申请/专利权人：湖南科技大学

申请日：2021-11-25

公开（公告）日：2024-05-03

公开（公告）号：CN114549336B

主分类号：G06T5/73

分类号：G06T5/73;G06T7/13;G06N3/088;G06V10/762;G06V10/77;G06T5/60

优先权：

专利状态码：有效-授权

法律状态：2024.05.03#授权;2022.06.14#实质审查的生效;2022.05.27#公开

摘要：本发明公开了一种无监督图像去雾方法，包括：1构建雾霾环境下的图像成像模型，即雾图成像模型；2构建图像局部子块的雾图成像简化模型，并根据子块中像素的线性分布特性，采用主成分分析求解图像大气光矢量的方向；3采用四叉树子空间层次搜索法求解雾图中的大气光矢量的幅值；4根据已求解的大气光矢量值，求解雾图中每个像素的透射率；5运用已求解的大气光矢量和透射率，对雾图成像模型进行逆向求解，得到去雾后的真实场景图像。本发明针对单幅图像进行去雾，不涉及复杂的训练过程，可有效去除图像中的雾霾干扰，获得清晰、细节丰富的图像，克服去雾后图像颜色过度饱和光晕等问题。

主权项：1.一种无监督图像去雾方法，其特征在于，包括以下步骤：1构建雾霾环境下的图像成像模型，即雾图成像模型：Ix＝Jxtx+A1-tx其中，x表示图像像素，Ix为采集获取的雾图，Jx为真实场景图像，tx为透射率，A为大气光矢量值；2针对原始雾图，求解图像中的大气光矢量A的方向，具体过程如下：2-a真实场景图像Jx可分解为Jx＝NxMx,其中Mx是一个RGB向量，描述像素x对应的真实场景表面反射光的色度，Nx是一个标量，描述像素x对应的真实场景表面反射光的强度；由于表面反射色度Mx以及透射率tx在图像的某些局部子块中均近似等于恒定值，因此，结合雾图成像模型，可构建雾图局部子块的雾图成像简化模型：Iix＝tiNixMi+1-tiA＝N′ixMi+ciA其中，Iix表示原始雾图中的第i个局部子块，Mi为第i个局部子块对应的真实场景在RGB空间的反射光色度，ti为第i个局部子块的透射率，ci＝1-ti，Nix为该局部子块的反射光强度，由于透射率ti与反射光强度Nix均起到调整图像亮度的作用，因此，可将雾图成像简化模型中局部子块的透射率ti合并至反射光强度Nix中，由N′ix表示；2-b寻找原始雾图中满足雾图成像简化模型的局部子块，具体包括：2-b-ⅰ将原始图像分成大小为w×w不重叠的子块；2-b-ⅱ对于每一个图像子块所包含的像素在RGB三维特征空间进行主成分分析，获取该子块像素在RGB特征空间的特征值λ1，λ2，λ3及其对应的特征向量V1，V2，V3，其中特征值满足λ1≥λ2≥λ3；2-b-ⅲ根据雾图成像简化模型可知，满足该模型的局部子块，其像素在RGB空间符合线性分布，因此，通过定义下列条件Ⅰ～Ⅲ，筛选符合雾图成像简化模型的图像子块，其中，被选取的符合雾图成像简化模型的图像子块须同时满足条件Ⅰ～Ⅲ：Ⅰ特征向量V1方向为正；最大特征值λ1对应的特征向量V1反映局部子块的线性分布方向，即反射光色度Mi的方向；由于Mi具有非负坐标值，因此，符合雾图成像简化模型的图像子块对应的特征向量V1的方向也应为正；Ⅱ特征值满足λ1＞τ1且其中τ1和τ2为预先定义的阈值；特征值的大小反映像素在其对应的特征向量方向投影的离散程度，特征值越大，表明像素在其对应的特征向量方向投影越分散；若某局部子块像素较好的符合线性分布，则对该子块进行主成分分析将得到单个、较大的特征值；因此，可通过条件λ1＞τ1且约束图像子块的线性分布；Ⅲ图像子块不包含边缘像素；雾图成像简化模型成立的先决条件是假定局部子块内像素具有相同的反射光色度和透射率,而具有上述特性的局部子块通常为图像平坦区域，不存在边缘像素，因此，采用Canny算法检测图像中的边缘，并去除包含边缘像素的图像子块；2-c对于每一个满足雾图成像简化模型的局部子块Subj，其j＝1,2,…,Num1且Num1为局部子块总数，采用主成分分析获取Subj中像素分布所对应的直线lj，具体包括：对Subj所包含的像素在RGB三维特征空间进行主成分分析，获得的最大特征值对应的特征向量所指示的方向即为直线lj的方向，同时定义直线lj过Subj局部子块像素在RGB空间分布的质心，即可获得直线lj的偏移量；2-d对于每一条不经过原点的直线lj，构建过该直线与原点的平面，并利用所构建平面两两相交，获取多个候选方向向量其中k＝1,2,…,Num2且Num2为候选方向总数，不同平面两两相交的交线所示方向，即为候选方向向量2-e对于每一个候选方向向量计算该方向向量所示直线与每一条直线lj的距离dkj,并求平均距离2-f选取最小值对应的所示方向作为最终的大气光方向；3针对原始雾图，采用四叉树子空间层次搜索法求解图像中的大气光矢量A的幅值，具体过程如下：3-a将输入图像划分为4个大小相等的子块Sq，其中q＝1,2,3,4，分别计算每个子块R、G、B三个分量的均值和方差3-b对于每个子块Sq，累加其R、G、B每个分量的均值与方差之差的绝对值，作为该子块的得分3-c若子块像素数目大于预设阈值α，则选取Scoreq得分最高的子块重复步骤3-a和3-b，否则选取Scoreq得分最高的子块中亮度最高的像素p的亮度值作为大气光幅值,其中pR、pG、pB分别表示像素p在R、G、B三个彩色通道上的分量值；4根据已求解的大气光矢量值A，求解雾图中每个像素的透射率tx，具体包括：4-a将步骤1中所述雾图成像模型变形为经过大气光A的线性方程：Ix＝tx·Jx-A+A由于大气光矢量A已被求解，将线性方程Ix＝tx·Jx-A+A的RGB空间坐标原点移至大气光A处，得到IAx＝Ix-A＝tx·Jx-A；4-b采用球面坐标系表示IAx： 其中，rx表示像素点x到原点的距离，即||Ix-A||，θx和分别表示像素点x在球面坐标系中的经度和纬度；4-c根据图像像素的经度和纬度值，采用K-means对图像像素进行聚类，将经、纬度相近的像素点聚成一类；4-d对于每个类别Lg，其中g＝1,2,...,Num3且Num3为类别总数，首先获取Lg中像素到球面坐标系原点的最远距离然后采用如下公式求解该类别Lg中每一个像素x的透射率tx： 5运用已求解的大气光矢量值A和透射率tx，对雾图成像模型Ix＝Jxtx+A1-tx进行逆向求解，即可得到去雾后的真实场景图像Jx。

全文数据：

权利要求：

百度查询： 湖南科技大学 一种无监督图像去雾方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD