暗原色先验图像去雾改进算法.docVIP

PAGE  PAGE 6 暗原色先验图像去雾改进算法 　　摘要：文章提出了一种结合分数阶微分及暗原色先验的图像去雾新方法。此方法首先应用暗原色先验理论对有雾图像进行去雾处理，为节省存储及运行时间，利用数学形态学方法对粗略估计得到的透过率图进行优化，引入容差机制，实现对透射率图像的再次修正， 得到准确透射率图像，最后借助有雾图像形成模型获得去雾图像；然后应用分数阶微分模版对图像进行二次去雾及锐化。实验表明，文章提出的方法能得到较好的去雾效果，且突出了细节，缩短了算法的运行时间。 　　Abstract： This paper presents a new method for image dehazing by combining with fractional differential and dark channel prior. This method firstly uses dark channel prior theory to process the fog of the foggy image. In order to save the storage and running time， the mathematical morphology method is used to optimize the rough estimate. The tolerance mechanism is introduced to achieve the recorrection of the transmittance image and get the accurate picture transmission. Finally， the fog image is used to obtain the fog image formation model. Then， the fractional order differential template is applied to carry out the secondary dehazing and sharpening. Experimental results show that the proposed method can get good dehazing effect， highlight the details and shorten the operation time of the algorithm. 　　关键词：分数阶微分；暗原色先验； 图像去雾 　　Key words： fractional order differential；dark primary colors priori；image dehazing 　　中图分类号：TP751 文献标识码：A 文章编号：1006-4311（2016）19-0222-04 　　0 引言 　　鉴于此，本文从机器视觉角度出发，提出了一种结合分数阶微分及暗原色先验的图像去雾增强算法。 　　1 暗通道先验理论 　　在计算机视觉和计算机图形中，描述雾图形成的光学模型如下： 　　I（x）=J（x）t（x）+A（1-t（x）） （1） 　　其中，I（x）就是待去雾的图像，J（x）是要恢复的无雾的图像，A是全球大气光成分，一般视为全局常量，t（x）为透射率。J（x）t（x）是直接衰减项，它描述了光线经过散射作用后产生的衰减；A（1-t（x））是大气光，由于杂散光的作用，使目标颜色发生偏移。现在是已知I（x），要求目标值J（x），这是一个病态方程，求解需要一些先验或条件。 　　暗原色先验原理认为，在绝大多数非天空的局部区域里，某一些像素在该区域内光强度的最小值在至少一个颜色通道是很小的数。 　　其中，Jc代表J的某一个颜色通道，而Ω（x）是以x为中心的某一区域，Jdark（x）为图像在Ω（x）区域中的暗原色。观察得出，除了天空方位，Jdark（x）的强度总是很低且趋近于0。 　　对于有雾图像，由式（2），可粗略估计出透过率 　　为使图像看起来真实，且有深度感，故引入参数ω，有针对性的保留较远处的部分雾气。因此得到透射率的最终表达式为 　　在一幅图像中，A选取为暗通道图中按照亮度的大小取前0.1%的像素均值。将式（4）代入式（1），得到恢复公式为 　　2 本文算法 　　2.1 分数阶微分 　　微分运算都有加强信号的作用，且加强幅度随频率和微分阶次的增加呈非线性急速增长。分数阶微分在加强信号中高频成分的同时，也对信号的甚低频分量进行了非线性保留。对于图像而言，平滑区域即邻近的象素值基本相同的区域对应于信号的低频；图像纹理区域即邻近的象素值发生一定变化的区域对应于信号的中频；图像