本發(fā)明屬于數(shù)字圖像處理技術(shù)領(lǐng)域，具體涉及一種基于頻域分解的單幅圖像去霧加速方法。

背景技術(shù)：

霧天環(huán)境下，由于受到大氣中懸浮顆粒的影響，成像設(shè)備所采集的圖像顏色退化，對比度下降，清晰度嚴(yán)重不足。因此，對霧天降質(zhì)圖像的清晰化處理具有重要的現(xiàn)實(shí)意義?，F(xiàn)有的圖像去霧方法很多，比如tarel,j.p.，hautiere,n提出的tarel方法[1]，zhu,q.，mai,j.，shao,l提出的zhu方法[2]，ju,m.,zhang,d.,和wang,x.提出的ju方法[3]，meng,g.,wang,y.,duan,j.,xiang,s.,和pan,c提出的meng方法[4]，gu,z.f.；ju,m.y.；和zhang,d.y.提出的gu方法[5]等，然而，現(xiàn)有的圖像去霧方法數(shù)據(jù)處理量大、計(jì)算效率低、實(shí)時(shí)性差。

參考文獻(xiàn)

[1]tarel,j.p.,hautiere,n.fastvisibilityrestorationfromasinglecolororgraylevelimage.computervision,2009,12,2201-2208.

[2]zhu,q.,mai,j.,shao,l.afastsingleimagehazeremovalalgorithmusingcolorattenuationprior.ieeetransactionsonimageprocessing,2015,24,3522–3533.

[3]ju,m.,zhang,d.,&wang,x.(2016).singleimagedehazingviaanimprovedatmosphericscatteringmodel.thevisualcomputer,2016,1-13.

[4]meng,g.,wang,y.,duan,j.,xiang,s.,&pan,c.efficientimagedehazingwithboundaryconstraintandcontextualregularization.ieeeinternationalconferenceoncomputervision,2013,617-624.

[5]gu,z.f.,ju,m.y.,zhang,d.y.asingleimagedehazingmethodusingaveragesaturationprior.math.probl.eng,2017,2017,1–17.

技術(shù)實(shí)現(xiàn)要素：

為解決上述問題，本發(fā)明提出了一種基于頻域分解的單幅圖像去霧加速方法，相比于現(xiàn)有去霧圖像方法，該方法計(jì)算時(shí)間短，計(jì)算效率高，可實(shí)時(shí)對有霧圖像進(jìn)行處理。

本發(fā)明的具體技術(shù)方案如下：一種基于頻域分解的單幅圖像去霧加速方法，具體包括以下步驟：

第一步，獲取有霧圖像；

第二步，對有霧圖像進(jìn)行k層小波分解，獲得1個(gè)低頻分量il和k個(gè)高頻分量其中k為正整數(shù)，表示第1層高頻分量，表示第2層高頻分量，表示第k層高頻分量；

第三步，使用圖像去霧方法對低頻分量il進(jìn)行去霧處理，得到去霧低頻分量il-dehazed；

第四步，利用尺寸調(diào)節(jié)模型分別對k個(gè)高頻分量進(jìn)行處理，獲得k個(gè)新高頻分量，尺寸調(diào)節(jié)模型如下式：

其中，表示第i層高頻分量，表示對第i層高頻分量調(diào)節(jié)后獲得的新第i層高頻分量，mⁱ表示第i層尺寸矩陣，mⁱ＝(k-i)·ηⁱ，ηⁱ表示第i層調(diào)節(jié)矩陣，該調(diào)節(jié)矩陣由所有像素的調(diào)節(jié)比組成，每個(gè)像素的調(diào)節(jié)比ζⁱ(x,y)表示對有霧圖像進(jìn)行2·i下采樣后每個(gè)像素(x,y)的像素可視差，ξⁱ(x,y)表示對有霧圖像進(jìn)行2·i下采樣后每個(gè)像素(x,y)的真實(shí)像素差：

其中i(x,y)表示像素(x,y)的強(qiáng)度值，ω(x,y)表示以像素(x,y)為中心半徑為1的局部像素塊，(x',y')表示局部像素塊ω(x,y)中的任意一個(gè)像素，i(x',y')表示像素(x',y')的強(qiáng)度值，表示像素(x,y)的強(qiáng)度的梯度分量；

第五步，將獲得的去霧低頻分量il-dehazed和k個(gè)新高頻分量進(jìn)行小波重構(gòu)，獲得去霧后的圖像。

考慮到加速效果和去霧效果的平衡，第二步中優(yōu)選k＝3。

本發(fā)明的有益效果：本發(fā)明方法將有霧圖像進(jìn)行小波分解，得到的低頻分量通過現(xiàn)有的圖像去霧方法進(jìn)行處理，使得圖像去霧方法數(shù)據(jù)處理量減小，同時(shí)得到的高頻分量進(jìn)行尺寸調(diào)節(jié)，最后將處理后的低頻分量和高頻分量進(jìn)行小波重構(gòu)，獲得去霧后的圖像。與現(xiàn)有圖像去霧方法相比，本發(fā)明方法計(jì)算時(shí)間短，計(jì)算效率高，適合用于實(shí)時(shí)圖像去霧處理。

