图像去雾方法及装置与流程

1.本发明涉及计算机技术领域，尤其涉及一种图像去雾方法及装置。


背景技术：

2.有雾天气，是指多种气体和悬浮物组成的复杂的大气环境。在有雾天气条件下进行图像拍摄，获取到的有雾图像质量较低、细节难以分辨。
3.现有的图像去雾方法主要可以包括三类：基于图像增强的去雾算法、基于物理模型的去雾算法以及基于卷积神经网络的去雾算法。基于图像增强的去雾算法可以通过图像增强提高有雾图像的对比度，突出有雾图像细节，从而实现对有雾图像的图像去雾，代表算法包括直方图均衡、小波变换以及retinex算法等。基于物理模型的去雾算法主要基于大气散射物理模型，通过对大量有雾和无雾图像进行观察总结，得到其中存在的一些映射关系，然后根据有雾图像的形成过程进行逆运算，以获得清晰的去雾图像，代表算法包括暗通道先验去雾算法，该算法的去雾效果较好且稳定性较高。基于卷积神经网络的去雾算法可以基于卷积神经网络建立一个端到端模型，使用上述模型生成大气散射模型的相关参数，再根据大气散射模型的相关参数获取去雾图像，或者使用卷积神经网络直接根据有雾图像获得清晰的去雾图像。
4.但是，现有的图像去雾方法中涉及到的算法较多，计算过程较为复杂，进行图像去雾的效率较低。


技术实现要素：

5.本发明提供一种图像去雾方法及装置，用以解决现有技术中进行图像去雾的效率较低的缺陷，实现更高效的图像去雾。
6.本发明提供一种图像去雾方法，包括：
7.获取待处理有雾图像；
8.获取所述待处理有雾图像的白光噪声、能见度和场景深度；
9.基于所述白光噪声、所述能见度和所述场景深度，对所述待处理有雾图像进行图像去雾，获取所述待处理有雾图像对应的去雾图像。
10.根据本发明提供的一种图像去雾方法，所述基于所述白光噪声、所述能见度和所述场景深度，对所述待处理有雾图像进行图像去雾，获取所述待处理有雾图像对应的去雾图像，具体包括：
11.基于所述能见度，获取所述待处理有雾图像的消光系数；
12.基于所述待处理有雾图像的消光系数和场景深度，获取所述待处理有雾图像的场景透射率；
13.将所述待处理有雾图像的场景透射率、白光噪声和场景深度输入物像光透雾衰减模型，获取所述物像光透雾衰减模型输出的所述待处理有雾图像对应的原始去雾图像；
14.其中，所述物像光透雾衰减模型，用于基于所述待处理有雾图像的场景透射率、白
光噪声和场景深度，弥补所述待处理有雾图像对应的第一目标衰减；所述第一目标衰减包括获取所述待处理有雾图像时雾滴对光线造成的衰减。
15.根据本发明提供的一种图像去雾方法，所述将所述待处理有雾图像的场景透射率、白光噪声和场景深度输入物像光透雾衰减模型，获取所述物像光透雾衰减模型输出的所述待处理有雾图像对应的原始去雾图像，具体包括：
16.将所述待处理有雾图像的场景透射率、白光噪声和场景深度输入物像光透雾衰减模型，由所述物像光透雾衰减模型弥补所述待处理有雾图像每一通道对应的第二目标衰减，获取所述待处理有雾图像每一通道对应的原始去雾子图像，将各所述原始子图像进行组合之后，作为所述原始去雾图像；
17.其中，所述第二目标衰减，包括所述第一目标衰减中任一通道对应的衰减；所述第一目标衰减包括各所述第二目标衰减。
18.根据本发明提供的一种图像去雾方法，所述物像光透雾衰减模型的计算公式包括：
[0019][0020]
其中，i表示所述待处理有雾图像的通道；ji(x)表示所述待处理有雾图像i通道对应原始去雾子图像；ii(x)表示i通道的待处理有雾图像；wi表示所述待处理有雾图像i通道对应的白光噪声；d表示所述待处理有雾图像的场景深度；σi表示所述待处理有雾图像i通道对应的消光系数；表示所述待处理有雾图像i通道对应的场景透射率。
[0021]
根据本发明提供的一种图像去雾方法，所述将所述待处理有雾图像的场景透射率、白光噪声和场景深度输入物像光透雾衰减模型，获取所述物像光透雾衰减模型输出的所述待处理有雾图像对应的原始去雾图像之后，所述方法还包括：
[0022]
对所述原始去雾图像进行图像增强处理，获取所述去雾图像。
[0023]
根据本发明提供的一种图像去雾方法，所述基于所述能见度，获取所述待处理有雾图像的消光系数，具体包括：
[0024]
基于所述能见度，获取所述待处理有雾图像中雾滴的半径；
[0025]
基于所述雾滴的半径，获取所述雾滴的米氏散射效率因子；
[0026]
基于所述雾滴的半径和所述米氏散射效率因子，获取所述待处理有雾图像的消光系数。
[0027]
根据本发明提供的一种图像去雾方法，所述基于所述能见度，获取所述待处理有雾图像中雾滴的半径，具体包括：
[0028]
获取所述雾滴的类型；
[0029]
基于所述能见度和所述雾滴的类型，获取所述雾滴的半径。
[0030]
本发明还提供一种图像去雾装置，包括：
