(12)發(fā)明專利安電子科技大學(xué)許錄平杜夢欣王健凱劉姝妍元利芳專利代理師何畏審查員母潤發(fā)區(qū)域的最大連通性獲得粗分割的天空區(qū)域與非發(fā)明計(jì)算像素點(diǎn)灰度值可以準(zhǔn)確得到像素通道的大氣光值A(chǔ),21.一種圖像去霧方法，其特征在于，所述圖像去霧方法根據(jù)霧霾圖像的相鄰平均灰度概率，計(jì)算出累積分布函數(shù)W(j),利用正態(tài)分布的3σ原則，確定出像素集中分布的平均灰度值；并結(jié)合自適應(yīng)閾值分割以及天空區(qū)域的暗、亮通道灰度值，確定出天空區(qū)域分割的粗閾值，根據(jù)天空區(qū)域的最大連通性，獲得天空區(qū)域與非天空區(qū)域的粗分割結(jié)果；利用引導(dǎo)濾波操作，并通過大津算法實(shí)現(xiàn)天空區(qū)域和非天空區(qū)域的精確分割，平滑圖像的邊緣信息以及增加天空與非天空區(qū)域像素灰度的差異性；非天空區(qū)域采取改進(jìn)的暗通道先驗(yàn)算法估計(jì)透射率，天空區(qū)域則采取對數(shù)自適應(yīng)變換估計(jì)透射率；最終將天空與非天空區(qū)域的透射率進(jìn)行像素對應(yīng)合成，實(shí)現(xiàn)圖像的去霧；所述透射率合成，包括：非天空區(qū)域采用改進(jìn)的暗通道先驗(yàn)方法預(yù)估出透射率；通過暗通道先驗(yàn)理論預(yù)估出初始透射率，根據(jù)信息熵指標(biāo)參數(shù)最大化原則，利用一元二次函數(shù)迭代出最優(yōu)的透射率權(quán)重參數(shù)對圖像的紋理信息進(jìn)行加權(quán)，預(yù)估出非天空區(qū)域的透射率；暗通道先驗(yàn)去霧理論指出：在無霧圖像的RGB三通道中，總能找到一個像素灰度值非常低的通道，此通道像素強(qiáng)度值近似趨于0,所述暗通道先驗(yàn)數(shù)學(xué)模型如下式所示：假設(shè)大氣光值A(chǔ)c已知，對所述暗通道先驗(yàn)數(shù)學(xué)模型公式變形并經(jīng)最小值濾波操作后，根據(jù)暗通道先驗(yàn)理論可得初始透射率，如以下公式所示：式中，の(0<@≤1)是為調(diào)節(jié)去霧的程度引入的一個定值，Igar*是非天空區(qū)域的暗通道圖像；采用暗通道圖像與邊緣增強(qiáng)后暗通道圖像的差作為圖像的紋理信息：根據(jù)最大信息熵參數(shù)指標(biāo)，采用最小二乘擬合法構(gòu)建一元二次函數(shù)，并將每幅圖像的信息熵最大值σ代入o?的表達(dá)式中，計(jì)算出透射率權(quán)重值，并將場的表達(dá)式、△d的表達(dá)式以及o?的表達(dá)式線性加權(quán)實(shí)現(xiàn)非天空區(qū)域透射率的估計(jì)：天空區(qū)域采用對數(shù)變換獲取自適應(yīng)的透射率，用于平滑暗通道中霧濃度差異明顯的亮其中，I為霧霾圖像中的天空區(qū)域部分；c為RGB通道的其中之一，引入?yún)?shù)k(k>0),用3非天空區(qū)域采用改進(jìn)的暗通道先驗(yàn)方法預(yù)估出透射將天空與非天空區(qū)域合成后優(yōu)化的透射率t,以及聯(lián)合天空區(qū)域的大氣光值A(chǔ),利用如步驟一，通過統(tǒng)計(jì)霧霾圖像的相鄰灰度概率構(gòu)造累積分布步驟二，結(jié)合自適應(yīng)閾值分割以及天空區(qū)域的暗、亮通道確定出極小值作為天空區(qū)域步驟三，通過引導(dǎo)濾波加強(qiáng)天空與非天空區(qū)域像素灰步驟四，天空區(qū)域利用對數(shù)自適應(yīng)變換估計(jì)透射率，非天空區(qū)域利用改進(jìn)的暗通道先素點(diǎn)的集中分布區(qū)間并反解出對應(yīng)的平均灰度值g?,并結(jié)合自適應(yīng)閾值分割以及天空的暗、亮通道灰度值經(jīng)線性加權(quán)運(yùn)算后，確定出像素灰度集中分布的區(qū)間[a,b區(qū)間中的極小值作為粗分割的閾值，選擇最大(1)統(tǒng)計(jì)出原始圖像各灰度級的像素數(shù)目a,O≤i<L,其中L=256是圖像中總的灰度(2)根據(jù)圖像灰度的集中分布特征，利用霧霾圖像的相鄰灰度概率值構(gòu)造出其概率分44從圖像的累積分布函數(shù)圖中可得霧霾圖像的像素灰度值近似服從正態(tài)分布3σ原則：P(μ-3σ<X≤μ+3σ)=99.7%,表明隨機(jī)變像素點(diǎn)量X落在(μ-3σ,μ+3σ)以外的概率小于千分之三，認(rèn)為不可能事件，故認(rèn)為W?(j)=0.01到W?(j)=0.997之間的像素分布最多，并計(jì)算出對應(yīng)的灰度值分別記作g?與82;其中，通過累積加權(quán)操作得g?如下式所示：(3)利用迭代選擇閾值法并結(jié)合天空區(qū)域的暗、亮通道確定大氣光值；(4)結(jié)合累積分布函數(shù)確定的灰度閾值g?、大氣光估值A(chǔ)以及迭代選擇閾值T,得到更精準(zhǔn)的區(qū)間[a?,b?],并將[a?,b?]的極小像素值作為天空區(qū)域與非天空區(qū)域的粗分割閾值；篩選出像素數(shù)目最多的連通區(qū)域作為天空區(qū)域，其余的連通區(qū)域均作為非天空區(qū)域；其中，所述a?和b?的表達(dá)式如下式所示：b?=(MAX(MAX(T,G?(j)),(A'*255))定位出粗分割后的天空區(qū)域與非天空區(qū)域，由于天空區(qū)域與非天空區(qū)域在輪廓邊緣銜接處的灰度差異較小，采用引導(dǎo)濾波后，圖像的邊緣更平滑、紋理信息更明顯，且天空區(qū)域與非天空區(qū)域像素相接處的灰度差異增大；引導(dǎo)濾波后前景與背景的類間方差比最大，根據(jù)圖像的灰度特征并采用大津算法做最后修正，實(shí)現(xiàn)天空區(qū)域與非天空區(qū)域地精準(zhǔn)分割。