尹 芳，陳田田，付自如，于曉洋

1.哈爾濱理工大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，哈爾濱 150080

2.哈爾濱理工大學(xué) 儀器科學(xué)與技術(shù)博士后科研流動(dòng)站，哈爾濱 150080

暗原色先驗(yàn)圖像去霧改進(jìn)新方法*

尹 芳1,2+，陳田田1，付自如1，于曉洋2

1.哈爾濱理工大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，哈爾濱 150080

2.哈爾濱理工大學(xué) 儀器科學(xué)與技術(shù)博士后科研流動(dòng)站，哈爾濱 150080

+Corresponding autho author:r:E-mail:13936421412@163.com

YIN Fang,CHEN Tiantian,FU Ziru,et al.Im proved method of image dehazing using dark channel prior.Journalof Frontiersof Com puter Science and Technology,2017,11(7)：1131-1139.

針對(duì)暗原色先驗(yàn)在明亮區(qū)域和天空區(qū)域透射率估計(jì)值偏小，致使復(fù)原圖像亮度偏暗、顏色失真等問(wèn)題，提出了一種新的圖像去霧算法。在計(jì)算暗通道函數(shù)時(shí)，定義了一類(lèi)平滑暗通道對(duì)3個(gè)顏色通道值的集中趨勢(shì)進(jìn)行描述，則該區(qū)域像素點(diǎn)的暗通道的值為其三原色通道的平均值，代替原來(lái)的最小值。使用均值濾波得到平滑的粗透射率，再通過(guò)引導(dǎo)濾波對(duì)透射率進(jìn)行細(xì)化處理，進(jìn)而估計(jì)全球大氣光值，有效地去除了光暈效應(yīng)及黑斑效應(yīng)。將圖像像素的亮度值與全球大氣光值進(jìn)行比較，對(duì)處在一定范圍內(nèi)大于或小于大氣光值的像素點(diǎn)作為明亮區(qū)域的點(diǎn)，并對(duì)該點(diǎn)的透射率進(jìn)行修正，使求得的透射率更為準(zhǔn)確，復(fù)原后的圖像細(xì)節(jié)更加清晰。實(shí)驗(yàn)結(jié)果表明，該算法能有效解決大面積明亮區(qū)域圖像失真的問(wèn)題，復(fù)原后的圖像也具有較高的亮度和對(duì)比度。

圖像去霧；暗通道先驗(yàn)；均值濾波；引導(dǎo)濾波

1 引言

霧霾天氣是一種大氣污染狀態(tài)，由于大氣中懸浮的各種顆粒以及小水滴對(duì)光線(xiàn)的吸收、散射和折射等作用，使得大氣渾濁，視野模糊，并導(dǎo)致能見(jiàn)度惡化，捕獲的圖像模糊不清，色調(diào)偏移，分辨率下降，極大地限制和影響了軍事、監(jiān)控、交通、目標(biāo)跟蹤、自動(dòng)導(dǎo)航等方面的功能。為了能夠準(zhǔn)確無(wú)誤地獲得有用的圖像特征信息，確保圖片能夠在計(jì)算機(jī)視覺(jué)和圖像處理領(lǐng)域得到應(yīng)用，霧天降質(zhì)圖像的清晰化處理技術(shù)是至關(guān)重要的，為此各國(guó)人員都展開(kāi)了相應(yīng)的研究。

