高強(qiáng)

摘要：傳統(tǒng)的暗通道先驗(yàn)去霧算法通過軟摳圖方法來優(yōu)化大氣透射率，得到較好的去霧結(jié)果，但該算法存在復(fù)雜度高，去霧后圖像邊緣信息不足夠豐富、對比度不高等問題。針對上述問題提出一種改進(jìn)的梯度引導(dǎo)算法，該算法在引導(dǎo)濾波器中構(gòu)造一個(gè)能量函數(shù)，并在能量函數(shù)中加入一個(gè)邊緣保持項(xiàng)，以此來進(jìn)一步優(yōu)化大氣透射率。實(shí)驗(yàn)結(jié)果表明，使用改進(jìn)后的算法運(yùn)算速度快，增加去霧后圖像的清晰度和對比度。

關(guān)鍵詞：圖像去霧;暗通道先驗(yàn);梯度引導(dǎo)算法

中圖分類號：TP391? ? ? ? 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2020）26-0017-03

Abstract：The traditional defogging algorithm based on dark channel prior optimizes the atmospheric transmittance by soft matting method.The result is good.However，there are still some problems in the algorithm， such as high complexity，low contrast，low definition.An improved gradient guided algorithm is proposed in order to solve the problems，which constructs an energy function in the guided filter.There is a special item in the energy function that can further improve the atmospheric transmittance.The experimental results show that the improved algorithm can increase the definition and contrast

Key words：image dehazing algorithm; dark channel prior; gradient guided filtering

1引言

圖像是現(xiàn)代社會(huì)數(shù)字信息的重要載體，其結(jié)構(gòu)簡單、表達(dá)信息豐富、容易被理解，可由多種不同類型的監(jiān)測設(shè)備、通過各種方式而獲得。在戶外等自然場景下拍攝的圖像，難免會(huì)受到霧、霾等不確定性天氣因素的影響，造成獲取的圖像中可見特征信息大幅減少，低對比度、低清晰度、高顏色失真度，邊緣細(xì)節(jié)模糊，非常不利于圖像信息的處理、應(yīng)用。因此，圖像去霧方法的研究有十分重要的應(yīng)用價(jià)值[1-2]。

圖像去霧方法主要有兩種，一種是基于圖像增強(qiáng)的方法[3，4]，結(jié)合圖像的時(shí)域和頻域特征通過霧霾圖像增強(qiáng)算法來提高圖像的清晰度和對比度，但是這種方法并沒有分析霧霾天氣條件下成像降質(zhì)的本質(zhì)，不計(jì)算圖像場景深度，容易造成去霧后圖像顏色失真、低清晰度、低對比度等現(xiàn)象，并對濃霧霾區(qū)域去除效果不明顯[5-7]。另外一種是在分析成像降質(zhì)的本質(zhì)的基礎(chǔ)上，通過先驗(yàn)來估算出大氣透射率[8，9]。He[10]等人結(jié)合暗通道先驗(yàn)方法計(jì)算出透射率的大致估計(jì)值，然后使用Soft Matting優(yōu)化透射率，代入成像模型中，得到去霧圖像。通過該算法得到的去霧圖像，與基于圖像增強(qiáng)的方法相比較，去霧結(jié)果較好，但是該算法計(jì)算量大、處理速度慢，去霧結(jié)果圖像不足夠清晰、邊緣信息不足夠豐富。為此，本文在霧霾天氣條件下成像模型的基礎(chǔ)上，使用改進(jìn)的引導(dǎo)梯度算法代替Soft Matting方法對透射率進(jìn)行精細(xì)優(yōu)化，降低算法計(jì)算量，使去霧后圖像清晰度高、邊緣信息豐富、色彩自然。