5.如權(quán)利要求4所述的圖像去霧方法，其特征在于，步驟(3)中，所述利用迭代選擇閾值法并結(jié)合天空區(qū)域的暗、亮通道確定大氣光值，包括：1)選擇一個T的初始估計(jì)值；2)利用閾值T把圖像分為兩個區(qū)域R?和R?;3)對區(qū)域R?和R?中的所有像素計(jì)算平均灰度值μ?和μ2;4)計(jì)算新的閾值：5)重復(fù)步驟2)～步驟4),直到逐次迭代所得的T值小于事先定義的參數(shù)T;6)采用兩次最小最大濾波獲取霧霾圖像的暗亮通道，經(jīng)迭代閾值獲得天空區(qū)域的暗亮通道，并取Ix像素點(diǎn)處灰度值的前1%為Amax,取I:;n像素點(diǎn)處灰度值的前1%為Am:n,通過線性加權(quán)得到像素通道的大氣光值A(chǔ)°,表達(dá)式如下式所示：6.一種實(shí)施權(quán)利要求1～5任意一項(xiàng)所述的圖像去霧方法的圖像去霧系統(tǒng)，其特征在于，所述圖像去霧系統(tǒng)包括：5霧霾圖像統(tǒng)計(jì)模塊，用于通過統(tǒng)計(jì)霧霾圖像的相鄰灰度概率構(gòu)造累積分布函數(shù)，根據(jù)像素灰度的集中分布程度獲得像素的平均閾值；天空區(qū)域粗分割模塊，用于結(jié)合自適應(yīng)閾值分割以及天空區(qū)域的暗、亮通道確定出極小值作為天空區(qū)域的粗分割閾值，根據(jù)天空區(qū)域的最大連通性獲得粗分割的天空區(qū)域與非天空區(qū)域；天空區(qū)域精準(zhǔn)分割模塊，用于通過引導(dǎo)濾波加強(qiáng)天空與非天空區(qū)域像素灰度的差異性，利用大津算法實(shí)現(xiàn)天空區(qū)域和非天空區(qū)域的精準(zhǔn)分割；透射率合成模塊，用于將天空區(qū)域利用對數(shù)自適應(yīng)變換估計(jì)透射率，非天空區(qū)域利用改進(jìn)的暗通道先驗(yàn)算法估計(jì)透射率，通過將天空與非天空區(qū)域的對應(yīng)像素的透射率進(jìn)行合成實(shí)現(xiàn)圖像的去霧。7.一種計(jì)算機(jī)設(shè)備，其特征在于，所述計(jì)算機(jī)設(shè)備包括存儲器和處理器，所述存儲器存儲有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被所述處理器執(zhí)行時，使得所述處理器執(zhí)行如權(quán)利要求1~5任意一項(xiàng)所述的圖像去霧方法的步驟。8.一種計(jì)算機(jī)可讀存儲介質(zhì)，存儲有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時，使得所述處理器執(zhí)行如權(quán)利要求1～5任意一項(xiàng)所述的圖像去霧方法的步驟。9.一種信息數(shù)據(jù)處理終端，其特征在于，所述信息數(shù)據(jù)處理終端用于實(shí)現(xiàn)如權(quán)利要求6所述的圖像去霧系統(tǒng)。6一種圖像去霧方法、系統(tǒng)、計(jì)算機(jī)設(shè)備、存儲介質(zhì)及終端技術(shù)領(lǐng)域[0001]本發(fā)明屬于圖像去霧技術(shù)領(lǐng)域，尤其涉及一種圖像去霧方法、系統(tǒng)、計(jì)算機(jī)設(shè)備、存儲介質(zhì)及終端。背景技術(shù)[0002]目前，霧霾圖像中的天空區(qū)域相較于其他區(qū)域灰度值普遍偏高，造成現(xiàn)有去霧算法中對大氣光估計(jì)值偏低，去霧后天空區(qū)域產(chǎn)生嚴(yán)重色偏、細(xì)節(jié)丟失等問題，影響了圖像去霧效果。[0003]霧霾環(huán)境下，由于大氣中懸浮的各種微粒會吸收和散射光線，導(dǎo)致光的傳播路徑發(fā)生偏折，致使成像設(shè)備得到的圖像質(zhì)量的退化，細(xì)節(jié)丟失，對比度和能見度下降，嚴(yán)重影響了后續(xù)對圖像在場景分析、攝影、計(jì)算機(jī)視覺以及自動駕駛汽車等領(lǐng)域的分析與處理。[0004]單閾值分割采用灰度直方圖方法，針對灰度值、對比度近似相同的圖像有較好的處理效果。但該方法有極大的局限性，圖像的灰度直方圖必須具有雙峰型，圖像中要提取的物體和背景有明顯差異，實(shí)際情況中圖像像素灰度值、對比度差異大，確定全局閾值來分離物體與背景較難。直接采用大津算法分割圖像可以快速找到類間分割閾值，但當(dāng)圖像中的目標(biāo)與背景的面積相差較大、直方圖沒有明顯的雙峰或兩個峰的大小相差很大，分割效果均不佳，處理圖像時像素空間分布中涉及的灰度級越多，分割的合理性越低。同時對噪聲也相當(dāng)敏感。[0005]He等人最先在圖像去霧領(lǐng)域取得突破性進(jìn)展，提出了暗通道先驗(yàn)應(yīng)用于單幅圖像的去霧，通過預(yù)估出圖像的透射率，實(shí)現(xiàn)圖像去霧。但在處理場景內(nèi)的目標(biāo)像素灰度與大氣光接近時容易失效，導(dǎo)致去霧圖像存在整體畫面偏暗和噪聲放大等現(xiàn)象，復(fù)原的圖像易出現(xiàn)顏色失真等。Meng等人通過對固有邊界約束條件進(jìn)行分析，利用上下文正則化的方法迭代優(yōu)化獲得透射率，改善了天空區(qū)域出現(xiàn)的顏色失真現(xiàn)象，但由于邊界限制條件的局限性，當(dāng)霧圖場景存在多樣性或亮度范圍不確定時，造成去霧后在天空區(qū)域及圖像明亮區(qū)域出現(xiàn)光暈現(xiàn)象。