近年來(lái)，基于先驗(yàn)知識(shí)或假設(shè)的單一圖像去霧算法已經(jīng)取得了很大進(jìn)展[1]。Tan[2]通過(guò)最大化霧天降質(zhì)圖像的局部對(duì)比度來(lái)獲得無(wú)霧圖像，恢復(fù)后的圖像能見(jiàn)度明顯增強(qiáng)，但在圖像深度跳變的邊緣上有Halo效應(yīng)（也叫光暈效應(yīng)），使得圖像看起來(lái)不真實(shí)。Fattal[3]假設(shè)場(chǎng)景傳輸率（transm ission）與物體表面色度（surface shading）具有局部不相關(guān)性，利用獨(dú)立成分分析（independentcomponentanalysis，ICA）和馬爾科夫隨機(jī)場(chǎng)（Markov random field，MRF）模型估計(jì)透射率分布，能夠獲取良好的深度圖。但該方法對(duì)于濃霧和具有低信噪比的圖像無(wú)法獲得較好的效果，且其有一定的局限性，無(wú)法應(yīng)用于灰度圖像。He等人[4]通過(guò)對(duì)大量有霧圖像和無(wú)霧圖像的統(tǒng)計(jì)研究，首次提出了基于暗原色先驗(yàn)理論的去霧方法。該方法首先對(duì)透射率進(jìn)行粗估計(jì)，采用軟摳圖（soft image matting）算法對(duì)透射率進(jìn)行細(xì)化處理，最后得到恢復(fù)的無(wú)霧圖像，對(duì)明亮區(qū)域較少的霧霾圖像實(shí)現(xiàn)了良好的去霧效果。但該方法對(duì)大面積天空、雪地等不滿(mǎn)足暗原色先驗(yàn)理論的明亮區(qū)域的恢復(fù)結(jié)果會(huì)出現(xiàn)明顯圖像失真的情況，影響了圖像的視覺(jué)效果。且時(shí)間和空間復(fù)雜度較大，處理速度較慢，很難達(dá)到實(shí)時(shí)處理的要求。為了解決實(shí)時(shí)性的問(wèn)題，文獻(xiàn)[5-8]采用引導(dǎo)濾波（guided filter）算法來(lái)代替軟摳圖算法細(xì)化透射率，但該方法易出現(xiàn)顏色過(guò)飽和或者圖像暗淡的現(xiàn)象。因此，后續(xù)又出現(xiàn)了采用雙邊濾波[9-12]、數(shù)字全變差濾波[13]和中值濾波[14]代替最小值濾波來(lái)估計(jì)大氣耗散函數(shù)。張小剛等人[15]基于大氣散射物理模型提出了一種基于圖像融合的去霧算法，該算法定義一種偽去霧圖，并將其與原去霧圖進(jìn)行像素級(jí)融合，但恢復(fù)后的效果圖并不能完全體現(xiàn)場(chǎng)景的細(xì)節(jié)，部分紋理失真。Wang等人[16]提出了一種多尺度深度融合去霧方法，其主要思想是采用馬爾科夫隨機(jī)場(chǎng)對(duì)多層色度先驗(yàn)的細(xì)節(jié)進(jìn)行混合處理。馬時(shí)平等人[17]提出了一種具有反饋機(jī)制的自適應(yīng)閉環(huán)去霧算法，利用去霧強(qiáng)度評(píng)價(jià)結(jié)果對(duì)局部對(duì)比度參數(shù)進(jìn)行調(diào)節(jié)，通過(guò)去霧后圖像的自然度設(shè)定迭代終止條件。Feng等人[18]使用貝葉斯估計(jì)的方法對(duì)透過(guò)率進(jìn)行優(yōu)化，最終得到去霧圖像。這些方法為霧霾降質(zhì)圖像的清晰化帶來(lái)了新的思路，但得到的去霧圖像細(xì)節(jié)信息不明顯，并且大多數(shù)方法對(duì)于包含大面積天空、雪地等明亮區(qū)域的霧霾降質(zhì)圖像去霧效果不理想。

為此，本文提出了一種新的圖像去霧方法。首先在計(jì)算暗通道函數(shù)時(shí)，定義了一類(lèi)平滑暗通道對(duì)3個(gè)顏色通道值的集中趨勢(shì)進(jìn)行描述，則該區(qū)域像素點(diǎn)的暗通道的值為其三原色通道的平均值，代替原來(lái)的最小值。使用均值濾波得到平滑的粗透射率，再通過(guò)引導(dǎo)濾波對(duì)透射率進(jìn)行細(xì)化處理，進(jìn)而估計(jì)全球大氣光值，有效去除了光暈效應(yīng)及黑斑效應(yīng)。隨后，針對(duì)大面積明亮區(qū)域的去霧后圖像顏色過(guò)飽和以及失真的現(xiàn)象，將圖像像素的亮度值與全球大氣光值進(jìn)行比較，將處在一定范圍內(nèi)大于或小于大氣光值的像素點(diǎn)作為明亮區(qū)域的點(diǎn)，并對(duì)該點(diǎn)的透射率進(jìn)行修正。本文方法較好地解決了暗原色先驗(yàn)在明亮區(qū)域和天空區(qū)域透射率估計(jì)值偏小的問(wèn)題，從而防止了一般去霧圖像色彩失真的問(wèn)題。

