CN104732503A - 图像去雾增强方法和装置 - Google Patents

Abstract

本发明提供了一种图像去雾增强方法和装置。所述方法包括：获取目标图像和参考图像，所述参考图像是由目标图像所在场景获取的清晰图像；分别计算所述目标图像和参考图像对应的特征图像；根据所述目标图像和参考图像对应的特征图像构造所述目标图像和参考图像间的掩膜；根据所述掩膜求解所述目标图像的变换系数；根据所述变换系数进行运算以得到所述目标图像对应的输出图像。所述装置包括：图像获取模块、特征计算模块、掩膜构造模块、系数求解模块和输出图像运算模块。采用本发明可以对图像进行去雾和增强。

Description

图像去雾增强方法和装置

技术邻域

本发明涉及计算机视觉技术，特别是涉及一种图像去雾增强方法和装置。

背景技术

雾天条件下所获得的图像大都存在着景物不清晰、对比度下降以及颜色退化等现象，进而大大降低图像的应用价值，因此常常想尽各种办法来对图像进行去雾和增强处理。

然而，传统所进行的图像去雾和增强处理中，常常仅通过雾天条件下所获得的图像中的自身信息进行去雾和增强，进而在视频监控等应用场景中没有充分利用现有的资源。

发明内容

基于此，有必要提供一种能提高图像质量的图像去雾增强方法。

此外，还有必要提供一种能提高图像质量的图像去雾增强装置。

一种图像去雾增强方法，包括如下步骤：

获取目标图像和参考图像，所述参考图像是由目标图像所在场景获取的清晰图像；

分别计算所述目标图像和参考图像对应的特征图像；

根据所述目标图像和参考图像对应的特征图像构造所述目标图像和参考图像间的掩膜；

根据所述掩膜求解所述目标图像的变换系数；

根据所述变换系数进行运算以得到所述目标图像对应的输出图像。

在其中一个实施例中，所述分别计算所述目标图像和参考图像对应的特征图像的步骤包括：

分别计算目标图像中每一像素点的特征值以及参考图像中每一像素点的特征值，由所述目标图像中像素点的特征值形成目标图像对应的特征图像，由所述参考图像中像素点的特征值形成参考图像对应的特征图像。

在其中一个实施例中，所述根据所述目标图像和参考图像对应的特征图像构造所述目标图像和参考图像间的掩膜的步骤包括：

根据目标图像中像素点的特征值和所述目标图像中的像素点在参考图像中对应的像素点的特征值计算汉明距离，并根据所述汉明距离构造能量函数，通过所述能量函数进行运算以得到所述目标图像和参考图像间的掩膜。

在其中一个实施例中，所述根据所述掩膜求解所述目标图像的变换系数的步骤包括：

根据所述掩膜定位所述目标图像与所述参考图像之间相同的背景区域；

对所述目标图像的背景区域中邻域内的像素点构造损失函数，通过最小化所述损失函数进行参数估计以得到所述目标图像的变换系数。

在其中一个实施例中，所述根据所述变换系数进行运算以得到所述目标图像对应的输出图像的步骤包括：

根据所述变换系数、目标图像中的像素点和覆盖所述像素点的窗口进行运算以得到所述像素点对应的输出值，并由所述输出值形成输出图像。

在其中一个实施例中，所述根据所述变换系数、目标图像中的像素点和覆盖所述像素点的窗口进行运算以得到所述像素点对应的输出值的步骤包括：

根据所述变换系数和目标图像中的像素点得到所述目标图像中像素点的线性变换，按照所述覆盖所述像素点的窗口对所述目标图像中像素点的线性变换进行加权平均得到所述像素点对应的输出值。