Berman等人提出了基于模糊線并利用上下文正則化的方法估計(jì)圖像的透射率，基于假說無霧圖像的顏色可在RGB中形成緊密的簇，但處理單幅圖像時物理參數(shù)并不準(zhǔn)確，且在圖像明亮區(qū)域仍然會出現(xiàn)光暈現(xiàn)象。Pan等人分析了霧天圖像容易出現(xiàn)的亮度損失和光暈現(xiàn)象，通過分割圖像的天空區(qū)域結(jié)合多尺度融合對曝光度不同的圖像進(jìn)行去霧，但是存在局部天空區(qū)域分割不準(zhǔn)確，去霧圖像會出現(xiàn)亮度過高和放大噪聲等現(xiàn)象。Wei等人通過暗通道融合和霧密度加權(quán)的去霧方法，改善了圖像中像素的強(qiáng)度暗通道，消除了彩色投影和出現(xiàn)扭曲現(xiàn)象的天空區(qū)域，但是部分圖像去霧后色彩飽和度過高，整體顏色偏暗，出現(xiàn)部[0007](1)由于霧霾圖像中的天空區(qū)域相較于其他區(qū)域灰度值普遍偏高，使得現(xiàn)有去霧算法中對大氣光估計(jì)值偏低，去霧后天空區(qū)域產(chǎn)生嚴(yán)重色偏、細(xì)節(jié)丟失等問題，影響了圖像去霧效果。7[0008](2)現(xiàn)有采用灰度直方圖的單閾值分割方法中，圖像的灰度直方圖必須具有雙峰型，圖像中要提取的物體和背景有明顯差異，實(shí)際情況中圖像像素灰度值、對比度差異大，確定全局閾值來分離物體與背景較難。[0009](3)現(xiàn)有直接采用大津算法分割圖像的方法中，當(dāng)圖像中的目標(biāo)與背景的面積相差較大、直方圖沒有明顯的雙峰或兩個峰的大小相差很大，分割效果均不佳，處理圖像時像素空間分布中涉及的灰度級越多，分割的合理性越低；同時對噪聲也相當(dāng)敏感。[0010](4)現(xiàn)有將暗通道先驗(yàn)應(yīng)用于單幅圖像的去霧方法中，在處理場景內(nèi)的目標(biāo)像素灰度與大氣光接近時容易失效，導(dǎo)致去霧圖像存在整體畫面偏暗和噪聲放大等現(xiàn)象，復(fù)原的圖像易出現(xiàn)顏色失真等。[0011](5)現(xiàn)有通過對固有邊界約束條件進(jìn)行分析，利用上下文正則化的方法迭代優(yōu)化獲得透射率的方法，由于邊界限制條件的局限性，當(dāng)霧圖場景存在多樣性或亮度范圍不確定時，造成去霧后在天空區(qū)域及圖像明亮區(qū)域出現(xiàn)光暈現(xiàn)象。[0012](6)現(xiàn)有基于模糊線并利用上下文正則化的方法估計(jì)圖像透射率的方法，處理單幅圖像時物理參數(shù)并不準(zhǔn)確，且在圖像明亮區(qū)域仍然會出現(xiàn)光暈現(xiàn)象。[0013](7)現(xiàn)有通過分割圖像的天空區(qū)域結(jié)合多尺度融合對曝光度不同的圖像進(jìn)行去霧的方法，存在局部天空區(qū)域分割不準(zhǔn)確，去霧圖像會出現(xiàn)亮度過高和放大噪聲等現(xiàn)象。[0014](8)現(xiàn)有通過暗通道融合和霧密度加權(quán)的去霧方法中，部分圖像去霧后色彩飽和發(fā)明內(nèi)容[0015]針對現(xiàn)有技術(shù)存在的問題，本發(fā)明提供了一種圖像去霧方法、系統(tǒng)、計(jì)算機(jī)設(shè)備、存儲介質(zhì)及終端，尤其涉及一種基于圖像天空區(qū)域分割的去霧方法、系統(tǒng)、設(shè)備及終端。[0016]本發(fā)明是這樣實(shí)現(xiàn)的，一種圖像去霧方法，所述圖像去霧方法包括：根據(jù)霧霾圖像的相鄰平均灰度概率，計(jì)算出累積分布函數(shù)W(j),利用正態(tài)分布的3σ原則，確定出像素集中分布的平均灰度值，并結(jié)合自適應(yīng)閾值分割以及天空區(qū)域與的暗、亮通道灰度值，確定出天空區(qū)域分割的粗閾值，根據(jù)天空區(qū)域的最大連通性，獲得天空區(qū)域與非天空區(qū)域的粗分割結(jié)果；利用引導(dǎo)濾波操作，并通過大津算法實(shí)現(xiàn)天空區(qū)域和非天空區(qū)域的精確分割，平滑圖像的邊緣信息以及增加天空與非天空區(qū)域像素灰度的差異性；非天空區(qū)域采取改進(jìn)的暗通道先驗(yàn)算法估計(jì)透射率，天空區(qū)域則采取對數(shù)自適應(yīng)變換估計(jì)透射率，最終將天空與非天空區(qū)域的透射率進(jìn)行像素對應(yīng)合成，實(shí)現(xiàn)圖像的去霧。[0017]進(jìn)一步，所述圖像去霧方法包括以下步驟：[0018]步驟一，通過統(tǒng)計(jì)霧霾圖像的相鄰灰度概率構(gòu)造累積分布函數(shù)，根據(jù)像素灰度的集中分布程度獲得像素的平均閾值；[0019]步驟二，結(jié)合自適應(yīng)閾值分割以及天空區(qū)域的暗、亮通道確定出極小值作為天空區(qū)域的粗分割閾值，根據(jù)天空區(qū)域的最大連通性獲得粗分割的天空區(qū)域與非天空區(qū)域；[0020]步驟三，通過引導(dǎo)濾波加強(qiáng)天空與非天空區(qū)域像素灰度的差異性，利用大津算法實(shí)現(xiàn)天空區(qū)域和非天空區(qū)域的精準(zhǔn)分割；[0021]步驟四，天空區(qū)域利用對數(shù)自適應(yīng)變換估計(jì)透射率，非天空區(qū)域利用改進(jìn)的暗通道先驗(yàn)算法估計(jì)透射率，通過將天空與非天空區(qū)域的對應(yīng)像素的透射率進(jìn)行合成實(shí)現(xiàn)圖像8的去霧。