的图像和视频的质量一般需要通过去雾处理进行改善。去除图像中的雾气效果的过程被称为图像去雾。

当前存在很多图像去雾方法，其中基于暗原色先验的图像去雾方法效果最好。暗原色先验是通过对户外无雾图像数据库进行统计得出的，即，绝大多数的户外无雾图像的每个局部区域中都存在这样的像素，该像素的至少一个颜色通道的强度值很低。利用暗原色先验建立的去雾模型可直接估算雾气的浓度并可将有雾图像复原为高质量的去除雾气干扰后的图像(简称为去雾图像)。

在基于暗原色先验的图像去雾方法中，通过利用输入的有雾图像的强度值I、大气光值A、和透射图t，根据有雾图像模型I＝Jt+A(1-t)来求解出得出去雾图像的强度值J。

目前，存在两种基于暗原色先验的图像去雾方法：1)基于暗原色先验获取用于对有雾图像进行去雾处理的透射图，通过软抠图插值处理来优化该透射图，并且利用优化后的透射图来求解得出去雾图像的强度值。该方法的问题在于，软抠图插值处理需要花费太多时间，导致需要耗费很长的计算时间才能完成图像去雾处理。2)通过使用中值滤波器对输入图像中每个像素的R、G、B分量的最小值进行滤波来得出用于对输入图像进行去雾处理的大气光值和透射图，然后利用该大气光值和透射图来求解得出去雾图像的强度值。该方法的问题在于，现有的中值滤波器不足以得到效果足够好的去雾图像。

发明内容

鉴于以上所述的问题，本发明提供了一种图像去雾方法和系统。

根据本发明实施例的图像去雾方法包括：获取与有雾图像中的每个像素相对应的最小强度值，利用这些最小强度值组成有雾图像的局部最小强度图像，并选择局部最小强度图像中预定大小的最亮区域在有雾图像中所覆盖区域中的所有像素分别在R通道、G通道、以及B通道的强度值中的最大值作为有雾图像的大气光值分别在R通道、G通道、以及B通道的分量值；通过利用有雾图像的大气光值对有雾图像进行变换来获取有雾图像的变换图像；通过对有雾图像的变换图像进行边缘保留滤波处理来获取有雾图像的透射图；以及利用有雾图像的透射图和大气光值、以及有雾图像中的每个像素的R通道、G通道、以及B通道的强度值，获取去雾图像中的每个像素的R通道、G通道、以及B通道的强度值。

根据本发明实施例的图像去雾系统包括：大气光值获取单元，用于获取与有雾图像中的每个像素相对应的最小强度值，利用这些最小强度值组成有雾图像的局部最小强度图像，并选择局部最小强度图像中预定大小的最亮区域在有雾图像中所覆盖区域中的所有像素分别在R通道、G通道、以及B通道的强度值中的最大值作为有雾图像的大气光值分别在R通道、G通道、以及B通道的分量值；有雾图像变换单元，用于通过利用有雾图像的大气光值对有雾图像进行变换来获取有雾图像的变换图像；透射图获取单元，用于通过对有雾图像的变换图像进行边缘保留滤波处理来获取有雾图像的透射图；以及去雾图像获取单元，用于利用有雾图像的透射图和大气光值、以及有雾图像中的每个像素的R通道、G通道、以及B通道的强度值，获取去雾图像中的每个像素的R通道、G通道、以及B通道的强度值。

对比基于暗原色先验和软抠图的图像去雾方法，本发明在保留良好的去雾效果的同时，极大降低了计算复杂度，从而极大减少了去雾处理的时间。对比基于中值滤波器的图像去雾方法，本发明提供了更高的去雾图像质量，同时在去雾处理的时间上也略有降低。

附图说明

从下面结合附图对本发明的具体实施方式的描述中可以更好地理解本发明，其中：

图1示出了传统的基于暗原色先验的图像去雾方法的简要流程图；

图2示出了传统的WLS滤波器构建矩阵B的过程；

图3示出了快速WLS滤波器构建矩阵B′和B的过程；

图4示出了根据本发明实施例的基于暗原色先验的图像去雾方法的简要流程图；以及

图5示出了根据本发明实施例的基于暗原色先验的图像去雾系统的简要框图。

具体实施方式

下面将详细描述本发明各个方面的特征和示例性实施例。下面的描述涵盖了许多具体细节，以便提供对本发明的全面理解。但是，对于本领域技术人员来说显而易见的是，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更清楚的理解。本发明绝不限于下面所提出的任何具体配置和算法，而是在不脱离本发明的精神的前提下覆盖了相关元素、部件和算法的任何修改、替换和改进。