一种图像去雾增强装置，包括：

图像获取模块，用于获取目标图像和参考图像，所述参考图像是由目标图像所在场景获取的清晰图像；

特征计算模块，用于分别计算所述目标图像和参考图像对应的特征图像；

掩膜构造模块，用于根据所述目标图像和参考图像对应的特征图像构造所述目标图像和参考图像间的掩膜；

系数求解模块，用于根据所述掩膜求解所述目标图像的变换系数；

输出图像运算模块，用于根据所述变换系数进行运算以得到所述目标图像对应的输出图像。

在其中一个实施例中，所述特征计算模块具体用于分别计算目标图像中每一像素点的特征值以及参考图像中每一像素点的特征值，由所述目标图像中像素点的特征值形成目标图像对应的特征图像，由所述参考图像中像素点的特征值形成参考图像对应的特征图像。

在其中一个实施例中，所述掩膜构造模块具体用于根据目标图像中像素点的特征值和所述目标图像中的像素点在参考图像中对应的像素点的特征值计算汉明距离，并根据所述汉明距离构造能量函数，通过所述能量函数进行运算以得到所述目标图像和参考图像间的掩膜。

在其中一个实施例中，所述系数求解模块包括：

背景定位单元，用于根据所述掩膜定位所述目标图像与所述参考图像之间相同的背景区域；

参数估计单元，用于对所述目标图像的背景区域中邻域内的像素点构造损失函数，通过最小化所述损失函数进行参数估计以得到所述目标图像的变换系数。

在其中一个实施例中，所述输出图像运算模块用于根据所述变换系数、目标图像中的像素点和覆盖所述像素点的窗口进行运算以得到所述像素点对应的输出值，并由所述输出值形成输出图像。

在其中一个实施例中，所述输出图像运算模块具体还用于根据所述变换系数和目标图像中的像素点得到所述目标图像中像素点的线性变换，按照所述覆盖所述像素点的窗口对所述目标图像中像素点的线性变换进行加权平均得到所述像素点对应的输出值。

上述图像去雾增强方法和装置，获取目标图像和参考图像，该参考图像是由目标图像所在场景获取的清晰图像，以分别计算目标图像和参考图像的特征图像，根据目标图像和参考图像对应的特征图像构造目标图像和参考图像间的掩膜，根据掩膜求解目标图像的变换系数，进而由变换系数运算得到目标图像对应的输出图像，此时由于目标图像的去雾增强采用了目标图像所在场景获取的清晰图像作为参考，因此大为提高了图像质量。

附图说明

图1为一个实施例中图像去雾增强方法的流程图；

图2为图1中根据掩膜求解目标图像的变换系数的方法流程图；

图3为一个实施例中图像去雾增强装置的结构示意图；

图4为图3中系数求解模块的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，在一个实施例中，一种图像去雾增强方法，包括如下步骤：

步骤S110，获取目标图像和参考图像，该参考图像是由目标图像所在场景获取的清晰图像。

本实施例中，目标图像是当前需要进行去雾增强的图像，例如，雾天条件下所获取的图像，参考图像则是与目标图像处于同一拍摄场景所得到的图像，例如，同一场景中光照条件好的情况下获得的图像。

参考图像和目标图像相比较其图像质量较高，例如，参考图像的清晰度、对比度均高于目标图像。参考图像与目标图像之间具有相同的部分，即其背景大致相同。

在进行初步监控所产生的图像中，参考图像将是天气良好的条件下摄像头拍摄的图像，而目标图像则是存在着雾等噪声的图像，该摄像头的位置将保持不变。

步骤S120，分别计算目标图像和参考图像对应的特征图像。

本实施例中，将采用目标图像对应的特征图像和参考图像所对应的特征图像对目标图像和参考图像进行比较，以保证其准确性。

具体的，雾作为一种常见的噪声对图像产生退化作用，致使图像呈现泛白，进而对图像造成极大的影响，进而导致即使参考图像和目标图像的场景完全相同，也将由于雾的退化作用而导致目标图像的像素值高于参考图像的像素值，为了避免比较的不准确性，将采用特征图像进行比较。

步骤S130，根据目标图像和参考图像对应的特征图像构造目标图像和参考图像间的掩膜。

本实施例中，参考图像和目标图像具有相同的场景，但是由于拍摄时间的不同而导致参考图像和目标图像的前景区域并不相同，因此，将构造腌膜，以通过构造的腌膜识别前景区域和背景区域。

