崔浩，艾海濱，張力，孫鈺珊，趙棟梁

(1.蘭州交通大學(xué) 測(cè)繪與地理信息學(xué)院，蘭州 730070；2.中國(guó)測(cè)繪科學(xué)研究院，北京 100036；3.甘肅省地理國(guó)情監(jiān)測(cè)工程實(shí)驗(yàn)室，蘭州 730070；4.自然資源部第三地形測(cè)量隊(duì)，哈爾濱 150025)

0 引言

航空影像具有分辨率高、獲取成本低、反應(yīng)速度快的特點(diǎn)，在測(cè)繪、軍事偵察、國(guó)土資源管理等各個(gè)領(lǐng)域得到廣泛的應(yīng)用。航空影像質(zhì)量的好壞對(duì)天氣的依賴性較高，霧霾天氣下空氣中的懸浮粒子會(huì)使景物反射的光線發(fā)生散射，同時(shí)散射的環(huán)境光被傳感器接收，造成影像清晰度降低。因此面對(duì)國(guó)內(nèi)長(zhǎng)時(shí)間、大范圍的霧霾天氣，設(shè)計(jì)一種針對(duì)航空影像的去霧算法就顯得特別迫切。

目前，影像去霧的方法、三類。第一類是基于影像增強(qiáng)的方法。Kim等人采用直方圖均衡化的方法提高影像清晰度[1-2]。Seow使用同態(tài)濾波的方式對(duì)影像進(jìn)行增強(qiáng)[3]。Tan提出對(duì)影像進(jìn)行自適應(yīng)對(duì)比度拉伸[4]。郭璠等則通過(guò)對(duì)影像進(jìn)行多尺度Retinex處理以提高影像的清晰度[5-6]。上述方法在某些情況下可以取得較好的效果，但由于處理效果不穩(wěn)定，對(duì)同一測(cè)區(qū)不同影像可能得到清晰度不同的處理結(jié)果，因此無(wú)法滿足航空影像的應(yīng)用需求。第二類方法則利用同一場(chǎng)景的多張影像實(shí)現(xiàn)影像的恢復(fù)。Narasimhan等通過(guò)收集不同天氣下的影像進(jìn)行分析處理得到清晰的影像[7]。Namer等采用偏振片獲取不同偏振程度的影像，進(jìn)而對(duì)影像進(jìn)行去霧處理[8-10]。上述方法可以取得一定的去霧效果，但這類方法要求同一位置的多張影像，一般的航空攝影不能滿足該要求，因此不具有可行性。第三類是基于物理模型的去霧方法，這類方法以大氣物理模型為基礎(chǔ)，通過(guò)某種手段獲取影像景深信息，進(jìn)而獲得退化模型的參數(shù)，反演出無(wú)霧影像。Mccartney等分析了光線在大氣中的傳輸機(jī)理提出大氣物理模型，為影像去霧提供了理論基礎(chǔ)[11-12]。Oakley假定圖像中的大氣光是個(gè)常數(shù)，給出了大氣光的估計(jì)方法[13]。Kopf提出通過(guò)已有場(chǎng)景的紋理推算得到影像場(chǎng)景的深度信息[14]。Oakley使用雷達(dá)測(cè)定場(chǎng)景的精確景深[15]。Narasimhan則使用多張不同角度影像重構(gòu)場(chǎng)景的三維信息，以此得到場(chǎng)景景深[16-17]，理論上該方法可以得到較好的效果，但存在成本過(guò)高、實(shí)用性不強(qiáng)的問(wèn)題。何凱明等人提出一種暗原色先驗(yàn)原理，通過(guò)提取影像暗通道估算其景深[18]，該方法是圖像去霧領(lǐng)域的重要進(jìn)展，眾多學(xué)者提出對(duì)該方法的改進(jìn)策略。孫抗提出采用雙邊濾波代替原文的精細(xì)化方法[19]。何凱明本人又提出使用導(dǎo)向?yàn)V波實(shí)現(xiàn)場(chǎng)景的精細(xì)化[20]。