在计算机视觉和计算机图形领域，以下等式所描述的有雾图像模型被广泛使用：

I(x)＝J(x)t(x)+A(x)(1-t(x))(1)

其中，I(x)表示观察到的有雾图像中的像素x的强度值，J(x)表示对有雾图像进行去雾处理后得到的去雾图像中的像素x的强度值，A(x)表示有雾图像的大气光值，t(x)表示有雾图像中的像素x的透射率。这里需要说明的是，有雾图像的大小与去雾图像的大小相同，并且有雾图像中的像素x与去雾图像中的像素x相对应，即它们分别处于有雾图像和去雾图像中的相同位置。

图像去雾的目的在于从有雾图像中的每个像素x的强度值I(x)恢复出去雾图像中的每个像素x的强度值J(x)。在求解去雾图像中的每个像素x的强度值J(x)之前，需要从有雾图像中的每个像素x的强度值I(x)估计得出有雾图像的大气光值A(x)和有雾图像中的每个像素的透射率t(x)。基于以上的有雾图像模型可以得出：

$J\left(x\right)=(\frac{I\left(x\right)-A\left(x\right)}{t\left(x\right)}+A\left(x\right))---\left(2\right)$

为了使去雾图像更亮，通常会利用以下等式对去雾图像中每个像素x的强度值J(x)进行修正：

$J\left(x\right)=\mathrm{\α}\×(\frac{I\left(x\right)-A\left(x\right)}{t\left(x\right)}+A\left(x\right))---\left(3\right)$

其中，α表示用于去雾图像中的每个像素x的强度值J(x)的修正系数，其值例如为1.15。

对于有雾图像的去雾处理通常包括以下步骤(如图1所示)：S102，根据有雾图像中的每个像素x的强度值I(x)估计出有雾图像中的每个像素x的大气光值A(x)(有雾图像中的所有像素的大气光值A(x)是相等的，即有雾图像中的所有像素具有同一个大气光值A，所以可以认为有雾图像具有一个大气光值A)；S104，根据有雾图像中的每个像素x的强度值I(x)和大气光值A(x)推导出有雾图像中的每个像素x的透射率t(x)(即，有雾图像中的所有像素x的透射率t(x)组成了有雾图像的透射图t，可以认为步骤2是推导有雾图像的透射图t的处理)；S106，根据有雾图像中的每个像素x的强度值I(x)、大气光值A(x)、以及透射图t(x)恢复出去雾图像中的每个像素x的强度值J(x)。

本发明关注对于步骤S102和步骤S104的改进。下面详细说明本发明对于步骤S102和步骤S104的改进。

估计有雾图像的大气光值A

为了估计有雾图像的大气光值A，首先需要利用局部最小值滤波器对原始的有雾图像中的每个像素x的强度值I(x)进行过滤。

具体地，利用局部最小值滤波器获取有雾图像的局部最小强度图像，即根据以下等式找出与有雾图像中的每个像素x相对应的最小强度值从而组成有雾图像的局部最小强度图像：

$I_{\min }\left(x\right)={\min }_{y\∈\mathrm{\ω}\left(x\right)}\left(\underset{c\∈\{R,G,B\}}{\min }\left(I^C\left(y\right)\right)\right)---\left(4\right)$

其中，ω(x)表示以有雾图像中的任意一个像素x为中心的局部像素块，I^C(y)表示局部像素块ω(x)中的任意一个像素y的R通道、G通道、或者B通道的强度值，I_min(x)表示局部像素块ω(x)中的所有像素的所有通道的强度值中最小的一个强度值。对于靠近有雾图像边缘的像素，如果以它为中心的局部像素块ω(x)超出了有雾图像的边界，则超出的部分在上式的计算中将被忽略，即仅属于有雾图像的有效像素被用来计算局部最小强度图像。

