一种结冰风洞试验图像的去雾方法

技术领域：

本发明属于结冰风洞试验观测技术领域，具体是一种可用于结冰风洞试验观测图像的去雾方法。

背景技术：

在飞机结冰与防除冰研究中，结冰风洞试验是最主要的地面模拟试验方式，结冰风洞试验为飞机结冰机理研究、防除冰装置设计及结冰适航审定提供了大量的数据支撑。

在试验过程中，由于云雾场的存在，会对结冰风洞试验段的观测带来较大的干扰。在没有云雾场干扰情况下的，试验段内光源照射光线至试验部件表面然后光线反射至观测相机的成像传感器，得到清晰的观测图像，但是云雾场存在时，试验段内的大量微小的悬浮液滴会对光线的传播进行散射、衰减及吸收，导致原本清晰的图像变得非常模糊，图像的对比度、饱和度严重下降，图像整体呈现灰白色，使得图像细节降低，严重影响了试验过程中对结冰情况的观察，以及对试验段内结冰类型、结冰开始时间及脱落情况的判断，阻碍了试验人员对试验信息的获取，降低了试验效率和效果。所以通过对结冰风洞试验观测图像进行去雾处理，可以协助试验人员获取试验段内情况，提升试验效率及效果。

在过去的单图像去雾研究中，图像去雾算法根据是否使用物理模型可以被简单地分为两大类。第一类是通过求解大气散射物理模型来进行图像恢复，另一类则是基于一些图像增强方式来进行去雾。其中基于物理模型恢复的方法是通过分析有雾条件下成像过程中图像退化的原因来建立物理成像退化模型，这类算法中需要求解理论清晰图像J与已知含雾的模糊图像I之间的方程来获得清晰图像J，求解前需要对方程中与环境相关的未知参数进行估计，如大气光照度和透射率(深度、散射系数)。位置参数估计的好坏直接影响到去雾的效果，在过去常用的估计方式为基于暗通道先验的方式，该方法在大部分情况下能获得合理的估计以及理想的去雾效果，但是对于图像中包含较多明亮、高亮区域的情况，暗通道先验会失效，实际使用该方法的时候发现，对于风洞浓雾图像的暗通道该方法的去雾结果会导致图像色彩失真。另一类基于图像增强的去雾方式旨在通过对比度增强来提高图像的对比度，例如基于直方图增强、同态滤波算法等的图像增强方式。该类方式在雾较淡时能取得一定的效果，但是对于浓雾或者不均匀的雾将失效，会产生较大的失真或是细节丢失。

而结冰风洞试验中有较多的试验条件会产生非常浓的水雾，目前的去雾方法对于浓雾还不能获得较为理想的去雾效果，会对试验人员的观测产生较大的影响。

发明内容:

本发明的目的在于针对上述现有技术的不足，提出一种基于深度及散射系数估计辅助的结冰风洞图像去雾方法，以充分利用场景的深度信息以及结冰风洞内的过冷水含量试验参数进行去雾，从而得到更准确的透射图估计，进而取得浓雾下更好的去雾效果。

为实现上述目的，本发明所采用的技术方案是：

1)通过结冰风洞试验段监测相机采集含雾的试验图像I；

2)利用暗通道估计大气光强度A；

3)获取当前时刻相机捕获图像对应的场景深度图d；

4)建立β与LWC之间的线性回归模型，并使用数据集进行拟合，得到预测模型M；

5)使用回归模型M预测当前试验条件下的β值；

6)通过大气散射模型求解去雾后的图像J；

本发明中，步骤2)包含如下子步骤：

21)在试验图像I中每个像素位置对应的RGB三个通道中求取最小值组成灰度图I

22)对I

23)从暗通道图I

24)在这些位置中，在原图像中寻找对应具有最高亮度点的值，作为A的估计。

进一步地，步骤3)中场景深度图d的获取方式如下：

将试验图像I输入深度估计神经网络模型，输出对应的深度图d。

可选地，步骤3)也可采用如下方式获取场景深度图d：

将步骤1)中的相机替换为深度相机，获取试验图像I的同时捕获其对应的深度图d。

进一步地，步骤4)包含如下子步骤：

41)建立如下的线性回归模型：

其中β为结冰风洞云雾场的散射系数，θ

42)在常用的LWC试验参数取值范围内选取20个不同的取值进行试验，每次试验记录风洞试验的LWC及喷雾开始时刻前后各一帧图像，其中喷雾开始后的含雾图像记为I

每次试验的LWC取值及计算得到的β

43)在数据集D上使用41)中的回归模型进行最小二乘法拟合，得到回归系数

进一步地，步骤6)使用的计算公式为：

与现有技术相比，本发明的有益效果如下：

本发明提出通过风洞试验参数来估计大气散射模型中的参数β的方法，相比其他现有技术中的随机取值、固定取值等方法可以获得更符合实际云雾场情况的散射率β估计，进而获得更好的去雾效果。

附图说明：

图1是本发明提出的结冰风洞试验图像的去雾方法流程图；

图2是实施例中获取的图像；

图3是实施例中相机捕获图像对应的场景深度图；

图4是实施例中去雾后的图像。

具体实施方式:

下面结合附图对本发明作进一步的说明。

参照图1，本发明的具体实现步骤如下：

1)通过结冰风洞试验段监测相机采集含雾的试验图像I；

本实施例中，所述监测相机固定于结冰风洞试验段外壁中心附近位置，图2为获取的图像I。

2)利用暗通道估计大气光强度A；包括如下子步骤：

21)试验图像为I,将I中每个像素对应的RGB通道中的最小值存入一幅与I大小相同的灰度图I

22)对I

23)从暗通道图I

24)在这些位置中，在原图像中寻找对应具有最高亮度点的值，作为A的估计。

3)获取当前时刻相机捕获图像对应的场景深度图d；

本实施例中，使用深度估计网络模型BinsFormer对I进行深度估计，得到深度图d，如图3所示。

4)建立β与LWC之间的线性回归模型，并使用数据集进行拟合，得到预测模型M；包括如下子步骤：

41)建立如下的线性回归模型：

其中β为结冰风洞云雾场的散射系数，θ

42)在常用的LWC试验参数取值范围内选取20个不同的取值进行试验，每次试验记录风洞试验的LWC及喷雾开始时刻前后各一帧图像，其中喷雾开始后的含雾图像记为I

每次试验的LWC取值及计算得到的β

43)在数据集D上使用41)中的回归模型进行最小二乘法拟合，得到回归系数

5)使用回归模型M预测当前试验条件下的β值；

在本实施例中，试验条件中LWC为2g/m

6)通过大气散射模型求解去雾后的图像J；使用的计算公式如下：

得到的J即为去雾后的图像，如图4所示。