李歐迅，鄧 莉

（桂林航天工業(yè)高等專科學(xué)校 電子工程系，廣西 桂林 541004）

1 車載視頻清晰化算法的研究意義

能見度在氣象學(xué)中指物體能夠被清楚識別的最大距離，它與當(dāng)時的天氣情況密切相關(guān)。當(dāng)出現(xiàn)霧、霾和沙塵等惡劣天氣時，大氣透明度降低,能見度一般小于1.0 km。低能見度條件下拍攝的圖像其對比度和顏色在天氣影響下被改變，圖像蘊含的許多特征被掩蓋，景物可辨識度大大降低。

目前國內(nèi)外研究最多的清晰化算法是圖像的去霧技術(shù)，主要有兩種思路，一種是基于大氣退化物理模型的方法,需要求得深度信息[1-2],這對硬件系統(tǒng)的要求過高；另一種是基于圖像增強的方法[3],運算量很大,不適合實時處理。2009年，He等提出的暗原色先驗去霧技術(shù)對一般帶霧圖像取得了很好的效果[4],它無需深度信息，簡單有效，實時性高，但是通過實驗表明，該算法處理其他天氣類型圖像的效果不佳。本文在該算法基礎(chǔ)上進行了改進,使其適用于恢復(fù)各種低能見度天氣下的交通圖像。

2 低能見度條件下車載視頻的清晰化算法

2.1 大氣散射模型

惡劣天氣引起圖像質(zhì)量下降的主要原因是大氣粒子的散射作用，用于描述圖像退化過程的大氣散射模型如下：

式中I是觀測圖像，J是景物光線強度，即所求清晰圖像，A是大氣光線強度，t為透射率。圖像清晰化就是從I中復(fù)原J，這需要先估計t和A的值。

2.2 暗原色先驗去霧算法

暗原色先驗由對戶外圖像的統(tǒng)計規(guī)律得出，在絕大多數(shù)非天空的局部區(qū)域里，某一些像素總會有至少一個顏色通道具有很低的值，即暗原色。一幅圖像的暗原色定義為：

Jc為圖像的第c個顏色通道，Ω(x)為以像素x為中心的塊。通過大量統(tǒng)計實驗表明，對于清晰圖像，Jdark的強度總是很低并且趨近于0。如果J是清晰圖像,則稱Jdark為J的暗原色,并且把以上觀察得出的經(jīng)驗性規(guī)律稱為暗原色先驗。

假設(shè)大氣光線強度A已知，且在一個局部區(qū)域的透射率t恒定不變,對式(1)使用最小運算,并同除以A,得到：

對三個顏色通道再使用最小運算，有：

由式(3)可知式(5)等號右邊第一項為零，則方程等價為：

通過式(6)可粗略估算出透射率t，為了提高精度，應(yīng)用一種軟摳圖算法[5]來完善透射率分布函數(shù)。大氣光線強度A的估計方法為：先取暗原色中0.1%亮度最大的像素,然后取這些像素對應(yīng)在原圖中的最大值作為A的值。

2.3 直方圖均衡

暗原色先驗算法對雨、雪、霾和沙塵等低能見度天氣圖像處理效果不佳的原因主要有兩方面，第一，該算法建立在暗原色假設(shè)之上，對不滿足這一假設(shè)的天空、白色物體和水面等明亮區(qū)域，算法估計的透射率偏小，如圖1(a)的雨水和白色車輛，圖1(b)的雪花和白色地面。這些區(qū)域的像素值很大，暗原色直方圖分布偏高(如圖2(a))，區(qū)域內(nèi)找不到像素值接近于0的暗原色點，暗原色假設(shè)不成立，造成結(jié)果失真。另一方面，如圖1(c)和圖1(d)所示的霾和沙塵天氣圖像，其主要特點是整體畫面昏暗，暗原色直方圖的像素值絕大部分偏低 (如圖2(c))，若直接利用暗原色先驗算法估測透射率和大氣光線強度,恢復(fù)效果很不理想。

解決上述問題的關(guān)鍵是在用暗原色先驗算法之前改善退化圖像的直方圖分布，使其既滿足暗原色假設(shè)，又能增強圖像對比度。圖像增強算法種類很多，考慮到算法的實時性，選擇最簡單有效的直方圖均衡。它以概率論為基礎(chǔ)，通過灰度的映射來修正圖像的直方圖，使之具有平坦的分布，增加灰度值的動態(tài)范圍，從而達到增強圖像整體對比度的效果。圖2(a)和 圖2(b)分別為雪天圖像（即圖1(b)）的暗原色直方圖及其均衡后的結(jié)果；圖2(c)和圖2(d)為沙塵圖像（即圖1(d)）的暗原色直方圖及其均衡后的結(jié)果。

2.4 HSV顏色模型

在對彩色圖像進行直方圖均衡后，經(jīng)常會產(chǎn)生顏色偏差。因此，在均衡前先將圖像的顏色模型轉(zhuǎn)換成HSV模型。該模型將亮度(Value)與反映色彩本質(zhì)特性的色度(Hue)和飽和度(Saturation)分開，比較符合人的視覺感受。在恢復(fù)圖像時只需處理其中的亮度分量，最后再將其與色度分量和飽和度分量整合，可大大減少圖像的顏色失真。另外，由于恢復(fù)過程中只處理了亮度信息，算法速率也得到提高。

3 實驗結(jié)果分析

實驗選取四種低能見度天氣條件下的交通圖像，分別用本文算法和參考文獻[4]算法進行恢復(fù)。圖3～圖6給出了對比結(jié)果，其中圖3(a)～圖6(a)分別為暴雨、大雪、霾和沙塵天氣下的低能見度圖像，圖3(b)～圖6(b)為參考文獻[4]算法結(jié)果，圖3(c)～圖6(c)為本文算法結(jié)果?？梢钥闯鰧τ谏鲜龈鞣N低能見度天氣圖像，本文算法能夠更好地提高圖像對比度，達到清晰辨識目標(biāo)物和路面交通情況的目的。但是圖像的色彩仍有一定程度失真，如圖5(c)很多色彩細節(jié)沒有恢復(fù)，圖6(c)的天空部分則出現(xiàn)不規(guī)則的光暈。

本文在暗原色先驗去霧算法的基礎(chǔ)上提出改進，使其適用于恢復(fù)各種低能見度天氣下的交通圖像。它將降質(zhì)圖像轉(zhuǎn)換到HSV空間后，提取其中的亮度分量進行直方圖均衡和基于暗原色先驗的恢復(fù)。多種實驗表明，改進算法可以更好地恢復(fù)各種低能見度天氣造成的圖像模糊，對比度明顯提高，路面交通狀況清晰可辨，并且算法實時性較高。下一步的工作是在保證算法時效性的同時，進一步改善圖像恢復(fù)過程中的顏色失真，以及完成算法的硬件實現(xiàn)。

[1]OAKLEY J P,SATHERLEY B L.Improving image quality in poor visibility conditions using a physicalmodel for contrast degradation[J].IEEE Transactions on Image Processing,1998,7(2)：167-179.

[2]NARASIMHAN S G,NAYAR S K.Removing weather effects from monochrome images[A].Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition,2001：186-193.

[3]Zhu Pei，Zhu Hong，Qian Xueming.An image clearness method for fog[J].Journal of Image and Graphics,2004,9(1)：124-128.

[4]He Kaiming，Sun Jian，Tang Xiaoou．Single image haze removal using dark channel prior[C]．CVPR,2009：1956-1963．

[5]LEVIN A，LISCHINSKI D，WEISS Y．A closed form solution to natural image matting[C].CVPR,2006：61-68．