本发明涉及图像处理，尤其涉及一种基于大气散射模型的雾霾图像清晰化算法。
背景技术：
1、在雾霾环境下各类计算机视觉设备采集到的图像也会现降质、模糊、失真、细节信息丢失等问题，这会导致计算机视觉系统后续的图像分析、目标检测、目标识别、目标跟踪等中高级视觉任务无法完成。但由于真实场景中，不同雾霾环境下、霾的浓度以及光照条件各有差异，导致直接反演大气散射模型实现雾霾环境下降质图像的清晰化会造成清晰化后的图像出现色彩失真、清晰化结果不准确，甚至在一些雾霾污染特别严重的环境中，清晰化算法直接失效等问题；主要是因为现有的大多数图像去雾算法为了便于处理并没有对不同的气象环境进行区分。
2、现有的去雾算法中，暗通道先验图像去雾算法对于图像中亮度较高的区域容易出现色彩失真，对于实际的雾霾图像应用依然存在算法普适性和鲁棒性不足的问题。实际上雾和霾两者的物理特性是存在显著差异的，而雾霾是雾和霾混合在一起发生的自然现象；若采用去雾算法清晰化雾霾图像，则会出现图像的失真，达不到清晰化雾霾图像的效果；因此为了提高雾霾图像清晰化算法的性能，必须考虑雾霾环境自身的物理特性；达到明确雾霾环境下图像降质失真的本质物理成因后，有针对性的实现不同程度雾霾环境下降质图像的清晰化处理。经典的基于大气散射模型的应用暗通道先验图像去雾算法处理的一张真实环境下的雾霾图像清晰化效果；对于天空区域不明显的雾霾图像，暗原色先验图像去雾算法基本失效，清晰化处理后的雾霾图像整体出现了颜色失真，出现了严重的光晕现象，自然属性缺失过多。
技术实现思路
1、发明目的：为了克服现有技术中存在的不足，本发明提供一种基于大气散射模型的雾霾图像清晰化算法，将雾霾图像根据雾霾浓度进行区域分割，得到浓雾霾区域的概率密度函数，分别计算得到浓雾霾区域和非浓雾霾区域的大气光值和透射率，实现雾霾图像清晰化。
2、技术方案：为实现上述目的，本发明的一种基于大气散射模型的雾霾图像清晰化算法，包括以下步骤：
3、s1、采用雾霾环境的物理特性对大气散射模型进行修正，获得修正的大气散射模型；
4、s2、将原始的雾霾图像从rgb色彩空间转换至his色彩空间，并将雾霾图像根据通道亮度差异划分为浓雾霾区域和非浓雾霾区域；
5、s3、计算雾霾图像的全局光强度；
6、s4、根据浓雾霾区域的大气散射系数和场景深度得到浓雾霾区域的透射率，并结合全局光强度计算出浓雾霾区域的大气光值；根据全局光强度计算得到非浓雾霾区域的大气光值和非浓雾霾区域的透射率；
7、s5、将浓雾霾区域的透射率和非浓雾霾区域透射率进行融合得到全局透射率，并将浓雾霾区域的的大气光值和非浓雾霾区域的大气光值进行融合得到全局大气光值；
8、s6、将获得的全局透射率和全局大气值代入到经过修正的大气散射模型，获得清晰化处理后的雾霾图像。
9、进一步的，所述修正的大气散射模型为：
10、i*(x，y)＝j(x，y)t(x，y)+a*(x，y)[1-t(x,y)]
11、式中，j(x，y)为清晰化的目标图像，t(x，y)为传输函数；
12、a*(x，y)＝ψ⊙a(x，y)
13、
14、式中，“⊙”表示哈德曼积符号，λ为可见光的波长范围ω内的光波波长，l(λ)为入射光光源亮度，c(λ)为三个颜色通道的值，c(λ)＝{r(λ)，g(λ)，b(λ)}，n表示浓雾霾区域积分区间；c为红、绿、蓝三个颜色通道中的任一通道。
15、进一步的，所述步骤s2中，将原始的雾霾图像从rgb色彩空间转换至his色彩空间，rgb色彩空间中红色r、绿色g和蓝色b三个颜色通道和his色彩空间中的色调h、饱和度s和亮度i三个分量的转换过程如下：
16、
17、基于雾霾图像的特性对his色彩空间的饱和度分量s进行调整，并对his色彩空间的亮度分量i进行调整；得到调整后的饱和度so(x，y)的计算过程如下：
18、
19、式中，s(x，y)为初始饱和度，smin，smax分别为饱和度分量的最小值和最大值；
20、得到调整后的亮度iv(x，y)的计算过程如下：
21、iv(x，y)＝0.4520·ir(x，y)+0.5121·ig(x，y)+0.0359·ib(x，y)
22、式中，ir(x，y)、ig(x，y)、ib(x，y)分别为雾霾图像的r、g、b三个颜色分量的值。
23、进一步的，所述步骤s2中，所述雾霾图像的通道亮度差异zκ(x，y)定义为：
24、
25、转换至his色彩空间的雾霾图像采用伽马变换进行通道亮度差异值增强，得到伽马增强后的雾霾图像亮度值δ(x，y)，并进行归一化处理得到归一化的雾霾图像亮度值计算过程如下：
26、
27、式中，γ为伽马参数，δmin和δmax分别为伽马增强后的雾霾图像亮度值的最小值和最大值；
28、构建雾霾图像浓雾霾区域的分布概率密度函数
29、
30、利用最大熵阈值分割方法选取分割阈值ft，基于雾霾图像的浓雾霾区域的分布概率密度函数将雾霾图像进行分割，得到浓雾霾区域和非浓雾霾区域。
