摘要：為了提高霧天降質(zhì)圖像的清晰度，文章研究基于物理模型復(fù)原的圖像去霧算法，提出基于該方法復(fù)原的快速圖像去霧方法。首先提出天空區(qū)域自適應(yīng)選擇算法估計(jì)全局大氣光，然后利用均值濾波的方式快速估計(jì)透射率，最終恢復(fù)無霧圖像。

關(guān)鍵詞：圖像去霧；物理模型復(fù)原；自適應(yīng)選擇算法；均值濾波；透射率；無霧圖像 文獻(xiàn)標(biāo)識(shí)碼：A

中圖分類號(hào)：TP391 文章編號(hào)：1009-2374（2016）02-0009-03 DOI：10.13535/j.cnki.11-4406/n.2016.02.004

1 概述

由于PM2.5的影響，霧、霾等天氣愈加嚴(yán)重，戶外視頻監(jiān)控系統(tǒng)尤其是交通視頻受到了嚴(yán)重的影響。在霧、霾等天氣下，光線受到大氣介質(zhì)的散射，導(dǎo)致其傳播路徑發(fā)生改變，以至于場景的能見度降低，監(jiān)控系統(tǒng)所采集到目標(biāo)圖像對(duì)比度及顏色等特征被衰減。因此需要對(duì)霧天條件下獲取的圖像進(jìn)行去霧優(yōu)化處理，提高圖像的可見性。目前，圖像去霧的方法主要分為兩種：基于霧天圖像對(duì)比度特點(diǎn)的圖像增強(qiáng)方法和基于物理模型復(fù)原的圖像恢復(fù)方法。

基于霧天圖像對(duì)比度特點(diǎn)的圖像增強(qiáng)方法，根據(jù)霧天圖像對(duì)比度低，采取改善圖像質(zhì)量或增強(qiáng)圖像某些特征的方法對(duì)霧天圖像進(jìn)行增強(qiáng)處理，該方法能達(dá)到一定的去霧效果，但有可能會(huì)造成信息的缺失。基于物理模型復(fù)原的圖像恢復(fù)方法是根據(jù)大氣物理模型，利用已知的場景深度信息和霧天濃度信息來恢復(fù)無霧圖像，該方法針對(duì)性強(qiáng)，處理效果自然。

2 算法分析

單幅圖像去霧算法的研究作為綜合性的新學(xué)科發(fā)展，近年來備受關(guān)注，各個(gè)學(xué)者提出了不同的去霧優(yōu)化方法。Tan方法基于對(duì)圖像增強(qiáng)的方式，利用最大化局部對(duì)比度的方法對(duì)圖像的對(duì)比度進(jìn)行復(fù)原，但該方法容易造成信息的缺失。Fattal假設(shè)目標(biāo)的陰影部分和介質(zhì)透射率不相關(guān)，借助于獨(dú)立主成分分析模型對(duì)透射率進(jìn)行估計(jì)，但該方法只針對(duì)處理彩色圖像。Tarel等人對(duì)環(huán)境光的范圍進(jìn)行深入研究，利用中值濾波的方式進(jìn)行去霧，并去除圖像中的紋理信息，但由于中值濾波不能很好地保持邊緣，在景深突變處受到了嚴(yán)重影響。He等人提出了暗原色統(tǒng)計(jì)規(guī)律，然后選用最小值濾波的方式對(duì)透射率進(jìn)行估計(jì)，并采用軟摳圖的方式對(duì)透射率的求取進(jìn)行優(yōu)化，最終恢復(fù)無霧圖像，該方法是目前最為有效的處理方法，但該方法的復(fù)雜度較高，處理的時(shí)間受限。

上述方法各有利弊。本文針對(duì)目前去霧方法處理效果不佳且處理時(shí)間過長等不足，對(duì)暗原色先驗(yàn)的去霧方法改進(jìn)，局部選用均值濾波的方式對(duì)霧濃度進(jìn)行估計(jì)，最終通過大氣散射校正方法對(duì)霧天圖像進(jìn)行恢復(fù)。該算法達(dá)到了一定的去霧效果，并降低處理時(shí)間，更具有應(yīng)用價(jià)值。

3 大氣散射模型

Macartney于1975年提出了大氣散射模型，該模型由入射光衰減模型和大氣光成像模型組成，其中入射光衰減模型是由于射入觀測點(diǎn)方向的光受到大氣介質(zhì)的影響，發(fā)生散射作用而導(dǎo)致光強(qiáng)衰弱；大氣光成像模型是由于別的光束發(fā)生散射后隨觀測點(diǎn)方向射入。

