基于偏振度优化与大气光校正的图像去雾

为提高偏振去雾算法对雾气场景的恢复能力,提出一种偏振度优化与大气光校正的偏振图像去雾算法。首先,依据雾气场景亮度分布,使用导向滤波将雾气图像分解为亮面残差和暗面残差;其次,扩大亮面残差对应的偏振度值,削减暗面残差对应的偏振度值以优化偏振度,该偏振度可将大气光图像模糊;最后,利用偏振度在亮面和暗面残差上的差异,对大气光强度进行校正,以使其随雾气的变化规律满足大气退化模型。实验结果表明:本文算法的去雾图像相较原雾气图像,对比度提高3.07倍、信息熵提高9.21%、标准差提高61.86%。且在不同浓度模拟雾气环境中,本文算法都有较为优异的SSIM、PSNR和CIEDE2000。相较于现有先进图像去雾算法,本文算法去雾效果明显,可以有效地复原雾气中场景的细节信息。