在遙感領(lǐng)域，關(guān)于遙感影像的去霧同樣引起了廣泛的關(guān)注。嵇曉強(qiáng)提出獲取影像的最暗像素對(duì)航空影像去霧后再進(jìn)行增強(qiáng)的方法可以取得一定效果[21]，但航空影像可能存在噪點(diǎn)干擾，可能導(dǎo)致獲取的暗像素不準(zhǔn)確。王敬東等提出使用Kueahara濾波器優(yōu)化大氣耗散函數(shù)以保護(hù)影像紋理信息[22]，隆嬌則使用高斯濾波器對(duì)大氣耗散函數(shù)進(jìn)行優(yōu)化[23]，上述兩種方法均是對(duì)暗通道圖精細(xì)化方法的改進(jìn)。楊靖宇提出對(duì)航空影像分塊，求取各塊暗原色值以模擬影像的透射率變化[24]，但該方法需要人為設(shè)定閾值剔除暗原色失效區(qū)域，無(wú)法實(shí)現(xiàn)自動(dòng)化。

綜上可知，目前基于暗原色先驗(yàn)的去霧方法是影像去霧領(lǐng)域的主流研究思路，該理論來(lái)自于統(tǒng)計(jì)知識(shí)，對(duì)于普通的戶外場(chǎng)景影像可以取得較好的處理效果，但航空影像相對(duì)普通戶外影像存在其特殊性。本文在充分分析了航空影像成像過(guò)程和影像內(nèi)容的基礎(chǔ)上提出對(duì)航空影像透射率全局估計(jì)和局部?jī)?yōu)化的方法，并進(jìn)行了大量的試驗(yàn)以驗(yàn)證該算法的有效性。

1 暗原色先驗(yàn)去霧算法

1.1 霧天成像模型

McCartney提出的大氣傳輸模型在影像去霧領(lǐng)域得到廣泛應(yīng)用，該模型由衰減項(xiàng)和大氣光模型兩部分組成，前者表示光線從物體到傳感器傳播過(guò)程的直接衰減，后者表示周圍環(huán)境中的大氣光對(duì)傳感器的影響。其數(shù)學(xué)描述如下：

I(x)=J(x)t(x)+A·(1-t(x))

(1)

式中：I(x)表示帶霧的原始圖像；J(x)表示去霧后的清晰圖像；t(x)表示大氣傳輸中的透射率；J(x)t(x)表示目標(biāo)景物的直接衰減；A表示大氣光，A·(1-t(x))表示大氣光經(jīng)過(guò)衰減到達(dá)傳感器的能量。透射率t(x)可表示如下：

t(x)=e-βd(x)

(2)

式中：β為大氣散射系數(shù)；d(x)表示場(chǎng)景深度。

1.2 暗原色先驗(yàn)原理

何凱明等對(duì)5 000多張去除天空的戶外影像統(tǒng)計(jì)分析得到一條物理規(guī)律，即在無(wú)霧圖像的局部圖像塊內(nèi)存在這樣一些像素，它們至少在RGB顏色空間的某一個(gè)顏色通道的灰度值非常低，這種規(guī)律被稱為暗原色先驗(yàn)。對(duì)于一幅圖像局部區(qū)域的暗原色可以定義為：

(3)

式中：Jc是圖像J中R、G、B3個(gè)通道的某個(gè)通道；Ω(x)是以像素x為中心的一個(gè)局部圖像塊；Jdark表示圖像的暗原色，根據(jù)暗原色先驗(yàn)理論則有Jdark趨向于0，即：

Jdark(x)→0

(4)

1.3 基于暗原色先驗(yàn)的去霧流程

(5)

根據(jù)暗原色先驗(yàn)理論有：

(6)

(7)

對(duì)公式(1)變形可得

(8)

(9)

式中：t(x)是影像透射率；t0是透射率閾值(一般設(shè)為0.1)。大氣光A根據(jù)影像的暗通道圖中最亮0.1%像素對(duì)應(yīng)源影像的最大亮度值確定。

2 透射率全局估計(jì)航空影像去霧算法

2.1 航空影像成像特點(diǎn)