步骤S140，根据掩膜求解目标图像的变换系数。

本实施例中，输出图像和目标图像之间存在着局部线性变换关系，即q_i＝a_kI_i+b_k，其中，q_i为输出图像的像素值，a_k和b_k是相应的变换系数，I_i为目标图像的像素值。

根据掩膜对目标图像的变换系数a_k和b_k进行求解，得以根据参考图像和目标图像之间所存在的局部线性变换关系得到输出图像，该输出图像即为目标图像去雾增强后的图像，其图像质量大幅提高。

具体的，将逐像素点求解目标图像中每一像素点所对应的变换系数，以便于计算输出图像的像素点。

步骤S150，根据变换系数进行运算以得到目标图像对应的输出图像。

在一个实施例中，步骤S120的具体过程为：

分别计算目标图像中每一像素点的特征值以及参考图像中每一像素点的特征值，由目标图像中像素点的特征值形成目标图像对应的特征图像，由参考图像中像素点的特征值形成参考图像对应的特征图像。

本实施例中，将采用LBD（local binary descriptor）特征描述子（局部二值描述子）进行目标图像和参考图像的特征描述，由于LBD特征描述子为一个二进制串，计算复杂度低、正确匹配率高，并且对于光照和旋转具有鲁棒性，因此采用LBD特征描述子将进一步降低目标图像去雾增强的计算复杂度并提高匹配的准确度。

对目标图像中的每一像素点计算LBD特征描述子以得到对应的LBD图像，该LBD图像即为目标图像所对应的特征图像，对参考图像中的每一像素点计算LBD特征描述子以得到对应的LBD图像，即参考图像所对应的特征图像。

在一个实施例中，步骤S130的具体过程为：

根据目标图像中像素点的特征值和目标图像中像素点在参考图像中对应的像素点的特征值计算汉明距离，并根据汉明距离构造能量函数，通过能量函数进行运算以得到目标图像和参考图像间的掩膜。

本实施例中，将以汉明（Hamming）距离作为目标图像的像素点和参考图像的像素点之间的相似性度量，以提高匹配效率。

具体的，将根据目标图像中像素点和参考图像中像素点之间的汉明距离构造能量函数E（C），将掩膜C的构造问题转化为能量最小化问题，进而利用最小图割（graph cut）优化求解得到目标图像和参考图像间的掩膜C，即

其中，i为像素点。

进一步的，为了构造掩膜C，将定义以下能量函数E（C），即

$E\left(C\right)=\underset{k}{\mathrm{\Σ}}{C}_{k}d(f\left(p_k\right),f\left(I_k\right))+\underset{k1,k2\∈N}{\mathrm{\Σ}}{w}_{k1,k2}{(C_{k1}-C_{k2})}^2$

其中，d(f(p_k),f(I_k))为参考图像中像素点p_k和目标图像中像素点I_k之间的Hamming距离，N表示邻接关系，w_k1,k2＝exp{-（k1-k2）²}为邻接像素间的距离权重。

能量函数中，第一项是对数据项的约束，用来衡量参考图像和目标图像之间的相似程序，第二项是对平滑项的约束，以确保区域的连通性。

如图2所示，在一个实施例中，步骤S140包括：

步骤S141，根据掩膜定位目标图像与参考图像之间相同的背景区域。

步骤S143，对所述目标图像的背景区域中邻域内的像素点构造损失函数，通过最小化损失函数进行参数估计以得到目标图像的变换系数。

本实施例中，对C_i＝1的背景区域中邻域内的像素点构造损失函数，以通过最小化损失函数使得输出图像和参考图像之间均方差误差最小。

该损失函数为：

$E(a_k,b_k)=\underset{i\∈{\mathrm{\ω}}_k}{\mathrm{\Σ}}\left\{C_i{w}_{k,i}\right(a_k{I}_i+b_k-p_i{)}^2+\mathrm{\ϵ}{a}_k^2\}$