31、进一步的，所述步骤s3中，将雾霾图像等分为四个子块区域，并计算各区域的得分判断得分最高的子块区域是否属于浓雾霾区域；
32、
33、式中，为计算各区域的平均灰度，n为分割的次数，i＝1时表示浓雾霾区域，i＝2时表示非浓雾霾区域；
34、当得分最高的区域属于非浓雾霾区域，输出分割区域；当得分最高的区域属于浓雾霾区域，将得分最高的区域采用浓雾霾区域的分布概率密度函数进行加权，输出分割区域；
35、将分割区域再次分割为四个子块区域，并计算再次分割的区域的得分，并判断得分最高的区域是否属于浓雾霾区域；依次循环直至达到分割终止条件，结束分割并输出最后分割区域xover；将最后分割区域xover的前10％亮度像素作为全局光强度m(x，y)；所述分割终止条件为：
36、
37、式中，为第n次分割得分最高区域的最大灰度均值，为第n次分割得分最高区域的第二大灰度均值。
38、进一步的，当得到两个最后分割区域，根据平均灰度值和平均梯度值计算最后的两个区域的得分并进行比较；将得分最高的最后分割区域作为最后分割区域xover；
39、
40、式中，表示区域的灰度平均值，表示区域的梯度平均值。
41、进一步的，所述步骤s4中，基于日光物理模型原理，获得浓雾霾区域大气散射系数，并融入光照图的灰度信息，得到浓雾霾区域的大气散射系数β1(x，y)：
42、
43、式中，和τ均为固定系数，g(x，y)为浓雾霾区域对应光照图的灰度值；
44、建立线性模型并融入浓雾霾图像区域的梯度信息，计算浓雾霾区域的场景深度：
45、d1(x，y)＝α1i(x，y)+α2s(x，y)+α3g(x，y)+ε
46、式中，i(x，y)，s(x，y)，g(x，y)分别代表浓雾霾区域图像的亮度、饱和度和梯度信息，α1，α2，α3为线性系数，ε为系统随机误差；
47、将浓雾霾区域的大气散射系数β1(x，y)和浓雾霾区域的场景深度d1(x，y)代入透射率的计算式，得到浓雾霾区域的透射率t1(x，y)；将浓雾霾区域的透射率和全局光强度结合计算得到浓雾霾区域的大气光值a1(x，y)。
48、进一步的，所述步骤s4中，非浓雾霾区域的大气光值的计算过程如下；
49、a2(x，y)＝m(x，y)
50、通过暗通道先验算法获得非浓雾霾区域的透射率t2(x，y)：
51、
52、式中，c为rgb中颜色通道的任一通道，a2(x，y)为非浓雾霾区域的大气光值，ω(x，y)表示非浓雾霾区域中以(x，y)为中心的一个窗口，指的是非浓雾霾区域。
53、有益效果：本发明的一种基于大气散射模型的雾霾图像清晰化算法，将雾霾图像从rgb色彩空间转换至his色彩空间，增强雾霾图像的对比度；将雾霾图像分割为浓雾霾区域和非浓雾霾区域，克服了基于暗通道图像去雾算法获取大气光值时必须获得图像天空部分，无法适应于不含天空区域图像的局限性；首先基于分割的浓雾霾区域和非浓雾霾区域计算全局光强度，并以此计算浓雾霾区域和非浓雾霾区域的透射率和大气光值，使得图像清晰化过程中的大气光值和透射率更加符合雾霾图像的真实属性；将浓雾霾区域和非浓雾霾区域的透射率融合，并将浓雾霾区域和非浓雾霾区域的大气光值融合，有效避免了雾霾图像区域分割时的边缘效应，同时对全局透射率矩阵产生的噪声进行了抑制。
1.一种基于大气散射模型的雾霾图像清晰化算法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于大气散射模型的雾霾图像清晰化算法，其特征在于：所述修正的大气散射模型为：
3.根据权利要求1所述的一种基于大气散射模型的雾霾图像清晰化算法，其特征在于：所述步骤s2中，将原始的雾霾图像从rgb色彩空间转换至his色彩空间，rgb色彩空间中红色r、绿色g和蓝色b三个颜色通道和his色彩空间中的色调h、饱和度s和亮度i三个分量的转换过程如下：
4.根据权利要求1所述的一种基于大气散射模型的雾霾图像清晰化算法，其特征在于：所述步骤s2中，所述雾霾图像的通道亮度差异zκ(x，y)定义为：
5.根据权利要求1所述的一种基于大气散射模型的雾霾图像清晰化算法，其特征在于：所述步骤s3中，将雾霾图像等分为四个子块区域，并计算各区域的得分
6.根据权利要求5所述的一种基于大气散射模型的雾霾图像清晰化算法，其特征在于：当得到两个最后分割区域，根据平均灰度值和平均梯度值计算最后的两个区域的得分并进行比较；将得分最高的最后分割区域作为最后分割区域xover；
7.根据权利要求1所述的一种基于大气散射模型的雾霾图像清晰化算法，其特征在于：所述步骤s4中，基于日光物理模型原理，获得浓雾霾区域大气散射系数，并融入光照图的灰度信息，得到浓雾霾区域的大气散射系数β1(x，y)：
8.根据权利要求7所述的一种基于大气散射模型的雾霾图像清晰化算法，其特征在于：所述步骤s4中，非浓雾霾区域的大气光值的计算过程如下；
