CN106127706A - 一种基于非线性聚类的单一图像去雾方法 - Google Patents

Abstract

本发明公开了一种基于非线性聚类的单一图像去雾方法，包括如下步骤：S1获得有雾RGB图像，并将其转换为HSV图像，S2对转换的图像进行分块，得到每个分块的深度图，S3对深度图利用非线性聚类方法进行聚类，输出远、中及近三类，对于远类，求出其透视率图，然后对中类及近类的图，根据RGB图像的暗通道图，求出其对应的透视率图，S4将所得透视率图合并，计算整幅图的大气光值，输出无雾图像。本发明能有效避免暗原色先验去雾方法存在的边缘效应以及色彩偏差。

Description

一种基于非线性聚类的单一图像去雾方法

技术领域

本发明涉及计算机视觉领域，具体涉及一种基于非线性聚类的单一图像去雾方法。

背景技术

随着计算机技术的不断发展，软硬件算法等的日新月异，计算机对有雾天气图像进行去雾优化已经成为可能，并且在对去雾后输出的图像的清晰度、色彩还原度、图像真实感提出了更高的要求，在有雾天气的情况下，由于空气中的相对湿度较高、大气中的尘埃粒子较多，随着摄像机与实物距离的增大，大气粒子的散射作用对摄像机成像的影响增大，通过摄像机拍摄出的图像存在对比度、饱和度较低，色彩发生偏移，这不单单影响图像的视觉效果，在当前模式识别等技术不断发展的情况下，其还严重影响着计算机对图像的理解、分析的性能。如上所述，由于雾天对户外图像数据采集产生严重影响，致使户外摄像、勘察监控等工作带来十分恶劣的影响，大大降低了这些工作的效率，因此对雾天图像上景物的无雾还原的研究具有重大的意义。

发明内容

为了克服现有技术存在的缺点与不足，本发明提供一种基于非线性聚类的单一图像去雾方法，

本发明解决传统去雾方法处理时造成的图像色彩失真以及边缘效应问题。

本发明采用如下技术方案：

一种基于非线性聚类的单一图像去雾方法，包括如下步骤：

S1获得有雾RGB图像，并将有雾RGB图像转换为HSV图像；

S2HSV图像进行分块，根据每个分块亮度和饱和度得到每个分块的深度图；

S3对深度图利用非线性聚类方法进行聚类，输出远、中及近三类；

S4对于远类的深度图，求出其透视率图t₁(x)＝e^-βd(x)，其中，β为大气散射系数，d(x)为每个像素点的深度值；

S5对于中类及近类的图，求出其RGB图像的暗通道图，进一步求出其对应的透视率图t₂(x)及t₃(x)；

S6由t＝t₁+t₂+t₃得到三类的合成透视率图，根据合成透视率图计算整幅图的大气光值，根据大气光模型输出无雾图像。

所述S6中得到合成透视率图后进行导向滤波处理。

所述大气光模型具体为：

$J\left(x\right)=\frac{I\left(x\right)-A}{max\left(t^{\′}\right(x),t_0)}+A$

其中I为原图即有雾图像，A为大气光值，t'(x)为透视率t分布，t0为t的下限边界，边界设定是为了防止过渡去雾。

所述远类为深度值最高的类。

本发明的有益效果：

本发明提供的去雾方法，能有效避免暗原色先验去雾方法存在的边缘效应以及色彩偏差，获得较高质量的无雾图像，色彩得到较为自然的还原，视觉效果较原图像有较大提高。

附图说明

图1是本发明的工作流程图。

具体实施方式

下面结合实施例及附图，对本发明作进一步地详细说明，但本发明的实施方式不限于此。

实施例

如图1所示，一种基于非线性聚类的单一图像去雾方法，包括如下步骤：

S1获得有雾RGB图像，并将有雾RGB图像转换为HSV图像，具体为：

由场景深度，雾浓度与亮度及饱和度满足关系d(x)∝c(x)∝v(x)-s(x)，则可把原RGB图像先转换成HSV图像，由d(x)＝θ₀+θ₁v(x)+θ₂s(x)+ε(x)。

S2HSV图像进行分块，根据每个分块的亮度和饱和度得到每个分块的深度图；

S3对深度图根据非线性聚类方法(K-means)，按照深度值由远及近对深度图进行分类，分别为远类，中类及近类；

S4由于从暗原色先验去雾方法得出的效果中，发现其输出图像中远处部分对比度过高，存在颜色失真问题。因此，先对最远处即聚类结果中深度值最高的类进行处理，对该部分深度由t₁(x)＝e^-βd(x)求出其透视率图t₁。

其中，β为大气散射系数，d(x)为每个像素点的深度值。

S5对剩下的中、近两类，在大气模型I(x)＝J(x)t(x)+A(1-t(x))中由求出其暗通道图，再由且可得即可求得其透视率图t₂(x)及t₃(x)。

S6由t＝t₁+t₂+t₃得到三类的合成透视率图，由于对不同的深度作出了不同的透视率求解，因此得出的合并透视率图很可能出现分层问题，因此需要对合并透视率图作一次导向滤波处理，消除分层问题，得出透视率图t'(x)。

根据原图计算整幅图的大气光值，根据大气光模型输出无雾图像。

所述大气光模型为：

本发明提供的去雾方法，能有效避免暗原色先验去雾方法存在的边缘效应以及色彩偏差，获得较高质量的无雾图像，色彩得到较为自然的还原，视觉效果较原图像有较大提高，如表1及表2所示。

表1信息熵对比

原图	暗原色先验	基于深度估计	本发明
				12.69849	14.50423523	13.82987075	14.47022047
10.46822	11.97272035	11.50093191	11.76447429
				10.51885	12.13952734	11.46503144	11.85815758
15.24238	15.76526505	15.42654188	15.79550784
				14.43702	15.78751794	15.39418577	15.73651195
10.41759	10.92955811	11.76145696	11.20884274

表2

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受所述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (4)

1.一种基于非线性聚类的单一图像去雾方法，其特征在于，包括如下步骤：

S1获得有雾RGB图像，并将有雾RGB图像转换为HSV图像；

S2HSV图像进行分块，根据每个分块亮度和饱和度得到每个分块的深度图；

S3对深度图利用非线性聚类方法进行聚类，输出远、中及近三类；

S4对于远类的深度图，求出其透视率图t₁(x)＝e^-βd(x)，其中，β为大气散射系数，d(x)为每个像素点的深度值；

S5对于中类及近类的图，求出其RGB图像的暗通道图，进一步求出其对应的透视率图t₂(x)及t₃(x)；

S6由t＝t₁+t₂+t₃得到三类的合成透视率图，根据合成透视率图计算整幅图的大气光值，根据大气光模型输出无雾图像。

2.根据权利要求1所述的单一图像去雾方法，其特征在于，所述S6中得到合成透视率图后进行导向滤波处理。

3.根据权利要求1所述的单一图像去雾方法，其特征在于，所述大气光模型具体为：

$J\left(x\right)=\frac{I\left(x\right)-A}{max\left(t^{\′}\right(x),t_0)}+A$

其中I为原图即有雾图像，A为大气光值，t'(x)为透视率t分布，t0为t的下限边界，边界设定是为了防止过度去雾。

4.根据权利要求1所述的单一图像去雾方法，其特征在于，所述远类为深度值最高的类。