[0031]
图像获取模块，用于获取待处理有雾图像；
[0032]
参数获取模块，用于获取所述待处理有雾图像的白光噪声、能见度和场景深度；
[0033]
图像去雾模块，用于基于所述白光噪声、所述能见度和所述场景深度，对所述待处理有雾图像进行图像去雾，获取所述待处理有雾图像对应的去雾图像。
[0034]
本发明还提供一种电子设备，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任一种所述图像去雾方法的步骤。
[0035]
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述图像去雾方法的步骤。
[0036]
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述图像去雾方法的步骤。
[0037]
本发明提供的图像去雾方法及装置，通过获取待处理有雾图像的白光噪声、能见度和场景深度之后，基于上述白光噪声、能见度和场景深度，通过数值计算的方式对待处理有雾图像进行图像去雾，获取待处理有雾图像对应的去雾图像，能基于待处理有雾图像的白光噪声、能见度和场景深度对光线由于雾滴的散射作用而出现的衰减进行弥补，从而能在无需进行复杂运算的情况下实现更高效的图像去雾，对待处理有雾图像的去雾效果较好。
附图说明
[0038]
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0039]
图1是本发明提供的图像去雾方法的流程示意图之一；
[0040]
图2是本发明提供的图像去雾方法的流程示意图之二；
[0041]
图3是本发明提供的图像去雾装置的结构示意图之一；
[0042]
图4是本发明提供的图像去雾装置的结构示意图之二；
[0043]
图5是本发明提供的电子设备的结构示意图。
具体实施方式
[0044]
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0045]
在发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
[0046]
需要说明的是，在有雾天气条件下，大气环境中的各种物质，特别是大量分布的雾滴，会对穿过的光线有散射作用，使得光线在传输过程中向各个方向散射。
[0047]
在有雾天气条件下进行图像拍摄时，成像设备接收到光线由于雾滴的散射作用而出现衰减，使得成像设备获取到的有雾图像质量较低、细节难以分辨。
[0048]
对此，本发明提出一种图像去雾方法，可以通过对上述衰减进行补偿，实现对有雾
图像的图像去雾，在无需基于复杂的算法的情况下，可以更高效的获取有雾图像对应的去雾图像。
[0049]
图1是本发明提供的图像去雾方法的流程示意图之一。下面结合图1描述本发明的图像去雾方法。如图1所示，该方法包括：步骤101、获取待处理有雾图像。
[0050]
具体地，可以利用成像设备对拍摄目标进行拍摄，获取包括拍摄目标的待处理有雾图像。
[0051]
需要说明的是，待处理有雾图像为多通道的图像。待处理有雾图像的通道包括r通道、g通道和b通道。
[0052]
本发明实施例中，可以用i表示待处理有雾图像的通道。i可以表示r、g或b。i通道的待处理有雾图像可以用ii(x)表示。
[0053]
待处理有雾图像的每一通道可以分别对应不同波长的光线。
[0054]
可选地，待处理有雾图像的r通道可以对应红光波长范围内的光线；待处理有雾图像的g通道可以对应绿光波长范围内的光线；待处理有雾图像的b通道可以对应蓝光波长范围内的光线。
[0055]
步骤102、获取待处理有雾图像的白光噪声、能见度和场景深度。
[0056]
白光噪声，指在有雾天气条件下获取到的有雾图像上叠加有一层光噪声，上述光噪声可以称为白光噪声。
[0057]
待处理有雾图像的白光噪声，可以包括待处理有雾图像每一通道对应的白光噪声。
[0058]
可以通过多种方式获取待处理有雾图像每一通道对应的白光噪声。
[0059]
本发明实施例中获取待处理有雾图像i通道对应的白光噪声wi的过程包括：获取待处理有雾图像的暗通道色谱图和白色表达；根据待处理有雾图像的暗通道色谱图和白色表达，获取待处理有雾图像每一通道对应的白光图；获取待处理有雾图像i通道对应的白光图中的最小值，作为待处理有雾图像i通道对应的白光噪声。
[0060]
具体地，对于待处理有雾图像中的每一像素点，可以获取上述每一像素点最低颜色通道的数值及其对应的颜色通道，作为上述每一像素点对应的目标数据，基于上述每一像素点对应的目标数据，获取待处理有雾图像的暗通道色谱图。
[0061]
