吳永盛，卿粼波，熊淑華，吳曉紅

（四川大學電子信息學院，成都 610065）

基于暗原色先驗的高空定點圖像去霧算法

吳永盛，卿粼波，熊淑華，吳曉紅

（四川大學電子信息學院，成都 610065）

室外高空定點監(jiān)控系統(tǒng)、衛(wèi)星遙感系統(tǒng)、無人機航拍系統(tǒng)等以其實時獲取圖像數(shù)據(jù)的優(yōu)勢，在工業(yè)中獲得越來越廣泛的應用。然而在霧霾氣候下，這類系統(tǒng)拍攝的圖像，由于大氣光的散射作用，圖像整體呈灰白色，清晰度降低，物體特征被掩蓋難以辨認，影響圖像后期的處理。針對這一問題，總結(jié)高空定點圖像的主要特點，改進一種基于暗原色先驗的高空定點圖像去霧算法，該算法通過分割思想，將圖像分為天空與非天空部分，并對這兩個部分采用不同的去霧方案。實驗結(jié)果顯示，相對于原算法，改進算法在天空區(qū)域平滑過渡，整體去霧效果清晰自然，去霧圖像經(jīng)客觀質(zhì)量評價較原算法有明顯提升。

高空定點圖像；暗原色先驗；去霧；天空區(qū)域

0 引言

室外高空定點監(jiān)控系統(tǒng)、航拍等技術(shù)以其實時監(jiān)控、方便快捷等特點，在工業(yè)中得到廣泛的應用。然而，在使用過程中有些地區(qū)因氣候因素常出現(xiàn)大霧天氣，此時拍攝的圖像清晰度差、色彩失真、圖像信息被隱藏，極大地增加了后期圖像處理的難度。所以對高空定點圖像去霧的分析并提出解決方案具有重要的實際應用價值。

去霧是一個極具挑戰(zhàn)性的問題，目前國內(nèi)外研究依據(jù)是否建立大氣散射模型分為兩類：一種是基于非物理模型，另一種是基于物理模型?；诜俏锢砟Ｐ偷娜レF算法重點在于，通過提升對比度[1]將霧天圖像中的特征信息表現(xiàn)出來。通常有雙邊濾波、直方圖均衡化以及Retinex算法[2]等三種方法，相對來說這類算法中的系數(shù)對結(jié)果的影響比較大，不同的系數(shù)會造成局部圖像偏白或偏黑，且會丟失一部分圖像信息。另一種基于物理模型的算法是景物經(jīng)過大氣光的散射作用，透射率的比例疊加到景物最終形成的霧圖。此類算法通過逆推成像過程，改善了第一類算法的缺點，恢復得到的圖像清晰自然，不會丟失圖像信息量。Tarel[3]在一幅圖中基于大氣耗散函數(shù)尋找最大值，經(jīng)過顏色調(diào)整后獲得去霧的圖像，但該算法在景深變化很大的區(qū)域易產(chǎn)生色彩失真與方塊效應。Fattal[4]是建立在統(tǒng)計學基礎上的去霧算法，通過單獨估計透射率，獲得較好的去霧效果，但該方法要求圖像顏色信息高和差異性大。He等人[5]統(tǒng)計過大量室外的無霧圖像之后，得出暗原色先驗假設，這種算法對滿足假設的單幅圖像去霧效果優(yōu)良。然而這個假設并不能針對含有天空等遠景的圖像，該算法的有效性主要是建立在暗原色先驗的基礎之上，去霧圖像中遠景區(qū)域呈現(xiàn)色彩失真[6]。通過分析上述問題，提出了一種針對于暗原色先驗的高空定點圖像的去霧算法。

1 暗原色先驗去霧算法及高空定點圖像去霧分析

1.1 退化模型

在計算機視覺中，公式（1）所表述的是霧天圖像形成模型：

式（1）中，I表示原始圖，J表示恢復得到的去霧圖像，A表示全球大氣光值，t則表示透射率。多項式中J(x)A(x)叫做直接衰減項，A(1-t(x))則是大氣光照成分。J(x)A(x)講述了物體光通過大氣介質(zhì)衰減之后得到的，由光的散射造成的大氣光成分，可能會造成圖像物體的色彩失真。采用此算法就是把模型中原始圖I恢復后得到去霧圖像J。

1.2 暗原色先驗去霧算法

He等[5]通過分析批量的室外無霧圖像得出結(jié)論，先驗法則認為：無霧的室外圖像中的大部分非天空局部塊中，RGB分量中接近于0的通道亮度值最少有一種。也就是說在這樣的小塊區(qū)域中最小的亮度值接近于0。通過公式表示上述法則，定義暗通道的概念。對于給定的一幅圖像J，得到其暗通道圖Jdark：

式（2）中，Jc表示圖像J的某一RGB通道，Ω(x)表示以像素點x為中點的局部像素塊。一幅暗通道圖是兩次最小操作的結(jié)果：對每一像素執(zhí)行minc?{r,g,b}操作，而miny?Ω(x)是一個最小濾波器，這兩個最小值操作是可以互換的。

