基于去雾算法的隧道粉尘环境图像智能恢复方法及系统与流程

本发明属于图像处理，具体涉及一种基于去雾算法的隧道粉尘环境图像智能恢复方法及系统。

背景技术：

1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

2、随着智能技术的发展，智能化检测方式逐渐应用于隧道施工质量检测当中，例如图像识别、机器视觉等技术应用越来越广泛。但是隧道环境由于其封闭性和特殊性，往往伴随着高浓度的粉尘和昏暗的照明条件。粉尘颗粒对光线的散射和吸收作用显著，导致成像设备捕获的图像质量严重下降，表现为对比度降低、细节模糊、颜色失真等问题。在隧道检测与管控中，图像质量直接关系到结果的准确性和可靠性。高清晰度的图像能够更准确地反映隧道内的实际情况，隧道粉尘环境图像智能恢复方法的应用，能够显著提升图像的可见性和质量，为后续的图像分析和处理提供更为清晰、准确的源数据，为隧道施工质量检测与管控提供更加有力的支持。

3、但是，现有的隧道粉尘环境图像恢复方法中还是会存在恢复精度不够的问题，而且在图像恢复过程中，由于颜色空间的信息获取的不准确或有缺失的情况出现，从而导致图像恢复的准确度和精度明显下降。