2 背景

2.1 大氣散射模型

在計(jì)算機(jī)視覺(jué)和計(jì)算機(jī)圖形學(xué)中，通常用大氣散射模型來(lái)描述有霧圖像，其模型為：

其中，(x,y)為空間坐標(biāo)；I(x,y)為相機(jī)捕捉到的有霧圖像的強(qiáng)度；J(x,y)為場(chǎng)景輻射率，即無(wú)霧圖像的強(qiáng)度；A為全球大氣光值；t(x,y)為介質(zhì)傳輸率。假設(shè)大氣是均勻的，則介質(zhì)傳輸率可表示為：

式中，β為大氣散射系數(shù)；d(x,y)為場(chǎng)景深度。透射率具有和場(chǎng)景深度相似的趨勢(shì)，即在深度緩變處平滑，在深度不連續(xù)處隨之跳變。式（1）右邊第一項(xiàng)被稱(chēng)為直接衰減（directattenuation），它用來(lái)描述場(chǎng)景輻射率在介質(zhì)中隨場(chǎng)景深度的增大而呈指數(shù)衰減；第二項(xiàng)被稱(chēng)為環(huán)境光（airlight），描述了環(huán)境光的強(qiáng)度隨著場(chǎng)景深度的增大而逐漸增加的過(guò)程。霧天圖像的復(fù)原過(guò)程就是求取J(x,y)的過(guò)程，關(guān)鍵是估計(jì)全球大氣光值A(chǔ)和介質(zhì)傳輸率t(x,y)。

2.2 暗原色先驗(yàn)

暗原色先驗(yàn)是文獻(xiàn)[5]對(duì)大量的戶(hù)外無(wú)霧圖像的統(tǒng)計(jì)分析得出的：在絕大多數(shù)非天空的局部區(qū)域中，某些像素總會(huì)有至少一個(gè)顏色通道具有很低的值。對(duì)有霧圖像的最小顏色分量進(jìn)行灰度腐蝕操作可得：

其中，c∈{r,g,b}分別代表 r、g、b通道；Ω(x,y)表示以像素(x,y)為中心的鄰域，通常取15×15的方形矩陣。上式被稱(chēng)為暗原色先驗(yàn)公式。若Ω(x,y)為非天空區(qū)域或無(wú)霧自然圖像，則Jdark(x,y)的強(qiáng)度值是很小的數(shù)且趨于0，根據(jù)暗通道先驗(yàn)的理論可以得出：

2.3 通過(guò)暗原色先驗(yàn)去霧

首先假設(shè)大氣光A是給定的，進(jìn)一步假設(shè)在局部區(qū)域Ω(x,y)中t(x,y)是不變的，對(duì)式（1）進(jìn)行最小運(yùn)算，可得：

對(duì)上式進(jìn)行最小運(yùn)算，并同時(shí)除以A，可得：

將式（4）和式（5）代入式（7），可得介質(zhì)透射率為：

為了使去霧后的圖像更符合人眼視覺(jué)效果，為式（8）引入一個(gè)常數(shù)參數(shù)ω(0＜ω＜1)：

將式（9）代入式（3）得：

為了保證分母不為0，引入一個(gè)常數(shù)t0（t0為很小的常數(shù)，通常取0.1），將上式寫(xiě)為:

3 本文算法

基于引導(dǎo)濾波的去霧方法可以實(shí)現(xiàn)快速去霧，但恢復(fù)結(jié)果易出現(xiàn)去霧不徹底或顏色暗沉的現(xiàn)象，影響了圖像的視覺(jué)效果。此外與大多數(shù)基于暗通道先驗(yàn)的去霧算法一樣，對(duì)于雪地、天空或明亮物體等區(qū)域無(wú)法獲得滿(mǎn)意的效果。為此，本文首先利用均值濾波對(duì)暗通道進(jìn)行改進(jìn)，然后根據(jù)暗通道先驗(yàn)的理論得到大氣透射率的粗估計(jì)，再利用引導(dǎo)濾波方法對(duì)大氣透射率進(jìn)行細(xì)化，進(jìn)而估計(jì)全球大氣光值，將圖像像素的亮度值與全球大氣光值進(jìn)行比較，并對(duì)該點(diǎn)的透射率進(jìn)行修正，最后對(duì)去霧圖像的亮度和色度進(jìn)行調(diào)節(jié)。