依據(jù)暗原色先驗法則可知，J是一幅不含霧的室外圖像，那么除去天空后的暗通道圖的亮度值很小甚至是近似為0：

式（3）表示的統(tǒng)計結(jié)論為暗原色先驗原理。

根據(jù)（2）可以得到透射率預估計值t?(x)：

前面假設已經(jīng)知道大氣光值A，實際上可以通過Jdark在原圖中獲得該值。首先選取Jdark中亮度值最大的前0.1%像素，通常位于霧的濃度非常稠密的區(qū)域。

通過所選取的像素，探索它們在原圖I中的亮度值，并把最大亮度像素點的值設為大氣光值A。

結(jié)合大氣光值A和透射率圖t(x)，依據(jù)公式（5）能夠獲得去霧圖像。但是當透射率t(x)接近于0時，直接衰減項J(x)t(x)會非常接近于0，直接恢復得到無霧圖像J可能引入噪聲。因此，通過最低值t0來對透射率t(x)進行限定，對霧霾稠密的部分保存少量的霧[6]。

1.3 高空定點圖像去霧分析

高空定點圖像和一般景物圖像相比擁有它的特點：①飛行器是從空中向下拍攝取景，當水平方向慢慢旋轉(zhuǎn)垂直方向向下時，拍攝取景框中各物體受霧霾影響大致相同；②對于建筑類圖像中有大面積白色建筑物、高速道路、開發(fā)土地等；③圖片一般包含大面積亮度高的天空等遠景區(qū)域。這類圖片若直接經(jīng)過基于暗原色先驗的去霧方法處理之后結(jié)果呈現(xiàn)色彩的失真，天空部分常常呈現(xiàn)分塊現(xiàn)象和紋理。如圖1所示：去霧之后天空部分的色彩偏離原圖像比較嚴重。

圖1 暗原色去霧算法結(jié)果

若原圖滿足暗原色先驗基礎下，He的算法[5]取得良好的效果。然而當圖片中有天空區(qū)域，計算得到的大氣光值存在偏差，使得去霧圖像呈現(xiàn)不同程度的色彩偏移。其原因從計算大氣光值A出發(fā)，是將暗通道圖像中亮度最大0.1%的像素，放到原圖像中最大亮度像素作為A值，那么A基本就是原圖中明亮的區(qū)域。在求取t?(x)時，當A和I的值相近，t?(x)的值就越小。由于天空區(qū)域與A相近，天空區(qū)域的t?(x)會趨于很小的值，因此天空區(qū)域不滿足暗原色先驗條件，這樣對天空區(qū)域t?(x)的計算是不準確的[6]。

2 基于暗原色的改進算法

2.1 天空區(qū)域分割

事實上，在天空沒有霧的情況下，像素值很大沒有接近于0暗原色點[7]，所以暗原色先驗對于天空部分是不成立的。在此基礎上，擴展原有算法，增強算法的適應性。

在估計透射率時應該采用不同的策略，增強非天空區(qū)域?qū)Ρ榷龋m當減少天空區(qū)域的增強比例。首先將一幅霧圖像分為天空和非天空部分，在天空部分估計大氣光值A之后分別計算兩個部分的t?(x)，最后恢復J(x)得到無霧圖像[8]。算法具體步驟如下：

（1）對原圖像I轉(zhuǎn)換為灰度圖Igray(x)；

（2）對灰度圖像進行Sobel檢測獲得梯度信息圖G(x)；

（3）對梯度信息圖G(x)進行濾波和去噪；

（4）根據(jù)亮度閾值和梯度閾值對梯度信息圖G(x)進行二值化，得到天空候選圖Gsky(x)：

式中，θ表示亮度和τ表示梯度閾值。

（5）對Gsky(x)進行邊緣跟蹤，當連通部分內(nèi)像素點個數(shù)大于整幅圖像素點5%就把它視為天空，剩余部分視為非天空，最終獲得分割后的圖像Gfinal(x)。

（6）為實現(xiàn)天空區(qū)域平滑過渡到非天空區(qū)域，對分開后的圖高斯羽化。

2.2 大氣光值

如果圖像中沒有天空區(qū)域，則按原算法計算；如果圖像中含有天空，取天空部分的暗通道圖中亮度在前0.1%的像素點亮度的平均值作為A值。得到大氣光值A后，通過暗原色先驗和天空識別Gfinal(x)，計算出t?(x)，再經(jīng)過導向濾波進行優(yōu)化后，去霧恢復得到J(x)。

3 實驗結(jié)果及分析

為驗證本文算法的有效性，獲取高空定點的圖像數(shù)據(jù)作為測試集，并與暗通道原理He的算法[5]進行了去霧效果對比實驗。在暗通道去霧過程中，求得初始透射率圖像時按照塊處理的方式窗口Ω大小為15×15，保存一定量的霧系數(shù)ω=0.95，導向濾波半徑為r=60。

