李 鵬,唐 亮,凌 虎（中國電子科技集團(tuán)公司第三十八研究所,合肥 230088）

基于大氣散射理論的視頻去霧算法的研究

李 鵬,唐 亮,凌 虎（中國電子科技集團(tuán)公司第三十八研究所,合肥 230088）

摘 要：本文提出了基于大氣散射理論的視頻去霧算法，這種方法計(jì)算固定場(chǎng)景下的大氣透射率，把計(jì)算結(jié)果應(yīng)用于視頻的所有幀以消除霧氣，實(shí)驗(yàn)結(jié)果和實(shí)際應(yīng)用顯示這種算法去霧效果較為清晰，對(duì)比度較原始圖像有明顯的提升。與其他視頻去霧算法相比，由于固化了先驗(yàn)信息，因此算法的處理速度較快，在處理實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)時(shí)可以迅速得到去霧的結(jié)果。

關(guān)鍵詞：霧氣理論；視頻；去霧；大氣透射率

0 引言

霧天單幅圖像的處理方法可以分為兩類：圖像增強(qiáng)和圖像復(fù)原。圖像增強(qiáng)方法通過增強(qiáng)圖像的細(xì)節(jié)，改善圖像的視覺效果來達(dá)到視覺上的去霧效果。這種方法計(jì)算相對(duì)簡(jiǎn)單，適應(yīng)性廣，但對(duì)于局部景深的變化細(xì)節(jié)處理有待改進(jìn)。而圖像的復(fù)原方法是建立霧天退化模型，通過補(bǔ)償退化過程造成的失真進(jìn)而獲得無霧圖像或者是最貼近的估計(jì)結(jié)果。目前，第二種方法發(fā)展較快，有Τan[1]提出的算法，此算法通過最大化提升霧天圖像的局部對(duì)比度來達(dá)到去霧的目的。Fattal等人[2]則假設(shè)霧天圖像局部區(qū)域的反射強(qiáng)度為常向量，利用獨(dú)立成分分析估計(jì)場(chǎng)景的常向量反射強(qiáng)度。HE等人[3]提出一種暗原色先驗(yàn)去霧算法，這種方法利用霧氣濃度的暗原色先驗(yàn)規(guī)律，估算出場(chǎng)景透射率，然后求出無霧圖像。

目前針對(duì)霧天視頻的去霧方法主要建立單幅圖像去霧的基礎(chǔ)上，也可分為基于圖像增強(qiáng)和基于物理模型的視頻去霧方法兩類。前者對(duì)視頻的每一幀進(jìn)行直方圖去霧化處理，后者則是對(duì)背景圖像采用去霧算法進(jìn)行處理，求取得到相關(guān)的參數(shù)后，再將物理模型與原始視頻結(jié)合得到完整的去霧視頻。

1 霧氣理論

1.1 大氣散射理論

大氣散射模型由大氣光成像模型和入射光衰減模型組成[4]。何愷明[3]給出了霧霾天氣下單色大氣散射模型的簡(jiǎn)化表達(dá)式為：

1.2 暗原色先驗(yàn)理論

在原始的霧氣圖像中，霧氣的濃度會(huì)隨著景物距離的變化而變化，因此透射率是一個(gè)變化的參數(shù)，而暗原色先驗(yàn)則提供了估算透射率的方法。暗顏色先驗(yàn)理論是對(duì)大量室外無霧圖像的觀察統(tǒng)計(jì)得到的：在排除了天空等大面積明亮區(qū)域后的無霧圖像中，存在這樣的一些像素點(diǎn)，它們?cè)赗GB3個(gè)顏色通道中至少一個(gè)通道的值很低，這就是暗原色的概念，數(shù)學(xué)模型為[3]：

其中為原始圖像的顏色通道，為紅綠藍(lán)3個(gè)顏色通道，c為顏色通道的合集；為以x為中心的局部區(qū)域。通過觀察統(tǒng)計(jì)得到，的值較低且趨近于0。如果J是無霧圖像，則被稱為J的暗通道。

2 基于大氣散射理論的去霧算法

2.1 簡(jiǎn)化的大氣散射理論

碩士研究生英語課程的設(shè)置目標(biāo)，更應(yīng)該著力于提高研究生的實(shí)際語言運(yùn)用能力，并且要在教學(xué)上加強(qiáng)語言實(shí)踐性[6]。語言類課程的學(xué)習(xí)有其自身的特點(diǎn)與規(guī)律，要區(qū)別于其他課程的學(xué)習(xí)。因此，英語課程的設(shè)置必須按照正確的語言學(xué)習(xí)規(guī)律進(jìn)行。改變目前純粹以授課型課程為主的課程安排，構(gòu)建適合本學(xué)科的英語課程體系；在課程安排上不僅可以開設(shè)聽力、口語、寫作等傳統(tǒng)的基礎(chǔ)型課程，還可開設(shè)英語國家文學(xué)選讀、報(bào)刊選讀、西方影視文化等語言文化類課程。學(xué)校可依據(jù)現(xiàn)有師資力量和教學(xué)資源，為學(xué)生開設(shè)盡可能多樣化的英語課程，以提高學(xué)生的英語應(yīng)用水平。

其中，為大氣耗散函數(shù)，它表示環(huán)境光對(duì)圖像的附加部分。這里去霧問題就轉(zhuǎn)化為計(jì)算大氣透射率和大氣光強(qiáng)的問題。