3.1 暗通道分析

利用均值濾波對(duì)暗原色先驗(yàn)函數(shù)進(jìn)行如下修訂：

對(duì)圖1（a）應(yīng)用文獻(xiàn)[5]中方法求得暗原色通道如圖1（c）所示，假設(shè)像素點(diǎn)(x,y)的r、g、b通道中最小強(qiáng)度值低（如圖1（d）中的汽車(chē)部分，其暗原色先驗(yàn)值為0）且處于強(qiáng)度變化的邊緣（如圖1（d）中的汽車(chē)邊界），對(duì)Ω(x,y)進(jìn)行最小值濾波得到圖像顏色呈塊狀分布，邊緣顏色跳變較大，邊緣像素與其鄰域之間的顏色差較大，計(jì)算透射率時(shí)容易產(chǎn)生較大的誤差。若應(yīng)用平均值濾波，會(huì)增大暗通道先驗(yàn)的值與像素點(diǎn)之間的強(qiáng)度差值，但是均值濾波能夠反映一小塊區(qū)域顏色的集中趨勢(shì)，使得暗通道先驗(yàn)的顏色邊緣跳變趨于平緩，顏色差也會(huì)相應(yīng)地減弱些。如圖1（e）所示，本文方法的暗原色通道區(qū)域平滑，顏色差較小。

3.2 大氣透射率估計(jì)

3.2.1 透射率粗略估計(jì)

對(duì)式（6）進(jìn)行均值濾波得：

當(dāng)ε取值較小時(shí)，tmean(x,y)的取值較大，去霧后的圖像保留較多的霧氣，圖像整體偏白；當(dāng)ε取值較大時(shí)，tmean(x,y)的取值較小，去霧后的圖像顏色比較暗沉。

3.2.2 基于引導(dǎo)濾波的細(xì)化操作

引導(dǎo)濾波能將不同圖像的空間信息和值域信息有效地結(jié)合在一起，實(shí)現(xiàn)平滑圖像細(xì)節(jié)和保留圖像邊緣的效果，其最大的特點(diǎn)是時(shí)間復(fù)雜度低，運(yùn)算速度快。導(dǎo)向?yàn)V波包括輸入圖像p、引導(dǎo)圖像I和輸出圖像q。根據(jù)輸出圖像q和引導(dǎo)圖像I之間的局部線(xiàn)性關(guān)系，可得：

其中，ak、bk是窗口Ωk中一組線(xiàn)性系數(shù)。引導(dǎo)濾波是利用輸入圖像和輸出圖像之間的差異最小化來(lái)求得最優(yōu)的一組系數(shù)，其實(shí)現(xiàn)過(guò)程是通過(guò)線(xiàn)性回歸方法尋找窗口代價(jià)最小的窗口系數(shù)，最小化以下代價(jià)函數(shù)：

Fig.1 Dark channelprior圖1 暗通道先驗(yàn)

其中，調(diào)整系數(shù)θ防止a過(guò)大。式（17）可以通過(guò)以下方法解出：

3.2.3 大面積明亮區(qū)域的處理

如圖2所示，文獻(xiàn)[5]去霧圖像的天空區(qū)域顏色不均勻，有大面積黑色色塊出現(xiàn)，去霧效果不理想。雖然本文方法有效去除了光暈效應(yīng)及黑斑效應(yīng)，如圖5（h）所示，但是恢復(fù)后圖像顏色偏暗。出現(xiàn)這種情況μk、σk是引導(dǎo)圖像I在局部窗口βk內(nèi)像素的均值和方差。根據(jù)不同窗口βk可以得到不同的qi，將所有包括像素i的局部窗口的像素平均值作為qi，如下所示：的主要原因是圖像中包含大面積雪地、天空或明亮物體等區(qū)域，即使在沒(méi)有霧霾的情況下，這些區(qū)域的強(qiáng)度值也很大，無(wú)法得到強(qiáng)度值接近于0的暗原色點(diǎn)（如圖1（b）和（c）的天空區(qū)域），所以暗原色假設(shè)對(duì)于大面積明亮區(qū)域是不成立的，且這些區(qū)域的強(qiáng)度值越大，相應(yīng)的暗通道先驗(yàn)的取值也就越大，從而造成相應(yīng)像素點(diǎn)的透射率值偏小，導(dǎo)致了恢復(fù)后圖像的某些區(qū)域出現(xiàn)嚴(yán)重的顏色過(guò)飽和以及圖像偏暗的情況，如圖2中高樓的去霧效果所示。需要注意的是，所計(jì)算出的透射率的正確性是建立在暗原色假設(shè)成立的基礎(chǔ)上，但明顯明亮區(qū)域的暗通道值趨近一個(gè)很小的數(shù)并不為0，因此估計(jì)的透射率的取值偏低。如果不考慮暗通道先驗(yàn)的理論，根據(jù)式（14）可以得到準(zhǔn)確的透射率：

