一种非线性变换的自适应透射率去雾算法.docx

"一种非线性变换的自适应透射率去雾算法" 本文提出了一种非线性变换的自适应透射率去雾算法，以解决雾天气象条件下图像退化的问题。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。 大气散射模型是研究雾天图像退化的基础，描述了雾霾天气条件下光传感器所采集图像退化的过程。该模型可以根据雾天图像 I 条件下估计出大气光强 A 和透射率 t，进而使用式（1）反演获取复原场景的亮度 J。 然而，目前单幅图像去雾主要利用假设条件或者先验信息等来估计大气散射模型中的关键参数，都是线性变换范畴。这些方法存在一些缺陷，如暗通道先验理论不能很好地处理天空图像以及计算密集型问题，导致所复原图像的天空区域存在色彩偏移以及画面整体偏暗等问题。 为了解决这些问题，提出了一种非线性变换的自适应透射率去雾算法。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，采用了 SUN 等提出的局部大气光估计方法，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。 透射率 t 的估计是去雾图像的质量的关键因素。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，可以定义为简单的线性关系 J’，即 J’(x,y)= I’(x,y)−Rmin/Rmax−RminI’(x,y)−Rmin/Rmax−Rmin。 然而，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。因此，需要使用非线性变换来描述雾天图像退化的过程，以解决雾霾图像的灰度差异变化情况，提高去雾图像的质量。 本文提出的一种非线性变换的自适应透射率去雾算法，可以解决雾天气象条件下图像退化的问题，提高去雾图像的质量。