侯智斌， 陳向春， 宗軍君

（陸軍軍官學院基礎部，安徽合肥 230031）

利用偵察設備對敵方目標進行照相偵察和監(jiān)視，是現(xiàn)代戰(zhàn)爭中獲取敵方情報的主要方式之一。但在執(zhí)行任務過程中，經常會遇到霧天等氣象條件的影響，致使所獲取的可見光偵察圖像對比度降低，造成圖像的混疊、降晰和扭曲，嚴重影響了指揮員對戰(zhàn)場目標的識別判斷。特別是在霧天頻繁出現(xiàn)的季節(jié)和地區(qū)以及氣象戰(zhàn)利用的情況下，為保證全天候偵察和監(jiān)視敵方態(tài)勢，從低質量可見光偵察圖像中去除天氣影響，恢復圖像對比度，已經成為一個亟待解決的難題。

目前，對于霧天單圖像清晰化處理的方法主要有：霧天圖像增強和霧天圖像復原。霧天圖像增強方法雖然算法簡單，適用范圍廣，能有效地提高霧天圖像的對比度，但很難反映景深多變的圖像中局部景深的變化，對于突出部分的信息可能會造成一定損失，這將直接影響到指揮員的判斷決策。

而霧天圖像復原是研究霧天圖像降質的物理過程，并建立霧天退化模型，反演退化過程，補償退化過程造成的失真，以便獲得未經干擾退化的無霧圖像或無霧圖像的最優(yōu)估計值，從而改善霧天圖像質量。這種方法針對性強，得到的去霧效果自然，一般不會有信息損失［1－4］。因此，本文基于大氣散射系數(shù)的空間變化，建立了圖像復原物理模型，該方法實現(xiàn)了低質量可見光偵察圖像復原。

1 基于光學深度估計的霧天圖像復原

散射是可見光波段導致圖像降質的主要原因。為了實現(xiàn)霧天低質量可見光偵察圖像的清晰化處理，分析了大氣散射作用對圖像的影響，以便了解霧天圖像發(fā)生退化的物理過程。

1.1 霧天圖像降質的退化模型

大氣散射的物理本質是非常復雜的，與很多因素有關系，包括組成傳播介質的粒子類型、半徑大小、形狀、方位和分布情況以及入射光的波長、偏振面和方向等。由于霧天天氣狀況相對穩(wěn)定，大氣介質中懸浮粒子的尺寸相對粒子間的距離很小，因此，本文假設光線從敵方目標到偵察設備的傳播過程中只發(fā)生單散射現(xiàn)象。文獻［5－9］對惡劣天氣下圖像的成像機制進行了深入的研究，結果表明，在霧天狀況下，景物成像機制主要包括：景物光通過大氣傳送到偵察設備傳感器過程中的入射光衰減機制；大氣中粒子對來自天空的自然光散射引起的環(huán)境光成像機制。

目標反射光經大氣衰減后到達偵察設備傳感器的光強度為：大氣中粒子將環(huán)境光散射到偵察設備傳感器

的光強度為：

霧天情況下，偵察設備傳感器上接收到的光強度為入射光衰減后到達偵察設備傳感器的輻射度與進入成像系統(tǒng)的環(huán)境光輻射度之和，即

其中，ρ為歸一化的場景輻射度，是天空照度、偵察目標反射率和偵察設備相機頻譜響應函數(shù)三者的函數(shù)，與天氣條件相關，ρ值在［0，l］區(qū)間上；d為偵察目標到偵察設備的距離，即景深；β（ν，λ）為大氣散射系數(shù)，表示單位體積的大氣對光線的散射能力；稱為偵察目標的光學深度；I∞為空間光照度，β（ν，λ）和I∞構成了與天氣有關的主要因素。該模型即為霧天圖像降質的退化模型［10－11］。

要實現(xiàn)敵方目標場景對比度的復原問題，可以通過計算場景中各點的ρ值來解決，偵察目標的亮度和天空照度可以由圖像信息得到，因此，實現(xiàn)圖像上各像素點歸一化輻射度ρ的計算問題，可以轉換成對圖像上各像素點光學深度的計算。

1.2 光學深度估計方法

1.2.1 景深d的計算

執(zhí)行偵察之前首先要受領偵察任務，根據(jù)當時的天氣等情況制定詳細的偵察計劃，并結合地圖進行推演。到達現(xiàn)地要選擇能通視偵察目標的位置作為觀察所。

如果偵察任務是一個目標點，可以直接通過相關方向和觀察設備鎖定目標，再利用測距設備測出景深d。

如果偵察任務是獲取偵察目標區(qū)域情報，則首先通過相關方向和觀察設備確定重點偵察區(qū)域SD，如圖1所示。分別確定n個邊界目標（例如MA、MB、MC、MD），并利用測距設備分別測出各個邊界目標點與測距設備之間的距離（例如dGA、dGB、dGC、dGD），取其均值dGO，dGO＝（dGA＋dGB＋dGC＋dGD）／4，O點為重點觀察區(qū)域的距離均值點。由于各邊界目標點到O點的距離（dAO、dBO、dCO、dDO）遠小于距離dGO，故可以將dGO作為偵察目標區(qū)至偵察設備之間的距離，即景深d，代入到光學深度中進行計算，可以重點復原敵方重點目標區(qū)域，使敵方目標區(qū)域得到較好的復原效果。

