科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统图像增强Retinex去雾算法未考虑有雾图像景深信息，整幅图采用同一尺度复原图像而导致的局部颜色失真，丢失图像细节等问题，提出了一种基于景深信息的自适应Retinex图像去雾方法。该方法从场景雾的浓度与景深密切相关出发，首先利用BTS深度学习模型得到有雾图像的景深估计；然后以图像的平均梯度做评价最优标准，对有雾图像分块处理采取不同的高斯滤波尺度进行Retinex增强，统计出最优高斯滤波尺度与其对应的景深估计平均值；接着通过梯度下降法对统计数据进行拟合，得出景深估计与高斯滤波尺度的参数模型并将模型应用到单尺度Retinex去雾算法对有雾图像进行分块处理；最后通过计算均值和均方差，再加上一个控制图像动态的参数来实现无色偏的自适应对比度拉伸以及使用双线性插值映射使图像分块边缘过度更加连续得到增强的去雾图像。实验结果表明，经过本文算法去雾处理后的图像标准差、平均亮度、信息熵、平方梯度等评价指标分别平均提升了34.2%、6.67%、11.57%和1～2倍，实际效果对比度较高，图像细节保持完好，抑制了过度增强。基于景深信息自适应Retinex图像去雾算法能够有效保留图像细节，颜色自然，符合人眼视觉特性，自适应程度高，明显优于传统Retinex去雾算法。
- 单位
