，包括以下幾個步驟： (1) 使用相機采集無霧圖像； (2) 種群粒子初始化： (2a)使用MATLAB軟件，讀入無霧圖像，得到無霧圖像的灰度圖像矩陣，從灰度圖像矩 陣中選取最小灰度值和最大灰度值； (2b)在最小灰度值至最大灰度值之間隨機產(chǎn)生一個整數(shù)，作為第一個種群粒子的第一 維，在第一維至最大灰度值之間隨機產(chǎn)生一個整數(shù)，作為第一個種群粒子的第二維，在第二 維至最大灰度值之間隨機產(chǎn)生一個整數(shù)，作為第一個種群粒子的第三維，完成第一個種群 粒子的初始化；對其余的19個種群粒子按照本步驟的方法完成初始化； (3) 產(chǎn)生粒子的初始個體最優(yōu)位置和初始種群全局最優(yōu)位置： (3a)利用類間距方差公式，分別得到20個粒子的類間距方差； (3b)將每個粒子的類間距方差取相反數(shù)，得到每個粒子的適應(yīng)度值； (3c)將每個粒子的初始的位置作為每個粒子的初始個體最優(yōu)位置，從所有初始個體最 優(yōu)位置中，挑選適應(yīng)度值最小的位置作為初始種群全局最優(yōu)位置； (4) 更新種群粒子： (4a)采用分數(shù)階達爾文粒子群更新方法，分別對20個粒子的速度和位置進行優(yōu)化，得 到每個粒子的下一代位置； (4b)計算每個粒子在下一代位置處的適應(yīng)度值； (4c)將適應(yīng)度值小于該粒子個體最優(yōu)的適應(yīng)度值的位置作為該粒子的個體最優(yōu)位 置； (4d)將適應(yīng)度值小于全局最優(yōu)的適應(yīng)度值的位置作為種群的全局最優(yōu)位置； (4e)判斷當前迭代次數(shù)是否滿足最大迭代次數(shù)，若是，則執(zhí)行步驟（5)，否則，執(zhí)行步 驟（4a); (5) 無霧圖像分割： (5a)以種群的全局最優(yōu)粒子的3維數(shù)據(jù)，作為3個分割閾值； (5b)從3個分割閾值中挑選前兩個最大的閾值，作為無霧圖像的灰度圖像矩陣的兩個 臨界點，將數(shù)值大的臨界點作為第一個臨界點，數(shù)值小的臨界點作為第二個臨界點； (5c)將灰度圖像矩陣中大于等于第一個臨界點的數(shù)據(jù)所在圖像的位置，作為分割后的 遠景圖像區(qū)域； (5d)將灰度圖像矩陣中小于第一個臨界點并大于等于第二個臨界點的數(shù)據(jù)所在圖像 的位置，作為分割后的中景圖像區(qū)域； (5e)將灰度圖像矩陣中小于第二個臨界點的數(shù)據(jù)所在圖像的位置，作為分割后的近景 圖像區(qū)域； (6) 按照下式，計算無霧圖像的灰度圖像矩陣的深度：
其中，du表示無霧圖像的灰度圖像矩陣第j行第i列位置的深度值，j表示無霧圖像 的灰度圖像矩陣的第j行的編號； (7) 按照下式，計算無霧圖像的灰度圖像矩陣的透射率： tJji= exp(-0 · Clj-i) 其中，表示無霧圖像的灰度圖像矩陣中第j行第i列位置的透射率，exp( ·)表示 以自然常數(shù)e為底的指數(shù)操作，β表示大氣散射系數(shù)，C^i表示無霧圖像的灰度圖像矩陣第 j行第i列的深度值； (8) 建立無霧圖像人工加霧后的有霧圖像： (8a)按照下式，計算對無霧圖像人工加霧后的有霧圖像的三通道矩陣像素值： 其中，表示有霧圖像的第C個圖像通道的灰度圖像矩陣中第j行第i列位置的像素 值，C表示有霧圖像或者無霧圖像的通道編號，C = 1，2, 3, 表示無霧圖像的第C個圖像 通道的灰度圖像矩陣中第j行第i列的像素值，A表示大氣光強，A的取值范圍為[0. 7, 1]， 表示無霧圖像的灰度圖像矩陣第j行第i列位置的透射率； (8b)將三通道矩陣像素值中的第一通道矩陣，第二通道矩陣，第三通道矩陣分別定義 為紅，綠，藍三個矩陣，得到無霧圖像人工加霧后的有霧圖像； (9) 獲得去霧后的圖像： 采用不同去霧算法，對有霧圖像進行圖像復原，得到不同去霧算法的去霧后的圖像； (10) 獲得評價指標值： 將無霧圖像作為參考圖像，使用全參考圖像質(zhì)量評價指標，對不同去霧算法的去霧后 的圖像進行評價，得到評價指標值； (11) 獲得最佳去霧算法： 將最大評價指標值所對應(yīng)的去霧后圖像作為最佳去霧圖像，將獲得最佳去霧圖像的去 霧算法作為最佳去霧算法； (12) 獲得室外監(jiān)控設(shè)備的去霧圖像： 采用最佳去霧算法，對室外監(jiān)控設(shè)備拍攝的霧天圖像進行圖像復原，得到室外監(jiān)控設(shè) 備的去霧圖像。