基于迭代估计的方法，将待处理有雾图像等分为预设数量的独立的图像块，分别计算每一图像块各通道数值比例的均值和方差，并在上述各图像块中选取与图像彩色表示方式为纯白表示最接近、方差最小的图像块，作为第一次等分对应的最优图像块。对于每一图像块，将上述每一图像块等分为预设数量的独立的图像块，获取第二次等分对应的最优图像块。通过不断重复上述过程，并在获得的第n次等分对应的最优图像块的大小小于预设的阈值的情况下，停止上述过程，将第n次等分对应的最优图像块的各通道数值比例的均值，确定为待处理有雾图像的白色表达。其中，n为大于0的正整数。
[0062]
对于待处理有雾图像中的任一像素点，基于待处理有雾图像的白色表达和暗通道色谱图，在确定上述暗通道色谱图中该像素点的最低像素值来自x通道的情况下，根据待处理有雾图像的白色表达，获取该像素点除x通道之外其他通道的白光成分。获取待处理有雾图像中每一像素点的白光成分之后，基于待处理有雾图像中每一像素点的白光成分，获取待处理有雾图像每一通道对应的白光图。其中，x通道为r通道、g通道或b通道。
[0063]
获取待处理有雾图像i通道对应的白光图中每一行像素值的最小值和每一列像素值的最小值，作为待处理有雾图像i通道对应的白光噪声wi。
[0064]
能见度，是指视力正常的人能将目标物从背景中识别出来的最大距离。能见度是了解大气的稳定度和垂直结构的天气指标。
[0065]
在有雾天气条件下，雾的浓度不同，对应的能见度也不同。根据雾的浓度，可以将雾分为轻雾、大雾、浓雾和强浓雾。
[0066]
通常情况下，轻雾对应的能见度为1km左右；大雾对应的能见度在200～500m；浓雾对应的能见度范围大致在0.05～0.2km；强浓雾时，能见度不足0.05km。
[0067]
需要说明的是，待处理有雾图像的能见度，可以指成像设备采集待处理有雾图像时的能见度。
[0068]
可以通过多种方式预先获取采集待处理有雾图像时的能见度v。
[0069]
例如：基于图像边缘的能见度计算方法，利用待处理有雾图像的图像边缘梯度、对比度以及亮度等图像数据，根据预设阈值定量判断待处理有雾图像中景物的可见性，从而获取采集待处理有雾图像时的能见度v；
[0070]
又例如，利用成像设备采集待处理有雾图像时，可以获取上述成像设备的位置信息，并可以基于上述位置信息和采集待处理有雾图像的时刻查询对应的天气预报，基于查询到的天气预报，获取采集待处理有雾图像时的能见度v；
[0071]
又例如，可以基于能见度采集设备，获取成像设备所在区域的能见度，作为采集待处理有雾图像时的能见度v。
[0072]
需要说明的是，可以在获取待处理有雾图像之前，基于上述列举方法中的后两种方法获取到的待处理有雾图像的能见度v，可以保存至待处理有雾图像的图像信息中，获取到待处理有雾图像之后，可以通过读取待处理有雾图像的图像信息，获取待处理有雾图像的能见度v。
[0073]
场景深度，可以用于描述图像中可以清楚成像的距离范围。
[0074]
可以通过多种方式获取待处理有雾图像的场景深度d。
[0075]
例如：可以基于暗通道先验算法，获取待处理有雾图像的场景透射率，利用上述场景透射率和基于待处理有雾图像的能见度获取到的待处理有雾图像的消光系数，估计待处理有雾图像中每一像素点的场景深度，基于均值滤波的方法可以对获取到的上述每一像素点的场景深度进行处理，从而可以将待处理有雾图像中处于同一局部区域的场景深度进行统一，获取待处理有雾图像的场景深度d；
[0076]
又例如：利用成像设备采集待处理有雾图像时，可以直接测得待处理有雾图像中的某一景物与上述成像设备之间的距离，再根据景物之间投影关系，分区域估计不同景物对应的场景深度，从而获取待处理有雾图像的场景深度d。
[0077]
需要说明的是，可以在获取待处理有雾图像的过程中，基于上述列举方法中的后一种方法获取到待处理有雾图像的场景深度d，可以保存至待处理有雾图像的图像信息中，获取到待处理有雾图像之后，可以通过读取待处理有雾图像的图像信息，获取待处理有雾图像的场景深度d。
[0078]
步骤103、基于白光噪声、场景深度以及能见度，对待处理有雾图像进行图像去雾，获取待处理有雾图像对应的去雾图像。
[0079]
具体地，基于预先获取的采集待处理有雾图像时的能见度、待处理有雾图像的白光噪声和场景深度，可以通过数值计算等方法，对待处理有雾图像进行图像去雾，获取待处理有雾图像对应的去雾图像。
[0080]
本发明实施例通过获取待处理有雾图像的白光噪声、能见度和场景深度之后，基于上述白光噪声、能见度和场景深度，通过数值计算的方式对待处理有雾图像进行图像去雾，获取待处理有雾图像对应的去雾图像，能基于待处理有雾图像的白光噪声、能见度和场景深度对光线由于雾滴的散射作用而出现的衰减进行弥补，从而能在无需进行复杂运算的情况下实现更高效的图像去雾，对待处理有雾图像的去雾效果较好。