$w_{k,i}=\exp (-\frac{{(x_k-x_i)}^2+{(y_k-y_i)}^2}{2{\mathrm{\σ}}_d^2}-\frac{{(I_k-I_i)}^2}{2{\mathrm{\σ}}_r^2})$

其中，w_k,i为考虑了几何距离和像素距离的权重系数，ε是对a_k的惩罚因子。

由于上式为线性岭回归模型，因此进行参数估计得到：

$a_k=\frac{\underset{i\∈{\mathrm{\ω}}_k}{\mathrm{\Σ}}{C}_i{w}_{k,i}{I}_i(p_i-{\stackrel{\‾}{p}}_k)}{\underset{i\∈{\mathrm{\ω}}_k}{\mathrm{\Σ}}(C_i{w}_{k,i}{I}_i^2+\mathrm{\ϵ})}$

$b_k={\stackrel{\‾}{p}}_k-a_k{\mathrm{\μ}}_k$

其中，μ_k为目标图像中以像素k为中心的邻域窗口ω_k内的像素均值，为参考图像在邻域窗口ω_k内的像素均值。

在一个实施例中，步骤S150的具体过程为：

根据变换系数、目标图像中的像素点和覆盖像素点的窗口进行运算以得到像素点对应的输出值，并由输出值形成输出图像。

本实施例中，根据目标图像和输出图像之间所存在的局部线性关系进行输出图像中像素点对应的输出值的计算，以将输出值形成输出图像，该输出图像即为对目标图像去雾增强的图像。

在一个实施例中，上述根据变换系数、目标图像中的像素点和覆盖像素点的窗口进行运算以得到像素点对应的输出值的具体过程为：

根据变换系数和目标图像中的像素点得到目标图像中像素点的线性变换，按照覆盖像素点的窗口对目标图像中像素点的线性变换进行加权平均得到该像素点对应的输出值。

本实施例中，窗口重叠效应将使得目标图像中的像素点i同时被包含在若干个窗口中，因此计算该像素点对应的输出值将需要综合考虑若干个窗口的输出值。

在优选的实施例中，将采用加权平均的方式得到目标图像中的像素点所对应的输出值，其权重为像素点i到窗口中心位置k的距离，具体请参见如下公式：

α_k,i＝exp(-(i-k)²)

其中，|ω_k|这覆盖像素点i的窗口个数。

通过如上图像去雾增强过程利用参考图像这一清晰图像提供的参考信息对目标图像实现去雾和增强，将有效地去除了目标图像中的噪声，进而使得应用了通过如上图像去雾增强过程所实现的视频监控等应用所得到的图像均为清晰的图像，大大提高了视频监控等应用的图像质量。

如图3所示，在一个实施例中，一种图像去雾增强装置，包括图像获取模块110、特征计算模块120、掩膜构造模块130、系数求解模块140和输出图像运算模块150。

图像获取模块110，用于获取目标图像和参考图像，该参考图像是由目标图像所在场景获取的清晰图像。

本实施例中，目标图像是当前需要进行去雾增强的图像，例如，雾天条件下所获取的图像，参考图像则是与目标图像处于同一拍摄场景所得到的图像，例如，同一场景中明天条件下获得的图像。

参考图像和目标图像相比较其图像质量较高，例如，参考图像的清晰度、对比度均高于目标图像。参考图像与目标图像之间具有相同的部分，即其背景大致相同。

在进行初步监控所产生的图像中，参考图像将是天气良好的条件下摄像头拍摄的图像，而目标图像则是存在着雾等噪声的图像，该摄像头的位置将保持不变。

特征计算模块120，用于分别计算目标图像和参考图像对应的特征图像。

本实施例中，将采用目标图像对应的特征图像和参考图像所对应的特征图像对目标图像和参考图像进行比较，以保证其准确性。

具体的，雾作为一种常见的噪声对图像产生退化作用，致使图像呈现泛白，进而对图像造成极大的影响，进而导致即使参考图像和目标图像的背景完全相同，也将由于雾的退化作用而导致目标图像的像素值高于参考图像的像素值，为了避免比较的不准确性，将采用特征图像进行比较。