2基于暗通道先驗(yàn)的改進(jìn)去霧算法

2.1暗通道先驗(yàn)理論

物體表面接收自然光照射，從而形成反射光。反射光經(jīng)過霧氣和空中微小顆粒時(shí)會(huì)發(fā)生散射現(xiàn)象，帶走一部分的反射光，但大部分的物體表面反射光反能被成像視覺所接收，同時(shí)自然光在經(jīng)過霧氣和空中微小顆粒后也會(huì)發(fā)生散射現(xiàn)象，這部分散射光也會(huì)被成像視覺接收。根據(jù)此現(xiàn)象可以來定義散射的數(shù)學(xué)模型如下：

在公式（1）中，I（x）為視覺所成像的有霧圖像;J（x）為加去霧算法后的圖像;A為大氣光值;t（x）為原始圖像的大氣透射圖，表示到達(dá)視覺鏡頭的光;x表示圖像的坐標(biāo)。去霧算法的基本原理就是在已知大氣光值A(chǔ)和大氣透射圖t（x）的情況下，根據(jù)（1）公式來求解J（x）。

暗通道先驗(yàn)原理是指在戶外的圖像中，剔除掉天空的區(qū)域內(nèi)，近乎每一個(gè)像素都至少會(huì)有一個(gè)通道有很低的、近乎為0的灰度值，因此可以對原始圖像的暗通道定義為：

通過公式（7）可知，若想求解出[t（x）]，還必須知道大氣光值A(chǔ)。我們采取這樣的辦法來求取A：第一步，求解原始圖像暗通道圖，并對此圖中的像素按照亮度大小來進(jìn)行排序，記錄排序位于前0.1%的像素點(diǎn);第二步，對記錄到的像素點(diǎn)，通過最大值濾波法計(jì)算出原始圖像的亮度最大的像素點(diǎn)，將該亮度記為大氣光值A(chǔ)。當(dāng)求解出[t（x）]，就可以根據(jù)公式（1）求解出去霧后的圖像J（x）。

2.2 改進(jìn)算法

由暗通道先驗(yàn)理論可知，若想求取去霧效果較好的圖像J（x），被記為大氣透射率的[t（x）]尤為關(guān)鍵。通過暗通道先驗(yàn)理論計(jì)算出的[t（x）]，在還原去霧后的圖像中，較為容易出現(xiàn)圖像明亮位置顏色偏移和光暈問題，造成還原去霧后圖像視覺模糊，無法保留很多的邊緣信息細(xì)節(jié)。針對暗通道先驗(yàn)方法出現(xiàn)的問題，本文對其進(jìn)行改進(jìn)，使用改進(jìn)梯度引導(dǎo)算法對大氣透射率[t（x）]進(jìn)行精細(xì)計(jì)算，解決還原去霧后圖像無法保留很多邊緣細(xì)節(jié)的問題。

假設(shè)原始圖像的參考圖像為C（x），經(jīng)過導(dǎo)向?yàn)V波器后的圖像為F（x），F(xiàn)（x）與C（x）有如下的線性關(guān)系：

在公式（13）中，[aq]、[bq]分是X正方形區(qū)域內(nèi)的aq、bq的平均值。通過求取平均值的方法，使得原始圖像I的梯度參數(shù)與經(jīng)過導(dǎo)向?yàn)V波器后的圖像F在梯度值上較為接近，因此在去霧后會(huì)更多地保留很多的邊緣信息細(xì)節(jié)。

3實(shí)驗(yàn)結(jié)果和分析

本實(shí)驗(yàn)通過使用Matlab 2016a在Window10系統(tǒng)環(huán)境下來驗(yàn)證改進(jìn)算法的有效性。實(shí)驗(yàn)結(jié)果如圖1所示。從圖1中（f）和（g）的圖像相比較，改進(jìn)算法去霧結(jié)果圖像清晰，在細(xì)節(jié)上可觀察出更多的景物邊緣信息，且邊緣信息在景深大致一樣的區(qū)域內(nèi)會(huì)顯得較為平滑;去霧后圖像，會(huì)顯得清新自然，色彩柔和，不會(huì)出現(xiàn)暗通道先驗(yàn)去霧結(jié)果圖像的顏色過飽和與去霧效果不足的現(xiàn)象。

