宋曉敏，趙紅東，盧 俏，夏士超，席瑞媛，李夢(mèng)宇，肖夢(mèng)琪(河北工業(yè)大學(xué)電子信息工程學(xué)院,天津300401)

?

霧霾天氣下降質(zhì)圖像的清晰化處理*

宋曉敏，趙紅東**，盧 俏，夏士超，席瑞媛，李夢(mèng)宇，肖夢(mèng)琪
(河北工業(yè)大學(xué)電子信息工程學(xué)院,天津300401)

Foundation Item:The Natural Science Foundation of Hebei Province(F2013202254)

**通信作者:zhaohd@ hebut. edu. cn Corresponding author:zhaohd@ hebut. edu. cn

摘 要:針對(duì)霧霾天氣條件下大氣散射和懸浮顆粒物引起的圖像對(duì)比度、清晰度降低問(wèn)題,提出通過(guò)采用獨(dú)立分量分析(ICA)算法分解圖像中具有相互獨(dú)立分量的混合像元,估計(jì)圖像有用信息分量。因乘性噪聲信息的存在,會(huì)導(dǎo)致估計(jì)的圖像有用信息有一定的偏差；采用基于噪聲檢測(cè)的局部自適應(yīng)中值濾波對(duì)估計(jì)的圖像有用信息進(jìn)行了進(jìn)一步校正。實(shí)驗(yàn)結(jié)果證明:新算法能有效去除霧霾,提高圖像的清晰度和對(duì)比度。

關(guān)鍵詞:霧霾圖像處理；去霧；獨(dú)立分量分析；噪聲檢測(cè)；自適應(yīng)中值濾波

1 引 言

霧霾天氣嚴(yán)重影響人們的工作生活,在智能車輛監(jiān)控、視屏監(jiān)控、道路交通等方面尤其明顯。為有效提取圖像目標(biāo)信息,禹晶等[1]提出暗原色先驗(yàn)去霧算法,依據(jù)戶外無(wú)霧圖像的統(tǒng)計(jì)規(guī)律建立去霧模型,估計(jì)出霧霾濃度,實(shí)現(xiàn)對(duì)圖像的去霧處理,但在建立去霧模型時(shí)無(wú)法準(zhǔn)確估計(jì)物體的透射率,導(dǎo)致去霧效果不佳。胡媛媛[2]提出在HSI(Hue-Saturation-Intersity)空間上采用局部直方圖均衡化法實(shí)現(xiàn)圖像的清晰化處理,雖然能保護(hù)圖像部分邊緣細(xì)節(jié)信息,但存在色彩失真問(wèn)題。梁天全等[3]提出了一種基于偏振信息的去霧算法,通過(guò)合成不同偏振旋轉(zhuǎn)方位角度圖像實(shí)現(xiàn)圖像的去霧處理,因表面光滑目標(biāo)反射光的偏振特性較強(qiáng),會(huì)造成建立的圖像合成模型出現(xiàn)偏差。

對(duì)圖像進(jìn)行去霧處理的目的是提高圖像的對(duì)比度和減少場(chǎng)景顏色偏移。目前對(duì)圖像去霧算法的研究主要是基于圖像復(fù)原和圖像增強(qiáng)的[4],不能實(shí)現(xiàn)對(duì)景深和邊緣細(xì)節(jié)信息的精確處理。因此,本文從分解圖像混合像元的角度出發(fā),提出了一種基于獨(dú)立分量分析和自適應(yīng)中值濾波的圖像去霧算法。獨(dú)立分量分析算法在盲信號(hào)分離、通信、人臉識(shí)別中得到了廣泛的應(yīng)用,但其在圖像去霧方面的應(yīng)用還相對(duì)較少。實(shí)驗(yàn)證明,獨(dú)立分量分析算法能夠?qū)崿F(xiàn)對(duì)圖像混合像元的分離,獲取圖像有用信息。由于霧霾圖像中包含的噪聲并不全部是獨(dú)立的,分離出的圖像有用信息中仍包含噪聲,對(duì)此,本文采用基于噪聲檢測(cè)的自適應(yīng)中值濾波算法抑制這些噪聲。