掩膜构造模块130，用于根据目标图像和参考图像对应的特征图像构造目标图像和参考图像间的掩膜。

本实施例中，参考图像和目标图像具有相同的场景，但是由于拍摄时间的不同而导致参考图像和目标图像的前景区域并不相同，因此，掩膜构造模块130将构造腌膜，以通过构造的腌膜识别前景区域和背景区域。

系数求解模块140，用于根据掩膜求解目标图像的变换系数。

本实施例中，输出图像和目标图像之间存在着局部线性变换关系，即q_i＝a_kI_i+b_k，其中，q_i为输出图像的像素值，a_k和b_k是相应的变换系数，I_i为目标图像的像素值。

系数求解模块140根据掩膜对目标图像的变换系数a_k和b_k进行求解，得以根据参考图像和目标图像之间所存在的局部线性变换关系得到输出图像，该输出图像即为目标图像去雾增强后的图像，其图像质量大幅提高。

具体的，系数求解模块140将逐像素点求解目标图像中每一像素点所对应的变换系数，以便于计算输出图像的像素点。

输出图像运算模块150，用于根据变换系数进行运算以得到目标图像对应的输出图像。

在一个实施例中，上述特征计算模块120具体用于分别计算目标图像中每一像素点的特征值以及参考图像中每一像素点的特征值，由目标图像中像素点的特征值形成目标图像对应的特征图像，由参考图像中像素点的特征值形成参考图像对应的特征图像。

本实施例中，特征计算模块120将采用LBD（local binary descriptor）特征描述子（局部二值描述子）进行目标图像和参考图像的特征描述，由于LBD特征描述子为一个二进制串，计算复杂度低、正确匹配率高，并且对于光照和旋转具有鲁棒性，因此特征计算模块120采用LBD特征描述子将进一步降低了目标图像去雾增强的计算复杂度和准确度。

特征计算模块120对目标图像中的每一像素点计算LBD特征描述子以得到对应的LBD图像，该LBD图像即为目标图像所对应的特征图像，对参考图像中的每一像素点计算LBD特征描述子以得到对应的LBD图像，即参考图像所对应的特征图像。

在一个实施例中，掩膜构造模块130具体用于根据目标图像中像素点的特征值和目标图像中像素点在参考图像中对应的像素点的特征值计算汉明距离，并根据汉明距离构造能量函数，通过能量函数进行运算以得到目标图像和参考图像间的掩膜。

本实施例中，掩膜构造模块130将以汉明（Hamming）距离作为目标图像的像素点和参考图像的像素点之间的相似性度量，以提高匹配效率。

具体的，掩膜构造模块130将根据目标图像中像素点和参考图像中像素点之间的汉明距离构造能量函数E（C），将掩膜C的构造问题转化为能量最小化问题，进而利用最小图割（graph cut）优化求解得到目标图像和参考图像间的掩膜C，即

其中，i为像素点。

进一步的，为了构造掩膜C，将定义以下能量函数E（C），即

$E\left(C\right)=\underset{k}{\mathrm{\Σ}}{C}_{k}d(f\left(p_k\right),f\left(I_k\right))+\underset{k1,k2\∈N}{\mathrm{\Σ}}{w}_{k1,k2}{(C_{k1}-C_{k2})}^2$

其中，d(f(p_k),f(I_k))为参考图像中像素点p_k和目标图像中像素点I_k之间的Hamming距离，N表示邻接关系，w_k1,k2＝exp{-（k1-k2）²}为邻接像素间的距离权重。

