(19)中华 人民共和国 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 202111352923.X (22)申请日 2021.11.16 (71)申请人 上海赛昉科技有限公司 地址 201203 上海市浦东 新区中国 （上海） 自由贸易试验区盛夏路61弄张润大厦 2号电梯楼层5层 （实际楼层4层） 02室 (72)发明人 詹志康　雷雨　范赐恩　俞虎　 吴圆梅　 (74)专利代理 机构 上海邦德专利代理事务所 (普通合伙) 31312 代理人 佘大鹏 (51)Int.Cl. G06T 5/00(2006.01) G06T 5/20(2006.01) G06N 20/00(2019.01)G06N 3/08(2006.01) G06K 9/62(2022.01) G06V 10/774(2022.01) (54)发明名称 基于深度估计先验的快速图像去雾方法及 电子设备 (57)摘要 本发明涉及图像处理技术领域， 具体涉及一 种基于深度估计先验的快速图像去雾方法及电 子设备， 包括以下步骤： 获取无雾图像加雾后有 雾图像及其深度图对的数据集， 并将其转化为可 进行数字图像处理的形式； 利用多个含雾图像构 建用于去雾的深度估计模型， 并生成输入图像对 应的初始深度图； 使用大气光估计算法估计输入 图像对应的三通道大气光值， 同时采用最小值滤 波、 下采样及引导滤波对深度图进行细化； 将细 化的深度图、 大气光值带入到图像复原公式中， 并对含雾图像进行去雾操作并输出。 本发明能够 更好地处理去雾与不去雾 之间的边界， 在算法流 程中引入了上下采样、 优化简化操作， 降低了算 法的算力消耗、 时间消耗。 权利要求书3页 说明书7页 附图3页 CN 114240766 A 2022.03.25 CN 114240766 A 1.一种基于深度估计先验的快速图像去雾方法， 其特 征在于， 包括以下步骤： S1获取无雾图像加雾后有雾图像及其深度图对的数据集， 并将其转化为可进行数字图 像处理的形式； S2利用多个含雾图像构建用于去雾的深度估计模型， 并生成输入图像对应的初始深度 图； S3使用大气光估计算法估计输入图像对应的三通道大气光值， 同时采用最小值滤波、 下采样及引导滤波对深度图进行细化； S4将细化的深度图、 大气光值带入到 图像复原公式中， 并对含雾图像进行去雾操作并 输出。 2.根据权利要求1所述的一种基于深度估计先验的快速图像去雾方法， 其特征在于， 所 述方法中， 构建用于使用大量含雾图像总 结出带雾图像深度与明度、 饱和度之间的数学关 系， 完成数 学建模、 机器学习统计并用于后续深度估计。 3.根据权利要求1所述的一种基于深度估计先验的快速图像去雾方法， 其特征在于， 所 述方法中， 构建用于去雾的深度估计模型， 具体如下： 挑选一张任意的加雾图像， 图像中每 个像素点均对应各自的明度、 饱和度及其雾浓度意义上 的深度， 将相关的三个维度以散点 图的形式画出， 然后采用曲面拟合的形式对散点图进 行拟合， 找到误差最小的曲面， 最后 构 建数学模型。 4.根据权利要求1所述的一种基于深度估计先验的快速图像去雾方法， 其特征在于， 所 述S2中， 生成初始深度图具体如下： 通过观察图像像素点中亮度和饱和度与雾浓度之间的相关性， 并将其量化为雾浓度意 义上的场景深度与两者之间的相关 关系； 根据所述的雾浓度意义上的场景深度与饱和度、 亮度差值间的相关关系， 构建数学模 型， 并通过机器学习进行超参数 经验值求取； 通过建模的单幅图像场景雾浓度深度估计模型， 对输入图像进行场景深度的求取； 其中， 大气散射模型 可以表达如下： I(x)＝J(x)t(x)+A(1 ‑t(x)) t(x)＝e‑β·d(x) 式中J(x)为假设的无雾图像， t(x)为该点透射率， 透射率与雾浓度意义上的深度d(x) 呈负指数关系， 其中的大气散射系数β 根据实验调节选择。 5.根据权利要求1所述的一种基于深度估计先验的快速图像去雾方法， 其特征在于， 所 述S3使用快速图像去雾算法， 包括以下步骤： S31将输入图像从RGB颜色空间转移到HSV颜色空间， 利用深度估计先验生成场景深度 图； S32采用简化的四叉树 算法对输入图像进行处 理， 得到RGB三 通道的大气光 值； S33对场景深度图进行最小值滤波平滑， 后使用引导滤波进行保边平滑滤波， 将输入图 像灰度图中的边 缘细化到深度图中； S34利用大气散射模型对图像进行复原处 理， 输出处 理后的去雾图像。 6.根据权利要求5所述的一种基于深度估计先验的快速图像去雾方法， 其特征在于， 所 述方法中， 采用简化的四叉树算法对输入图像进行处理， 得到RGB三通道的大气光值， 包括权　利　要　求　书 1/3 页 2 CN 114240766 A 2以下步骤： T11将输入图像转换为灰度图； T12将灰度图分成四个矩形区域， 在每 个区域内用该区域的平均值作为得分； T13选取分数最高的区域， 作为新的区域， 重复T2， 同时使用中间变量存储此时分数最 高区域对应的原RGB图像块， 并抹除上一次迭代储 存的RGB图像块 值； T24将T3重复五次后， 所得图像块面积已经于原图0.1％大小， 对图像块 内RGB三通道分 别求取其均值， 以获得RGB三 通道大气光估计值。 7.根据权利要求5所述的一种基于深度估计先验的快速图像去雾方法， 其特征在于， 所 述方法中， 对场景深度图进行最小值滤波平 滑包括以下步骤： T21将初始场景深度图划分成不重叠的3*3图像块， 末尾图像块大小则随图像长宽而 定； T22找到T21每 个图像块中最小值作为 新的场景深度图以图像块 为像素单位处的深度； T23使用上采样 将平滑后的深度图平 滑填充至初始深度图尺寸。 8.根据权利要求5所述的一种基于深度估计先验的快速图像去雾方法， 其特征在于， 所 述方法中， 采用引导滤波进行保边平滑滤波， 将输入图像灰度图中的边缘细化到深度图， 公 式如下： depth_v2＝GuidedFi lter(resize(gray),resize(depth),r, ε ) 其中， r为引导半径， ε为 正则化参数， 引导滤波模型如下： 上述公式中， qi是输出图像， Ii是输入图像， i和k为像素坐标， ak和bk则是通过输入图像 和引导图像在图像块中的相关系 数、 方差等计算得到的回归值， 使得导引图和输出图像的 线性关系的误差值 最小； 通过最小二乘法对参数进行估计， 可以得到： cov(I,p)指特定图像块对应的输入图像与导引图之间 的协方差， var(I)则是该图像块 内输入图像的方差， ε为 正则化参数， 是导引图在该图像块中的均值， 则是输入图像在该 图像块中的均值； 其中对于引导滤波的输入， 使用输入图像转换成的灰度图的下采样版本作为引导图， 使用最小值滤波后的场景深度图作为输入图像。 9.根据权利要求5所述的一种基于深度估计先验的快速图像去雾方法， 其特征在于， 所 述方法中， 采用利用大气散射模型对图像进行复原处 理公式如下： trans_guided＝mi n(max(e‑1.3*depth_v2,0.1),1) β 为大气散射系数， 复原公式应用于R、 G、 B三通道分别求取三通道复原之后的图像， 并 合成为一幅RGB图像， 作为 最后的输出图像。权　利　要　求　书 2/3 页 3 CN 114240766 A 3