[0081]
图2是本发明提供的图像去雾方法的流程示意图之二。如图2所示，基于能见度，获取待处理有雾图像的消光系数，具体包括：基于能见度，获取待处理有雾图像中雾滴的半径。
[0082]
需要说明的是，本发明实施例中待处理有雾图像中的雾滴，可以泛指待处理有雾图像中的每一雾滴。
[0083]
具体地，分布函数，可以用于描述随机变量的统计规律，并且决定随机变量的一切其他概率特征。
[0084]
传统的分布函数包括：正态分布、对数正态分布、伽马分布以及广义伽马分布等。
[0085]
正态分布也称为gaussian分布，其概率密度函数如下所示：
[0086][0087]
其中，μ表示数学期望值；δ2表示方差；r表示粒子的半径。
[0088]
对数正态分布，指一个随机变量的对数服从正态分布，对数正态分布可以通过如下公式表示：
[0089][0090]
其中，μ表示数学期望值；δ2表示方差；r表示粒子的半径。
[0091]
伽马分布(gamma distribution)，是一种连续概率函数，伽马分布可以通过如下公式表示：
[0092][0093]
其中，μ可以用于描述尺寸分布的宽度，μ越小，说明粒子尺寸分布越宽；r表示粒子的半径。
[0094]
广义伽马分布为一种使用最为广泛且非常简易的粒子谱模型，广义伽马分布可以通过如下公式表示：
[0095]
n(r)＝araexp(-br
β
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0096]
需要说明的是，通常情况下取a＝2，β＝1，广义伽马分布可以通过如下公式表示：
[0097]
n(r)＝ar2exp(-br)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0098]
其中，a和b表示系数；r表示粒子的半径。
[0099]
本发明实施例中基于广义伽马分布构建雾滴分布函数，用于描述待处理有雾图像中雾滴的半径与雾滴的浓度之间的关系。基于上述雾滴分布函数，可以获取待处理有雾图
像中雾滴的模式半径r0或平均半径并可以将上述模式半径r0或平均半径中的任意一个作为待处理有雾图像中雾滴的半径r。
[0100]
本发明实施例中的雾滴分布函数可以通过如下公式表示：
[0101]
n(r)＝ar2exp(-br)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0102]
其中，a和b表示系数，a和b的取值与雾滴含水量w和待处理有雾图像的能见度v相关，
[0103]
需要说明的是，可以基于先验知识获取待处理有雾图像的能见度v与雾滴含水量w之间的关系。获取待处理有雾图像的能见度v之后，可以基于待处理有雾图像的能见度v与雾滴含水量w之间的关系，获取待处理有雾图像中雾滴的含水量w。
[0104]
基于上述雾滴分布函数，通过如下公式，可以获取r0：
[0105][0106]
基于上述雾滴分布函数，通过如下公式，可以获取
[0107][0108]
基于雾滴的半径，获取雾滴的米氏散射效率因子。
[0109]
需要说明的是，由于雾滴对光线的散射最接近米氏散射，本发明实施例中基于米氏散射理论对雾滴的散射特性进行分析，从而可以基于待处理有雾图像中雾滴的半径，获取上述雾滴的米氏散射效率因子q。
[0110]
雾滴的米氏散射效率因子q，可以包括待处理有雾图像每一通道对应的雾滴的米氏散射效率因子。
[0111]
待处理有雾图像i通道对应的雾滴的米氏散射效率因子qi(mi,xi)，与待处理有雾图像i通道对应的雾滴的折射率mi和待处理有雾图像i通道对应的雾滴的尺寸参数xi相关。
[0112]
待处理有雾图像i通道对应的雾滴的尺寸参数xi与待处理有雾图像i通道对应的光线的波长λi相关，xi＝2πr/λi。
[0113]
可以理解的是，获取待处理有雾图像i通道对应的米氏散射效率因子qi时，需要获取待处理有雾图像i通道对应的雾滴的折射率mi。
[0114]
由于雾滴的复折射率是影响雾滴的折射率的重要因素。雾滴的复折射率可以由雾滴本身和光线的入射波长共同决定，基于先验知识可以获取红光波长范围内、绿光波长范围内和蓝光波长范围内的光线的折射率。
[0115]
例如：红光波长范围可以在0.622～0.678μm之间，红光波长范围内的红光光线对应的雾滴的复折射率可以在1.331 2.23*10-8
j～1.332 1.39*10-8
j之间；绿光波长范围可以在0.492～0.577μm之间，绿光波长范围的绿光光线对应的雾滴的复折射率可以在1.33 3.6*10-9
j～1.335 1*10-9
j之间；蓝光波长范围可以在0.455～0.492μm之间，蓝光波长范围内的蓝光光线对应的雾滴的复折射率可以在1.335 1*10-9