如图4所示，在一个实施例中，上述系数求解模块140包括背景定位单元141和参数估计单元143。

背景定位单元141，用于根据掩膜定位目标图像与参考图像之间相同的背景区域。

参数估计单元143，用于对所述目标图像的背景区域中邻域内的像素点构造损失函数，通过最小化损失函数进行参数估计以得到目标图像的变换系数。

本实施例中，参数估计单元143对C_i＝1的背景区域中邻域内的像素点构造损失函数，以通过最小化损失函数使得输出图像和参考图像之间均方差误差最小。

该损失函数为：

$E(a_k,b_k)=\underset{i\∈{\mathrm{\ω}}_k}{\mathrm{\Σ}}\left\{C_i{w}_{k,i}\right(a_k{I}_i+b_k-p_i{)}^2+\mathrm{\ϵ}{a}_k^2\}$

$w_{k,i}=\exp (-\frac{{(x_k-x_i)}^2+{(y_k-y_i)}^2}{2{\mathrm{\σ}}_d^2}-\frac{{(I_k-I_i)}^2}{2{\mathrm{\σ}}_r^2})$

其中，w_k,i为考虑了几何距离和像素距离的权重系数，ε是对a_k的惩罚因子。

由于上式为线性岭回归模型，因此参数估计单元143进行参数估计处到：

$a_k=\frac{\underset{i\∈{\mathrm{\ω}}_k}{\mathrm{\Σ}}{C}_i{w}_{k,i}{I}_i(p_i-{\stackrel{\‾}{p}}_k)}{\underset{i\∈{\mathrm{\ω}}_k}{\mathrm{\Σ}}(C_i{w}_{k,i}{I}_i^2+\mathrm{\ϵ})}$

$b_k={\stackrel{\‾}{p}}_k-a_k{\mathrm{\μ}}_k$

其中，μ_k为目标图像中以像素k为中心的邻域窗口ω_k内的像素均值，p_k为参考图像在邻域窗口ω_k内的像素均值。

在一个实施例中，输出图像运算模块150用于根据变换系数、目标图像中的像素点和覆盖像素点的窗口进行运算以得到像素点对应的输出值，并由输出值形成输出图像。

本实施例中，输出图像运算模块150根据目标图像和输出图像之间所存在的局部线性关系进行输出图像中像素点对应的输出值的计算，以将输出值形成输出图像，该输出图像即为对目标图像去雾增强的图像。

在一个实施例中，输出图像运算模块150具体还用于根据变换系数和目标图像中的像素点得到目标图像中像素点的线性变换，按照覆盖像素点的窗口对目标图像中像素点的线性变换进行加权平均得到像素点对应的输出值。

本实施例中，窗口重叠效应将使得目标图像中的像素点i同时被包含在若干个窗口中，因此输出图像运算模块150计算该像素点对应的输出值将需要综合考虑若干个窗口的输出值。

在优选的实施例中，输出图像运算模块150将采用加权平均的方式得到目标图像中的像素点所对应的输出值，其权重为像素点i到窗口中心位置k的距离，具体请参见如下公式：

$q_i=\frac{1}{\left|{\mathrm{\ω}}_k\right|}\underset{k|i\∈{\mathrm{\ω}}_k}{\mathrm{\Σ}}{\mathrm{\α}}_{k,i}(a_k{I}_i+b_k)$

α_k,i＝exp(-(i-k)²)

其中，|ω_k|为覆盖像素点i的窗口个数。

通过如上图像去雾增强过程利用参考图像这一清晰图像提供的参考信息对目标图像实现去雾和增强，将有效地去除了目标图像中的噪声，进而使得应用了通过如上图像去雾增强过程所实现的视频监控等应用所得到的图像均为清晰的图像，大大提高了视频监控等应用的图像质量。

本邻域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体（Read-Only Memory，ROM）或随机存储记忆体（Random Access Memory，RAM）等。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本邻域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (12)

1.一种图像去雾增强方法，包括如下步骤：

获取目标图像和参考图像，所述参考图像是由目标图像所在场景获取的清晰图像；

分别计算所述目标图像和参考图像对应的特征图像；

根据所述目标图像和参考图像对应的特征图像构造所述目标图像和参考图像间的掩膜；

根据所述掩膜求解所述目标图像的变换系数；

根据所述变换系数进行运算以得到所述目标图像对应的输出图像。

2.根据权利要求1所述的方法，其特征在于，所述分别计算所述目标图像和参考图像对应的特征图像的步骤包括：

分别计算目标图像中每一像素点的特征值以及参考图像中每一像素点的特征值，由所述目标图像中像素点的特征值形成目标图像对应的特征图像，由所述参考图像中像素点的特征值形成参考图像对应的特征图像。