一般地，在航空攝影過(guò)程中載荷平臺(tái)的飛行航高變化較小，對(duì)地觀測(cè)過(guò)程鏡頭基本是正攝向下，因此，地形的起伏和地物高度變化相對(duì)航高可認(rèn)為是微小量，即整張航空影像的景深近似一致，因此可認(rèn)為整張影像透射率近似一致。另外，航空影像一般拍攝于厚云層之下，影像中不存在云朵等非地面高亮物體的干擾?；诖耍疚奶岢鰧?duì)航空影像透射率全局估計(jì)的算法策略，以達(dá)到影像整體去霧的效果。

2.2 航空影像景物特點(diǎn)

航空影像拍攝內(nèi)容幾乎涵蓋了自然界所有的可見地物，但并不是所有的地物都符合暗原色先驗(yàn)原理。典型的符合暗原色先驗(yàn)的地物主要包括：(1)陰影。如建筑物、車輛、樹木或者巖石等的陰影。(2)色彩鮮艷的物體。比如綠色的樹木、彩色的汽車等。(3)暗色調(diào)物體。比如石頭，濕潤(rùn)的土壤等。另一部分地物完全不符合暗原色先驗(yàn)原理，較為典型的有水泥馬路、屋頂、陽(yáng)光照射下的巖石等高亮地物。因此按地物呈現(xiàn)的色調(diào)是否符合暗原色先驗(yàn)原理，可將影像中的地物分為兩大類：

F=f(P1，P2)

(10)

式中：P1表示符合暗原色先驗(yàn)的地物；P2表示不符合暗原色先驗(yàn)的地物。二者是一種相對(duì)的關(guān)系，沒(méi)有明確的分界線，在不同的外部條件下臨界點(diǎn)附近的某些物體可以發(fā)生轉(zhuǎn)化。對(duì)于P2，由于其暗通道灰度值較高，利用暗原色先驗(yàn)原理對(duì)這部分地物進(jìn)行透射率估計(jì)得到的值偏低，因此對(duì)影像透射率整體估計(jì)時(shí)需要將這部分地物剔除。

如圖1所示，為對(duì)航空影像色階、亮度和曲線手動(dòng)調(diào)整得到不同清晰度的影像，以此模擬不同霧霾濃度下的航空影像，分別提取其暗通道，并繪制對(duì)應(yīng)灰度直方圖?？砂l(fā)現(xiàn)隨著影像清晰度的提高，其暗通道圖的灰度范圍明顯增大。這是由于在光照條件良好的天氣條件下P1部分，如陰影呈現(xiàn)更暗的趨勢(shì)，顏色鮮艷的地物如綠色的植被、彩色的屋頂?shù)葧?huì)呈現(xiàn)更為鮮艷的色彩，造成這部分地物的暗通道灰度值減??；與此同時(shí)P2部分地物如裸露的水泥地面、柏油馬路等的暗通道灰度值卻沒(méi)有明顯減小，如表1所示為對(duì)局部區(qū)域灰度均值的統(tǒng)計(jì)結(jié)果，表明影像中P1和P2兩類地物的暗通道灰度值有明顯分離的趨勢(shì)。另外，航空影像覆蓋范圍有限，影像中的地物種類有限，如圖1(a)，P1主要為植被，P2主要為水泥地面、馬路等，因此兩類地物內(nèi)部又有一定的相似性、聚類性。

圖1 不同清晰度影像及其暗通道圖

灰度值統(tǒng)計(jì)影像1影像2影像3A191.07187.59184.41B125.0290.1649.15C134.10102.0962.60

Otsu是一種基于全局的二值化方法，該方法以最大類間方差為判別標(biāo)準(zhǔn)搜索影像的灰度分割閾值，將影像分割為前景和背景兩部分，與P1、P2的聚類特性相一致。根據(jù)暗原色先驗(yàn)原理影像像素透射率與其暗通道灰度值成反比，如公式(7)，因此，影像透射率圖同樣有分離、聚類特性，本文采用Otsu法對(duì)影像透射率圖自動(dòng)分割以剔除影像中透射率過(guò)低的地物，實(shí)現(xiàn)影像透射率全局估計(jì)。