2 算法的基本原理

2. 1 獨(dú)立分量分析算法

獨(dú)立分量分析是從多元統(tǒng)計(jì)數(shù)據(jù)中尋找其內(nèi)在成分或因子的一種方法[5]。它是在遵循統(tǒng)計(jì)獨(dú)立原則的前提下,使用優(yōu)化算法,把多維觀測(cè)信號(hào)分解成多個(gè)相互獨(dú)立的成分,而這些獨(dú)立成分是對(duì)信號(hào)源近似的估計(jì)[6]。獨(dú)立分量分析的模型可描述為:經(jīng)過(guò)線性系統(tǒng)A,n個(gè)未知的獨(dú)立的源信號(hào)s(t)= [s1(t),s2(t),…,sn(t)]T混合在一起,得到m個(gè)觀測(cè)信號(hào)x(t)= [x1(t),x2(t),…,xm(t)]T,觀測(cè)信號(hào)與源信號(hào)之間滿足:

式中:A是一個(gè)未知的m×n維的矩陣;在m≥n的前提下,當(dāng)源信號(hào)s(t)的各個(gè)分量之間相互獨(dú)立,混合矩陣A為列滿秩時(shí),可求得一個(gè)分離矩陣w,使得

式中:y(t)是對(duì)源信號(hào)的估計(jì)。

為求解分離矩陣w,需要設(shè)置一個(gè)目標(biāo)函數(shù)對(duì)信號(hào)的非高斯性進(jìn)行極大化處理。峭度可實(shí)現(xiàn)對(duì)信號(hào)非高斯性的度量[7],峭度kurt(y)的定義為

對(duì)觀測(cè)信號(hào)去均值和白化處理之后后,可將公式(3)簡(jiǎn)化為

均值化處理是通過(guò)將每個(gè)像素點(diǎn)減去均值實(shí)現(xiàn)的,白化是通過(guò)主成分分析變換實(shí)現(xiàn)的,對(duì)式(4)表述的目標(biāo)函數(shù)求梯度并簡(jiǎn)化,得

在約束條件‖w‖=1下,式(5)簡(jiǎn)化為

使用固定點(diǎn)迭代法即

對(duì)權(quán)值w0進(jìn)行初始化,既而求得分離量w的第P個(gè)解為

2. 2 基于噪聲檢測(cè)的自適應(yīng)中值濾波

為有效抑制圖像噪聲,需要對(duì)圖像進(jìn)行噪聲檢測(cè)[8]。假設(shè)待檢測(cè)像素點(diǎn)的灰度值I(i,j),以該像素點(diǎn)為中心構(gòu)建5×5的噪聲檢測(cè)窗口,噪聲檢測(cè)窗口中平均值為M,如果檢測(cè)點(diǎn)的灰度值I(i,j)與M的差值大于閾值Td,并且等于檢測(cè)窗口的最小值Min或者最大值,即

則被認(rèn)為是噪聲點(diǎn)。其中:Td是設(shè)置的噪聲檢測(cè)閾值。

將檢測(cè)出的噪聲點(diǎn)進(jìn)行標(biāo)記,待檢查完所有的像素點(diǎn)后,將標(biāo)記的噪聲點(diǎn)灰度值設(shè)為1,設(shè)置濾波最小窗口5×5對(duì)圖像進(jìn)行自適應(yīng)中值濾波。自適應(yīng)中值濾波包括兩部分,第一部分為

第二部分為

式中:Zmed、Zmin和Zmax分別是濾波窗口所有像素的中值、最小值和最大值;Zxy為濾波窗口中某一像素的值。

當(dāng)A1＞0、A2＞0時(shí),則轉(zhuǎn)到第二部分,反之,增加濾波窗口尺寸[9];重復(fù)第一層,否則輸出Zmed;當(dāng)B1＞0、B2＞0時(shí),就輸出Zij,否則輸出Zmed。