3.根据权利要求2所述的方法，其特征在于，所述根据所述目标图像和参考图像对应的特征图像构造所述目标图像和参考图像间的掩膜的步骤包括：

根据目标图像中像素点的特征值和所述目标图像中的像素点在参考图像中对应的像素点的特征值计算汉明距离，并根据所述汉明距离构造能量函数，通过所述能量函数进行运算以得到所述目标图像和参考图像间的掩膜。

4.根据权利要求1所述的方法，其特征在于，所述根据所述掩膜求解所述目标图像的变换系数的步骤包括：

根据所述掩膜定位所述目标图像与所述参考图像之间相同的背景区域；

对所述目标图像的背景区域中邻域内的像素点构造损失函数，通过最小化所述损失函数进行参数估计以得到所述目标图像的变换系数。

5.根据权利要求1所述的方法，其特征在于，所述根据所述变换系数进行运算以得到所述目标图像对应的输出图像的步骤包括：

根据所述变换系数、目标图像中的像素点和覆盖所述像素点的窗口进行运算以得到所述像素点对应的输出值，并由所述输出值形成输出图像。

6.根据权利要求5所述的方法，其特征在于，所述根据所述变换系数、目标图像中的像素点和覆盖所述像素点的窗口进行运算以得到所述像素点对应的输出值的步骤包括：

根据所述变换系数和目标图像中的像素点得到所述目标图像中像素点的线性变换，按照所述覆盖所述像素点的窗口对所述目标图像中像素点的线性变换进行加权平均得到所述像素点对应的输出值。

7.一种图像去雾增强装置，其特征在于，包括：

图像获取模块，用于获取目标图像和参考图像，所述参考图像是由目标图像所在场景获取的清晰图像；

特征计算模块，用于分别计算所述目标图像和参考图像对应的特征图像；

掩膜构造模块，用于根据所述目标图像和参考图像对应的特征图像构造所述目标图像和参考图像间的掩膜；

系数求解模块，用于根据所述掩膜求解所述目标图像的变换系数；

输出图像运算模块，用于根据所述变换系数进行运算以得到所述目标图像对应的输出图像。

8.根据权利要求7所述的装置，其特征在于，所述特征计算模块具体用于分别计算目标图像中每一像素点的特征值以及参考图像中每一像素点的特征值，由所述目标图像中像素点的特征值形成目标图像对应的特征图像，由所述参考图像中像素点的特征值形成参考图像对应的特征图像。

9.根据权利要求8所述的装置，其特征在于，所述掩膜构造模块具体用于根据目标图像中像素点的特征值和所述目标图像中的像素点在参考图像中对应的像素点的特征值计算汉明距离，并根据所述汉明距离构造能量函数，通过所述能量函数进行运算以得到所述目标图像和参考图像间的掩膜。

10.根据权利要求7所述的装置，其特征在于，所述系数求解模块包括：

背景定位单元，用于根据所述掩膜定位所述目标图像与所述参考图像之间相同的背景区域；

参数估计单元，用于对所述目标图像的背景区域中邻域内的像素点构造损失函数，通过最小化所述损失函数进行参数估计以得到所述目标图像的变换系数。

11.根据权利要求7所述的装置，其特征在于，所述输出图像运算模块用于根据所述变换系数、目标图像中的像素点和覆盖所述像素点的窗口进行运算以得到所述像素点对应的输出值，并由所述输出值形成输出图像。

12.根据权利要求11所述的装置，其特征在于，所述输出图像运算模块具体还用于根据所述变换系数和目标图像中的像素点得到所述目标图像中像素点的线性变换，按照所述覆盖所述像素点的窗口对所述目标图像中像素点的线性变换进行加权平均得到所述像素点对应的输出值。