邵明省

(鹤壁职业技术学院 电子信息工程学院,河南 鹤壁 458030)

1 引 言

在雾霾天气下,图像场景中物体的对比度下降,影响了图像信息的辨识,导致后续图像细节特征的提取、目标的识别等处理无法正常进行[1]。

He K M等[2]根据暗通道先验(dark channel prior, DCP)理论得到雾霾图像传输图的粗略估计值,可取得良好的去雾效果,但存在计算量太大、效率太低的问题,随后他们又提出了引导滤波(guide filter, GF),获得了较好的复原效果,但引导滤波器的引入带来了去雾不彻底问题。尺度自适应暗通道先验(scale adaptive dark channel prior, SADCP)去雾方法,通过图像的颜色和边缘特征自适应地调节暗通道的尺度范围[3],得到像素级的暗通道求解尺度,兼顾大尺度求解色彩失真小和小尺度求解“光晕”失真小等优点,但是尺度依赖边缘检测的准确度。单幅图像去雾方法(single image dehazing, SID)构造关于图像边缘强度的代价函数,通过最大化局部对比度的方法实现去雾[4],但是在包含有白色物体的图像中该方法会导致大气参数估计过大。双边滤波(bilateral filtering, BF)平滑传输图的细节信息,得到质量良好的去雾图像[5],但是时间复杂度高和内存消耗大。分块来求粗暗通道,进一步提高了暗通道去雾速度[6],但是去雾不彻底。

为了克服暗通道算法去雾处理存在的不足,本文提出混合暗通道算法(mixed dark channel prior, MDCP),通过阈值划分近景区域和远景区域,用最大化相似度评价函数获得微调系数,实验仿真显示本文算法去雾图像视觉效果较好,定量分析指标较优。

2 混合暗通道算法

2.1 大气散射……

登录APP查看全文