基于梯度引导偏振度估算的图像去雾【1】

摘　要：　雾或霾天气下，大气粒子对光的散射作用造成光学图像细节弱化，严重影响后续图像分析与处理任 务. 现有去雾算法存在去雾后丢失图像信息、产生模糊以及天空区域过增强等问题. 本文从偏振视角与暗通道先验理 论出发，提出了一种基于直接透射光梯度特征引导的目标偏振度估算算法，进行图像去雾. 通过偏振图像获取场景与 大气偏振信息；再以暗通道先验算法估计的直接透射光梯度特征为引导，提出目标偏振度估算算法；最终将估算的目 标偏振度转为大气光强，经过原理性约束与引导滤波，得到优化的大气光强，进一步求解去雾图像与优化的目标偏振 度. 定性实验表明：本文算法去雾图像具有良好的平滑度，且克服了现有去雾算法存在的可见度低、去雾残留以及天 空区域过增强问题；定量实验表明：本文算法既不会造成图像信息丢失，也不会产生过多噪声与模糊. 综合对比五种 代表性去雾算法，本文算法具有良好的细节恢复能力、图像熵提升能力以及色调还原能力.

关键词：　图像处理；图像去雾；偏振图像；暗通道先验；偏振度估算

1　引言

        雾或霾天气下，大气中存在的高浓度微小粒子会 对光产生散射作用，粒子散射的光线与目标本身反射 的光线混合，造成民用监控和军事探测等专业成像设 备采集的图像清晰度与对比度严重下降，为后续的目 标检测、跟踪等任务