[0022]進(jìn)一步，所述天空區(qū)域分割，包括：根據(jù)霧霾圖像中單一灰度值出現(xiàn)次數(shù)占總像素數(shù)的概率，計(jì)算得霧霾圖像的平均灰度概率分布直方圖，利用相鄰的灰度概率值構(gòu)造出累積分布函數(shù)W(j);根據(jù)正態(tài)分布3σ原則定位出灰度像素點(diǎn)的集中分布區(qū)間并反解出對應(yīng)的平均灰度值g?,并結(jié)合自適應(yīng)閾值分割以及天空的暗、亮通道灰度值經(jīng)線性加權(quán)運(yùn)算后，確定出像素灰度集中分布的區(qū)間[a,b];將所述灰度區(qū)間中的極小值作為粗分割的閾值，選擇最大的連通域作為天空區(qū)域的分割結(jié)果，并利用引導(dǎo)濾波的大津算法實(shí)現(xiàn)天空區(qū)域與非天空區(qū)域的精細(xì)分割。[0024](1)統(tǒng)計(jì)出原始圖像各灰度級的像素數(shù)目a,O≤i<L,其中L=256是圖像中總的灰度數(shù)；單一灰度值為i的像素占圖像總像素數(shù)的概率是：,a為圖像中總的像素數(shù)，p(i)是灰度值為i的像素直方圖歸一化的結(jié)果；[0025](2)根據(jù)圖像灰度的集中分布特征，利用霧霾圖像的相鄰灰度概率值構(gòu)造出其概率分布函數(shù)W(j):uu[0028]從圖像的累積分布函數(shù)圖中可得霧霾圖像的像素灰度值近似服從正態(tài)分布3σ原算出對應(yīng)的灰度值分別記作g?與g?;其中，通過累積加權(quán)操作得g?如下式所示：[0030](3)利用迭代選擇閾值法并結(jié)合天空區(qū)域的暗、亮通道確定大氣光值；[0031](4)結(jié)合累積分布函數(shù)確定的灰度閾值g?、大氣光估值A(chǔ)以及迭代選擇閾值T,得到更精準(zhǔn)的區(qū)間[a?,b?],并將[a?,b?]的極小像素值作為天空區(qū)域與非天空區(qū)域的粗分割閾值；篩選出像素數(shù)目最多的連通區(qū)域作為天空區(qū)域，其余的連通區(qū)域均作為非天空區(qū)域；其[0034]定位出粗分割后的天空區(qū)域與非天空區(qū)域，由于天空區(qū)域與非天空區(qū)域在輪廓邊緣銜接處的灰度差異較小，采用引導(dǎo)濾波后，圖像的邊緣更平滑、紋理信息更明顯，且天空區(qū)域與非天空區(qū)域像素相接處的灰度差異增大；引導(dǎo)濾波后前景與背景的類間方差比最大，根據(jù)圖像的灰度特征并采用大津算法做最后修正，實(shí)現(xiàn)天空區(qū)域與非天空區(qū)域地精準(zhǔn)分割。[0035]進(jìn)一步，步驟(3)中，所述利用迭代選擇閾值法并結(jié)合天空區(qū)域的暗、亮通道確定9暗亮通道，并取Imx像素點(diǎn)處灰度值的前1%為Amx,取I:n像素點(diǎn)處灰度值的前1%為A:n,通[0050]假設(shè)大氣光值A(chǔ)已知，對所述暗通道先驗(yàn)數(shù)學(xué)模型公式變形并經(jīng)最小值濾波操作[0052]式中，①(0<@≤1)是為調(diào)節(jié)去霧的程度引入的一個定值，1eark是非天空區(qū)域的暗通道圖像。[0065]將天空與非天空區(qū)域合成后優(yōu)化的透射率t,以及聯(lián)合天空區(qū)域的大氣光值A(chǔ),利[0068]霧霾圖像統(tǒng)計(jì)模塊，用于通過統(tǒng)計(jì)霧霾圖像的相鄰灰度概率構(gòu)造累積分布函數(shù)，11亮通道灰度值，確定出天空區(qū)域分割的粗閾值，根據(jù)天空區(qū)域的最大連通性，獲得天空區(qū)域與非天空區(qū)域的粗分割結(jié)果；利用引導(dǎo)濾波操作，并通過大津算法實(shí)現(xiàn)天空區(qū)域和非天空區(qū)域的精確分割，平滑圖像的邊緣信息以及增加天空與非天空區(qū)域像素灰度的差異性；非天空區(qū)域采取改進(jìn)的暗通道先驗(yàn)算法估計(jì)透射率，天空區(qū)域則采取對數(shù)自適應(yīng)變換估計(jì)透射率，最終將天空與非天空區(qū)域的透射率進(jìn)行像素對應(yīng)合成，實(shí)現(xiàn)圖像的去霧。[0074]本發(fā)明的另一目的在于提供一種計(jì)算機(jī)可讀存儲介質(zhì)，存儲有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時，使得所述處理器執(zhí)行如下步驟：[0075]根據(jù)霧霾圖像的相鄰平均灰度概率，計(jì)算出累積分布函數(shù)W(j),利用正態(tài)分布的3σ原則，確定出像素集中分布的平均灰度值，并結(jié)合自適應(yīng)閾值分割以及天空區(qū)域與的暗、亮通道灰度值，確定出天空區(qū)域分割的粗閾值，根據(jù)天空區(qū)域的最大連通性，獲得天空區(qū)域與非天空區(qū)域的粗分割結(jié)果；利用引導(dǎo)濾波操作，并通過大津算法實(shí)現(xiàn)天空區(qū)域和非天空區(qū)域的精確分割，平滑圖像的邊緣信息以及增加天空與非天空區(qū)域像素灰度的差異性；非天空區(qū)域采取改進(jìn)的暗通道先驗(yàn)算法估計(jì)透射率，天空區(qū)域則采取對數(shù)自適應(yīng)變換估計(jì)透射率，最終將天空與非天空區(qū)域的透射率進(jìn)行像素對應(yīng)合成，實(shí)現(xiàn)圖像的去霧。[0076]本發(fā)明的另一目的在于提供一種信息數(shù)據(jù)處理終端，所述信息數(shù)據(jù)處理終端用于實(shí)現(xiàn)所述的圖像去霧系統(tǒng)。[0077]結(jié)合上述的所有技術(shù)方案，本發(fā)明所具備的優(yōu)點(diǎn)及積極效果為：本發(fā)明提供的圖像去霧方法，尤其涉及一種基于天空區(qū)域分割的透射率合成圖像去霧算法，對天空區(qū)域與非天空區(qū)域分割準(zhǔn)確，紋理細(xì)節(jié)清晰豐富，相較于傳統(tǒng)暗通先驗(yàn)技術(shù)，本發(fā)明有效改善了傳統(tǒng)分割方法在大面積天空區(qū)域失效等缺陷，結(jié)合透射率合成算法有效減少現(xiàn)有算法天空區(qū)域細(xì)節(jié)損失、顏色失真等問題，去霧圖像明亮適中，紋理細(xì)節(jié)清晰豐富，去霧圖像整體視覺效果良好。