一种暗通道先验结合小波变换图像去雾优化算法.PDFVIP

第３１卷第５期 四川理工学院学报（自然科学版） Ｖｏｌ３１　Ｎｏ５ ２０１８年１０月 ＪｏｕｒｎａｌｏｆＳｉｃｈｕａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ＆Ｅｎｇｉｎｅｅｒｉｎｇ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ） Ｏｃｔ２０１８ 文章编号：１６７３１５４９（２０１８）０５００４３０６ ＤＯＩ：１０．１１８６３／ｊ．ｓｕｓｅ．２０１８．０５．０７ 一种暗通道先验结合小波变换的图像去雾优化算法 丁奇安，徐晓光，王 珍 （安徽工程大学电气工程学院，安徽 芜湖 ２４１０００） 　　摘　要：基于暗通道先验的去雾算法是最具有代表性的图像复原算法之一，但仅仅利用暗通道去雾 的图像会产生一定程度的颜色失真。针对单幅图像暗通道先验算法造成的图像色彩失真问题，提出了 一种基于小波变换的色阶补偿方法。将待去雾图像的低频通道和粗暗通道去雾后图像的高频通道添加 合适的权重，之后通过小波变换将待去雾图像与粗暗通道处理过后得到的图像进行多次融合，从而基于 原有图像的色阶对暗通道处理造成的颜色失真进行一定程度的补偿。采用信息熵为依据的客观计算机 评价，将该算法与其他去雾算法进行比较。仿真结果表明，补偿过后的图像具有较好的观测效果，优于 仅采用暗通道先验去雾算法的图像。 关键词：暗通道；去雾算法；小波变换；色阶；图像融合；信息熵 中图分类号：ＴＰ３９１ 文献标志码：Ａ ［４６］ 局部方差法等 。基于物理模型的复原方法有：建立 引 言 能量最优化模型、信息消除不确定性法、假设景深已知 随着工业化的加快，各个领域的机械化程度也越来 ［７］ 法、Ｔａｎ方法、Ｆａｔｔａｌ方法 以及基于暗通道补偿的方 越高，比如智能交通系统，卫星遥感和户外监控系统［１］ ［８］ 法 等。 等。但大部分户外的智能机械操作容易受到环境的影 ［９］ 何凯明等人 在 ２００９年的 ＣＶＰＲ（Ｃｏｎｆｅｒｅｎｃｅｏｎ 响，如雾霾、阴雨天气等，使得系统所获得的图像存在一 ＣｏｍｐｕｔｅｒＶｉｓｉｏｎａｎｄＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ）上提出的暗通道 定的雾化现象，从而降低机器系统的识别精度，影响系 先验算法（Ｈｅ方法），对图像去雾算法具有重要影响，后 统功能发挥。因此，去除图像的雾化现象，对增强图像 来的去雾算法大多是从该算法上延伸出来的。然而对 ［２］ 的可识别性具有实际意义 。 于暗通道算法，处理过后的图像有着一些明显的问题， 图像去雾算法大致可以分为基于图像处理的增强 例如边缘块化效应和颜色失真等。针对这些问题，何凯 ［３］ 方法和基于物理模型的复原方法 。图像增强方法有： 明博士在其文章中提出了一种软抠图（Ｓｏｆｔｍａｔｔｉｎｇ）算 、 ［９］ 全局（局部）直方图均衡化 同态滤波、小波（曲波）变换、 法 ，该算法的去雾效果明显优于粗暗通道去雾算法， Ｒｅｔｉｎｅｘ算法、大气调制传递函数法、局部对比度增强法、 但是，软抠图算法步骤繁琐，计算时间过长，不具有实际 收稿日期：２０１８０６２８