3 算法流程

本文算法主要包括以下步驟：(1)對(duì)源影像勻光處理，使影像的霧霾分布均勻化。(2)透射率全局估計(jì)。獲取影像透射率圖，采用Otsu法對(duì)其分割透，剔除影像中透射率估計(jì)偏低的部分，估計(jì)影像的全局透射率T。(3)優(yōu)化透射率圖。對(duì)局部透射率優(yōu)化調(diào)整，得到影像透射率圖。(4)利用大氣物理模型恢復(fù)得到清晰的影像。算法流程如圖2所示。

圖2 算法流程圖

3.1 勻光處理

對(duì)航空影像透射率整體估計(jì)的前提是影像中各區(qū)域霧霾分布濃度一致，在城區(qū)等平原地區(qū)基本可以滿足該要求，但山區(qū)、丘陵地帶霧氣分布并不均勻，一般的山谷中霧的濃度要高于山頂，如果直接進(jìn)行全局處理會(huì)造成霧濃度高的區(qū)域去霧不徹底，形成殘留。因此，本文首先利用MASK勻光算法對(duì)源影像勻光處理[25]，以達(dá)到鍋底效應(yīng)去除、陰影區(qū)域亮度補(bǔ)償和霧霾濃度分布均勻化的效果。

3.2 利用Otsu法分割透射率圖

(11)

(12)

則類間方差為可表示為

(13)

最佳閾值k*選取原則為：

(14)

如圖3為對(duì)影像的透射率圖Otsu分割的結(jié)果。影像1是典型的村鎮(zhèn)場(chǎng)景，對(duì)應(yīng)的分割影像中水泥馬路和廠區(qū)被完整剔除。影像2是山區(qū)影像，影像中大部分裸露的巖石部分被剔除，而陰影和綠色植被區(qū)域得到的保留。影像3為無(wú)植被覆蓋的戈壁，經(jīng)分割處理，影像中裸露的道路和居民地等區(qū)域被剔除。影像4是較為典型的城市影像，經(jīng)分割影像中建筑物陰影和綠色植被覆蓋區(qū)域得到保留，上述分割結(jié)果表明了該分割策略的有效性。

圖3 Otsu法對(duì)透射率圖分割

3.3 航空影像透射率全局估計(jì)及局部?jī)?yōu)化

實(shí)現(xiàn)影像整體去霧的關(guān)鍵在于對(duì)影像全局透射率的準(zhǔn)確估計(jì)。剔除影像透射率圖中不符合暗原色先驗(yàn)的部分后，計(jì)算剩余部分的均值，如公式(15)，得到透射率估計(jì)值t1，該值反映了影像的整體透射率情況，將其作為全局透射率的下限，同時(shí)獲取透射率圖中的最大灰度值t2，該值反映了影像透射率的最大值，將其作為全局透射率的上限。影像的全局透射率T由t1，t2共同確定，如公式(17)，其中參數(shù)q控制影像的全局透射率。為使影像保留一定的深度感，需要保留少量的霧。因此，一般的將q設(shè)為0.8，實(shí)際應(yīng)用中可將其作為可調(diào)參數(shù)，允許人工干預(yù)。

(15)

t2=min (P1)

(16)

T=q×t1+(1-q)×t2

(17)

由于影像的透射率T是整體估計(jì)得到的，因此影像中會(huì)有一部分區(qū)域的透射率比該值大，如果直接用透射率T對(duì)其處理，會(huì)導(dǎo)致這部分區(qū)域像素色彩過(guò)飽和。本文對(duì)透射率大于T的部分及其周圍一定半徑的像素進(jìn)行小半徑的均值濾波處理，如下式所示，使透射率大于T的部分與周圍像素過(guò)渡平滑，以此實(shí)現(xiàn)對(duì)影像透射率的優(yōu)化，如圖4為優(yōu)化后的透射率圖及其局部放大圖，可以發(fā)現(xiàn)影像的透射率過(guò)渡平滑。

t=T(f(x，y)≥T)