[0078]本發(fā)明提供的基于天空區(qū)域分割的透射率合成圖像去霧算法，通過統(tǒng)計(jì)霧霾圖像的相鄰灰度概率構(gòu)造累積分布函數(shù)，根據(jù)像素灰度的集中分布程度獲得像素的平均閾值，并結(jié)合自適應(yīng)閾值分割以及天空區(qū)域的暗、亮通道確定出極小值作為天空區(qū)域的粗分割閾值，根據(jù)天空區(qū)域的最大連通性獲得粗分割的天空區(qū)域與非天空區(qū)域；進(jìn)一步通過引導(dǎo)濾波加強(qiáng)天空與非天空區(qū)域像素灰度的差異性，利用大津算法實(shí)現(xiàn)天空區(qū)域和非天空區(qū)域的精準(zhǔn)分割。天空區(qū)域利用對數(shù)自適應(yīng)變換估計(jì)透射率，非天空區(qū)域利用改進(jìn)的暗通道先驗(yàn)算法估計(jì)透射率，通過將天空與非天空區(qū)域的對應(yīng)像素的透射率進(jìn)行合成實(shí)現(xiàn)圖像的去霧。仿真結(jié)果表明：本算法對天空區(qū)域與非天空區(qū)域分割準(zhǔn)確，紋理細(xì)節(jié)清晰豐富，去霧圖像明亮適中，實(shí)驗(yàn)結(jié)果表明新算法有效改善了現(xiàn)有算法天空區(qū)域細(xì)節(jié)損失、天空區(qū)域去霧觀指標(biāo)上平均提高約8.03%,去霧圖像整體視覺效果良好。[0079]針對現(xiàn)有去霧算法在處理含有大面積天空、強(qiáng)光源以及白色物體等明亮區(qū)域時造成天空區(qū)域去霧效果不佳等問題，本發(fā)明提出了基于天空區(qū)域分割的透射率合成圖像去霧算法。與以往改進(jìn)去霧方法相比，所提算法在精確分割天空區(qū)域后，根據(jù)天空區(qū)域與非天空區(qū)域的自身像素特征分別進(jìn)行透射率的計(jì)算并合成，去霧后圖像視感清晰自然。在圖像去霧方面取得了較好的優(yōu)化結(jié)果，一定程度上修正了以往在天空區(qū)域去霧的偏差。本發(fā)明算法通過將天空與非天空區(qū)域的對應(yīng)像素的透射率進(jìn)行合成修正，獲得較為細(xì)膩平滑的透射率。通過計(jì)算像素點(diǎn)灰度值可以準(zhǔn)確得到像素通道的大氣光值A(chǔ)°,克服了暗通道先驗(yàn)算法在天空等明亮區(qū)域失效的缺陷。本發(fā)明算法去霧后保證了目標(biāo)像素點(diǎn)過渡自然，紋理輪廓附圖說明[0080]為了更清楚地說明本發(fā)明實(shí)施例的技術(shù)方案，下面將對本發(fā)明實(shí)施例中所需要使用的附圖做簡單的介紹，顯而易見地，下面所描述的附圖僅僅是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下還可以根據(jù)這些附圖獲得其他的附圖。[0081]圖1是本發(fā)明實(shí)施例提供的去霧算法總體框圖。[0082]圖2是本發(fā)明實(shí)施例提供的天空區(qū)域分割原理圖。[0083]圖3是本發(fā)明實(shí)施例提供的圖像灰度直方圖。[0084]圖中(a)是本發(fā)明實(shí)施例提供的有霧圖像；(b)是本發(fā)明實(shí)施例提供的像素累計(jì)概率分布函數(shù)示意圖。[0085]圖4是本發(fā)明實(shí)施例提供的天空區(qū)域分割修正示意圖。[0086]圖中(a)是本發(fā)明實(shí)施例提供的原始霧圖；(b)是本發(fā)明實(shí)施例提供的最大連通區(qū)域示意圖；(c)是本發(fā)明實(shí)施例提供的引導(dǎo)濾波示意圖；(d)是本發(fā)明實(shí)施例提供的最大類間方差修正示意圖。[0087]圖5是本發(fā)明實(shí)施例提供的不同方法對比分割結(jié)果圖。[0088]圖中(a)是本發(fā)明實(shí)施例提供的大津算法分割示意圖；(b)是本發(fā)明實(shí)施例提供的文獻(xiàn)(潘健鴻，高銀.基于天空區(qū)域分割和多尺度融合的單幅霧天圖像復(fù)原算法[J].南京理工大學(xué)學(xué)報，2019,43(05):592-599.)的分割示意圖；(c)是本發(fā)明實(shí)施例提供的文獻(xiàn)(W.MeiandX.Li,"SiInformationandEmergencyCommunication(ICEIEC),2019,pp.579-585,doi:10.1109/ICEIEC.2019.8784493.)的分割示意圖；(d)是本發(fā)明實(shí)施例提供的本發(fā)明分割示意圖；(e)是本發(fā)明實(shí)施例提供的原始霧圖。[0089]圖6是本發(fā)明實(shí)施例提供的薄霧場景下去霧效果對比示意圖。[0090]圖中(a)是本發(fā)明實(shí)施例提供的霧霾圖像；(b)是本發(fā)明實(shí)施例提供的He算法去霧效果示意圖；(c)是本發(fā)明實(shí)施例提供的Meng算法去霧效果示意圖；(d)是本發(fā)明實(shí)施例提供的Berman算法去霧效果示意圖；(e)是本發(fā)明實(shí)施例提供的Pan算法去霧效果示意圖；(f)是本發(fā)明實(shí)施例提供的Wei算法去霧效果示意圖；(g)是本發(fā)明實(shí)施例提供的本發(fā)明算法去霧效果示意圖。[0091]圖7是本發(fā)明實(shí)施例提供的濃霧場景下去霧效果對比示意圖。