j～1.337 1.02*10-9
j之间。其中，j表示复数的虚部。波长较短的光线对应的雾滴的复折射率的虚部相对更小，说明雾滴对光线的吸收较弱；波长较长的光线对应的雾滴的复折射率的虚部相对更大，说明雾滴对光线的吸收较强。
[0116]
可以基于先验知识确定红光光线的波长取0.625μm，红光光线对应的雾滴的复折射率取1.332 1.39*10-8
j；确定绿光光线的波长取0.575μm，绿光光线对应的雾滴的复折射率取1.333 3.6*10-9
j；确定蓝光光线的波长取0.475μm，蓝光光线对应的雾滴的复折射率取1.336 9.35*10-10
j。
[0117]
将已获取的待处理有雾图像中雾滴的模式半径r0作为上述雾滴的半径r，可以获取待处理有雾图像i通道对应的雾滴的尺寸参数xi。
[0118]
基于米氏散射理论，可以获取待处理有雾图像i通道对应的中雾滴的米氏散射系数和基于和可以计算散射场振幅。此处涉及高阶球形bessel函数ψn(x)和ζn(x)，ψn′
(x)和ζ
n’(x)分别为各自变量的微分。以及待处理有雾图像中雾滴的折射率m，和可以通过如下公式表示：
[0119][0120][0121]
其中，n表示迭代次数，在编程计算中，需要对迭代次数n设置合适的值，使得计算既满足一定的计算精度，又不会占用过多的内存资源，此处采用wiscombe提出的经验公式进行编程求解：
[0122][0123]
获取待处理有雾图像i通道对应的雾滴的米氏散射系和之后，可以利用和获取待处理有雾图像i通道对应的雾滴的米氏散射效率因子。其中，米氏散射效率因子可以包括消光效率因子散射效率因子和吸收效率因子
[0124]
消光效率因子q
ext
、散射效率因子q
sca
和吸收效率因子q
abs
可以通过以下公式表示：
[0125][0126][0127][0128]
其中，由于雾滴的复折射率的虚部很小，吸收部分可以忽略不计，因此计算得到的消光效率因子和散射效率因子相等，可以将获取到的消光效率因子或散射效率因子中的任意一个作为待处理有雾图像i通道对应的雾滴的米氏散射效率因子qi(mi,xi)。
[0129]
基于雾滴的半径和米氏散射效率因子，获取待处理有雾图像的消光系数。
[0130]
具体地，待处理有雾图像的消光系数σ，可以包括待处理有雾图像每一通道对应的消光系数。
[0131]
基于待处理有雾图像i通道对应的雾滴的半径r以及米氏散射效率因子qi(mi,xi)，可以获取待处理有雾图像i通道对应的消光系数σi。
[0132]
待处理有雾图像i通道对应的消光系数σi可以通过如下公式表示：
[0133][0134]
本发明实施例通过基于待处理有雾图像的能见度，获取待处理有雾图像中雾滴的半径，基于上述雾滴的半径，获取上述雾滴的米氏散射效率因子，基于上述雾滴的米氏散射效率因子和半径，获取待处理有雾图像的消光系数，能更简单、更高效的获取待处理有雾图像的消光系数，能对待处理有雾图像进行图像去雾提供数据基础。
[0135]
基于上述各实施例的内容，基于能见度，获取待处理有雾图像中雾滴的半径，具体包括：获取雾滴的类型。
[0136]
通常情况下，根据形成雾的地理环境和产生原理，可以将雾分为平流雾和辐射雾。上述两种类型的雾在雾滴的尺寸上有区别。
[0137]
平流雾的雾滴的半径通常在10μm左右，而辐射雾的雾滴的半径通常小于10μm。
[0138]
可选地，可以通过多种方式获取雾滴的类型。
[0139]
例如：利用成像设备采集待处理有雾图像时，可以获取上述成像设备的位置信息，并可以基于上述位置信息和采集待处理有雾图像的时刻查询对应的天气预报，基于查询到的天气预报，获取待处理有雾图像中雾滴的类型；
[0140]
又例如，平流雾通常出现在海面上，而辐射雾通常出现在内陆，利用成像设备采集待处理有雾图像时，可以获取上述成像设备的位置信息，并可以基于上述成像设备的位置信息，确定待处理有雾图像所处地理环境，基于待处理有雾图像所处地理环境推断待处理有雾图像中雾滴的类型。
[0141]
基于上述列举方法获取待处理雾滴的类型之后，可以将获取到的雾滴的类型保存至待处理有雾图像的图像信息中，获取到待处理有雾图像之后，可以通过读取待处理有雾图像的图像信息，获取待处理有雾图像中雾滴的类型。
[0142]
基于能见度和雾滴的类型，获取雾滴的半径。
[0143]
根据待处理有雾图像中雾滴的含水量w和待处理有雾图像的能见度v之间的关系，可以获取不同类型的雾滴对应的雾滴分布函数。
[0144]
平流雾的雾滴对应的雾滴分布函数可以通过如下公式表示：
[0145]
m(r)＝1.059*10
7v1.15
r2exp(-0.8359v
0.43
r)
ꢀꢀꢀ
(16)
[0146]