本文引入代碼在Matlab平臺的運(yùn)行時(shí)間和PSNR峰值信噪比，這兩個(gè)客觀指標(biāo)來評價(jià)兩種不同算法在去霧結(jié)果的優(yōu)劣。運(yùn)行時(shí)間越短，說明算法的實(shí)時(shí)性更高，有利于算法的實(shí)際應(yīng)用。PSNR峰值信噪比越大，說明去霧后的圖像與原始無霧圖像更加接近。針對圖1中（d）和（f）去霧結(jié)果圖像，這兩個(gè)客觀指標(biāo)的結(jié)果如表1所示。

從兩種不同算法的去霧結(jié)果綜合來看，改進(jìn)去霧算法去霧效果優(yōu)于暗通道先驗(yàn)去霧效果，去霧后成像結(jié)果更加接近原始圖像，結(jié)構(gòu)清晰，對比度高，邊緣細(xì)節(jié)信息保留多，圖像色彩清新自然真實(shí)，有更好的去霧效果，且實(shí)時(shí)性好。

3小結(jié)

基于暗通道先驗(yàn)理論的去霧算法，在還原去霧后的圖像結(jié)果時(shí)，透射率精度不高，容易造成圖像結(jié)果視覺模糊，無法保留很多的邊緣信息細(xì)節(jié)，去霧結(jié)果不理想。本文針對暗通道先驗(yàn)去霧算法出現(xiàn)的問題，使用改進(jìn)后的梯度引導(dǎo)算法對大氣光值進(jìn)行精細(xì)計(jì)算，并在MATLAB平臺中進(jìn)行仿真實(shí)驗(yàn)，對實(shí)驗(yàn)結(jié)果進(jìn)行分析，本文提出的改進(jìn)算法有較好的去霧效果，結(jié)果圖像結(jié)構(gòu)清晰，色彩自然，消除塊效應(yīng)，保留了較多的邊緣細(xì)節(jié)，解決還原去霧后圖像無法保留很多邊緣細(xì)節(jié)的問題。同時(shí)，改進(jìn)算法還提高了運(yùn)行速度。

參考文獻(xiàn)：

[1] 楊燕，王志偉.基于均值不等關(guān)系優(yōu)化的自適應(yīng)圖像去霧算法[J].電子與信息學(xué)報(bào)，2020，42（3）：755-763.

[2] 孫士偉，劉金虎，馬文君，等.基于線性模型的自適應(yīng)優(yōu)化去霧算法[J].應(yīng)用光學(xué)，2020，41（1）：114-119.

[3] 齊永鋒，李占華.一種基于多尺度卷積神經(jīng)網(wǎng)絡(luò)和分類統(tǒng)計(jì)的圖像去霧霾方法[J].紅外技術(shù)，2020，42（2）：190-197.

[4] 徐巖，孫美雙.基于多特征融合的卷積神經(jīng)網(wǎng)絡(luò)圖像去霧算法[J].激光與光電子學(xué)進(jìn)展，2018，55（3）：031012.

[5] He L Y，Zhao J Z，Zheng N N，et al.Haze removal using the difference- structure-preservation prior[J].IEEE Transactions on Image Processing，2017，26（3）：1063-1075.

[6] Zhu S，Cao D H，Wu Y B，et al.Edge-aware dynamic programming-based cost aggregation for robust stereo matching[J].Journal of Electronic Imaging，2015，24（4）：043016.

[7] 楊燕，李一菲，岳輝.一種自適應(yīng)線性透射率估計(jì)去霧算法[J].應(yīng)用光學(xué)，2019，40（3）：447-453.

[9] 王雪梅，鞠銘燁.基于暗通道先驗(yàn)的快速圖像去霧[J].科學(xué)技術(shù)與工程，2016，16（20）：66-72.

[10] He K M，Sun J，Tang X O.Single image haze removal using dark channel prior[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2011，33（12）：2341-2353.

【通聯(lián)編輯：唐一東】