3 實(shí)驗(yàn)分析與結(jié)論

為驗(yàn)證本文算法的有效性和可靠性,本文選用了景區(qū)圖像進(jìn)行實(shí)驗(yàn),為這兩幅圖像人為添加不同的加性噪聲和乘性噪聲。

首先將兩幅帶不同噪聲的圖像作為觀測(cè)圖像輸入,并對(duì)圖像進(jìn)行均值化和白化處理以方便后續(xù)處理,處理后圖像的各分量非相關(guān)的。對(duì)處理之后的圖像進(jìn)行獨(dú)立分量分析變換,實(shí)現(xiàn)圖像混合像元的分離,求得解混矩陣w,w就是求解的噪聲信息分量和圖像有用信息分量矩陣。用獨(dú)立分量分析變換分解的各個(gè)分量在獨(dú)立的狀態(tài)下,每個(gè)分量的非高斯性是最大的,此時(shí)分離的去噪分量的誤差是最小的,實(shí)現(xiàn)了對(duì)圖像加性噪聲的抑制。

但由于人為添加了乘性噪聲,對(duì)圖像有用信息的估計(jì)存在一定偏差,采用上述的基于噪聲檢測(cè)的自適應(yīng)中值濾波對(duì)估計(jì)的圖像有用信息分量進(jìn)一步去噪處理。圖1給出了新算法提取的圖像有用信息分量結(jié)果。為進(jìn)行對(duì)比,實(shí)驗(yàn)中也給出了HSI空間的局部直方圖均衡化算法的去噪結(jié)果,如圖2所示。

圖1 景區(qū)圖像處理結(jié)果Fig. 1 Processing results of the scenic image

圖2 景區(qū)圖像的直方圖曲線擬合圖Fig. 2 Histogram curve fitting of the scenic image

從圖1和圖2中可以看出,文獻(xiàn)[2]采用的基于HSI空間的局部直方圖均衡化法的去噪效果相對(duì)較差,其在消除噪聲的同時(shí)還消除了圖像部分邊緣細(xì)節(jié)信息,圖像色彩也存在失真現(xiàn)象。而本文所提算法不但能保護(hù)圖像邊緣細(xì)節(jié)信息,還避免了圖像色彩失真。為客觀描述算法的可靠性,定義了均方誤差(Mean Square Error,MSE):

式中:f(i,j)為清晰圖像矩陣;^f(i,j)為去噪后的圖像矩陣;M×N為圖像矩陣大小。

表1 均值方差評(píng)價(jià)景區(qū)圖像處理效果Tab. 1 Evaluation of the scenic image processing based on mean variance

從表1中可看出,對(duì)添加的相同乘性噪聲和加性噪聲,基于HSI空間的局部直方圖均衡算法的圖像和清晰圖像之間的誤差較大。由圖2可知,本文算法去噪之后的圖像直方圖擬合結(jié)果幾乎和清晰圖像的相同,去噪效果較好。

霧霾圖像中具有包含圖像有用信息和加性噪聲信息分量的混合像元以及乘性噪聲,可將新算法應(yīng)用到圖像去霧中。用于獨(dú)立分量變換的觀測(cè)圖像是兩幅用同一照相機(jī)在同一位置于2014年2月12日的不同時(shí)間點(diǎn)拍攝的帶霧濃度不同的圖像,圖3為本文算法分離的圖像有用信息以及文獻(xiàn)[2]采用算法對(duì)兩幅霧霾圖像的處理結(jié)果。

圖3 霧霾圖像處理結(jié)果Fig. 3 Processing results of the haze image

表2 均方誤差評(píng)價(jià)圖像去霧效果Tab. 2 Evaluation of the haze image processing based on mean variance