与现有的方法中局部像素块的大小是预先设定的固定大小(15×15)不同，在本实施例中可以根据有雾图像的大小来设置局部像素块的大小。

这里，假设有雾图像的长度为R个像素，宽度为S个像素，局部像素块ω(x)的长度为r个像素，宽度为s个像素，则有

r＝odd_round(R/15) (5)

s＝odd_round(S/15) (6)

即，r取最接近R/15的奇数，s取最接近S/15的奇数。例如，如果有雾图像的尺寸为600×400，则局部像素块ω(x)的尺寸为41×27。

在找出与有雾图像中的每一个像素x相对应的最小强度值，并利用这些最小强度值组成与有雾图像相对应的局部最小强度图像后，找出该局部最小强度图像中0.1％的最亮区域，并且对于该最亮区域在有雾图像中所覆盖区域中的所有像素，选择这些像素的R、G、B通道的强度值的最大值作为有雾图像的大气光值A的R、G、B通道的分量值，即

$A^c=\underset{p\∈U}{\max }\left(I^c\left(p\right)\right)---\left(7\right)$

其中，U表示最亮区域在有雾图像中所覆盖的区域，A^c表示有雾图像的大气光值A。

推导有雾图像的透射图t

根据有雾图像模型I(x)＝J(x)t(x)+A(x)(1-t(x))，可以推导出以下等式：

$(1-\frac{I^c\left(x\right)}{A^c})=(1-\frac{J^c\left(x\right)}{A^c})t\left(x\right)---\left(8\right)$

并且有

$(1-\underset{c\∈\{R,G,B\}}{\min }\frac{I^c\left(x\right)}{A^c})=(1-\underset{c\∈\{R,G,B}{\min }\frac{J^c\left(x\right)}{A^c})t\left(x\right)---\left(9\right)$

有雾图像中的每个像素的透射率t(x)一般只与获取有雾图像的摄像头与有雾图像中该像素所在的对象(景物)之间的距离，即场景深度d有关。理想的边缘保留滤波器在对图像上的凸显边缘之间的区域进行过滤的同时，不会使凸显边缘变得模糊也不会使凸显边缘变得更尖锐。通常，图像上的凸显边缘之间的区域中的像素具有基本相同的场景深度，所以这个区域中的像素将具有基本相同的透射率。即，可以得出：

$F_{\mathrm{edge}}(1-\underset{c\∈\{R,G,B\}}{\min }\frac{I^c\left(x\right)}{A^c})=t\left(x\right)*F_{\mathrm{edge}}(1-\underset{c\∈\{R,G,B\}}{\min }\frac{J^c\left(x\right)}{A^c})---\left(10\right)$

其中，F_edge()表示边缘保留滤波函数。

根据暗原色先验，可以得到：

$F_{\mathrm{edge}}(1-\underset{c\∈\{R,G,B\}}{\min }\frac{J^c\left(x\right)}{A^c})\≈1---\left(11\right)$

所以，可以根据以下等式来得到有雾图像中的每个像素的透射率：

$t\left(x\right)=F_{\mathrm{edge}}(1-\underset{c\∈\{R,G,B\}}{\min }\frac{I^c\left(x\right)}{A^c})---\left(12\right)$

为了在整体场景深度比较大的有雾图像中保留少量雾气效果，在以上等式中引入一个常系数w(0＜w≤1)，则有

$t\left(x\right)=F_{\mathrm{edge}}(1-w\×\underset{c\∈\{R,G,B\}}{\min }\frac{I^c\left(x\right)}{A^c})---\left(13\right)$

这里，假设w＝0.85。

在根据本发明实施例的基于暗原色先验的图像去雾方法中，提出使用加权最小二乘(WLS)滤波器来进行边缘保留滤波处理。在推导出t(x)之后，必须将其调整到[0.1，1.0]的范围内。

传统WLS滤波器

传统WLS滤波器使用以下线性系统对输入图像进行滤波处理，从而获得经过滤波处理的输出图像：

Bu＝g (14)

