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

雾天条件下获取的红外图像容易丢失信息,如图像对比度下降、远景变得模糊等等,红外图像去雾算法不但需要增强其对比度和细节,同时不能破坏红外图像像素分布信息[1-2]。

暗通道算法(Dark Channel Prior,DCP)由何恺明提出[3],通过分析有雾图像暗通道先验假设进行去雾,去雾效果自然并且真实,但是暗通道算法适合图像中不包含天空区域或者图像中没有明亮区域。田源对通过混合通道把暗通道算法划分远景和近景区域(Near and Far Scene Dark Channel Prior,NFCDCP),并且在不同区域设置调节系数以便优化调节[4],但是此方法适合图像中远景、近景区域比较容易分割的图像,如果远景、近景区域连接处出现相互交叠现象,则不太适合使用。宋瑞霞提出含有大片天空区域图像的去雾算法(Large Sky Region Dark Channel Prior,LSRDCP),通过图像的亮度值对天空区域进行分割[5],最终图像去雾的色调更加自然,但是对天空区域比较小的图像或白色物体比较多的图像不易找出正确的分割阈值。Zhu提出图像亮度和暗通道先验(Fusion of Luminance and Dark Channel Prior,FLDCP)的融合方法对有雾图像恢复[6],适合图像中有广镜头的天空区域,但是若空中的光线是在太阳周围区域选取,将使图像发生颜色偏移,导致恢复效果不佳。Gao 等人提出多聚焦图像融合方法(Multi-Focus Image Fusion,MFIF),通过引入天空区域的分割求取全局大气背景光[7],但是需要拉普拉斯滤波,导致处理时间较长。以上方法虽然能够获得完整的天空区域,但是若天空区域和非天空区域之间出现交叉现象,交界处在去雾后出现边缘残留现象。……