J(x,y)= I(x,y)−At(x,y)I(x,y)-At(x,y)+A 。
(2)
因此,对大气光和透射率的准确估计是去雾的关键环节。当景深为无穷远
时,大气透射率为 0,此时式(2)中会出现无意义的情况,导致复原图像整体的亮度
过高,出现严重色彩失真。为防止出现透射率过小的问题,通常为透射率设置一
个阈值 t
d
=0.1,以此进行约束
[2⇓ ⇓ ⇓ ⇓ -7]
。复原图像的表达式如下:
J(x,y)= I(x,y)−Amax(t(x),td)I(x,y)-Amax(t(x),td)+A 。
(3)
以大气散射模型展开,提出一种非线性变换的自适应透射率去雾算法,具体
算法原理图如图 1 所示。该算法首先通过对数变换和自适应控制参数估计场
景亮度的暗通道,然后结合亮度饱和度差值算子自适应优化得到景深区域的透
射率,最后通过引导滤波对初始透射率进行边缘平滑细化处理。在大气光估计
方面,采用 SUN 等
[8]
提出的局部大气光估计方法,该方法可以避免因全局大气光
估计不准确而导致的图像失真问题。
2 自适 应透射率 估计
透射率 t 的估计作为最关键的问题之一,直接决定了去雾图像的质量。由于
雾霾图像每点像素的退化程度与光电采集装置所获取到的光线距离有关
[4-5]
,即
距离采集设备越远的像素目标点退化越严重,故将这种关系定义为简单的线性
关系 J',即
J'(x,y)= I'(x,y)−RminRmax−RminI'(x,y)-RminRmax-RminI'(x,y),
(4)
其中,
⎧⎩⎨⎪⎪⎪⎪⎪⎪⎪⎪I'(x,y)=minc∈{r,g,b}(Ic(x,y))
,J'(x,y)=minc∈{r,g,b}(Jc(
x,y))
,I'(x,y)=minc∈r,g,b(Ic(x,y)) ,J'(x,y)=minc∈r,g,b(Jc(x,y)) ,
(5)
R
min
、 R
max
为 I'(x,y) 的 最 大 与 最 小 值 , 且 有 0≤I'(x,y)−RminRmax−RminI'(x,y)-
RminRmax-Rmin≤1。但是,由于线性变换中直接舍弃了最小值滤波,导致恢复出
的无雾图像在灰度值突变的区域易出现白边且色彩过渡较快,不够平滑。
通过分析雾天图像退化的过程
[9]
,可以发现:成像场景中的地物环境复杂,一
方面有雾图像中像素亮度会随着雾霾浓度的变化而急剧变化;另一方面图像中
评论0
最新资源