其中，

$B_{\mathrm{ij}}=\left\{\begin{array}{cc}-\mathrm{\λ}{({|L_i-L_j|}^{\mathrm{\α}}+\mathrm{\ϵ})}^{-1}& j\∈N_4\left(i\right)\\ 1-\underset{k\∈N_4\left(i\right)}{\mathrm{\Σ}}{B}_{\mathrm{ik}}& i=j\\ 0& \mathrm{otherwise}\end{array}\right.---\left(15\right)$

其中，g表示输入图像，u表示输出图像，L＝ln(g)。i和j表示矩阵中的按照从左到右、从上到下的顺序从0开始逐1递增地标记的元素的标号，N₄(i)表示位于矩阵中元素(或像素)i的上侧、下侧、左侧、和右侧的四个相邻元素。α和λ是两个参数。α用于确定g的梯度，λ用于控制平滑处理的程度。ε是一个非常小的常数，通常为0.0001。

构建矩阵B的过程在图2中示出。这里假设，矩阵L包括m(行)×n(列)个元素，则矩阵B包括(m×n)×(m×n)个元素。因为对于矩阵B中的任意一个元素B_i，j，需要考虑矩阵L中的元素L_i及位于元素L_i的上、下、左、右侧的4个相邻元素才能得出该元素B_i.j(即，需要考虑输入图像中的像素P_i及像素P_i的上、下、左、右侧的4个相邻像素)，所以矩阵B只在5条对角线上具有非零元素。矩阵B中主对角线上的元素取值是固定的，以使得矩阵B中每一行元素的算术和为1。显然，矩阵B是对称稀疏矩阵。

如果使用乔里斯基(Cholesky)分解方法，则求解线性系统Bu＝g所需的时间复杂度为O((m*n)²)。

快速WLS滤波器

快速WLS滤波器通过求解以下两个线性系统对输入图像进行滤波处理，从而获得经过滤波处理的输出图像：

B′u′＝g (16)

Bu^T＝u′^T (17)

其中，

${B^{\′}}_{\mathrm{ij}}=\left\{\begin{array}{cc}-\mathrm{\λ}{({|L_i-L_j|}^{\mathrm{\α}}+\mathrm{\ϵ})}^{-1}& j\∈N_2^y\left(i\right)\\ 1-\underset{k\∈N_2^v\left(i\right)}{\mathrm{\Σ}}{B^{\′}}_{\mathrm{ik}}& i=j\\ 0& \mathrm{otherwise}\end{array}\right.---\left(18\right)$

$B_{\mathrm{ij}}=\left\{\begin{array}{cc}-\mathrm{\λ}{({|L_i^T-L_j^T|}^{\mathrm{\α}}+\mathrm{\ϵ})}^{-1}& j\∈N_2^y\left(i\right)\\ 1-\underset{k\∈N_2^y\left(i\right)}{\mathrm{\Σ}}{B}_{\mathrm{ik}}& i=j\\ 0& \mathrm{otherwise}\end{array}\right.---\left(19\right)$

其中，g表示输入图像，u表示输出图像，L＝ln(g)。i和j表示矩阵L(或者输入图像)中的按照从左到右、从上到下的顺序从0开始逐1递增地标记的元素(或者像素)的标号， 表示位于矩阵L(或者输入图像)中元素(或像素)i的上侧和下侧的两个相邻元素(或像素)。α和λ是两个参数。α取1.0，λ取3.0。α取1.0表示输出图像对于输入图像的梯度不太敏感，只有输入图像中发生很大的梯度变化才会引起输出图像中的梯度变化。λ取3.0表示输出图像非常平滑。

构建矩阵B′和B的过程在图3中示出。由于只考虑元素i及其上侧和下侧的两个元素，所以矩阵B′和B只有三条对角线上具有非零元素。

相对于传统的WLS滤波器，更容易求解三对角线性系统。例如，LDL^T分解方法可以使用，其时间复杂度为O(m*n)。显然，快速WLS滤波器的效率相对于传统WLS滤波器的效率有了很大提高。

图4示出了根据本发明实施例的基于暗原色先验的图像去雾方法的简要流程图。图5示出了根据本发明实施例的基于暗原色先验的图像去雾系统的简要框图。下面结合图4和图5，详细描述根据本发明实施例的图像去雾方法和图像去雾系统。

如图5所示，根据本发明实施例的图像去雾系统包括大气光值获取单元502、有雾图像变换单元504、透射图获取单元506、以及去雾图像获取单元508，它们的功能如下：

大气光值获取单元502用于获取与有雾图像中的每个像素相对应的最小强度值，利用这些最小强度值组成有雾图像的局部最小强度图像，并选择该局部最小强度图像中预定大小的最亮区域在有雾图像中所覆盖区域中的所有像素分别在R通道、G通道、以及B通道的强度值中的最大值作为有雾图像的大气光值分别在R通道、G通道、以及B通道的分量值(即，执行步骤S402)；

有雾图像变换单元504用于通过利用有雾图像的大气光值对有雾图像进行变换来获取有雾图像的变换图像(即，执行步骤S404)；

透射图获取单元506用于通过对有雾图像的变换图像进行边缘保留滤波处理来获取有雾图像的透射图(即，执行步骤S406)；

去雾图像获取单元508用于利用有雾图像的透射图和大气光值、以及有雾图像中的每个像素的R通道、G通道、以及B通道的强度值，获取去雾图像中的每个像素的R通道、G通道、以及B通道的强度值(即，执行步骤S408)。

下面，详细描述图5所示的图像去雾系统对有雾图像进行去雾处理从而得到去雾图像的过程。

首先，大气光值获取单元502根据有雾图像的大小来设置用于获取与有雾图像中的每个像素相对应的最小强度值的局部像素块的大小，然后利用局部最小值滤波器根据等式(4)找出以有雾图像中的每个像素x为中心的局部像素块中的所有像素的R通道、G通道、以及B通道的强度值中最小的一个强度值作为与该像素x相对应的最小强度值，并利用这些最小强度值组成有雾图像的局部最小强度图像，接着选择该局部最小强度图像中0.1％的最亮区域在有雾图像中所覆盖区域中的所有像素分别在R、G、B通道的强度值的最大值作为有雾图像的大气光值A分别在R、G、B通道的分量值。

接下来，有雾图像变换单元504根据 利用有雾图像的大气光值对有雾图像进行变换，来获取有雾图像的变换图像f。这里，有雾图像变换单元504也可以根据 来获取有雾图像的变换图像f。

然后，透射图获取单元506根据等式(12)或者(13)对有雾图像的变换图像进行边缘保留滤波处理，来获取有雾图像的透射图t。

最后，去雾图像获取单元508利用有雾图像的透射图t和大气光值A、以及有雾图像中的每个像素的R通道、G通道、和B通道的强度值，获取去雾图像中的每个像素的R通道、G通道、和B通道的强度值。

这里，大气光值获取单元502可以根据等式(5)和(6)来设置用于获取与有雾图像中的每个像素相对应的最小强度值的局部像素块的大小。透射图获取单元506可以根据等式(14)和(15)(即，利用传统的WLS滤波器)或者等式(16)至(19)(即，利用快速WLS滤波器)来对有雾图像的变换图像进行边缘保留滤波处理。

其中，在透射图获取单元508利用快速WLS滤波器器对有雾图像的变换图像进行边缘保留滤波处理的处理中，快速WLS滤波器利用有雾图像的变换图像构建两个对称的三对角稀疏矩阵，并依次利用该两个对称的三对角稀疏矩阵对有雾图像的变换图像进行滤波处理。在快速WLS构建的两个对称的三对角稀疏矩阵中，第一个对称的三对角稀疏矩阵的每个非主对角元素仅当它在有雾图像的变换图像上对应的两个像素位于垂直相邻位置时才有非零值，第二个对称的三对角稀疏矩阵的每个非主对角元素仅当它在所述有雾图像的变换图像上对应的两个像素位于水平相邻位置时才有非零值；或者第一个对称的三对角稀疏矩阵的每个非对角元素仅当它在有雾图像的变换图像上对应的两个像素位于水平相邻位置时才有非零值，第二个对称的三对角稀疏矩阵的每个非主对角元素仅当它在有雾图像的变换图像上对应的两个像素位于垂直相邻位置时才有非零值。

在透射图获取单元508利用传统的WLS滤波器器对有雾图像的变换图像进行边缘保留滤波处理的处理中，该传统的WLS滤波器利用有雾图像的变换图像构建一个对称的有五条对角线的稀疏矩阵，并利用对称的有五条对角线的稀疏矩阵对有雾图像的变换图像进行滤波处理。