平流雾的雾滴对应的雾滴分布函数可以通过如下公式表示：
[0147]
n(r)＝3.104*10
7v1.7
r2exp(-4.122v
0.54
r)
ꢀꢀꢀꢀ
(17)
[0148]
基于公式(7)和公式(8)，可以对公式(16)和公式(17)进行转换之后，可以获取平流雾的雾滴的模式半径r0＝2.3924v-0.43
，平均半径辐射雾的雾滴的模式半径r0＝0.484v-0.54
，平均半径
[0149]
基于待处理有雾图像的能见度和待处理有雾图像中雾滴的类型，可以获取待处理有雾图像中雾滴的半径r。
[0150]
需要说明的是，在未获取到待处理有雾图像中雾滴的类型的情况下，可以分别获取雾滴的类型为平流雾和辐射雾的情况下，待处理有雾图像中雾滴的半径，并将获取到的上述两个半径的平均值，作为待处理有雾图像中雾滴的半径r。
[0151]
本发明实施例通过基于待处理有雾图像中雾滴的类型和待处理有雾图像的能见度，获取上述雾滴的半径，能基于上述雾滴的类型更准确的获取上述雾滴的半径，从而能更准确的获取待处理有雾图像的消光系数，能提高对待处理有雾图像的去雾效果。
[0152]
基于上述各实施例的内容，基于白光噪声、场景深度以及能见度，对待处理有雾图像进行图像去雾，获取待处理有雾图像对应的去雾图像，具体包括：基于能见度，获取待处理有雾图像的消光系数。
[0153]
具体地，基于待处理有雾图像的能见度，可以通过数值计算的方法，获取待处理有雾图像的消光系数。
[0154]
需要说明的是，获取待处理有雾图像的消光系数的具体过程可以参见上述各实施例的内容，此处不再赘述。
[0155]
基于待处理有雾图像的消光系数和场景深度，获取待处理有雾图像的场景透射率。
[0156]
需要说明的是，光线在传播过程中，由于雾滴的散射作用造成光线在光路上衰减。待处理有雾图像的场景透射率，可以描述光线在衰减过程中，实际到达成像设备的光线的比率。
[0157]
待处理有雾图像的场景透射率，可以包括待处理有雾图像每一通道对应的场景透射率。待处理有雾图像i通道对应的场景透射率e-σid
，可以基于待处理有雾图像的消光系数σi和场景深度d，通过数值计算的方法获取。
[0158]
将待处理有雾图像的场景透射率、白光噪声和场景深度输入物像光透雾衰减模型，获取物像光透雾衰减模型输出的待处理有雾图像对应的原始去雾图像。
[0159]
其中，物像光透雾衰减模型，用于基于待处理有雾图像的场景透射率、白光噪声和场景深度，弥补待处理有雾图像对应的第一目标衰减；第一目标衰减包括获取待处理有雾图像时雾滴对光线造成的衰减。
[0160]
具体地，将待处理有雾图像的场景透射率、白光噪声和场景深度输入物像光透雾衰减模型，上述物像光透雾衰减模型可以基于待处理有雾图像的场景透射率、白光噪声和场景深度，弥补获取待处理有雾图像时雾滴的散射作用对光线造成的衰减，从而可以实现对待处理有雾图像的图像去雾，生成并输出待处理有雾图像对应的原始去雾图像。
[0161]
需要说明的是，物像光透雾衰减模型为物理模型。
[0162]
需要说明的是，可以将获取待处理有雾图像时雾滴的散射作用对光线造成的衰减，作为第一目标衰减。
[0163]
本发明实施例通过基于待处理有雾图像的能见度，获取待处理有雾图像的消光系数，基于待处理有雾图像的消光系数和场景深度，获取待处理有雾图像的场景透射率，将待处理有雾图像的场景透射率、白光噪声和场景深度输入物像光透雾衰减模型，物像光透雾衰减模型基于待处理有雾图像的场景透射率、白光噪声和场景深度，对获取待处理有雾图像对应的第一目标衰减进行弥补，从而实现对待处理有雾图像的图像去雾，第一目标衰减包括获取待处理有雾图像时雾滴的散射作用对光线造成的衰减，获取物像光透雾衰减模型
输出的待处理有雾图像对应的原始去雾图像，能在无需进行复杂运算的情况下实现更高效的图像去雾，对待处理有雾图像的去雾效果较好。
[0164]
基于上述各实施例的内容，将待处理有雾图像的场景透射率、白光噪声和场景深度输入物像光透雾衰减模型，获取物像光透雾衰减模型输出的待处理有雾图像对应的原始去雾图像，具体包括：将待处理有雾图像的场景透射率、白光噪声和场景深度输入物像光透雾衰减模型，由物像光透雾衰减模型弥补待处理有雾图像每一通道对应的第二目标衰减，获取待处理有雾图像每一通道对应的原始去雾子图像，将各原始子图像进行组合之后，作为原始去雾图像；其中，第二目标衰减，包括第一目标衰减中每一通道对应的衰减；第一目标衰减包括各第二目标衰减。
[0165]
需要说明的是，对于相同尺寸的雾滴，光线的波长不同，由于上述雾滴发生散射的散射程度不同。同一波长由于尺寸不同的雾滴发生散射的散射程度也不同。随着拍摄对象与成像设备之间距离的增加或雾浓度的增加，有雾图像中的细节越难以分辨。
[0166]