技术实现思路

1、为了解决上述问题，本发明提出了一种基于去雾算法的隧道粉尘环境图像智能恢复方法及系统，本发明解决隧道昏暗多尘环境，影响图像质量，干扰识别及检测准确率等问题。

2、根据一些实施例，本发明的第一方案提供了一种基于去雾算法的隧道粉尘环境图像智能恢复方法，采用如下技术方案：

3、基于去雾算法的隧道粉尘环境图像智能恢复方法，包括：

4、从隧道昏暗粉尘环境中获取待恢复图像；

5、基于待恢复图像进行频域透射率优化得到最终透射率，对待恢复图像进行大气光聚类优化得到大气光值，利用最终透射率和大气光值进行图像恢复，得到昏暗恢复图像；

6、基于昏暗恢复图像进行空间转换，对转换后的昏暗恢复图像进行混合增强后并转回原始空间，得到去雾恢复图像。

7、进一步地，所述基于待恢复图像进行频域透射率优化得到最终透射率，包括：

8、基于待恢复图像确定初始透射率；

9、对初始透射率的低频分量和高频分量分别进行频域透射率优化，得到优化低频分量和优化高频分量；

10、根据优化低频分量和优化高频分量重构得到最终透射率。

11、进一步地，所述对待恢复图像进行大气光聚类优化得到大气光值，包括：

12、将待恢复图像均分为多个超像素块；

13、将像素权值最大的超像素块均分为多个矩形区域；

14、对经过两次分解后的待恢复图像中的每个分解区域进行聚类，得到大气候选区，以大气候选区的大气光值作为最终的大气光值。

15、进一步地，所述基于昏暗恢复图像进行空间转换，对转换后的昏暗恢复图像进行混合增强后并转回原始空间，得到去雾恢复图像，包括：

16、基于图像色彩空间建立色彩空间转换函数，将昏暗恢复图像的图像rgb空间转换为hsv空间，得到转换后的昏暗恢复图像；

17、基于转换后的昏暗恢复图像，进行跨色彩空间联合增强，得到亮度通道、矫正后的色调通道和均衡化的饱和度通道；

18、基于图像二值化函数，对转换后的昏暗恢复图像的亮度通道进行二值化处理，得到二值化恢复图像；

19、基于标记函数，标记二值化恢复图像中各区域明暗属性，并提取图像暗部区域；

20、基于注意力机制和图像暗部区域对二值化恢复图像进行增强，得到注意力增强亮度通道；

21、将注意力增强亮度通道、矫正后的色调通道和均衡化的饱和度通道转回为原始rgb空间，得到去雾恢复图像。

22、进一步地，所述利用最终透射率和大气光值进行图像恢复，得到昏暗恢复图像，包括：

23、基于实时粉尘浓度、待恢复图像的灰度图像的方差以及红外热成像温度梯度，进行粉尘浓度感知，得到粉尘浓度时变扰动项；

24、基于粉尘浓度时变扰动项、最终透射率和大气光值，对待恢复图像进行图像恢复，得到昏暗恢复图像。

25、进一步地，所述基于粉尘浓度时变扰动项、最终透射率和大气光值，对待恢复图像进行图像恢复，得到昏暗恢复图像，具体为：

26、

27、其中，为像素处的待恢复图像，为像素处的昏暗恢复图像，为像素处的最终透射率，是大气光值，为基于实时粉尘浓度预测的粉尘浓度时变扰动项。

28、根据一些实施例，本发明的第二方案提供了一种基于去雾算法的隧道粉尘环境图像智能恢复系统，采用如下技术方案：

29、基于去雾算法的隧道粉尘环境图像智能恢复系统，包括：

30、图像获取模块，被配置为从隧道昏暗粉尘环境中获取待恢复图像；

31、图像恢复模块，被配置为基于待恢复图像进行频域透射率优化得到最终透射率，对待恢复图像进行大气光聚类优化得到大气光值，利用最终透射率和大气光值进行图像恢复，得到昏暗恢复图像；

32、图像增强模块，被配置为基于昏暗恢复图像进行空间转换，对转换后的昏暗恢复图像进行混合增强后并转回原始空间，得到去雾恢复图像。

33、根据一些实施例，本发明的第三方案提供了一种计算机可读存储介质。

34、一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方案所述的基于去雾算法的隧道粉尘环境图像智能恢复方法中的步骤。

35、根据一些实施例，本发明的第四方案提供了一种计算机设备。

36、一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述第一方案所述的基于去雾算法的隧道粉尘环境图像智能恢复方法中的步骤。

37、根据一些实施例，本发明的第五方案提供一种计算机程序产品或计算机程序。

38、一种计算机程序产品或计算机程序，包括计算机指令，该计算机指令存储在计算机可读存储介质中，计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行如上述第一方案所述的基于去雾算法的隧道粉尘环境图像智能恢复方法中的步骤。

39、与现有技术相比，本发明的有益效果为：

40、本发明通过物理复原—色彩增强—暗部提亮三级递进架构，全面解决了隧道昏暗粉尘图像的退化问题。首先，频域透射率优化有效抑制了边缘光晕与块效应，结合大气光聚类优化规避了人造光源干扰，获得物理上准确的昏暗恢复底图。其次，将底图转换至hsv空间进行跨色彩联合增强并二值化，在全局提升对比度与色彩饱和度的同时，精准标记出仍欠曝的暗部区域。最后，以该标记为注意力引导，仅对暗部进行网络增强，实现暗区提亮、亮区无过曝的高动态范围压缩，再将图像转回rgb空间，最终输出去雾恢复图像。该方法将去雾、色彩校正与局部补光融为一体，显著提升了隧道环境中目标可见度与色彩保真度，具有高鲁棒性与实时应用潜力。

1.基于去雾算法的隧道粉尘环境图像智能恢复方法，其特征在于，包括：

2.如权利要求1所述的基于去雾算法的隧道粉尘环境图像智能恢复方法，其特征在于，所述基于待恢复图像进行频域透射率优化得到最终透射率，包括：

3.如权利要求1所述的基于去雾算法的隧道粉尘环境图像智能恢复方法，其特征在于，所述对待恢复图像进行大气光聚类优化得到大气光值，包括：

4.如权利要求1所述的基于去雾算法的隧道粉尘环境图像智能恢复方法，其特征在于，所述基于昏暗恢复图像进行空间转换，对转换后的昏暗恢复图像进行混合增强后并转回原始空间，得到去雾恢复图像，包括：

5.如权利要求1所述的基于去雾算法的隧道粉尘环境图像智能恢复方法，其特征在于，所述利用最终透射率和大气光值进行图像恢复，得到昏暗恢复图像，包括：

6.如权利要求5所述的基于去雾算法的隧道粉尘环境图像智能恢复方法，其特征在于，所述基于粉尘浓度时变扰动项、最终透射率和大气光值，对待恢复图像进行图像恢复，得到昏暗恢复图像，具体为：

7.基于去雾算法的隧道粉尘环境图像智能恢复系统，其特征在于，包括：

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一项所述的基于去雾算法的隧道粉尘环境图像智能恢复方法中的步骤。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6中任一项所述的基于去雾算法的隧道粉尘环境图像智能恢复方法中的步骤。

10.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时，实现如权利要求1-6中任一项所述的基于去雾算法的隧道粉尘环境图像智能恢复方法中的步骤。