基于天空区域分割的单幅图像去雾方法

对于暗通道先验不适合天空区域，导致透射率偏小使复原的无雾图像色彩变暗问题。提出对天空区域精准割据，按不同的区域分别估计大气光强度去雾处理。改进了阈值分割方法使区分天空域与非天空域更

计算机视觉系统在雾霾天气进行工作时，由于空气中的颗粒导致光线散射，颗粒对光线的吸收导致光线的衰减，大量信息丢失，使得系统不能正常的工作。这也使图像处理算法无法正常的处理，因此对雾天图像清晰化和减少设备对环境的依赖具有较高的研究意义。

对于雾天清晰化处理的图像去雾方法主要可分为以下两类：一类是对图像进行增强：包括全局、局部化增强。这两种增强都是基于直方图均衡化算法：将图中像素总个数少的像素进行灰度压缩，使图像中像素总个数多的灰度进行拉宽，再把这种非线性拉伸后的灰度级通过直方图均匀分布以达到去雾的效果[1]。一类是图像复原：包括偏微分方程方法，先验信息方法，深度关系方法。先验信息方法研究人员取得了很好的成果[2] [3] [4]，包括Tan 等通过基于晴朗天气下和有雾天气下大气光的变化基于目标和视觉系统的距离建立物理模型，提高有雾图像的局部对比度，在一定程度上达到将有雾图像恢复到原图像[5]。

Fattal 等假定约束条件为：透射率和表面投影与介质局部统计无关， 利用独立成分分析和马尔可夫随机场进行图像复原[6] [7]。

He 等是对户外无雾图像大量的研究与统计， 提出了暗通道算法达到去雾效果， 即这些图像都会存在一些像素值很低的像素，取得了很好的去雾效果，但图像中有大面积明亮区域时得到的大气光强度A 不准确导致恢复图像有问题[8]。

本文研究基于先验信息方法中He 提出的暗原色先验原理进行改进。

提出对天空区域进行割据的算法：基于最大类间方差法进行形态学膨胀的改进对天空区域和非天空区域准确分割，然后对不同区域采用不同的方法获取大气光强度A，通过导向滤波算法获取细化的透射率，最后采用融合方式将处理后的天空域与非天空域进行白边消除。

2. 基于暗原色先验模型 2.1. 大气散射函数 不同的物体对光的反射能力具有不同的特性，与光在不同的介质穿过时散射作用也会增加[9] [10]， 描述有雾环境下图像的物理模型应该包括两个方面：1. 光的衰减项， 2. 光透过大气的散射。

衰减公式为： ()( )( )0, edDEdEβ λλλ−= (式1-1) 其中d 表示场景深度， 0E 表示光强度， (), DEd λ 表示光衰减项， ( )β λ 表示大气的散射系数。

散射公式为：