Fig.2 Dehazing imagesusing dark channelprior圖2 暗通道先驗(yàn)圖像去霧

當(dāng)Ω(x,y)位于霧霾圖像中大面積雪地、天空或明亮物體等區(qū)域時(shí)，很難趨于0，因此所計(jì)算的透射率比實(shí)際值偏小，影響了去霧效果。為了解決此問(wèn)題，從估算全球大氣光值A(chǔ)的角度出發(fā)，當(dāng)霧霾圖像中存在像雪地、天空等明亮區(qū)域時(shí)，大氣光值基本落在這些明亮區(qū)域內(nèi)。當(dāng)圖像的亮度值較大時(shí)，透射率的取值較小，且當(dāng)圖像的亮度大于大氣光值時(shí)，一般這個(gè)區(qū)域的顏色趨于明亮。因?yàn)槿虼髿夤庵凳乔?%亮度的均值，所以明亮區(qū)域的強(qiáng)度與全球大氣光值接近，在一定范圍內(nèi)大于或小于大氣光值的像素點(diǎn)處于亮度區(qū)域，其對(duì)應(yīng)的透射率的取值也會(huì)趨于很小的值，從圖2所示的透射率分布圖可以直觀(guān)地看出這一點(diǎn)。一般來(lái)說(shuō)，明亮區(qū)域基本上偏白色，3個(gè)顏色通道的差異不大，假設(shè)像素點(diǎn)(x,y)的強(qiáng)度為3個(gè)顏色通道的均值(Ic(x,y))，像素點(diǎn)強(qiáng)度與全球大氣光值的差值為Δ，可表示為：

通過(guò)前面對(duì)明亮區(qū)域的分析可知，其所對(duì)應(yīng)的透射率的取值將會(huì)被低估，因此求得的去霧圖像的通道間顏色值也會(huì)被錯(cuò)誤地放大，容易出現(xiàn)色彩過(guò)飽和或者暗淡的情況。尤其當(dāng)3通道間顏色差值較大時(shí)，有的通道顏色值大于大氣光值，有的小于大氣光值。3個(gè)通道差異得到疊加，類(lèi)似雪地、天空等這樣的明亮區(qū)域容易出現(xiàn)顏色偏移的情況。如果這3個(gè)通道的顏色值均大于大氣光值，一般很難出現(xiàn)圖像顏色跳變不協(xié)調(diào)的狀況。為了解決明亮區(qū)域顏色不協(xié)調(diào)的問(wèn)題，引入一個(gè)參數(shù)T，當(dāng)像素點(diǎn)(x,y)滿(mǎn)足時(shí)，則認(rèn)為該點(diǎn)屬于明亮區(qū)域，并對(duì)該點(diǎn)的透射率進(jìn)行如下修正:

本文修正后的透射率和復(fù)原圖像分別如圖3（a）和（b）所示，與圖2（d）、（h）相比較，本文算法能有效解決大面積明亮區(qū)域圖像失真的問(wèn)題，復(fù)原后的圖像也具有較高的亮度和對(duì)比度。

Fig.3 Optim ized dehazing images圖3 修正后圖像去霧

3.2.4 算法復(fù)雜度分析

對(duì)于一幅尺寸為m×n的霧霾降質(zhì)圖像，本文算法的時(shí)間復(fù)雜度主要來(lái)自于引導(dǎo)濾波算法的計(jì)算，且本文算法的其他步驟均為簡(jiǎn)單操作，因此本文算法和引導(dǎo)濾波的時(shí)間復(fù)雜度均是基于同一個(gè)數(shù)量級(jí)Ο(max(m,n))，具有快速的處理速度。相比之下，雙邊濾波[9]的時(shí)間復(fù)雜度為Ο(mn)。He等人[4]算法的時(shí)間復(fù)雜度為Ο(m2n2+mnω)，其中ω為窗口大小。