4 本文算法

在圖像中，霧氣濃度均勻分布，去除掉有霧圖像的紋理信息，即可尋找出場景的顏色亮度最低的點(diǎn)。該算法的實(shí)現(xiàn)基于Tarel方法，假設(shè)在圖像局部區(qū)域霧氣濃度均勻分布，該算法的實(shí)現(xiàn)主要有以下四步：（1）借助于大氣散射模型，求取霧天圖像復(fù)原模型；（2）采用Canny算子對(duì)輸入彩色圖像的灰度分量進(jìn)行檢測，將區(qū)域內(nèi)最大的像素值作為全局大氣光A；（3）借助均值濾波局部估計(jì)出環(huán)境光；（4）對(duì)霧天單幅圖像進(jìn)行優(yōu)化處理。

4.1 暗原色先驗(yàn)

暗原色先驗(yàn)（dark channel prior）能夠有效地處理單幅有霧圖像，該先驗(yàn)方法是對(duì)大量戶外無霧圖像的統(tǒng)計(jì)規(guī)律，即對(duì)于絕大多數(shù)無霧圖像的每個(gè)局部區(qū)域（部包括天空部分）都存在某些至少有一個(gè)顏色通道的強(qiáng)度值很低的像素點(diǎn)，這些像素點(diǎn)被稱為“dark pixels”。

因此，滿足暗原色先驗(yàn)的戶外無霧圖像，假設(shè)在某一局部區(qū)域?yàn)?，則其暗原色可表示為：

（4）

式中：表示在像素的二維空間坐標(biāo)為Y處的某一個(gè)顏色通道的亮度值。

4.2 估計(jì)全局大氣光

傳統(tǒng)的全局大氣光求法是選取暗原色中0.1%暗通道像素值較大的區(qū)域，然后在原圖像所對(duì)應(yīng)的區(qū)域內(nèi)尋找像素亮度最大的點(diǎn)，其對(duì)應(yīng)的像素值即為全局大氣光。本文在求取全局大氣光時(shí)，采用Canny算子對(duì)輸入彩色圖像的灰度分量進(jìn)行邊緣檢測，對(duì)所求得的邊緣灰度圖進(jìn)行分塊統(tǒng)計(jì)，分別計(jì)算出各局部塊中邊緣像素所占的比例，記為，并滿足與的集合區(qū)域指定為候選天空區(qū)域，本文中假設(shè)亮度閾值為暗原色中最大值的95%，平滑閾值為0.001。通過設(shè)置閾值，選取原有霧圖像中最大的像素值作為全局大氣光A。

4.3 估計(jì)環(huán)境光

在Tarel中，霧氣的濃度應(yīng)滿足以下兩個(gè)條件：（1）對(duì)于每個(gè)像素，為正值，即；（2）在像素中，霧氣弄不小于RGB三個(gè)顏色通道的最小值，即，最終所求取的霧氣濃度應(yīng)滿足如下表達(dá)式：

綜上所述，待估計(jì)完全局大氣光和環(huán)境光后，即可對(duì)霧天圖像進(jìn)行復(fù)原。采用該方法，能夠更好地恢復(fù)無霧圖像。

5 實(shí)驗(yàn)結(jié)果及比較分析

該算法的驗(yàn)證平臺(tái)為Matlab2010，實(shí)驗(yàn)在操作系統(tǒng)為windows 7、CPU為酷睿2雙核2.8GHz處理器、系統(tǒng)內(nèi)存為2GB的PC機(jī)上進(jìn)行，并與He方法、Tarel方法、Fattle方法進(jìn)行對(duì)比，從而驗(yàn)證該算法的優(yōu)越性。

本文算法中值的不同導(dǎo)致去霧程度不同，不同值進(jìn)行，去霧程度不同，該值越大，圖像偏暗，且容易出現(xiàn)光暈偽影。在實(shí)驗(yàn)中，最終選取值為0.6。

由于選用了均值濾波的方式對(duì)透射率進(jìn)行估計(jì)，濾波窗口的選取上會(huì)影響去霧效果，因此對(duì)不同濾波窗口進(jìn)行驗(yàn)證，15*15的濾波窗口容易出現(xiàn)光暈偽影，而3*3的濾波窗口處理效果較好，因此在實(shí)驗(yàn)中，選取濾波窗口為3*3。

5.1 實(shí)驗(yàn)主觀評(píng)價(jià)