[0092]圖中(a)是本發(fā)明實(shí)施例提供的霧霾圖像；(b)是本發(fā)明實(shí)施例提供的He算法去霧效果示意圖；(c)是本發(fā)明實(shí)施例提供的Meng算法去霧效果示意圖；(d)是本發(fā)明實(shí)施例提供的Berman算法去霧效果示意圖；(e)是本發(fā)明實(shí)施例提供的Pan算法去霧效果示意圖；(f)是本發(fā)明實(shí)施例提供的Wei算法去霧效果示意圖；(g)是本發(fā)明實(shí)施例提供的本發(fā)明算法去霧效果示意圖。[0093]圖8是本發(fā)明實(shí)施例提供的景深突變場景下去霧效果對比示意圖。[0094](a)是本發(fā)明實(shí)施例提供的霧霾圖像。(b)是本發(fā)明實(shí)施例提供的He算法去霧效果示意圖。(c)是本發(fā)明實(shí)施例提供的Meng算法去霧效果示意圖。(d)是本發(fā)明實(shí)施例提供的Berman算法去霧效果示意圖。(e)是本發(fā)明實(shí)施例提供的Pan算法去霧效果示意圖。(f)是本發(fā)明實(shí)施例提供的Wei算法去霧效果示意圖。(g)是本發(fā)明實(shí)施例提供的本發(fā)明算法去霧效果示意圖。[0095]圖9是本發(fā)明實(shí)施例提供的含有大片天空場景下去霧效果對比示意圖。[0096]圖中(a)是本發(fā)明實(shí)施例提供的霧霾圖像；(b)是本發(fā)明實(shí)施例提供的He算法去霧效果示意圖；(c)是本發(fā)明實(shí)施例提供的Meng算法去霧效果示意圖；[0097](d)是本發(fā)明實(shí)施例提供的Berman算法去霧效果示意圖；(e)是本發(fā)明實(shí)施例提供的Pan算法去霧效果示意圖；(f)是本發(fā)明實(shí)施例提供的Wei算法去霧效果示意圖；(g)是本發(fā)明實(shí)施例提供的本發(fā)明算法去霧效果示意圖。[0098]圖10是本發(fā)明實(shí)施例提供的在處理戶外不同場景下的去霧指標(biāo)曲線圖。[0099]圖11是本發(fā)明實(shí)施例提供的圖像去霧方法流程圖。[0100]圖12是本發(fā)明實(shí)施例提供的圖像去霧系統(tǒng)結(jié)構(gòu)框圖；具體實(shí)施方式[0102]為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合實(shí)施例，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。[0103]針對現(xiàn)有技術(shù)存在的問題，本發(fā)明提供了一種圖像去霧方法、系統(tǒng)、計(jì)算機(jī)設(shè)備、存儲介質(zhì)及終端，下面結(jié)合附圖對本發(fā)明作詳細(xì)的描述。[0104]如圖11所示，本發(fā)明實(shí)施例提供的圖像去霧方法包括以下步驟：[0105]S101,通過統(tǒng)計(jì)霧霾圖像的相鄰灰度概率構(gòu)造累積分布函數(shù)，根據(jù)像素灰度的集中分布程度獲得像素的平均閾值；[0106]S102,結(jié)合自適應(yīng)閾值分割以及天空區(qū)域的暗、亮通道確定出極小值作為天空區(qū)域的粗分割閾值，根據(jù)天空區(qū)域的最大連通性獲得粗分割的天空區(qū)域與非天空區(qū)域；[0107]S103,通過引導(dǎo)濾波加強(qiáng)天空與非天空區(qū)域像素灰度的差異性，利用大津算法實(shí)現(xiàn)天空區(qū)域和非天空區(qū)域的精準(zhǔn)分割；[0108]S104,天空區(qū)域利用對數(shù)自適應(yīng)變換估計(jì)透射率，非天空區(qū)域利用改進(jìn)的暗通道先驗(yàn)算法估計(jì)透射率，通過將天空與非天空區(qū)域的對應(yīng)像素的透射率進(jìn)行合成實(shí)現(xiàn)圖像的去霧。[0109]如圖12所示，本發(fā)明實(shí)施例提供的圖像去霧系統(tǒng)包括：[0110]霧霾圖像統(tǒng)計(jì)模塊1,用于通過統(tǒng)計(jì)霧霾圖像的相鄰灰度概率構(gòu)造累積分布函數(shù)，根據(jù)像素灰度的集中分布程度獲得像素的平均閾值；[0111]天空區(qū)域粗分割模塊2,用于結(jié)合自適應(yīng)閾值分割以及天空區(qū)域的暗、亮通道確定出極小值作為天空區(qū)域的粗分割閾值，根據(jù)天空區(qū)域的最大連通性獲得粗分割的天空區(qū)域與非天空區(qū)域；[0112]天空區(qū)域精準(zhǔn)分割模塊3,用于通過引導(dǎo)濾波加強(qiáng)天空與非天空區(qū)域像素灰度的差異性，利用大津算法實(shí)現(xiàn)天空區(qū)域和非天空區(qū)域的精準(zhǔn)分割；[0113]透射率合成模塊4,用于將天空區(qū)域利用對數(shù)自適應(yīng)變換估計(jì)透射率，非天空區(qū)域利用改進(jìn)的暗通道先驗(yàn)算法估計(jì)透射率，通過將天空與非天空區(qū)域的對應(yīng)像素的透射率進(jìn)行合成實(shí)現(xiàn)圖像的去霧。[0114]下面結(jié)合具體實(shí)施例對本發(fā)明的技術(shù)方案作進(jìn)一步描述。[0115]1、本發(fā)明提出了基于天空區(qū)域分割的透射率合成圖像去霧算法，對天空區(qū)域與非天空區(qū)域分割準(zhǔn)確，紋理細(xì)節(jié)清晰豐富，相較于傳統(tǒng)暗通先驗(yàn)技術(shù)，本發(fā)明有效改善了傳統(tǒng)分割方法在大面積天空區(qū)域失效等缺陷，結(jié)合透射率合成算法有效減少現(xiàn)有算法天空區(qū)域細(xì)節(jié)損失、顏色失真等問題，去霧圖像明亮適中，紋理細(xì)節(jié)清晰豐富，去霧圖像整體視覺效果良好。