一种基于多尺度分解的单幅夜间图像去雾方法与流程

技术特征：
1.一种基于多尺度分解的单幅夜间图像去雾方法，其特征在于，包括如下步骤：(1) 将夜间雾天图像分解为辉光层图像和残差图像；(2) 将去除辉光后的残差图像利用伽马校正进行亮度补偿；(3) 将亮度补偿后的图像分解为一个结构层图像和两个纹理层图像；(4) 将结构层残差图像进行去雾处理；(5) 将纹理层图像t1先后进行去噪和增强处理；(6) 将纹理层t2进行梯度域增强处理；(7) 将去雾后的结构层图像和两个增强后的纹理层图像进行融合得到结果图像。2.根据权利要求1中所述的一种基于多尺度分解的单幅夜间图像去雾方法，其特征在于，在步骤(3)中首先利用全变分约束将亮度补偿后的图像逐步平滑，生成一系列结构层图像s
i
，然后将结构层图像之间的差值作为纹理层图像，具体为：t
i
＝s
i-s
i-1
(i＝1,2,
…
,k)通常情况下，选择两个尺度的纹理层图像。3.根据权利要求1所述的一种基于多尺度分解的单幅夜间图像去雾方法，其特征在于，在步骤(4)中将暗通道先验知识应用于结构层残差图像的局部块上进行去雾操作。4.根据权利要求1所述的一种基于多尺度分解的单幅夜间图像去雾方法，其特征在于，在步骤(5)和(6)中对纹理层图像t1首先利用三维块匹配算法进行去噪，进而利用梯度域增强方法对去噪后的图像进行纹理增强；针对纹理层图像t2仅做梯度域增强处理操作。

技术总结
本发明公开了一种基于多尺度分解的单幅夜间图像去雾方法，涉及图像去雾技术领域。步骤包括：利用相对平滑约束将输入的单幅夜间雾天图像分解为辉光图像和残差图像，去除夜间雾天图像中多光源的辉光效应；利用伽马校正方法对残差图像进行补偿亮度；然后结合全变分约束构造能量优化方程将亮度补偿后的图像分解为一个结构图像和两个尺度的纹理图像；进而利用局部暗通道先验算法对结构残差图像进行去雾操作得到无雾的结构图像；利用三维块匹配去噪算法去除纹理图像T1中的噪声成分；随后对两个尺度的纹理图像进行梯度域增强得到细节清晰的纹理层图像；最后，将去雾后的结构层图像和细节增强后的两个尺度的纹理图像进行线性融合得到无雾的夜间图像。本发明的优势在于去除图像中的雾气干扰、补偿图像的亮度和突出纹理细节的同时，还可以达到噪声抑制的效果。还可以达到噪声抑制的效果。还可以达到噪声抑制的效果。


技术研发人员：刘运 赵泽 严中圣 游倩
受保护的技术使用者：西南大学
技术研发日：2021.08.31
技术公布日：2022/3/11