2. 根據(jù)權(quán)利要求1所述的基于人工加霧的最佳霧圖復原方法，其特征在于，步驟（3a) 所述的類間距方差公式如下： ο2= ω ω 2Χ ( μ μ 2)2+ ω ω 3Χ ( μ μ 3)2+ ω 2Χ ω 3Χ ( μ 2- μ 3)2 其中，σ 2表示粒子的類間距方差，Oi表示將無霧圖像分割后第i類無霧圖像灰度值 的概率，μ i表示將無霧圖像分割后第i類無霧圖像灰度值的平均值，i = 1，2, 3。
3. 根據(jù)權(quán)利要求1所述的基于人工加霧的最佳霧圖復原方法，其特征在于，步驟（4a) 所述的分數(shù)階達爾文粒子群更新方法的具體步驟如下： 第一步，按照下式，計算每個粒子的速度矢量： S (t) = λ + α (G-χ (t)) + γ (L-χ (t)) 其中，S(t)表示粒子的第t代的速度矢量，t表示粒子更新的代數(shù)，λ表示粒子的歷史 位置對當前速度的修正值，λ的取值范圍為[〇, 100]，α表示種群的全局最優(yōu)在速度更新 中占的權(quán)重，α的取值范圍為[0, 1]，γ表示粒子的個體最優(yōu)在速度更新中占的權(quán)重，γ的 取值范圍為[〇, 1]，G表示種群全局最優(yōu)位置，L表示粒子的個體最優(yōu)位置，x(t)表示粒子 第t代的位置； 第二步，按照下式，計算每個粒子的下一代位置： X (t+1) = X (t) +s (t) 其中，x(t+l)表示粒子的第t+1代位置，t表示粒子更新的代數(shù)，x(t)表示粒子第t代 的位置，s (t)表示粒子第t代的速度矢量。
4. 根據(jù)權(quán)利要求1所述的基于人工加霧的最佳霧圖復原方法，其特征在于，步驟（7)所 述的大氣散射系數(shù)是指：當灰度圖像矩陣中第j行第i列坐標對應(yīng)的圖像位置在遠景區(qū)域 時，大氣散射系數(shù)β取值為0. 15 ;當灰度圖像矩陣中第j行第i列坐標對應(yīng)圖像位置在中 景區(qū)域時，大氣散射系數(shù)β取值為0. 08 ;當灰度圖像矩陣中第j行第i列坐標對應(yīng)的圖像 位置在近景區(qū)域，大氣散射系數(shù)β取值為0.07。
5. 根據(jù)權(quán)利要求1所述的基于人工加霧的最佳霧圖復原方法，其特征在于，步驟（9)所 述的不同去霧算法是指，暗原色先驗去霧算法，Retinex去霧算法，基于中值濾波的快速去 霧算法，直方圖均衡算法。
6. 根據(jù)權(quán)利要求1所述的基于人工加霧的最佳霧圖復原方法，其特征在于，步驟（10) 所述的全參考圖像質(zhì)量評價指標包括結(jié)構(gòu)相似性指標SSIM、特征相似性指數(shù)FSIM、視覺相 似性指標VIF。
【專利摘要】本發(fā)明公開了一種基于人工加霧的最佳霧圖復原方法，本發(fā)明的方法包括如下步驟：(1)使用相機采集無霧圖像；(2)種群粒子初始化；(3)產(chǎn)生個體最優(yōu)位置和全局最優(yōu)位置；(4)更新種群粒子；(5)無霧圖像分割；(6)計算無霧圖像的灰度圖像矩陣的深度；(7)計算無霧圖像的灰度圖像矩陣的透射率；(8)建立無霧圖像人工加霧后的有霧圖像；(9)獲得去霧后的圖像；(10)獲得評價指標值；(11)獲得最佳去霧算法；(12)獲得室外監(jiān)控設(shè)備的去霧圖像。本發(fā)明采用全參考圖像質(zhì)量評價指標，具有客觀、全面的優(yōu)點，可用于室外監(jiān)控設(shè)備。
【IPC分類】G06T5-00
【公開號】CN104680494
【申請?zhí)枴緾N201510112392
【發(fā)明人】李云松, 閆明, 孟昱, 王茹, 丁勝朋
【申請人】西安電子科技大學
【公開日】2015年6月3日
【申請日】2015年3月14日