4 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證本文方法的有效性，采用主觀(guān)評(píng)價(jià)和客觀(guān)評(píng)價(jià)算法相結(jié)合的方法對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析與評(píng)價(jià)。主觀(guān)評(píng)價(jià)是憑借人類(lèi)的主觀(guān)感受來(lái)對(duì)被測(cè)試圖像的質(zhì)量進(jìn)行評(píng)價(jià)，利用引導(dǎo)濾波[5]、雙邊濾波[9]、中值濾波[14]和本文算法對(duì)多幅圖像進(jìn)行去霧恢復(fù)，結(jié)果如圖4所示。從圖4中可以看出，引導(dǎo)濾波對(duì)于大面積天空區(qū)域的圖像易產(chǎn)生去霧不徹底和顏色失真的情況；雙邊濾波在某些對(duì)比度很低的圖像中易出現(xiàn)顏色過(guò)飽和的現(xiàn)象，算法的魯棒性較差；中值濾波復(fù)原圖像的顏色偏暗，在某些大面積明亮區(qū)域容易出現(xiàn)圖像失真，圖像質(zhì)量相對(duì)較差。本文算法有效解決了明亮區(qū)域顏色失真的情況，在視覺(jué)上較好地恢復(fù)了場(chǎng)景色度和對(duì)比度，在有效去除霧的同時(shí)保持圖像色彩明亮?？陀^(guān)評(píng)價(jià)是模擬人類(lèi)視覺(jué)系統(tǒng)的感知機(jī)制來(lái)衡量圖像質(zhì)量，為了更好地評(píng)判去霧后圖像的質(zhì)量，本文主要采用結(jié)構(gòu)相似性(s)、對(duì)比度(c)、色調(diào)還原度(h)、峰值信噪比（PSNR）[19]進(jìn)行定量評(píng)價(jià)，各評(píng)價(jià)指標(biāo)的計(jì)算結(jié)果如表1所示，并給出各種算法去霧時(shí)間，如表2所示。其中，對(duì)比度強(qiáng)調(diào)的是圖像的清晰度，越高越好；色調(diào)還原度體現(xiàn)的是去霧前后色調(diào)的一致性，值越大色度越接近；結(jié)構(gòu)相似性是描述復(fù)原圖像與原圖像的結(jié)構(gòu)相似程度，值越大越好；峰值信噪比通常是衡量圖像失真的指標(biāo)，峰值信噪比越大，代表圖像失真越少，因此峰值信噪比越大越好。從表1和表2可以看出，本文方法在色調(diào)還原能力方面介于3種方法之間，出現(xiàn)這種現(xiàn)象的主要原因是雙邊濾波易出現(xiàn)顏色過(guò)飽和的現(xiàn)象，引導(dǎo)濾波和中值濾波復(fù)原圖像的顏色偏暗，而本文的色彩明亮程度相對(duì)于雙邊濾波偏低，相對(duì)于引導(dǎo)濾波和中值濾波偏高，但色調(diào)和色彩效果卻更加自然，去除了光暈效應(yīng)及黑斑效應(yīng)，且圖像信息失真程度較小。本文算法在結(jié)構(gòu)保持和清晰度方面存在明顯優(yōu)勢(shì)的同時(shí)，也在一定程度上提高了去霧速度。

Fig.4 Comparative image resultsby dehazingw ith differentalgorithms圖4 不同算法去霧效果比較

Table1 Quantitativeevaluation indicatorsby dehazing w ith differentalgorithmsabout3 images表1 3幅圖像采用不同算法去霧后定量評(píng)價(jià)指標(biāo)

Table2 Comparison ofalgorithm time表2 各種算法所用時(shí)間對(duì)比

5 結(jié)束語(yǔ)

本文提出了一種新的圖像去霧算法。首先在計(jì)算暗通道函數(shù)時(shí)，定義了一種暗通道對(duì)3個(gè)顏色通道值的集中趨勢(shì)進(jìn)行描述，則該區(qū)域像素點(diǎn)的暗通道值為其三原色通道的平均值，代替原來(lái)的最小值，得到更為平滑的暗通道。使用均值濾波得到平滑的粗透射率，再通過(guò)引導(dǎo)濾波對(duì)透射率進(jìn)行細(xì)化處理，進(jìn)而估計(jì)全球大氣光值，簡(jiǎn)單有效地去除了光暈效應(yīng)及黑斑效應(yīng)。隨后，將圖像像素的亮度值與全球大氣光值進(jìn)行比較，將處在一定范圍內(nèi)大于或小于大氣光值的像素點(diǎn)作為明亮區(qū)域的點(diǎn)，并對(duì)該點(diǎn)的透射率進(jìn)行修正。實(shí)驗(yàn)結(jié)果表明，本文方法較好地解決了暗原色先驗(yàn)在明亮區(qū)域和天空區(qū)域透射率估計(jì)值偏小的問(wèn)題，從而解決了一般去霧圖像色彩失真的問(wèn)題。下一步的工作主要研究如何在保證復(fù)原圖像質(zhì)量的同時(shí)，更加快速地從特定或復(fù)雜環(huán)境去除霧霾對(duì)圖像的影響。

[1]Wu Di,Zhu Qingsong.The latest research progress of image dehazing[J].ActaAutomatica Sinica,2015,41(2):221-239.