以上已经参考本发明的具体实施例来描述了本发明，但是本领域技术人员均了解，可以对这些具体实施例进行各种修改、组合和变更，而不会脱离由所附权利要求或其等同物限定的本发明的精神和范围。

对比基于暗原色先验和软抠图的图像去雾方法，本发明在保留良好的去雾效果的同时，极大降低了计算复杂度，从而极大减少了去雾处理的时间。对比基于中值滤波器的图像去雾方法，本发明提供了更高的去雾图像质量，同时在去雾处理的时间上也略有降低。

根据需要可以用硬件或软件来执行步骤。注意，在不脱离本发明范围的前提下，可向本说明书中给出的流程图添加步骤、从中去除步骤或修改其中的步骤。一般来说，流程图只是用来指示用于实现功能的基本操作的一种可能的序列。

本发明的实施例可利用编程的通用数字计算机、利用专用集成电路、可编程逻辑器件、现场可编程门阵列、光的、化学的、生物的、量子的或纳米工程的系统、组件和机构来实现。一般来说，本发明的功能可由本领域已知的任何手段来实现。可以使用分布式或联网系统、组件和电路。数据的通信或传送可以是有线的、无线的或者通过任何其他手段。

还将意识到，根据特定应用的需要，附图中示出的要素中的一个或多个可以按更分离或更集成的方式来实现，或者甚至在某些情况下被去除或被停用。实现可存储在机器可读介质中的程序或代码以允许计算机执行上述任何方法，也在本发明的精神和范围之内。

此外，附图中的任何信号箭头应当被认为仅是示例性的，而不是限制性的，除非另有具体指示。当术语被预见为使分离或组合的能力不清楚时，组件或者步骤的组合也将被认为是已经记载了。

关于以上实施方式，还公开以下附记：

附记1.一种图像去雾方法，包括：

获取与有雾图像中的每个像素相对应的最小强度值，利用所述最小强度值组成所述有雾图像的局部最小强度图像，并选择所述局部最小强度图像中预定大小的最亮区域在所述有雾图像中所覆盖区域中的所有像素分别在R通道、G通道、以及B通道的强度值中的最大值作为所述有雾图像的大气光值分别在R通道、G通道、以及B通道的分量值；

通过利用所述有雾图像的大气光值对所述有雾图像进行变换来获取所述有雾图像的变换图像；

通过对所述有雾图像的变换图像进行边缘保留滤波处理来获取所述有雾图像的透射图；以及

利用所述有雾图像的透射图和大气光值、以及所述有雾图像中的每个像素的R通道、G通道、以及B通道的强度值，获取去雾图像中的每个像素的R通道、G通道、以及B通道的强度值。

附记2.根据附记1所述的图像去雾方法，其特征在于，利用加权最小二乘滤波器对所述有雾图像的变换图像进行边缘保留滤波处理。

附记3.根据附记2所述的图像去雾方法，其特征在于，所述加权最小二乘滤波器利用所述有雾图像的变换图像构建两个对称的三对角稀疏矩阵，并依次利用所述两个对称的三对角稀疏矩阵对所述有雾图像的变换图像进行滤波处理。

附记4.根据附记3所述的图像去雾方法，其特征在于，在所述两个对称的三对角稀疏矩阵中，

第一个对称的三对角稀疏矩阵的每个非主对角元素仅当它在所述有雾图像的变换图像上对应的两个像素位于垂直相邻位置时才有非零值，第二个对称的三对角稀疏矩阵的每个非主对角元素仅当它在所述有雾图像的变换图像上对应的两个像素位于水平相邻位置时才有非零值；或者

所述第一个对称的三对角稀疏矩阵的每个非对角元素仅当它在所述有雾图像的变换图像上对应的两个像素位于水平相邻位置时才有非零值，所述第二个对称的三对角稀疏矩阵的每个非主对角元素仅当它在所述有雾图像的变换图像上对应的两个像素位于垂直相邻位置时才有非零值。