實驗結(jié)果如圖2所示，圖2（a）為霧天獲取的原始圖像。圖2（b）為將原始圖像分割為二值圖，天空區(qū)域為白色，非天空區(qū)域為黑色，便于后續(xù)對兩個區(qū)域透射率的粗略估計。從去霧效果上看，對于非天空區(qū)域原算法和本文的算法具有較好的去霧能力，還原了近處景物的細節(jié)信息。對于天空區(qū)域原算法出現(xiàn)了塊效應和色彩偏移，這是因為天空區(qū)域透射率估計過小，噪聲和顏色范圍比例增大。本文算法能較好的保留天空區(qū)域，使得天空區(qū)域平滑過渡，噪聲得到抑制，圖像的整體視覺得到提高。

圖2 含天空區(qū)域去霧效果對比

如表1所示，從圖像客觀質(zhì)量評價結(jié)果得出，在清晰度、對比度和信息熵方面改進算法較He的算法有所提升。

表1 圖像去霧結(jié)果評價

4 結(jié)語

本文針對高空定點圖像的特點以及圖像后期處理的需求，基于暗原色算法提出了一種適用高空定點圖像的去霧算法。全面介紹了暗原色先驗知識和去霧原理，重點闡述了針對天空區(qū)域暗原色先驗不成立的問題，提出了將天空區(qū)域和非天空區(qū)域分割之后，分別求透射率有效的保留天空區(qū)域，最后增強恢復圖像使得圖像整體質(zhì)量提升。實驗結(jié)果得出，本方法在得到去霧效果的同時，恢復更多圖像細節(jié)，方便后續(xù)的圖像處理。

但是，本文算法不具備通用性，針對不同的場景需要微調(diào)梯度閾值才能得到較好的結(jié)果。其次，在濃霧下，無法消除霧對圖像的影響。最后在導向濾波計算精確的透射率，無法滿足實時去霧的需求，需要將原圖進行下采樣處理。進一步的研究包括自適應霧氣濃度分割圖像，算法快速實現(xiàn)以應對復雜、多變的室外環(huán)境。

[1]Tan R T.Visibility in Bad Weather from a Single Image[C].Proceedings of IEEE Conference on Computer Vision and Pattern Recognition.Washington，D.C.，USA:IEEE Computer Society，2008：2347-2354.

[2]汪榮貴,傅劍峰，楊志學.基于暗原色先驗先驗模型的Retinex算法[J].電子學報,2013（6）:1188-1192.

[3]Tarel J P.Fast Visibility Restoration from a Single Color or Gray Level Image[C].Proceedings of IEEE International Conference on Computer Vision.Kyoto，Japan:IEEE，2009:2012-2208.

[4]Fattal R.Single Image Dehazing[A].In SIGGRAPH[C]，2008：1-9.

[5]He Kaiming,Sun Jian,Tang Xiao-ou.Single Image Haze Removal Using Dark Channel Prior[A].CVPR[C].2009：1956-1963.

[6]代書博，徐偉，樸永杰，陳彥.基于暗原色先驗的遙感圖像去霧方法[J].光學學報,2017,37（03）:0328002.

[7]李加元，胡慶武，艾明耀，嚴俊.結(jié)合天空識別和暗通道原理的圖像去霧[J].中國圖象圖形學報，2015，20（4）:0514-0519．］［DOI:10.11834/jig.20150407.

[8]雷琴，施朝健，陳婷婷.基于天空區(qū)域分割的單幅海面圖像去霧方法[J].計算機工程，2015，41（5）:237-242.

Abstract：Outdoor high altitude fixed point monitoring system,satellite remote sensing system,UAV aerial system with its real-time access to image data advantages in the industry to obtain more and more widely used.However,in the haze climate under the image of such systems,the scattering of atmospheric light to reduce the image quality,the overall image was gray,reduced clarity,object features are difficult to identi?fy the cover,affecting the image of the latter part of the treatment.Aiming at this problem,summarizes the main characteristics of high alti?tude fixed point images,and improves a high altitude fixed point image defogging algorithm based on dark primary color a priori.The algo?rithm divides the image into sky and non-sky parts by dividing the idea.The two parts use different defogging schemes.The experimental results show that compared with the original algorithm,the improved algorithm has a smooth transition in the sky area,and the overall fog effect is clear and natural.The fog image is improved by the objective method.

Keywords：High Altitude Fixed Point Image;Dark Primary a Priori;Defogging;Sky Area

High Altitude Fixed Point Images Defogging Based on Dark Channel Prior

WU Yong-sheng，QING Lin-Bo，XIONG Shu-hua，WU Xiao-hong

（Image Information Institution,College of Electronics and Information,Sichuan University，Chengdu 610065）

1007-1423（2017）26-0067-04

10.3969/j.issn.1007-1423.2017.26.017

吳永盛（1993-），男，碩士研究生，研究方向為通信與信息系統(tǒng)

卿粼波（1982-），男，博士，副教授，研究方向為通信與信息系統(tǒng)

熊淑華（1969-），女，博士，副教授，研究方向多媒體通信與信息系統(tǒng)

吳曉紅（1970-），女，博士，副教授，研究方向為電路與系統(tǒng)、實時信號分析與處理、圖像處理與識別及通信

2017-06-29

2017-09-10