[2]Tan R T.Visibility in bad weather from a single image[C]//Proceedings of the 2008 Conference on Computer Vision and Pattern Recognition,Anchorage,USA,Jun 23-28,2008.Piscataway,USA:IEEE,2008:1-8.

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

[4]He Kaim ing,Sun Jian,Tang Xiaoou.Single image haze removal using dark channel prior[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2011,33(12):2341-2353.

[5]He Kaiming,Sun Jian,Tang Xiaoou.Guided image filtering[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2013,35(6):1397-1409.

[6]Pang Jiahao,Au O C,Guo Zheng.Improved single image dehazing using guided filter[C]//Proceedings of the 2011 Asia-Pacific Signal and Information Processing Association Annual Summit and Conference,Xi'an,China,Oct 18-21,2011.Piscataway,USA:IEEE,2011:522-525.

[7]ShiZhenwei,Long Jiao,TangWei,etal.Single image dehazing in inhomogeneous atmosphere[J].Optik-International Journal for Lightand Electron Optics,2014,125(15):3868-3875.

[8]Yang Yan,Bai Haiping,Wang Fan.Single image adaptive defogging algorithm based on guidance filtering[J].Computer Engineering,2016,42(1):265-271．

[9]Xu Haoran,Guo Jianming,Liu Qing,etal.Fast image dehazing using improved dark channel prior[C]//Proceedings of the 2012 International Conference on Information Science and Technology,Wuhan,China,Mar 23-25,2012.Piscataway,USA:IEEE,2012:663-667.

[10]Yu Jing,LiDapeng,Liao Qingmin.Physics-based fastsingle image fog removal[J].Acta Automatica Sinica,2011,37(2):143-149.

[11]Liu Haibo,Yang Jie,Wu Zhengping,etal.Fast single image dehazing based on interval estimation[J].Journal of Electronicsand Information Technology,2016,38(2):381-388.

[12]Liu Haibo,Yang Jie,Wu Zhengping,etal.A fastsingle image dehazing method based on dark channel prior and Retinex theory[J].ActaAutomatica Sinica,2015,41(7):1264-1273.

[13]Liu Xuan,Zeng Fanxiang,Huang Zhitong,etal.Single color image dehazing based on digital total variation filter w ith color transfer[C]//Proceedingsof the 20th IEEE International Conference on Image Processing,Melbourne,Australia,Sep 15-18,2013.Piscataway,USA:IEEE,2013:909-913.

[14]Gibson K B,Vo D T,Nguyen TQ.An investigation of dehazing effects on image and video coding[J].IEEE Transactions onImage Processing,2011,21(2):662-673.

[15]Zhang Xiaogang,Tang Meiling,Chen Hua,etal.A dehazing method in single image based on double-area filter and image fusion[J].ActaAutomatica Sinica,2014,40(8):1733-1739.

[16]Wang Yuankai,Fan C T.Single image defogging by multiscale depth fusion[J].IEEETransactionson Image Processing,2014,23(11):4826-4837.

[17]Ma Shiping,Li Quanhe,Zhang Shengchong.An adaptive closed-loop image dehazing algorithm based on the feedback mechanism[J].Journalof Electronics and Information Technology,2016,38(2):400-407.

[18]Feng Chen,Zhuo Shaojie,Zhang Xiaopeng,etal.Near-infrared guided color image dehazing[C]//Proceedingsof the 20th IEEE International Conference on Image Processing,Melbourne,Australia,Sep 15-18,2013.Piscataway,USA:IEEE,2013:2363-2367.

附中文參考文獻(xiàn)：

[1]吳迪,朱青松.圖像去霧的最新研究進(jìn)展[J].自動(dòng)化學(xué)報(bào),2015,41(2):221-239.

[8]楊燕,白海平,王帆.基于引導(dǎo)濾波的單幅圖像自適應(yīng)去霧算法[J].計(jì)算機(jī)工程,2016,42(1):265-271.

[10]禹晶,李大鵬,廖慶敏.基于物理模型的快速單幅圖像去霧方法[J].自動(dòng)化學(xué)報(bào),2011,37(2):143-149.

[11]劉海波,楊杰,吳正平,等.基于區(qū)間估計(jì)的單幅圖像快速去霧[J].電子與信息學(xué)報(bào),2016,38(2):381-388.