圖4 霧霾圖像直方圖擬合曲線圖Fig. 4 Histogram fitting curve of the haze image

從圖3、圖4和表2可知,新算法能夠?qū)崿F(xiàn)對(duì)霧霾圖像混合像元的分解,獲取圖像有用信息分量,實(shí)現(xiàn)了對(duì)加性噪聲和乘性噪聲的抑制,圖像去霧效果較好。

仿真結(jié)果表明:本文提出的基于獨(dú)立分量分析和自適應(yīng)中值濾波新算法去噪性能優(yōu)于基于HIS空間的直方圖均衡化算法,其在景深與圖像邊緣細(xì)節(jié)信息的處理上更加精細(xì)。

參考文獻(xiàn):

[1] 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(dòng)化學(xué)報(bào),2011,37(2):143-149. YU Jing,LI Dapeng,LIAO Qingmin. Pysics-based fast single image fog removal [ J]. Acat Automatica Sinica, 2011,37(2):143-149. (in Chinese)

[2] 胡媛媛.霧霾圖像清晰化處理算法的研究[D].南京:南京理工大學(xué),2014. HU Yuanyuan. Research on clearness process of haze image [ D]. Nanjing: Nanjing University of Science and Technology,2014. (in Chinese)

[3] 梁天全,趙強(qiáng),孫曉兵,等.霧霾天氣條件下偏振遙感圖像復(fù)原研究[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)版), 2014,39(2):244-247. LIANG Tianquan,ZHAO Qiang,SUN Xiaobing,et al. Research on image restoration by polarized remote sensing through haze[J]. Geomatics and Information Science of Wuhan University,2014,39(2):244-247. (in Chinese)

[4] 李權(quán)合,畢篤彥,許悅雷,等.霧霾天氣下可見(jiàn)光圖像場(chǎng)景再現(xiàn)[J].自動(dòng)化學(xué)報(bào),2014,40(4):744-750. LI Quanhe,BI Duyan,XU Yuelei,et al. Haze degraded image scene rendition[J]. Acat Automatica Sinica,2014, 40(4):744-750. (in Chinese)

[5] 朱文龍,周建中,肖劍,等.獨(dú)立分量分析–經(jīng)驗(yàn)?zāi)B(tài)分解特征提取在水電機(jī)組振動(dòng)信號(hào)中的應(yīng)用[J].中國(guó)電機(jī)工程學(xué)報(bào),2013,33(29):95-102. ZHU Wenlong,ZHOU Jianzhong,XIAO Jian,et al. An ICAEMD feature extraction method and its application to vibration signals of hydroelectric generating units[J]. Proceedings of the CSEE,2013,33(29):95-102. (in Chinese)

[6] YANG J,CHENG Q M. A comparative study of independent component analysis with principal component analysis in geological objects identification,Part I:simulations[J]. Journal of Geochemical Exploration,2014,149(11):127-135.

[7] 湯寶平,董紹江,馬靖華.基于獨(dú)立分量分析的EMD模態(tài)混疊消除方法研究[J].儀器儀表學(xué)報(bào),2012,33 (7):1477-1482. TANG Baoping,DONG Shaojiang,MA Jinghua. Study on the method for elimination mode mixing of empirical mode decomposition based on independent component analysis [J]. Chinese Journal of Scientific Instrumen,2012,33 (7):1477-1482. (in Chinese)

[8] 陳健,鄭紹華,余輪,等.基于方向的多閾值自適應(yīng)中值濾波改進(jìn)算法[J].電子測(cè)量與儀器學(xué)報(bào),2013,27 (2):156-161. CHEN Jian,ZHENG Shaohua,YU Lun,et al. Improved algorithm for adaptive median filter with multi -threshold based on directional information[J]. Journal of Electronic Measurement and Instrument,2013,27 (2):156 -161. (in Chinese)

[9] 申俊琦,胡繩蓀,馮勝?gòu)?qiáng).自適應(yīng)中值濾波在焊縫視覺(jué)跟蹤中的應(yīng)用[J].焊接學(xué)報(bào),2011,32(3):57-60. SHEN Junqi,HU Shengsun,FENG Shengqiang. Application of adaptive median filtering in vision seam tracking [J]. Transactions of the China Welding Institution,2011, 32(3):57-60. (in Chinese)

宋曉敏(1990—),女,河北保定人,碩士研究生,主要研究方向?yàn)檫b感圖像處理;

SONG Xiaomin was born in Baoding,Hebei Province, in 1990. She is now a graduate student. Her research concerns remote sensing image processing.