(18)

(19)

式中：s表示均值濾波窗口的尺寸；Ω(x，y)為像素(x，y)的s×s領(lǐng)域窗口內(nèi)的像素，一般將濾波窗口設(shè)置為15×15。

圖4 優(yōu)化后透射率圖

4 實(shí)驗(yàn)與分析

本文用Visual C++編寫程序進(jìn)行試驗(yàn)，為驗(yàn)證該算法的通用性，選取村鎮(zhèn)、山區(qū)、戈壁、城市等各種常見場(chǎng)景的航空影像進(jìn)行試驗(yàn)，受篇幅限制這里僅展示4個(gè)典型場(chǎng)景的影像，將原算法和本文算法處理效果進(jìn)行對(duì)比，并從主觀和客觀兩方面對(duì)影像的處理效果進(jìn)行評(píng)價(jià)分析。

4.1 單張航空影像處理效果評(píng)價(jià)

1)主觀評(píng)價(jià)。本文將直接利用暗原色先驗(yàn)算法處理結(jié)果與本文算法處理效果進(jìn)行了對(duì)比，并且統(tǒng)計(jì)了影像對(duì)應(yīng)的亮度直方圖，如圖5所示。影像1包含道路、房屋和植被等，原算法處理后影像的道路、房屋等區(qū)域嚴(yán)重的過(guò)飽和，本文算法處理后對(duì)這些區(qū)域的亮度保持較好。對(duì)比其直方圖形狀，本文算法處理后影像的直方圖波峰個(gè)數(shù)以及直方圖形式與原影像直方圖相似性更高，表明本文算法處理后對(duì)于影像紋理的保護(hù)較好；對(duì)于影像2，由于原算法對(duì)裸露的巖石等區(qū)域透射率估計(jì)不準(zhǔn)確，導(dǎo)致處理后的影像存在較為嚴(yán)重的色彩畸變，相對(duì)的本文算法處理后影像不存在過(guò)的飽和的現(xiàn)象；影像3中沒(méi)有植被覆蓋，原算法處理后影像中道路和院落區(qū)域色調(diào)偏暗，而本文算法處理后影像的整體性、一致性較好；對(duì)于影像4，直接用原算法處理后影像的色彩的層次性較差，對(duì)應(yīng)的其亮度直方圖的形狀變形嚴(yán)重，說(shuō)明其紋理?yè)p壞較為嚴(yán)重，而本文算法處理后影像的色彩過(guò)渡自然，層次清晰，對(duì)影像中地物的色彩保護(hù)較好。