附记5.根据附记2所述的图像去雾方法，其特征在于，所述加权最小二乘滤波器利用所述有雾图像的变换图像构建一个对称的有五条对角线的稀疏矩阵，并利用所述对称的有五条对角线的稀疏矩阵对所述有雾图像的变换图像进行滤波处理。

附记6.根据附记1所述的图像去雾方法，其特征在于，用于获取与所述有雾图像中的每个像素相对应的最小强度值的局部像素块的大小与所述有雾图像的大小成比例。

附记7.根据附记6所述的图像去雾方法，其特征在于，所述局部像素块的长度方向所包括的像素数目取最接近所述有雾图像的长度方向所包括的像素数目与15相除得到的商的奇数，所述局部像素块的宽度方向所包括的像素数目取最接近所述有雾图像的宽度方向所包括的像素数目与15相除得到的商的奇数。

附记8.一种图像去雾系统，包括：

大气光值获取单元，用于获取与有雾图像中的每个像素相对应的最小强度值，利用所述最小强度值组成所述有雾图像的局部最小强度图像，并选择所述局部最小强度图像中预定大小的最亮区域在所述有雾图像中所覆盖区域中的所有像素分别在R通道、G通道、以及B通道的强度值中的最大值作为所述有雾图像的大气光值分别在R通道、G通道、以及B通道的分量值；

有雾图像变换单元，用于通过利用所述有雾图像的大气光值对所述有雾图像进行变换来获取所述有雾图像的变换图像；

透射图获取单元，用于通过对所述有雾图像的变换图像进行边缘保留滤波处理来获取所述有雾图像的透射图；以及

去雾图像获取单元，用于利用所述有雾图像的透射图和大气光值、以及所述有雾图像中的每个像素的R通道、G通道、以及B通道的强度值，获取去雾图像中的每个像素的R通道、G通道、以及B通道的强度值。

附记9.根据附记8所述的图像去雾系统，其特征在于，所述透射图获取单元利用加权最小二乘滤波器对所述有雾图像的变换图像进行边缘保留滤波处理。

附记10.根据附记9所述的图像去雾系统，其特征在于，所述加权最小二乘滤波器利用所述有雾图像的变换图像构建两个对称的三对角稀疏矩阵，并依次利用所述两个对称的三对角稀疏矩阵对所述有雾图像的变换图像进行滤波处理。

附记11.根据附记10所述的图像去雾系统，其特征在于，在所述两个对称的三对角稀疏矩阵中，

第一个对称的三对角稀疏矩阵的每个非主对角元素仅当它在所述有雾图像的变换图像上对应的两个像素位于垂直相邻位置时才有非零值，第二个对称的三对角稀疏矩阵的每个非主对角元素仅当它在所述有雾图像的变换图像上对应的两个像素位于水平相邻位置时才有非零值；或者

所述第一个对称的三对角稀疏矩阵的每个非对角元素仅当它在所述有雾图像的变换图像上对应的两个像素位于水平相邻位置时才有非零值，所述第二个对称的三对角稀疏矩阵的每个非主对角元素仅当它在所述有雾图像的变换图像上对应的两个像素位于垂直相邻位置时才有非零值。

附记12.根据附记9所述的图像去雾系统，其特征在于，所述加权最小二乘滤波器利用所述有雾图像的变换图像构建一个对称的有五条对角线的稀疏矩阵，并利用所述对称的有五条对角线的稀疏矩阵对所述有雾图像的变换图像进行滤波处理。

附记13.根据附记8所述的图像去雾系统，其特征在于，所述大气光值获取单元用于获取与所述有雾图像中的每个像素相对应的最小强度值的局部像素块的大小与所述有雾图像的大小成比例。

附记14.根据附记13所述的图像去雾系统，其特征在于，所述局部像素块的长度方向所包括的像素数目取最接近所述有雾图像的长度方向所包括的像素数目与15相除得到的商的奇数，所述局部像素块的宽度方向所包括的像素数目取最接近所述有雾图像的宽度方向所包括的像素数目与15相除得到的商的奇数。

Claims (10)

1.一种图像去雾方法，包括：

获取与有雾图像中的每个像素相对应的最小强度值，利用所述最小强度值组成所述有雾图像的局部最小强度图像，并选择所述局部最小强度图像中预定大小的最亮区域在所述有雾图像中所覆盖区域中的所有像素分别在R通道、G通道、以及B通道的强度值中的最大值作为所述有雾图像的大气光值分别在R通道、G通道、以及B通道的分量值；

