吳金亮

（中國電子科技集團(tuán)公司第五十四研究所，河北石家莊 050081）

實(shí)時域變換圖像去霧

吳金亮

（中國電子科技集團(tuán)公司第五十四研究所，河北石家莊 050081）

針對霧霾天氣導(dǎo)致室外圖像可見度降低的問題，提出一種快速的單幅圖像去霧算法。結(jié)合圖像暗原色先驗(yàn)理論及實(shí)時域變換濾波算法，提高了單幅圖像去霧的抗噪性和實(shí)時性?；跒V波后圖像的透射率估算，避免了噪聲在去霧結(jié)果中的增強(qiáng)，對圖像的白平衡處理解決去霧后圖像的色偏現(xiàn)象，該算法可明顯地增強(qiáng)圖像內(nèi)場景的可見度及細(xì)節(jié)信息。

圖像處理去霧圖像暗原色先驗(yàn)域變換濾波白平衡

1 引言

霧霾天氣條件下，大氣中的細(xì)小塵埃和水滴對光線進(jìn)行散射，造成了拍攝的室外圖像可見度往往很低。霧霾圖像中近距離物體對比度低，細(xì)節(jié)模糊，而遠(yuǎn)距離物體幾乎與霧霾背景融為一體，嚴(yán)重影像圖像內(nèi)信息的提取和識別。霧霾天氣條件下，獲得清晰的圖像，具有實(shí)際的價值和意義，在視頻監(jiān)控，高分普查，機(jī)載航拍偵察等系統(tǒng)中有極迫切的需求。

2 相關(guān)工作

Fattal[1]利用大氣透射率與表面物體表面陰影局部不相關(guān)假設(shè)，來估算大氣透射率。Fattal[1]的方法基于顏色統(tǒng)計信息，對于濃霧圖像，顏色信息較少，無法得到可靠透射率，無法實(shí)現(xiàn)較好去霧效果。Tan等[2]直接最大化霧霾圖像的局部對比去除霧效，該方法往往產(chǎn)生嚴(yán)重的色偏現(xiàn)象。He等[3]提出了基于圖像暗原色先驗(yàn)的去霧算法，直接評估霧霾的透射信息,是目前效果最好的去霧算法。Tarel等[4-5]對添加平面限制來去除圖像中的霧霾。劉倩等[6]用中值濾波加速He等[3]的方法。刁揚(yáng)桀等[7]在去霧的同時保持了顏色不變。李大鵬等[8]提出了去霧結(jié)果的評測方法。

3 霧霾去除物理模型

3.1 霧霾圖像視覺模型

霧霾圖像的近似物理模型如下所示[1]：

式中，I(x)為像素點(diǎn)x的觀察值；J(x)為待恢復(fù)的清晰無霧的像素值；A是全局大氣光；t(x)為透射率，反應(yīng)物體表面的反射光隨距離發(fā)生的衰減。在一幅圖像內(nèi)，A通常為常量，與像素點(diǎn)位置無關(guān)。當(dāng)大氣同質(zhì)時，透射率t(x)可表示為，其中為大氣散射系數(shù)，d(x)為場景深度，由公式可知，物體反射光隨著場景深度增加成指數(shù)級衰減，而霧的濃度隨著場景深度增加成指數(shù)級增加。

由公式(1)得清晰無霧像素值：

由公式(2)可知，透射率t(x)和全局大氣光是恢復(fù)出清晰無霧圖像的2個關(guān)鍵量。

3.2 暗原色先驗(yàn)理論

暗原色先驗(yàn)理論是無霧圖像的統(tǒng)計規(guī)律：戶外拍攝的無霧圖像，在任一局部窗口內(nèi)，R，G，B三個通道中最小值一定趨于零。He等[1]第一次將暗原色先驗(yàn)理論應(yīng)用于去霧處理，得到很好效果。圖像的暗原色通道，數(shù)學(xué)表達(dá)如下：

并行計算方法在傳統(tǒng)階段，重要運(yùn)用的方式就是在體系結(jié)構(gòu)以及編程語言方面對一些抽象以及模型進(jìn)行定義?？墒且?yàn)樵谔幚磉@些大數(shù)據(jù)的問題時要考慮到一些數(shù)據(jù)方面的特征以及運(yùn)算方面的特征，以至于在處理大數(shù)據(jù)的時候，要將這些不同層面的特征有機(jī)結(jié)合起來，從而建立起相對層面較多的計算模式。

4 關(guān)鍵技術(shù)及實(shí)現(xiàn)

4.1 濾波預(yù)處理

一幅圖像中往往包含噪聲，在去霧處理時，噪聲同時被放大。對輸入圖像進(jìn)行分解，采用Gastal等[9]提出的方法實(shí)時提取基圖像和細(xì)節(jié)層，基圖像包含原圖像平滑的亮度變化，細(xì)節(jié)層包含圖像的細(xì)節(jié)信息和噪聲信息。圖1顯示了對一副圖像進(jìn)行濾波處理得到的基圖像和細(xì)節(jié)層圖像。對基圖像進(jìn)行透射率和全局大氣光估算，然后去霧處理，避免了對噪聲的增強(qiáng)。去霧處理后，再添加原始細(xì)節(jié)信息可得細(xì)節(jié)清晰并且無霧結(jié)果圖。