[12]劉海波,楊杰,吳正平,等.基于暗通道先驗(yàn)和Retinex理論的快速單幅圖像去霧方法[J].自動(dòng)化學(xué)報(bào),2015,41(7):1264-1273.

[15]張小剛,唐美玲,陳華,等.一種結(jié)合雙區(qū)域?yàn)V波和圖像融合的單幅圖像去霧算法[J].自動(dòng)化學(xué)報(bào),2014,40(8):1733-1739.

[17]馬時(shí)平,李權(quán)合,張晟翀.一種基于反饋機(jī)制的閉環(huán)圖像去霧算法[J].電子與信息學(xué)報(bào),2016,38(2):400-407.

尹芳（1978—），女，遼寧撫順人，2012年于哈爾濱理工大學(xué)獲得博士學(xué)位，現(xiàn)為哈爾濱理工大學(xué)副教授，CCF會(huì)員，主要研究領(lǐng)域?yàn)橛?jì)算機(jī)視覺(jué)，圖像處理，模式識(shí)別等。

CHEN Tiantian was born in 1992.She is an M.S.candidate at Harbin University of Science and Technology.Her research interests include computer vision,image processing and pattern recognition,etc.

陳田田（1992—），女，河北廊坊人，哈爾濱理工大學(xué)碩士研究生，主要研究領(lǐng)域?yàn)橛?jì)算機(jī)視覺(jué)，圖像處理，模式識(shí)別等。

FU Ziru was born in 1990.He is an M.S.candidate at Harbin University of Scienceand Technology.His research interests include computervision,image processing and pattern recognition,etc.

付自如（1990—），男，河南信陽(yáng)人，哈爾濱理工大學(xué)碩士研究生，主要研究領(lǐng)域?yàn)橛?jì)算機(jī)視覺(jué)，圖像處理，模式識(shí)別等。

YU Xiaoyang was born in 1962.He received the Ph.D.degree in electrical engineering from Harbin Institute of Technology in 1998.Now he is a professor and Ph.D.supervisor at Harbin University of Science and Technology.His research interests include visionmeasurementand image processing,etc.

于曉洋（1962—），男，1998年于哈爾濱工業(yè)大學(xué)獲得博士學(xué)位，現(xiàn)為哈爾濱理工大學(xué)教授、博士生導(dǎo)師，主要研究領(lǐng)域?yàn)橐曈X(jué)測(cè)量，圖像處理等。

Im proved M ethod of Image Dehazing Using Dark ChannelPrior*

YIN Fang1,2+,CHEN Tiantian1,FU Ziru1,YU Xiaoyang2
1.Schoolof Computer Scienceand Technology,Harbin University of Science and Technology,Harbin 150080,China
2.Instrument Science and Technology Postdoctoral Research Station,Harbin University of Science and Technology,Harbin 150080,China

Dark channel prior often gives a smaller estimation value of transm ission in brightareasand sky regions,resulting in brightness dim and color distortion of restored image.So this paper proposes a single image dehazing method.Firstly,a smooth dark channel is defined to describe the central tendency of three color channel values when themean filter is used to calculate the dark channel instead of them inimal filtering.The smoothing transmission is calculated roughly bymean filter,and then is refined through guided filter.The atmospheric lightisestimated from themost haze-opaque pixel.Themethod avoids to the halo effectand black spot.The values of image luminance and atmospheric lightare compared.When in a range of greater than or less than atmosphere bright,the pixel value is seen as a pointof lightareas,and the transm ittance is corrected.Themethodmakes the obtained transmission more precise,details of restored imagemore distinct.The experimental results show that the proposed algorithm can effectively solve the problem of the image distortion in the large and brightareas,and the restored imagehashigh brightnessand contrast.

image dehazing;dark channelprior;mean filter;guided filter

was born in 1978.She

the Ph.D.degree in computer applications from Harbin University of Scienceand Technology in 2012.Now she is an associate professor at Harbin University of Scienceand Technology,and thememberof CCF.Her research interests include computer vision,image processing and pattern recognition,etc.

A

：TP391

*The National Natural Science Foundation of China under Grant No.61440025(國(guó)家自然科學(xué)基金);the Project for Science and Technology Research of Education Departmentof Heilongjiang Province underGrantNo.12541119(黑龍江省教育廳科學(xué)技術(shù)研究項(xiàng)目).

Received 2016-05,Accepted 2016-07.

CNKI網(wǎng)絡(luò)優(yōu)先出版:2016-07-14,http://www.cnki.net/kcms/detail/11.5602.TP.20160714.1616.006.htm l