[0116]本發(fā)明提出了一種基于天空區(qū)域分割的透射率合成圖像去霧算法，通過統(tǒng)計(jì)霧霾圖像的相鄰灰度概率構(gòu)造累積分布函數(shù)，根據(jù)像素灰度的集中分布程度獲得像素的平均閾值，并結(jié)合自適應(yīng)閾值分割以及天空區(qū)域的暗、亮通道確定出極小值作為天空區(qū)域的粗分割閾值，根據(jù)天空區(qū)域的最大連通性獲得粗分割的天空區(qū)域與非天空區(qū)域；進(jìn)一步通過引導(dǎo)濾波加強(qiáng)天空與非天空區(qū)域像素灰度的差異性，利用大津算法實(shí)現(xiàn)天空區(qū)域和非天空區(qū)域的精準(zhǔn)分割。天空區(qū)域利用對數(shù)自適應(yīng)變換估計(jì)透射率，非天空區(qū)域利用改進(jìn)的暗通道先驗(yàn)算法估計(jì)透射率，通過將天空與非天空區(qū)域的對應(yīng)像素的透射率進(jìn)行合成實(shí)現(xiàn)圖像的去霧。仿真結(jié)果表明：本算法對天空區(qū)域與非天空區(qū)域分割準(zhǔn)確，紋理細(xì)節(jié)清晰豐富，去霧圖像明亮適中，實(shí)驗(yàn)結(jié)果表明新算法有效改善了現(xiàn)有算法天空區(qū)域細(xì)節(jié)損失、天空區(qū)域去客觀指標(biāo)上平均提高約8.03%,去霧圖像整體視覺效果良好。[0118]大氣散射模型較為詳細(xì)地描述了霧霾天氣條件下圖像的形成過程，具體的數(shù)學(xué)模型如公式(1)所示。(x))為經(jīng)過衰減后到達(dá)成像裝置的能量值。[0121]通過將式(1)變形后得到如式(2)所示的無霧圖像J(x)。[0123]本發(fā)明提出了一種基于天空區(qū)域分割的透射率合成圖像去霧算法。根據(jù)霧霾圖像的相鄰平均灰度概率，計(jì)算出累積分布函數(shù)W(j),利用正態(tài)分布的3σ原則，確定出像素集中分布的平均灰度值，并結(jié)合自適應(yīng)閾值分割以及天空區(qū)域與的暗、亮通道灰度值，確定出天空區(qū)域分割的粗閾值，根據(jù)天空區(qū)域的最大連通性，獲得天空區(qū)域與非天空區(qū)域的粗分割結(jié)果。為平滑圖像的邊緣信息以及增加天空與非天空區(qū)域像素灰度的差異性，利用引導(dǎo)濾波操作，并通過大津算法實(shí)現(xiàn)天空區(qū)域和非天空區(qū)域的精確分割。非天空區(qū)域采取改進(jìn)的暗通道先驗(yàn)算法估計(jì)透射率；天空區(qū)域則采取對數(shù)自適應(yīng)變換估計(jì)透射率，最終將天空與非天空區(qū)域的透射率進(jìn)行像素對應(yīng)合成，實(shí)現(xiàn)圖像的去霧。具體的算法原理框圖如圖1所b],將該灰度區(qū)間中的極小值作為粗分割的閾值，選擇最大的連通域作為天空區(qū)域的分割[0127](1)統(tǒng)計(jì)出原始圖像各灰度級的像素數(shù)目a,O≤i<L,其中L=256是圖像中總的率分布函數(shù)W(j),其中j∈[2,k]。[0130]從圖像的累積分布函數(shù)圖中可得霧霾圖像的像素灰度值近似服從正態(tài)分布3σ原多，并計(jì)算出對應(yīng)的灰度值分別記作g?與g?,如圖3所(3)利用迭代選擇閾值法并結(jié)合天空區(qū)域的暗、亮通道確定大氣光值。具體算法度值的前1%為Ain,通過線性加權(quán)可以得到像素通道的大氣光值A(chǔ)。具體表達(dá)式如式(8)所[0143]進(jìn)一步結(jié)合累積分布函數(shù)確定的灰度閾值g?、大氣光估值A(chǔ)以及迭代選擇閾值T,b?=(MAX(MAX(T,G?(),(4*255)b?=(MAX(MAX(T,G?(),(4*255)定位出粗分割后的天空區(qū)域與非天空區(qū)域，基于天空區(qū)域分割和多尺度融合的單幅霧天圖像復(fù)原算法[J].南京理工大學(xué)學(xué)報，2019,43(05):592-599.)、文獻(xiàn)(W.MeiandX.Li,"SingleImageDehazingUsingDarkonElectronicsInformationandEmergency[0148]文獻(xiàn)(潘健鴻，高銀.基于天空區(qū)域分割和多尺度融合的單幅霧天圖像復(fù)原算法[J].南京理工大學(xué)學(xué)報，2019,43(05):592-599.)算法處理后部分圖像邊緣輪廓會存在細(xì)高的三個位置和圖5(b-3)中山峰的白雪等近似白色區(qū)域均誤識別為天空區(qū)域。andHazeDensityWeight,"2019IEEE9thInternationalCInformationandEmergencyCommunication(ICEIEC),2019,pp.579ICEIEC.2019.8784493.)算法在分割天空區(qū)域部分處理效果明顯好于大津算法與文獻(xiàn)(潘健鴻，高銀.基于天空區(qū)域分割和多尺度融合的單幅霧天圖像復(fù)原算法[J].南京理工大學(xué)像部分細(xì)節(jié)輪廓分割不夠精細(xì)，如圖5(c-1)中山峰亮度高的部分誤分割為天空區(qū)域和圖5[0150]本發(fā)明算法通過加強(qiáng)天空與非天空區(qū)域像素灰度的差異性實(shí)現(xiàn)天空區(qū)域和非天含有大面積近似天空白色區(qū)域時，本發(fā)明算法有效避免了大津算法與文獻(xiàn)(潘健鴻，高銀.基于天空區(qū)域分割和多尺度融合的單幅霧天圖像復(fù)原算法[J].