附圖說明

圖1是本發(fā)明方法的流程圖。

圖2是本發(fā)明具體實(shí)施例一中的有霧圖像。

圖3是本發(fā)明具體實(shí)施例一中對圖2進(jìn)行去霧的加速效果圖。

圖4是本發(fā)明具體實(shí)施例二中的有霧圖像。

圖5是本發(fā)明具體實(shí)施例二中對圖4進(jìn)行去霧的加速效果圖。

圖6是本發(fā)明具體實(shí)施例三中的有霧圖像。

圖7是本發(fā)明具體實(shí)施例三中對圖6進(jìn)行去霧的加速效果圖。

圖8是本發(fā)明具體實(shí)施例四中的有霧圖像。

圖9是本發(fā)明具體實(shí)施例四中對圖8進(jìn)行去霧的加速效果圖。

具體實(shí)施方式

本發(fā)明提出了一種基于頻域分解的單幅圖像去霧加速方法，如圖1所示，具體包括以下步驟：

第一步，獲取有霧圖像。

第二步，對有霧圖像進(jìn)行k層小波分解，獲得低頻分量il和高頻分量

對有霧圖像進(jìn)行k層小波分解，得到1個(gè)低頻分量il和k個(gè)高頻分量其中第1層高頻分量是對有霧圖像進(jìn)行第一層小波分解后得到的高頻分量，第2層高頻分量是對第一層小波分解得到的低頻分量進(jìn)行第二層小波分解后得到的高頻分量，以此類推，第k層高頻分量是對第k-1層小波分解得到的低頻分量進(jìn)行第k層小波分解后得到的高頻分量，低頻分量il是對第k-1層小波分解得到的低頻分量進(jìn)行第k層小波分解后得到的低頻分量。

第三步，使用圖像去霧方法對低頻分量il進(jìn)行去霧處理，得到去霧低頻分量il-dehazed。

可使用背景技術(shù)中介紹的tarel方法、zhu方法，ju方法、meng方法或者gu方法對低頻分量il進(jìn)行去霧處理，上述圖像去霧方法均為現(xiàn)有技術(shù)，在此不再描述使用上述方法進(jìn)行去霧處理的具體過程。

第四步，利用尺寸調(diào)節(jié)模型分別對k個(gè)高頻分量進(jìn)行處理，獲得k個(gè)新高頻分量，如下式：

其中，表示第i層高頻分量，表示對第i層高頻分量調(diào)節(jié)后獲得的新第i層高頻分量，mⁱ表示第i層尺寸矩陣，mⁱ＝(k-i)·(ηⁱ+1)，ηⁱ表示第i層調(diào)節(jié)矩陣，該調(diào)節(jié)矩陣由所有像素的調(diào)節(jié)比組成，每個(gè)像素的調(diào)節(jié)比ζⁱ(x,y)表示對有霧圖像進(jìn)行2·i下采樣后的圖像中的每個(gè)像素(x,y)的像素可視差，ξⁱ(x,y)表示對有霧圖像進(jìn)行2·i下采樣后的圖像中的每個(gè)像素(x,y)的像素可視差，i(x,y)表示像素(x,y)的強(qiáng)度值，ω(x,y)表示以像素(x,y)為中心半徑為1的局部像素塊，(x',y')表示局部像素塊ω(x,y)中的任意一個(gè)像素，i(x',y')表示像素(x',y')的強(qiáng)度值，表示像素(x,y)的強(qiáng)度的梯度分量。

第五步，將獲得的去霧低頻分量il-dehazed和k個(gè)新高頻分量進(jìn)行小波重構(gòu)，獲得去霧后的圖像。需要說明的是，第二步中的小波分解和對應(yīng)的該步中小波重構(gòu)為現(xiàn)有技術(shù)，在此不再描述小波分解及小波重構(gòu)的具體流程。

考慮到加速效果和去霧效果的平衡，第二步中優(yōu)選k＝3，即對有霧圖像進(jìn)行3層小波分解，獲得低頻分量il和高頻分量

下面結(jié)合具體實(shí)施例說明本發(fā)明方法的流程和有益效果，以下實(shí)施例均在matlab環(huán)境下編程實(shí)現(xiàn)。