通过利用所述有雾图像的大气光值对所述有雾图像进行变换来获取所述有雾图像的变换图像；

通过对所述有雾图像的变换图像进行边缘保留滤波处理来获取所述有雾图像的透射图；以及

利用所述有雾图像的透射图和大气光值、以及所述有雾图像中的每个像素的R通道、G通道、以及B通道的强度值，获取去雾图像中的每个像素的R通道、G通道、以及B通道的强度值。

2.根据权利要求1所述的图像去雾方法，其特征在于，利用加权最小二乘滤波器对所述有雾图像的变换图像进行边缘保留滤波处理。

3.根据权利要求2所述的图像去雾方法，其特征在于，所述加权最小二乘滤波器利用所述有雾图像的变换图像构建两个对称的三对角稀疏矩阵，并依次利用所述两个对称的三对角稀疏矩阵对所述有雾图像的变换图像进行滤波处理。

4.根据权利要求3所述的图像去雾方法，其特征在于，在所述两个对称的三对角稀疏矩阵中，

第一个对称的三对角稀疏矩阵的每个非主对角元素仅当它在所述有雾图像的变换图像上对应的两个像素位于垂直相邻位置时才有非零值，第二个对称的三对角稀疏矩阵的每个非主对角元素仅当它在所述有雾图像的变换图像上对应的两个像素位于水平相邻位置时才有非零值；或者

所述第一个对称的三对角稀疏矩阵的每个非对角元素仅当它在所述有雾图像的变换图像上对应的两个像素位于水平相邻位置时才有非零值，所述第二个对称的三对角稀疏矩阵的每个非主对角元素仅当它在所述有雾图像的变换图像上对应的两个像素位于垂直相邻位置时才有非零值。

5.根据权利要求2所述的图像去雾方法，其特征在于，所述加权最小二乘滤波器利用所述有雾图像的变换图像构建一个对称的有五条对角线的稀疏矩阵，并利用所述对称的有五条对角线的稀疏矩阵对所述有雾图像的变换图像进行滤波处理。

6.根据权利要求1所述的图像去雾方法，其特征在于，用于获取与所述有雾图像中的每个像素相对应的最小强度值的局部像素块的大小与所述有雾图像的大小成比例。

7.根据权利要求6所述的图像去雾方法，其特征在于，所述局部像素块的长度方向所包括的像素数目取最接近所述有雾图像的长度方向所包括的像素数目与15相除得到的商的奇数，所述局部像素块的宽度方向所包括的像素数目取最接近所述有雾图像的宽度方向所包括的像素数目与15相除得到的商的奇数。

8.一种图像去雾系统，包括：

大气光值获取单元，用于获取与有雾图像中的每个像素相对应的最小强度值，利用所述最小强度值组成所述有雾图像的局部最小强度图像，并选择所述局部最小强度图像中预定大小的最亮区域在所述有雾图像中所覆盖区域中的所有像素分别在R通道、G通道、以及B通道的强度值中的最大值作为所述有雾图像的大气光值分别在R通道、G通道、以及B通道的分量值；

有雾图像变换单元，用于通过利用所述有雾图像的大气光值对所述有雾图像进行变换来获取所述有雾图像的变换图像；

透射图获取单元，用于通过对所述有雾图像的变换图像进行边缘保留滤波处理来获取所述有雾图像的透射图；以及

去雾图像获取单元，用于利用所述有雾图像的透射图和大气光值、以及所述有雾图像中的每个像素的R通道、G通道、以及B通道的强度值，获取去雾图像中的每个像素的R通道、G通道、以及B通道的强度值。

9.根据权利要求8所述的图像去雾系统，其特征在于，所述透射图获取单元利用加权最小二乘滤波器对所述有雾图像的变换图像进行边缘保留滤波处理。

10.根据权利要求9所述的图像去雾系统，其特征在于，所述加权最小二乘滤波器利用所述有雾图像的变换图像构建两个对称的三对角稀疏矩阵，并依次利用所述两个对称的三对角稀疏矩阵对所述有雾图像的变换图像进行滤波处理。