圖1 濾波預(yù)處理

4.2 估算全局大氣光

全局大氣光的估算直接影響去霧后圖像的明暗及細(xì)節(jié)信息。由公式(1)可知，在天空或無窮遠(yuǎn)處，這些濃霧區(qū)域，透射率趨近于0，圖像顏色值近似為全局大氣光A。Tan[2]將圖像中亮度最大位置像素的灰度值作為全局大氣光A，易受到圖像中高亮物體的影像。He等[3]選擇暗原色圖中0.1%亮度最高的像素，將其中的最大灰度值作為全局大氣光A,該最大值易被噪聲干擾。算法采用Tang等[10]方法，取0.1%像素中灰度值的中值作為全局大氣光A。

4.3 修正白平衡

霧霾天氣屬于弱光照條件，拍攝的圖像往往會出現(xiàn)色偏現(xiàn)象(偏紅或偏藍(lán))。自動白平衡[11]根據(jù)原始圖像的像素信息計算每個顏色通道的調(diào)節(jié)因子來修正色偏。將估算的全局大氣光A設(shè)置為純白色，得到每個通道對應(yīng)的調(diào)節(jié)因子。每個顏色通道的調(diào)節(jié)如下：

4.4 估算透射率

由公式(1)，得透射率的計算表達(dá)式:

對其兩邊取最小值得：

圖2 白平衡修正及去霧結(jié)果

4.5 復(fù)原無霧圖像

計算出的全局大氣光A和透射率t(x)，根據(jù)公式(2)可以恢復(fù)出圖像J(x)：

式中，t0為透射率的一個下限，避免濃霧區(qū)域在復(fù)原后，顏色過度失真。將預(yù)處理得到的細(xì)節(jié)層信息添加到復(fù)原圖像，得最終結(jié)果。如圖2(c)所示，去霧結(jié)果細(xì)節(jié)清晰，色彩鮮艷，無色偏現(xiàn)象。

5 實(shí)驗(yàn)結(jié)果及分析

為了驗(yàn)證算法的有效性,在大量霧霾圖像上進(jìn)行去霧處理，均得到較好去霧效果。圖3列舉了算法部分去霧結(jié)果，并與He等[3]算法進(jìn)行了比較。圖3(c)顯示算法處理后的圖像，顏色更鮮艷，細(xì)節(jié)更清晰，并且沒有產(chǎn)生色偏現(xiàn)象。圖3(b)顯示He等[3]處理的結(jié)果相對偏暗，并且有部分色偏現(xiàn)象，如圖3(b)中第二行結(jié)果所示，濃霧區(qū)域處有部分色偏。

圖3 算法結(jié)果及比較

算法運(yùn)行環(huán)境為Intel Core i5-2400,CPU 3.10 GHz，RAM 3.47GB的PC機(jī)，基于C++語言實(shí)現(xiàn)，處理600×400的圖像，耗時0.1～0.2 s。

6 結(jié)束語

利用實(shí)時域變換濾波,提出了一種快速有效的霧霾圖像去霧處理技術(shù)。濾波預(yù)處理解決了噪點(diǎn)的增強(qiáng)問題，白平衡的使用避免了色偏的出現(xiàn)，細(xì)節(jié)層的添加，使得去霧后的圖像，細(xì)節(jié)更清晰。快速提高了霧霾圖像的對比度和清晰度，必將在視頻監(jiān)控，高分普查，機(jī)載航拍偵察等系統(tǒng)中發(fā)揮巨大應(yīng)用效益。

[1]FATTAL R．Single image dehazing[J]．ACM Transactions on Graphics，2008,27(3):1-9．

[2]TAN R T.Visibility in bad weather from a single image[C] //Proc.CVPR’08.2008:1-8.

[3]HE K，SUN J，TANG X．Single image haze removal using dark channel prior[J]．IEEE Transactions on Pattern Analysis and Machine Intelligence，2011,33(12):2341-2353．

[4]TAREL J,HAUTIERE N.Fast visibility restoration from a single color or gray level image[C]//Proc.ICCV’09.2009: 2201–2208.

[5]TAREL J P,HAUTIERE N,Cord A,et al.Improved Visibility of Road Scene Images under Heterogeneous Fog[C] //Proc.IV'10.2010:478-485.

[6]劉倩,陳茂銀,東華.基于單幅圖像的快速去霧算法//Proc.CCDC’13.2013:3780-3785.

[7]刁揚(yáng)桀,張紅英,吳亞東,等.顏色保持的實(shí)時圖像/視頻去霧算法[J].計算機(jī)應(yīng)用,2014,34(9):2702-2707.

[8]李大鵬,禹晶,肖創(chuàng)柏.圖像去霧的無參考客觀質(zhì)量評測方法[J].中國圖像圖形學(xué)報,2011,16(9):1753-1757.

[9]GASTAL E S L,OLIVEIRA M M.Domain Transform for Edge-Aware Image and Video Processing[J].ACM Transactions on Graphics,2011,30(4):1-12.

[10]TANG K T,YANG J C.Investigating Haze-relevant Features in A Learning Framework for Image Dehazing[C] //Proc.CVPR’14.2014:1-8.

[11]LIMARE N,LISANI J L,MOREL J M,et al.Simplest Color Balance[J].Image Processing On Line,2011,10(2):1-7.

Real-time Image Dehazing Based on Domain Transform

WU Jin-Liang
(The 54th Research Institute of CETC,Shijiazhuang Hebei 050081,China)

Aiming at the problem that hazing decreases the visibility of outdoor scene images,a new fast dehazing method for a single image is proposed.By using dark channel prior and domain transform filter,the robustness for noise and real-time character is improved. The transmission map computed by the filtered image reduces the enlarging of noise.White balance corrects the color shift for dehazed image.The proposed method significantly enhances the visibility of image and retains the very fine details.

image processing;dehazing,image dark channel prior;domain transform filter;white balance

TP303

A

1008-1739（2015）10-43-3

定稿日期：2015-04-26