2.2 去霧算法流程

本文的去霧算法：第一步，假定是固定場(chǎng)景的有霧視頻，因此可以通過幀差法獲得視頻的背景圖像；再通過暗原色的值的變化來估計(jì)大氣透過率,獲得背景圖像的大氣透射率，由此即可通過運(yùn)算求得。第二步，用暗原色先驗(yàn)方法的統(tǒng)計(jì)信息估算出大氣光強(qiáng)值Α，并將原始圖像數(shù)據(jù)代入到（4）式中即可求得去霧后的復(fù)原圖像。

2.3 大氣透射率估計(jì)

在霧霾天氣下獲得的圖像，由于大氣光參與成像，會(huì)使得暗原色強(qiáng)度值發(fā)生變化，而大氣透射率是與這個(gè)值直接相關(guān)的，因此可以通過暗原色值的變化來估計(jì)大氣透射率[3]。這個(gè)粗略估計(jì)的大氣透射率可以表示為：

其中是調(diào)節(jié)因子，使復(fù)原的圖像更接近真實(shí)圖像。

本文采用雙邊濾波的方法對(duì)原始圖像進(jìn)行處理，目的在于消除其中可能導(dǎo)致圖像復(fù)原錯(cuò)誤的細(xì)節(jié)信息。雙邊濾波采用加權(quán)平均獲取圖像的強(qiáng)度值[5]，其定義為：

2.4 大氣光強(qiáng)估計(jì)

目前已經(jīng)有很多方法解決這一問題。如對(duì)邊緣檢測(cè)處理后的圖像采用灰度腐蝕的方式進(jìn)行分塊統(tǒng)計(jì)，找到候選的天空區(qū)域，但這種方法要求場(chǎng)景中必須存在天空區(qū)域。本文先對(duì)三個(gè)顏色分量進(jìn)行灰度腐蝕，然后將處理后的圖像中各像素點(diǎn)的亮度值按照遞減的方式進(jìn)行排序，從這些最小值中選取0.1%最亮的像素所在的位置，找到這些位置所對(duì)應(yīng)的原始有霧圖像區(qū)域，而這些區(qū)域中的像素最大值就是大氣光強(qiáng)Α的估算值。

3 分析與應(yīng)用

3.1 去霧效果驗(yàn)證

實(shí)驗(yàn)采用了VS2008在Core(ΤM)i5，3.20GHz，3.47GB內(nèi)存的PC機(jī)上對(duì)本文提出的去霧算法進(jìn)行了分析驗(yàn)證，圖1圖2即為采用本算法后的圖像去霧效果圖。

圖1 圖像去霧功能

3.2 計(jì)算速度

視頻去霧處理的時(shí)間長(zhǎng)短取決于視頻幀圖像的大小、視頻算法的復(fù)雜度以及場(chǎng)景的復(fù)雜度。本文算法是對(duì)暗顏色先驗(yàn)去霧方法的改進(jìn)。對(duì)于暗顏色先驗(yàn)去霧方法而言，算法需對(duì)每幀圖像進(jìn)行按霧氣濃度的局部顏色修復(fù)，因而計(jì)算量較大。相比之下，雙邊濾波估算大氣透射率的去霧方法，其復(fù)雜度與視頻幀圖像總像素?cái)?shù)目線性相關(guān)，因而該方法的運(yùn)算速度比較快。表1是這兩種算法的運(yùn)算速度對(duì)比。

表1 運(yùn)算速度（幀/秒）

3.3 視頻圖像去霧系統(tǒng)

利用本文的理論，構(gòu)建了一套視頻圖像去霧系統(tǒng)。這套系統(tǒng)可以降低監(jiān)控視頻畫面中霧霾的影響，改善視頻圖像質(zhì)量，減少惡劣天氣對(duì)CCD攝像機(jī)的監(jiān)控畫面的干擾，讓視頻監(jiān)控系統(tǒng)看得更遠(yuǎn)、更清楚、更準(zhǔn)確。目前，這套系統(tǒng)已經(jīng)應(yīng)用在了黃山風(fēng)景區(qū)的視頻監(jiān)控系統(tǒng)之中，改善圖像的成像質(zhì)量，使得圖像信息更加豐富，為黃山景區(qū)視頻監(jiān)控提供亮麗、清晰、準(zhǔn)確的圖像畫面。

圖2 視頻圖像去霧功能

4 總結(jié)與展望

本文提出了基于大氣散射理論的視頻去霧算法。這種算法基于固定場(chǎng)景下使用雙邊濾波的方式改進(jìn)了原有的暗原色先驗(yàn)估計(jì)大氣透射率的方法。實(shí)驗(yàn)結(jié)果顯示這種算法去霧效果較為清晰，對(duì)比度較原始圖像有明顯的提升，且處理速度相對(duì)較快。而對(duì)于不斷發(fā)生變化的有霧場(chǎng)景，還需要提出一種更精確的背景建模和檢測(cè)場(chǎng)景變化的方法，這個(gè)是下一步需要解決的問題。

參考文獻(xiàn)：

[1]TAN R．Visibility in bad weather from a single image[c]// Proceedings of IEEE Conference on Computer Vision and Pattern Recognition．Washington，DC：IEEEComputer Society，2008:2347-2354．

[2]FATTALR.Single image dehazing[J]．ACM Transactionson Graphics，2008,27(03):721-729．

[3]HE K，SUN J，TANG X．Single image haze removal usingdark channel prior[C]// Proceedings of IEEE Conferenceon Computer Vision and Pattern Recognition． Washington：Conference Publications，2009：1956-1963．

[4]E J McCartney．Optics of Atmosphere：Scattering by.