(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210603123.9 (22)申请日 2022.08.15 (71)申请人 西安汇智 信息科技有限公司 地址 710075 陕西省西安市高新区科技 三 路57号融城云谷A座5 08室 (72)发明人 惠晓滨　黄莺　李战一　黄鹤　 罗望　韩亚东　梁浩锋　 (74)专利代理 机构 西安通大专利代理有限责任 公司 6120 0 专利代理师 贺小停 (51)Int.Cl. G06T 5/00(2006.01) G06T 7/50(2017.01) G06V 10/762(2022.01) (54)发明名称 基于融合大气光值-图估计的无人机航拍图 像去雾方法 (57)摘要 本发明公开了一种基于融合大气光值 ‑图估 计的无人机航拍图像去雾方法， 获取无人机航拍 含雾图像I； 将含雾图像I转换为HSV图像， 通过V 通道与S通道做差得到图像景深图Id； 对图像景 深图Id进行最小偏差处理， 获得大气光值Ac； 对 含雾图像获取暗通道图， 进行自适应随机游走聚 类， 得到大气光 图ARW； 将得到的大气光值Ac与得 到的大气光图ARW融合作为融合大气光估计； 根 据雾霾线先验和得到的大气光估计求透射率， 再 通过暗补偿优化透射率； 根据大气散射模型， 通 过融合大气光估计和优化透射率计算得去雾图 像。 本发明在大气散射模型的基础上， 提出融合 大气光值 ‑图的方法弥补单一大气光值的不足， 并通过暗补偿 优化透射率， 得到更加精准的大气 光图和透射 率。 权利要求书3页 说明书7页 附图2页 CN 115358934 A 2022.11.18 CN 115358934 A 1.一种基于 融合大气光值 ‑图估计的无人机航拍图像去雾方法， 其特征在于， 包括以下 步骤： 步骤1： 获取 无人机航拍含雾图像I； 步骤2： 将含雾图像I 转换为HSV图像， 通过V通道与S通道 做差得到图像景深图Id； 步骤3： 对图像景深图Id进行最小偏差处 理， 获得大气光值Ac； 步骤4： 对 含雾图像获取暗通道图， 进行自适应随机游走聚类， 得到大气光图ARW； 步骤5： 将步骤3中得到的大气光值Ac与步骤4得到的大气光图ARW融合作为融合大气光 估计； 步骤6： 根据雾霾线先验和步骤5得到的大气光估计求透射率， 再通过暗补偿优化透射 率； 步骤7： 根据大气散射模型， 通过融合大气光估计和优化透射 率计算得去雾图像。 2.根据权利要求1所述的一种基于 融合大气光值 ‑图估计的无人机航拍图像去雾方法， 其特征在于， 步骤2中得到图像景深图Id的方法为： 将含雾图像I 转换为HSV图像， 用V通道与S通道相减做差， 公式如下： Id(x,y)＝Iv(x,y)‑Is(x,y)    (1) 其中， Id(x,y)为图像景深图在(x,y)处的值， Iv(x,y)和Is(x,y)分别为在HSV图像中像 素点(x,y)对应的V通道和S通道。 3.根据权利要求1所述的一种基于 融合大气光值 ‑图估计的无人机航拍图像去雾方法， 其特征在于， 步骤3中获得 大气光值Ac的方法为： 将图像景深图Id进行最小偏差处 理， 获得偏差最小区域， 公式如下： 其中， MA(i,j)为大气光值所在的中心区域， Ω(i,j)为景深图Id中以(i,j)为中心的局 部区域， δ[ ·]为方差运算， 对中心区域MA(i,j)像素值取均值， 作为 大气光取值Ac， 公式表述 如下： 其中， Ac为大气光值， Σ[MA(i,j)]为对区域MA(i,j)像素值取求和， Na为区域内像 素点个 数。 4.根据权利要求1所述的一种基于 融合大气光值 ‑图估计的无人机航拍图像去雾方法， 其特征在于， 步骤4中自适应随机游走聚类具体为： 步骤4.1： 将暗通道图像进行行求和， 在求和后峰值最大的行中取N个坐标点作为种子 点； 步骤4.2： 将得到的N个种子点进行随机游走处 理， 得到N个子区域； 步骤4.3： 对各子区域取 前0.1％取均值作为该子区域大气光； 步骤4.4： 将各子区域大气光组合， 再 经过引导滤波， 得到大气光图ARW。 5.根据权利要求4所述的一种基于 融合大气光值 ‑图估计的无人机航拍图像去雾方法， 其特征在于， 步骤4.1中取坐标点作为种子点的具体方法为： 获取含雾图像对应的暗通道图像Idark， 如下所示权　利　要　求　书 1/3 页 2 CN 115358934 A 2其中， Ic为RGB通道中任 意通道， 对暗通道图行求和， 选 取峰值波动最大的N个峰值行， 公 式如下 Sr＝fp(sr(Idark))    (5) 其中， Sr为峰值所对应行数， fp()为取峰值的函数， sr()为行求和函数， 然后， 遍历峰值 行， 求得峰值行中峰值 点对应列数， 公式如下 Sc＝fp(Idark(Sr))    (6) 其中， Sc为峰值像素点列坐标， Idark(Sr)为暗通道图像中Sr行对应像素， 通过上述方法， 求解得到图像的峰值种子点， Sr为种子点横坐标， Sc为种子点纵坐标。 6.根据权利要求4所述的一种基于 融合大气光值 ‑图估计的无人机航拍图像去雾方法， 其特征在于， 步骤4.3中求各子区域大气光具体方法为： 对每个子区域 Q1～QN取前0.1％的平均值作为该区域大气光 值， 公式如下： 其中， Aqi为第i个子区域Qi的大气光值， 为该子区域Qi前0.1％像素值求和， ni为 该子区域 Qi前0.1％像素点个数； 各子区域大气光 值组合， 经 过引导滤波， 得到大气光图ARW， 公式如下 ARW＝guidefi lter(Aq1∪Aq2∪…∪AqN)    (8) 其中， ARW为大气光图， ， guidefilter()为引导滤波函数， Aq1， Aq2， AqN为各子区域对应大 气光值。 7.根据权利要求1所述的一种基于 融合大气光值 ‑图估计的无人机航拍图像去雾方法， 其特征在于， 步骤5中 融合大气光估计 计算如下： lgA＝lgAc+lg(1‑ARW)    (9) 其中， A为融合大气光估计， Ac为步骤3所求大气光 值， ARW为步骤4大气光图。 8.根据权利要求1所述的一种基于 融合大气光值 ‑图估计的无人机航拍图像去雾方法， 其特征在于， 步骤6中求透射 率的方法为： 根据雾霾线理论， 将融合大气光估计代入雾霾线模型， 得到 透射率t(x)； 所述雾霾线模型的具体方法为： 步骤6.1： 将含雾图像I 转换为球面 坐标， 公式如下： 其中， I(x)为含雾图像， A为融合大气光估计， IA(x)为含雾像 素值与大气光的差值， r(x) 为球面坐标系中像素点对应去除大气光亮度后的半径距离； θ(x)和 分别为球面坐标系 下IA(x)的俯仰角和方位角； 步骤6.2： 对r(x)聚类为 不同的簇， 求簇内最大辐射度rmax； rmax＝||I(xm)‑A||    (11) 其中， rmax为簇内最大辐射度， xm为不受雾霾影响的像素点， I(xm)为含雾图像I中xm对应权　利　要　求　书 2/3 页 3 CN 115358934 A 3