南京理工大學(xué)學(xué)報，2019,[0157]式中，@(0<@≤1)是為調(diào)節(jié)去霧的程度引入的一個定值，Iaark是非天空區(qū)域的暗[0165]其中，為霧霾圖像中的天空區(qū)域部分；c為RGB通道的其中之一，RGB.n與RGBmx的y)和t(x,y),合成的傳輸函數(shù)如式([0170]將天空與非天空區(qū)域合成后優(yōu)化的透射率t,以及聯(lián)合天空區(qū)域的大氣光值利步利用引導(dǎo)濾波操作并通過大津算法實(shí)現(xiàn)天空區(qū)域和非天適應(yīng)變換估計(jì)透射率，最終將天空與非天空區(qū)域的透射率進(jìn)行像空區(qū)域的不同場景下8幅常用真實(shí)有霧圖像進(jìn)行仿真驗(yàn)證，并將實(shí)驗(yàn)結(jié)果與He、Meng、銀杏樹葉景深相接處，圖9中的建筑物的外輪廓邊緣等。此外，去霧后天空區(qū)域存在色彩偏[0176]Meng等人在暗通道先驗(yàn)基礎(chǔ)上，將邊界約束用于透射率的優(yōu)化，消除暗通道的暈影效應(yīng)，對薄霧、景深等場景下的霧圖有較好的視覺處理效果。如圖6與8所示。該算法并未優(yōu)化去霧圖像的色彩保真度，因而天空等區(qū)域由于透射率變化較小且像素相對平滑，去霧后顏色失真現(xiàn)象明顯，視覺效果較差，如圖7以及圖9中的天空區(qū)域。同時對于霧濃度較大的場景處理后圖像較暗，如圖7中的樓房以及近景處的小路。[0177]Berman等人通過對原始霧圖進(jìn)行聚類分析實(shí)現(xiàn)去霧，假設(shè)有霧圖像所有的像素點(diǎn)都集中于大氣光與無霧像素點(diǎn)構(gòu)成的霧線上，使得處于不同深度位置的透射率估計(jì)不足，未能有效去除景深區(qū)域的霧霾，如圖8所示。同時在圖像景深突變區(qū)域出現(xiàn)了色偏現(xiàn)象，如圖8中景深處的銀杏樹葉。此外，如圖7、圖9中的近景區(qū)域的道路整體灰暗，去霧后圖像不自[0178]Pan等人通過分割圖像的天空區(qū)域結(jié)合多尺度融合對曝光度不同的圖像進(jìn)行去霧，對于處理霧天圖像的光暈現(xiàn)象有一定的效果，薄霧場景圖像去霧效果較好。但是由于局部天空區(qū)域分割不準(zhǔn)確，容易出現(xiàn)圖像亮度損失和邊緣細(xì)節(jié)模糊等現(xiàn)象，如圖6中的山峰區(qū)域，如圖9中的天空區(qū)域。此外，復(fù)原的圖像存在顏色亮度過高等問題，如圖7中天空區(qū)域整體偏亮白色。[0179]Wei等人利用暗通道融合和霧密度加權(quán)的去霧方法，消除了彩色投影，改善了天空區(qū)域的去霧效果，近景細(xì)節(jié)恢復(fù)清晰，薄霧場景圖像去霧效果較好，如圖6中故宮的輪廓細(xì)節(jié)屋檐與人物欄桿等顏色亮度適中。但景深突變區(qū)域出現(xiàn)去霧不足，如圖8所示。濃霧場景下去霧后的圖像去霧效果較差，如圖7所示。此外，[0180]本發(fā)明所提的基于天空區(qū)域的精確分割去霧算法，可有效避免將天空區(qū)域當(dāng)作非天空區(qū)域處理導(dǎo)致去霧效果不佳的情況。本發(fā)明算法在天空區(qū)域進(jìn)行精確分割，去霧后在天空區(qū)域與非天空區(qū)域去的交界處去霧效果自然、清晰可見、邊緣處理平滑。本發(fā)明算法考慮了景深區(qū)域的特殊性，在非天空區(qū)域采用改進(jìn)的暗通道先驗(yàn)方法，天空區(qū)域采用對數(shù)變換獲取自適應(yīng)的透射率，將天空區(qū)域與非天空區(qū)域的透射率進(jìn)行合成修正，使得本算法在處理薄霧場景時能與5種主流去霧算法相媲美，在天空等明亮區(qū)域，景深突變區(qū)域去霧效果細(xì)節(jié)信息豐富，無明顯偽影及顏色偏移，對比度適中，符合人們的視處的邊緣細(xì)節(jié)還原度更高、殘霧被消除，層次感更明顯。圖6中遠(yuǎn)景處的階梯步道都清晰可見。在濃霧區(qū)域去霧效果也優(yōu)于5種對比算法，較好地抑制了明亮區(qū)域透射率估計(jì)過小而導(dǎo)致的色彩失真現(xiàn)象，復(fù)原的圖像清晰自然。如圖9中在含有大面積天空區(qū)域的體育場的圖像中，精確分割的天空區(qū)域與非天空區(qū)域，體育場前廣場部分去霧圖像清晰可見，左上角處的評價指標(biāo)對圖6～9的去霧效果進(jìn)行定量分析。如圖10所示。從圖中可看出：在保證去霧不失真的情況下，從整體的客觀數(shù)據(jù)曲線觀察可知，本發(fā)明算法對8幅真實(shí)圖像去霧后，相比于其他去霧算法，所提算法在信噪比上平均提高8.06%,平均梯度上平均提高11.35%,結(jié)構(gòu)相似性上平均提高9.15%,信息熵上平均提高2.23%,表明本發(fā)明算法在改善圖像失真、保持結(jié)構(gòu)相似性以及圖像信息量等方面有一定程度的提升，更加符合實(shí)際視覺效果。表1不同算法相關(guān)評價指標(biāo)實(shí)驗(yàn)圖信噪比平均梯度結(jié)構(gòu)相似性CN114677289B說明書16/17頁圖2圖3圖4圖5圖6圖7圖8氣光值A(chǔ)°,克服了暗通道先驗(yàn)算法在天空等明亮區(qū)域失效的缺陷。本發(fā)明算法去霧后保證了目標(biāo)像素點(diǎn)過渡自然，紋理輪廓細(xì)節(jié)更突出，具有一定的優(yōu)越性。[0186]針對現(xiàn)有去霧算法在處理含有大面積天空、強(qiáng)光源以及白色物體等明亮區(qū)域時造成天空區(qū)域去霧效果不佳等問題，本發(fā)明提出了基于天空區(qū)域分割的透射率合成圖像去霧算法。與以往改進(jìn)去霧方法相比，所提算法在精確分割天空區(qū)域后，根據(jù)天空區(qū)域與非天空區(qū)域的自身像素