具體實(shí)施例一

獲得有霧圖像如圖2所示，該圖像分辨率為845×496；考慮到計(jì)算復(fù)雜度，優(yōu)選小波變換中最簡單的哈爾小波變化方法，對該有霧圖像進(jìn)行3層小波分解，得到1個(gè)低頻分量和3個(gè)高頻分量；使用tarel方法對低頻分量進(jìn)行去霧處理；使用尺寸調(diào)節(jié)模型對3個(gè)高頻分量進(jìn)行調(diào)節(jié)；最后將獲得的去霧低頻分量和3個(gè)新高頻分量進(jìn)行小波重構(gòu)，從而獲得去霧后圖像，記錄獲得去霧后圖像的計(jì)算時(shí)間。其余不變，第二步中對有霧圖像分別進(jìn)行6層、9層、12層和15層小波分解，第三步中分別使用zhu方法、ju方法、meng方法和gu方法對低頻分量進(jìn)行去霧處理，記錄對應(yīng)的獲得去霧后圖像的計(jì)算時(shí)間，結(jié)果如圖3所示。圖3中的橫坐標(biāo)為小波分解層數(shù)，k＝0對應(yīng)的是僅僅使用tarel方法、zhu方法、ju方法、meng方法或gu方法對圖2所示的有霧圖像進(jìn)行去霧獲得去霧后圖像的計(jì)算時(shí)間。從圖3可以看出，本發(fā)明方法有效地提高了現(xiàn)有圖像去霧方法的計(jì)算效率。

具體實(shí)施例二

獲得有霧圖像如圖4所示，該圖像分辨率為768×497，對該有霧圖像進(jìn)行3層小波分解，得到1個(gè)低頻分量和3個(gè)高頻分量，使用tarel方法對低頻分量進(jìn)行去霧處理，對3個(gè)高頻分量進(jìn)行調(diào)節(jié)，最后將獲得的去霧低頻分量和3個(gè)新高頻分量進(jìn)行小波重構(gòu)，從而獲得去霧后圖像，記錄獲得去霧后圖像的計(jì)算時(shí)間。其余不變，第二步中對有霧圖像分別進(jìn)行6層、9層、12層和15層小波分解，第三步中分別使用zhu方法、ju方法、meng方法和gu方法對低頻分量進(jìn)行去霧處理，記錄對應(yīng)的獲得去霧后圖像的計(jì)算時(shí)間，結(jié)果如圖5所示。圖5中k＝0對應(yīng)的是僅僅分別使用tarel方法、zhu方法、ju方法、meng方法和gu方法對圖4所示的有霧圖像進(jìn)行去霧獲得去霧后圖像的計(jì)算時(shí)間。從圖5可以看出，本發(fā)明方法有效地提高了現(xiàn)有圖像去霧方法的計(jì)算效率。

具體實(shí)施例三

獲得有霧圖像如圖6所示，該圖像分辨率為400×600，對該有霧圖像進(jìn)行3層小波分解，得到1個(gè)低頻分量和3個(gè)高頻分量，使用tarel方法對低頻分量進(jìn)行去霧處理，對3個(gè)高頻分量進(jìn)行調(diào)節(jié)，最后將獲得的去霧低頻分量和3個(gè)新高頻分量進(jìn)行小波重構(gòu)，從而獲得去霧后圖像，記錄獲得去霧后圖像的計(jì)算時(shí)間。其余不變，第二步中對有霧圖像分別進(jìn)行6層、9層、12層和15層小波分解，第三步中分別使用zhu方法、ju方法、meng方法和gu方法對低頻分量進(jìn)行去霧處理，記錄對應(yīng)的獲得去霧后圖像的計(jì)算時(shí)間，結(jié)果如圖7所示。圖7中k＝0對應(yīng)的是僅僅分別使用tarel方法、zhu方法、ju方法、meng方法和gu方法對圖6所示的有霧圖像進(jìn)行去霧獲得去霧后圖像的計(jì)算時(shí)間。從圖7可以看出，本發(fā)明方法有效地提高了現(xiàn)有圖像去霧方法的計(jì)算效率。

具體實(shí)施例四

獲得有霧圖像如圖8所示，該圖像分辨率為512×460，對該有霧圖像進(jìn)行3層小波分解，得到1個(gè)低頻分量和3個(gè)高頻分量，使用tarel方法對低頻分量進(jìn)行去霧處理，對3個(gè)高頻分量進(jìn)行調(diào)節(jié)，最后將獲得的去霧低頻分量和3個(gè)新高頻分量進(jìn)行小波重構(gòu)，從而獲得去霧后圖像，記錄獲得去霧后圖像的計(jì)算時(shí)間。其余不變，第二步中對有霧圖像分別進(jìn)行6層、9層、12層和15層小波分解，第三步中分別使用zhu方法、ju方法、meng方法和gu方法對低頻分量進(jìn)行去霧處理，記錄對應(yīng)的獲得去霧后圖像的計(jì)算時(shí)間，結(jié)果如圖9所示。圖9中k＝0對應(yīng)的是僅僅分別使用tarel方法、zhu方法、ju方法、meng方法和gu方法對圖8所示的有霧圖像進(jìn)行去霧獲得去霧后圖像的計(jì)算時(shí)間。從圖9可以看出，本發(fā)明方法有效地提高了現(xiàn)有圖像去霧方法的計(jì)算效率。