具体地，将待处理有雾图像i通道对应的场景透射率e-σid
、白光噪声wi和待处理有雾图像的场景深度d输入物像光透雾衰减模型，物像光透雾衰减模型可以基于待处理有雾图像i通道对应的场景透射率白光噪声wi和待处理有雾图像的场景深度d，弥补获取待处理有雾图像时，雾滴的散射作用对i通道对应的波长的光线造成的衰减，生成物像光透雾衰减模型输出的待处理有雾图像i通道对应原始去雾子图像ji(x)。
[0167]
需要说明的是，可以将获取待处理有雾图像时，雾滴的散射作用对任一通道对应的波长的光线造成的衰减，作为一个第二目标衰减。第一目标衰减是由各第二目标衰减组成的。
[0168]
物像光透雾衰减模型生成待处理有雾图像每一通道对应的原始去雾子图像之后，可以将各原始去雾子图像进行组合，作为待处理去雾图像对应的原始去雾图像，从而可以获取物像光透雾衰减模型输出的待处理有雾图像对应的原始去雾图像。
[0169]
本发明实施例通过将待处理有雾图像每一通道对应的场景透射率和白光噪声，以及待处理有雾图像的场景深度输入物像光透雾衰减模型，物像光透雾衰减模型弥补获取待处理有雾图像时，雾滴的散射作用对每一通道对应的波长的光线造成的衰减，生成待处理有雾图像每一通道对应的原始去雾子图像，将上述各原始去雾子图像进行组合之后，作为待处理有雾图像对应的原始去雾图像，从而获取物像光透雾衰减模型输出的待处理有雾图像对应的原始去雾图像，能通过获取待处理有雾图像时雾滴的散射作用对每一通道对应的波长的光线造成的衰减，提高待处理有雾图像的去雾效果。
[0170]
基于上述各实施例的内容，物像光透雾衰减模型的计算公式包括：
[0171][0172]
其中，i表示待处理有雾图像的通道；ji(x)表示待处理有雾图像i通道对应原始去雾子图像；ii(x)表示i通道的待处理有雾图像；wi表示待处理有雾图像i通道对应的白光噪声；d表示待处理有雾图像的场景深度；σi表示待处理有雾图像i通道对应的消光系数；表示待处理有雾图像i通道对应的场景透射率。
[0173]
具体地，获取待处理有雾图像i通道对应的白光噪声wi、消光系数σi以及待处理有雾图像的场景深度d之后，可以将待处理有雾图像i通道对应的白光噪声wi、消光系数σi以及
待处理有雾图像的场景深度d输入上述公式，通过数值计算，获取待处理有雾图像i通道对应的原始去雾子图像ji(x)。
[0174]
获取待处理有雾图像r通道对应的原始去雾子图像、待处理有雾图像g通道对应的原始去雾子图像和待处理有雾图像b通道对应的原始去雾子图像之后，可以将各原始去雾子图像进行组合，作为待处理去雾图像对应的原始去雾图像，从而可以获取物像光透雾衰减模型输出的待处理有雾图像对应的原始去雾图像。
[0175]
本发明实施例通过将待处理有雾图像每一通道对应的场景透射率和白光噪声，以及待处理有雾图像的场景深度输入物像光透雾衰减模型，获取物像光透雾衰减模型输出的待处理有雾图像每一通道对应的原始去雾图像，能通过获取待处理有雾图像时雾滴的散射作用对每一通道对应的波长的光线造成的衰减，提高待处理有雾图像的去雾效果，对待处理有雾图像进行图像去雾的过程更简单、更高效。
[0176]
基于上述各实施例的内容，将待处理有雾图像的场景透射率、白光噪声和场景深度输入物像光透雾衰减模型，获取物像光透雾衰减模型输出的待处理有雾图像对应的原始去雾图像之后，上述方法还包括：对原始去雾图像进行图像增强处理，获取去雾图像。
[0177]
具体地，获取待处理有雾图像对应的原始去雾图像之后，可以对上述原始去雾图像进行图像增强处理，获取待处理去雾图像对应的去雾图像。
[0178]
对上述原始去雾图像进行图像增强处理，可以包括对上述原始去雾图像进行动态范围扩展、自适应直方图均衡、自适应对应度或色阶增强等，从而获取待处理去雾图像对应的去雾图像。
[0179]
本发明实施例通过获取物像光透雾衰减模型输出的待处理有雾图像对应的原始去雾图像之后，对上述原始去雾图像进行图像增强处理，获取待处理有雾图像对应的去雾图像，能进一步提高待处理有雾图像的去雾效果。
[0180]
图3是本发明提供的图像去雾装置的结构示意图之一。下面结合图3对本发明提供的图像去雾装置进行描述，下文描述的图像去雾装置与上文描述的本发明提供的图像去雾方法可相互对应参照。如图3所示，图像获取模块301、参数获取模块302和图像去雾模块303。
[0181]
图像获取模块301，用于获取待处理有雾图像。
[0182]
参数获取模块302，用于获取待处理有雾图像的白光噪声、能见度和场景深度。
[0183]
图像去雾模块303，用于基于白光噪声、能见度和场景深度，对待处理有雾图像进行图像去雾，获取待处理有雾图像对应的去雾图像。
[0184]
具体地，图像获取模块301、参数获取模块302和图像去雾模块303。