圖5 算法效果對(duì)比

2)定量評(píng)價(jià)。為對(duì)算法的處理效果進(jìn)行定量評(píng)價(jià)，本文統(tǒng)計(jì)了影像的均值、標(biāo)準(zhǔn)差、平均梯度、信息熵和影像SIFT特征點(diǎn)的數(shù)量等作為對(duì)比的指標(biāo)，如表2所示。其中均值表示影像的整體亮度，經(jīng)過(guò)去霧處理后影像的亮度均值明顯減小，原算法處理后影像的亮度要小于本文算法，這是由于原算法對(duì)影像某些區(qū)域去霧過(guò)度造成某個(gè)通道灰度值為0導(dǎo)致的；標(biāo)準(zhǔn)差反映了影像紋理的清晰度，經(jīng)本文算法處理后影像標(biāo)準(zhǔn)差大于原算法處理結(jié)果，表明本文算法處理后影像清晰度較高；平均梯度也是一種清晰度評(píng)價(jià)指標(biāo)，這里采用Tenengrad梯度法計(jì)算影像的梯度，整體上本文算法處理后影像的梯度相對(duì)原算法有小幅提升；信息熵反映了影像中信息的豐富程度，本文算法處理后影像的信息熵有顯著提高；SIFT特征提取算法是一種經(jīng)典的特征點(diǎn)提取算法，影像特征點(diǎn)的數(shù)量可以反映影像細(xì)節(jié)特征的豐富程度，特征點(diǎn)數(shù)量對(duì)影像后期的匹配有非常大的影響，由表2可知本文算法提取特征點(diǎn)的數(shù)量多于原算法。經(jīng)觀察表中大部分?jǐn)?shù)據(jù)符合上述預(yù)期，但個(gè)別數(shù)據(jù)出現(xiàn)反常現(xiàn)象，比如影像3亮度均值出現(xiàn)反常，這可能是由于影像3中地物類型較為單一，本算法計(jì)算得到的透射率大于影像中大部分像素的透射率，因此本文算法去霧效果要強(qiáng)于原算法。影像2平均梯度、影像3信息熵出現(xiàn)反常，這是可能是由于原算法對(duì)影像中裸露巖石部分的透射率計(jì)算過(guò)高，在影像反算的過(guò)程中造成這部分地物紋理的破壞，進(jìn)而產(chǎn)生了新的紋理造成的。影像4原算法計(jì)算得到的SIFT特征點(diǎn)個(gè)數(shù)小于原影像可能是由于原算法對(duì)于高亮建筑物透射率估計(jì)過(guò)高，造成影像中建筑物過(guò)飽和，細(xì)節(jié)丟失。但整體而言本文算法處理后影像的各項(xiàng)統(tǒng)計(jì)指標(biāo)相對(duì)于原影像有明顯提高，并且對(duì)紋理的保護(hù)較好。綜上表明，對(duì)于各種典型場(chǎng)景，本文算法處理后有較好的統(tǒng)計(jì)特性，驗(yàn)證了該算法的有效性和通用性。

表2 影像信息統(tǒng)計(jì)表

4.2 測(cè)區(qū)級(jí)航空影像的去霧方案

一個(gè)測(cè)區(qū)的正射影像往往是由多張航空影像鑲嵌而成，因此對(duì)于測(cè)區(qū)級(jí)航空影像不僅要求單張影像的去霧還要求整個(gè)測(cè)區(qū)影像去霧效果一致。通過(guò)上述算法可以實(shí)現(xiàn)對(duì)測(cè)區(qū)內(nèi)單張航空影像透射率的估計(jì)，這里對(duì)所有影像的全局透射率T進(jìn)行最小二乘運(yùn)算得到測(cè)區(qū)對(duì)應(yīng)的最優(yōu)透射率，進(jìn)而實(shí)現(xiàn)對(duì)整個(gè)測(cè)區(qū)影像的整體去霧。如圖6所示，該測(cè)區(qū)包含73張航空影像，對(duì)測(cè)區(qū)影像透射率最小二乘估計(jì)得到透射率為0.24，以此為測(cè)區(qū)所有影像的透射率T對(duì)影像進(jìn)行去霧處理。

圖6 最小二乘估計(jì)測(cè)區(qū)透射率

圖7是本文算法與直接運(yùn)用暗原色先驗(yàn)去霧方法的對(duì)比效果，可以發(fā)現(xiàn)原算法處理后影像明顯過(guò)飽和而本文算法處理后影像視覺效果較好，測(cè)區(qū)內(nèi)影像的去霧效果一致，沒(méi)有給影像鑲嵌帶來(lái)色差等負(fù)面影響。

圖7 測(cè)區(qū)影像去霧效果對(duì)比

5 結(jié)束語(yǔ)

針對(duì)暗原色先驗(yàn)去霧算法不適用于航空影像的問(wèn)題，本文結(jié)合航空影像的成像特點(diǎn)和景物內(nèi)容特征，提出對(duì)影像透射率全局估計(jì)、局部?jī)?yōu)化的方法。試驗(yàn)結(jié)果表明該算法處理后影像清晰度明顯提高且不會(huì)對(duì)影像的紋理產(chǎn)生破壞，可以實(shí)現(xiàn)航空影像霧霾自動(dòng)去除。并且對(duì)測(cè)區(qū)級(jí)航空影像的去霧提出解決方案，可以保證測(cè)區(qū)影像去霧效果的一致性。