Email:xiaomin127@126. com

趙紅東(1968—),男,天津人,教授、博士生導(dǎo)師,主要研究方向?yàn)楣怆娦畔⑻幚?、遙感圖像處理、網(wǎng)站開發(fā);

ZHAO Hongdong was born in Tianjin,in 1968. He is now a professor and also the Ph. D. supervisor. His research concerns optical information processing,remote sensing image processing and website development.

Email:zhaohd@ hebut. edu. cn

盧 俏(1988—),女,河北保定人,碩士研究生,主要研究方向?yàn)檫b感圖像處理;

LU Qiao was born in Baoding,Hebei Province,in 1988. She is now a graduate student. Her research concerns remote sensing image processing.

夏士超(1988—),女,河北保定人,碩士研究生,主要研究方向?yàn)榍度胧綀D像處理;

XIA Shichao was born in Baoding, Hebei Province, in 1988. She is now a graduate student. Her research concerns embedded image processing.

席瑞媛(1990—),女,河北張家口人,碩士研究生,主要研究方向?yàn)榫W(wǎng)站開發(fā)。

XI Ruiyuan was born in Zhangjiakou,Hebei Province,in 1990. She is now a graduate student. Her research concerns website development.

李夢(mèng)宇(1990—),女,河北人,碩士研究生,主要研究方向?yàn)閳D像處理;

LI Mengyu was born in Hebei Province,in 1990. She is now a graduate student. Her research concerns image processing.

肖夢(mèng)琪(1994—),女,河北人,主要研究方向?yàn)閳D像處理。

XIAO Mengqi was born in Hebei Province,in 1994. Her research concerns image processing.

Clearness Processing of Haze-degraded Images

SONG Xiaomin,ZHAO Hongdong,LU Qiao,XIA Shichao,XI Ruiyuan,LI Mengyu,XIAO Mengqi
(School of Electronic Information Engineering,Hebei University of Technology,Tianjin 300401,China)

Abstract:The contrast and clarity of images are reduced in the hazy weather because of the atmospheric scattering and the suspended particulate matter. The independent component analysis(ICA) algorithm is used to estimate the useful information of image by disintegrating the mixed pixels which include many independent components. The adaptive median filter algorithm with noise detection is employed to eliminate the multiplicative noise information. Experimental results show that the new algorithm can meet the defogging goal and improve the contrast and clarity.

Key words:haze imaging processing;defogging;independent component analysis;noise detection;adaptive median filter

doi:10. 3969/ j. issn. 1001-893x. 2016. 02. 018引用格式:屈文星,楊文革,張若禹.雙天線旋轉(zhuǎn)目標(biāo)微多普勒特征分析[J].電訊技術(shù),2016,56(2):212-217. [QU Wenxing,YANG Wenge,ZHANG Ruoyu. Micro-Doppler signatures analysis of spinning target with double-antenna[J]. Telecommunication Engineering,2016,56(2):212-217. ]

作者簡(jiǎn)介:

中圖分類號(hào):TP751

文獻(xiàn)標(biāo)志碼:A

文章編號(hào):1001-893X(2016)02-0208-04

基金項(xiàng)目:河北省自然科學(xué)基金資助項(xiàng)目(F2013202254)

*收稿日期:2015-06-10;修回日期:2015-09-24 Received date:2015-06-10;Revised date:2015-09-24