圖1 敵方重點目標區(qū)域景深選擇

1.2.2 大氣散射系數(shù)β（ν，λ）的計算

文獻［12］詳細分析了大氣散射系數(shù)β（ν，λ）的計算方法。大氣散射系數(shù)β（ν，λ）與能見度、波長之間的經驗公式為：

其中，ν為能見度；λ為波長；q與能見度有關，其關系為：

由此可見，當波長一定時，大氣散射系數(shù)與能見度成反比關系。如果在霧濃度變化明顯地區(qū)偵察，可采用分段積分計算光學深度。由上述求得的光學深度根據(jù)霧天圖像降質的退化模型（3）即可求出圖像各點的歸一化輻射度ρ矩陣，擴展到［0，255］上，即可獲得復原后的清晰偵察圖像。

2 仿真結果及分析

為了驗證本文霧天低質量可見光偵察圖像復原方法的有效性，在Matlab平臺上進行了大量的仿真實驗，實驗中恰當選擇參數(shù)值，并對復原后的效果與原圖像進行了對比。

霧天條件下，利用觀察設備在安徽省某地拍攝的低質量可見光偵察圖像如圖2所示，圖像大小為489×336，整幅圖的對比度很低，遠近景的對比度很差，指揮員無法識別判斷敵方目標區(qū)的相關情況，無法掌握敵方態(tài)勢并給出指揮決策。

圖2 安徽省某地低質量圖像

實驗中將偵察時測得的大氣能見度以及波長等代入（4）式，可得大氣散射系數(shù)為0.872 4，再將測得的偵察目標區(qū)景深代入計算光學深度。根據(jù)偵察設備測量的相關邊界目標得出景深矩陣為：

根據(jù)霧天圖像降質退化模型求出圖像各點的 歸一化輻射度ρ矩陣為：

由于“S”函數(shù)更能反映人眼的視覺特性，對較亮和較暗的區(qū)域進行壓縮，而擴展中間的灰度級，因此，在實驗中采用“S”函數(shù)拉伸方式將歸一化輻射度拉伸到［0，255］上獲得復原結果圖像，如圖3所示。

雖然在近景區(qū)域出現(xiàn)增強現(xiàn)象，但整體上具有更好的亮度分布，復原后的細節(jié)保持較好，遠景和近景方面都得到了較好的改善，更多地改善了觀察目標區(qū)場景的對比度，去霧效果自然。

圖3 本文算法清晰化處理后的安徽省某地圖像

在霧天條件下，在山東省某地利用偵察設備拍攝的低質量可見光偵察圖像如圖4所示，整幅圖對比度低，無法滿足作戰(zhàn)需要。結合偵察數(shù)據(jù)，采用本文圖像復原方法獲得的清晰化圖像如圖5所示，圖像清晰、自然，去霧效果明顯。

圖4 山東省某地低質量圖像

圖5 本文算法清晰化處理后山東省某地圖像

實驗結果表明，本文基于圖像復原的清晰化處理方法可以實現(xiàn)低質量可見光偵察圖像對比度的有效復原，該方法有效可行。

3 結束語

本文基于大氣散射理論提出了一種霧天條件下低質量可見光偵察圖像的清晰化復原方法。該方法適用于照相偵察遠距離以及大氣的空間變化，通過與相關硬件設備連接，該方法在具有完全自適應性的同時，也能夠應用到實時性的圖像處理系統(tǒng)中。文中經過對一系列低質量可見光偵察圖像的處理，驗證了本文方法的有效性，為指揮員全天候、及時、準確掌握敵方態(tài)勢，做出正確指揮判斷奠定了堅實的基礎。

［1］ 黃黎紅.單幅圖像的去霧新算法［J］.光子學報，2011，40（9）：1419－1422.

［2］ 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］.自動化學報，2011，37（2）：143－149.

［3］ 彭文竹.基于大氣散射模型的偏振圖像去霧算法［J］.電子測量技術，2011，34（7）：43－45，61.

［4］ 郭 璠，蔡自興，謝 斌，等.圖像去霧技術研究綜述與展望［J］.計算機應用，2010，30（9）：2417－2421.

［5］ 李慶菲，朱志超，方 帥.大氣湍流退化圖像的復原研究［J］.合肥工業(yè)大學學報：自然科學版，2011，34（1）：80－82，127.

［6］ 郭 璠，蔡自興，謝 斌，等.單幅圖像自動去霧新算法［J］.中國圖象圖形學報，2011，16（4）：516－521.

［7］ Narasimhan S G，Shree K N.Removing weather effects from monochrome images［J］.IEEE Transactions on Computer Vision and Pattern Recognition，2001，2（11）：186－193.

［8］ Nayar S N，Narasimhan S G.Vision in bad weather［C］／／ICCV Proceedings of the 7th IEEE International Conference on Computer Vision，Kerkyra，Greece.USA：IEEE Computer Society，1999：820－827.

［9］ John P O，Brenda L S.Improving image quality in poor visibility conditions using a physical model for contrast degradation［J］.IEEE Transactions on Image Processing，1998，7（2）：167－179.

［10］ 侯天峰.數(shù)字圖像去霧與超分辨率重建算法研究［D］.合肥：合肥工業(yè)大學，2011.

［11］ 陳 功，王 唐，周荷琴.基于物理模型的霧天圖像復原新方法［J］.中國圖象圖形學報，2008，13（5）：887－893.

［12］ 葛君偉，謝祥華，方義秋.霧天圖像清晰化方法及應用［J］.重慶郵電大學學報：自然科學版，2010，22（2）：223－226.