[0185]
图像获取模块301可以利用成像设备对拍摄目标进行拍摄，获取包括拍摄目标的待处理有雾图像。
[0186]
需要说明的是，待处理有雾图像为多通道的图像。待处理有雾图像的通道包括r通道、g通道和b通道。
[0187]
参数获取模块302可以用于通过数值计算等方法，获取待处理有雾图像的白光噪声、能见度和场景深度。
[0188]
图像去雾模块303可以用于基于预先获取的采集待处理有雾图像时的能见度、待处理有雾图像的白光噪声和场景深度，可以通过数值计算等方法，对待处理有雾图像进行
图像去雾，获取待处理有雾图像对应的去雾图像。
[0189]
图4是本发明提供的图像去雾装置的结构示意图之二。如图4所示，参数获取模块302还可以包括消光系数获取子模块401、场景透射率获取子模块402以及模型输出子模块403。
[0190]
消光系数获取子模块401，可以用于基于能见度，获取待处理有雾图像的消光系数。
[0191]
场景透射率获取子模块402，可以用于基于待处理有雾图像的消光系数和场景深度，获取待处理有雾图像的场景透射率。
[0192]
模型输出子模块403，可以用于将待处理有雾图像的场景透射率、白光噪声和场景深度输入物像光透雾衰减模型，获取物像光透雾衰减模型输出的待处理有雾图像对应的原始去雾图像；其中，物像光透雾衰减模型，用于基于待处理有雾图像的场景透射率、白光噪声和场景深度，弥补待处理有雾图像对应的第一目标衰减；第一目标衰减包括获取待处理有雾图像时雾滴对光线造成的衰减。
[0193]
消光系数获取子模块401还可以包括雾滴半径获取单元404、散射效率因子获取单元405和消光系数获取单元406。
[0194]
雾滴半径获取单元404，可以用于基于能见度，获取待处理有雾图像中雾滴的半径。
[0195]
散射效率因子获取单元405，可以用于基于雾滴的半径，获取雾滴的米氏散射效率因子。
[0196]
消光系数获取单元406，可以用于基于雾滴的半径和米氏散射效率因子，获取待处理有雾图像的消光系数。
[0197]
可选地，雾滴半径获取单元404可以包括雾滴类型获取子单元407和雾滴半径获取子单元408。
[0198]
雾滴类型获取子单元407，可以用于获取雾滴的类型。
[0199]
雾滴半径获取子单元408，可以用于基于能见度和雾滴的类型，获取雾滴的半径。
[0200]
可选地，图像去雾装置可以包括图像增强模块409。
[0201]
图像增强模块409，可以用于对原始去雾图像进行图像增强处理，获取去雾图像。
[0202]
图5示例了一种电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器(processor)510、通信接口(communications interface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行图像去雾方法，该方法包括：获取待处理有雾图像；获取待处理有雾图像的白光噪声、能见度和场景深度；基于白光噪声、能见度和场景深度，对待处理有雾图像进行图像去雾，获取待处理有雾图像对应的去雾图像。
[0203]
此外，上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，
read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0204]
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的图像去雾方法，该方法包括：获取待处理有雾图像；获取待处理有雾图像的白光噪声、能见度和场景深度；基于白光噪声、能见度和场景深度，对待处理有雾图像进行图像去雾，获取待处理有雾图像对应的去雾图像。
[0205]
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的图像去雾方法，该方法包括：获取待处理有雾图像；获取待处理有雾图像的白光噪声、能见度和场景深度；基于白光噪声、能见度和场景深度，对待处理有雾图像进行图像去雾，获取待处理有雾图像对应的去雾图像。
[0206]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0207]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/r待处理有雾图像m、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0208]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。