本文算法應(yīng)用于大量戶外的霧霾圖像均取得了較好的去霧效果，并對(duì)部分戶外場景的實(shí)驗(yàn)對(duì)比結(jié)果，可以看出He算法對(duì)于天空等部分處理效果不佳，有可能出現(xiàn)失真。Tarel方法對(duì)圖像的過度增強(qiáng)，導(dǎo)致圖像有一定的失真，而本文方法在處理天空等部分的效果更為逼真，較真實(shí)地再現(xiàn)了場景的實(shí)際顏色。

5.2 客觀評(píng)價(jià)

目前，圖像去霧領(lǐng)域主要通過盲評(píng)的方法，根據(jù)Hautiere等人提出的可見邊梯度法作為評(píng)判標(biāo)準(zhǔn)。該方法采用恢復(fù)后圖像的可見邊集合數(shù)目比和平均梯度比作為客觀質(zhì)量的評(píng)判標(biāo)準(zhǔn)。

式中：和分別表示原有霧圖像和去霧圖像的可見邊數(shù)目，可見邊的數(shù)目通過計(jì)算對(duì)比度來求取；為去霧后圖像的平均梯度，為原有霧圖像的平均梯度，平均梯度表征圖像的清晰度，反映圖像細(xì)節(jié)的豐富程度。以上兩個(gè)參數(shù)的值越大，則代表去霧后的效果越好。

針對(duì)本文所對(duì)比的方法，不僅通過客觀質(zhì)量來進(jìn)行評(píng)估，還通過對(duì)比處理圖像的時(shí)間來驗(yàn)證該算法的優(yōu)越性。比較結(jié)果如表1所示：

從表1可以看出，在處理同一有霧圖像時(shí)，本文算法處理速度相比于He方法和Tarel方法均有顯著提高；同時(shí)本文算法處理后圖像可見邊集合數(shù)目比和平均梯度比的值相比于對(duì)比的方法的值更大，則表明去霧后的效果更好。實(shí)驗(yàn)結(jié)果表明：本文方法在處理時(shí)間和去霧后的效果上更具優(yōu)越性。

6 結(jié)語

本文在暗原色先驗(yàn)的基礎(chǔ)上，提出了一種改進(jìn)的去霧算法。針對(duì)He方法在處理有霧圖像時(shí)效果不佳及算法耗時(shí)的問題，提出了一種自適應(yīng)的全局大氣光估計(jì)方法，能夠有效地自動(dòng)估計(jì)全局大氣光，同時(shí)采用均值濾波的方式對(duì)透射率進(jìn)行估計(jì)。通過實(shí)驗(yàn)結(jié)果對(duì)比分析，本文算法可大幅度地提高處理速度，并且處理效果有進(jìn)一步的提升。

參考文獻(xiàn)

[1]郭璠，蔡自興，謝斌，等.圖像去霧技術(shù)研究綜述與展望[J].計(jì)算機(jī)應(yīng)用，2010，30（9）.

[2]王時(shí)震，萬惠瓊.應(yīng)用暗原色先驗(yàn)規(guī)律的遙感影像去霧技術(shù)[J].測繪科學(xué)技術(shù)學(xué)報(bào)，2011，28（3）.

[3]Tan R T.Visibility in bad weather from a single image

[A].Computer Vision and Pattern Recognition[C].2008.

[4]Fattal R.Single image dehazing[A].ACM Transactions on Graphics（TOG）[C].2008.

[5]Tarel J P，Hautiere N.Fast visibility restoration from a signal color or gray level image[A].inproc.IEEEConf.Computer Vision[C].2009.

[6]He K，Sun J，Tang X.Single image haze removal using dark channel prior[J].Pattern Analysis and Machine Intelligence，IEEE Transactions on，2011，33（12）.

[7]方帥，王勇，曹洋，等.單幅霧天圖像復(fù)原[J].電子學(xué)報(bào)，2010，38（10）.

[8]張冰冰，戴聲奎，孫萬源.基于暗原色先驗(yàn)?zāi)Ｐ偷目焖偃レF算法[J].中國圖像圖形學(xué)報(bào)，2013，18（2）.

[9]Hautiere N，TarelJ P，AubertD，et al.Blind contrast enhancement assessment by gradient ratioing at visible edges[J].ImageAnalysis and Stereology Journal，2008，27（2）.

[10]Yang Q，Tan K H，Ahuja N.Real-time O（1） bilateral filtering[A].Computer Vision and Pattern Recognition[C].2009.

作者簡介：張子方（1963-），男，天津人，天津市聯(lián)大通訊發(fā)展有限公司總經(jīng)理，副高職稱。

（責(zé)任編輯：周 瓊）