陶海威 王毅 沈燕飛

摘要：暗通道先驗(yàn)去霧算法求得的的透射率比較精細(xì)，去霧效果優(yōu)于大多數(shù)去霧算法。然而在暗通道求取過(guò)程中，最小值濾波的處理會(huì)使得暗色向外擴(kuò)張，導(dǎo)致透射率擴(kuò)張變大，使得去霧后的圖像在邊緣部分產(chǎn)生“光暈”現(xiàn)象。為了減弱光暈效應(yīng)，利用形態(tài)學(xué)理論對(duì)粗略透射率進(jìn)行腐蝕處理，腐蝕掉擴(kuò)張變大的透射率，然后使用容差機(jī)制修復(fù)不符合暗原色先驗(yàn)的明亮區(qū)域透射率，再使用引導(dǎo)濾波精細(xì)化透射率，最后利用去霧模型復(fù)原圖像。實(shí)驗(yàn)表明，改進(jìn)后的算法去霧效果更佳、去霧速度更快，具有更強(qiáng)的魯棒性。

關(guān)鍵詞：暗通道先驗(yàn)去霧；腐蝕；引導(dǎo)濾波

DOIDOI：10.11907/rjdk.161089

中圖分類(lèi)號(hào)：TP312

文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2016）005-0030-04

0 引言

霧霾天氣不僅影響人們的出行，也給視頻監(jiān)控、自動(dòng)駕駛等涉及室外圖像應(yīng)用的領(lǐng)域帶來(lái)了很大挑戰(zhàn)，并引起了相關(guān)研究人員的重視，如今已出現(xiàn)了不少研究成果。圖像去霧的研究方法可分為兩大類(lèi)，基于圖像增強(qiáng)的方法和基于物理模型的方法。早期圖像去霧研究主要利用圖像處理的知識(shí)來(lái)去霧，Kim[1]提出對(duì)霧圖進(jìn)行局部直方圖均衡處理的方法，這種方法根據(jù)每個(gè)像素的鄰域?qū)ο袼剡M(jìn)行處理，可以突出圖像的特征，但運(yùn)算量較大，算法復(fù)雜度較高。Land[2-3]基于色彩恒常性提出了Retinex即視網(wǎng)膜皮層理論，其后出現(xiàn)了一些基于Retinex的圖像增強(qiáng)算法[4-6]，與其它圖像增強(qiáng)算法相比，基于Retinex的圖像增強(qiáng)算法處理的圖像，局部對(duì)比度相對(duì)較高，色彩失真較小?；趫D像增強(qiáng)的去霧方法可以利用成熟的圖像處理算法來(lái)增強(qiáng)圖像的對(duì)比度，突出圖像中的特征信息，但這種方法會(huì)造成圖像部分信息損失，導(dǎo)致圖像失真。圖像去霧的另一類(lèi)是基于物理模型的方法，該方法研究大氣懸浮顆粒對(duì)光的散射作用，通過(guò)大氣散射模型來(lái)復(fù)原圖像，恢復(fù)的圖像效果更真實(shí)，圖像信息能得到較好保存。Narasimhan等[7]提出了霧霾天氣條件下的單色大氣散射模型，后來(lái)基于物理模型的方法幾乎均建立在此模型之上。Tan[8]基于無(wú)霧圖比霧圖有更高對(duì)比度的假定來(lái)最大化有霧圖像的對(duì)比度，該算法在很大程度上能復(fù)原圖像結(jié)構(gòu)和細(xì)節(jié)，然而Tan的算法趨向于過(guò)度補(bǔ)償降低的對(duì)比度，容易產(chǎn)生光暈效應(yīng)。Fattal[9]把圖像場(chǎng)景光分解成反射和透射兩部分，然后基于獨(dú)立主成成分分析來(lái)估計(jì)場(chǎng)景光強(qiáng)，這種方法可以有效去除局部的霧但不能很好恢復(fù)濃霧的圖像。Kim等[10]結(jié)合局部對(duì)比度增強(qiáng)和去霧模型方法，能夠抑制偽影的產(chǎn)生，但時(shí)間復(fù)雜度較高。劉倩等[11]使用均值濾波去霧，對(duì)單幅圖像去霧效果尚可，但是用于視頻去霧時(shí)幀之間的過(guò)渡就不很自然。王燕等[12]使用中值濾波去霧，其有一定的去霧能力，但圖像周邊會(huì)出現(xiàn)明顯的分界。何凱明等[13]提出的暗通道先驗(yàn)去霧算法，可以得到精細(xì)的透射率，去霧效果優(yōu)于大多數(shù)的去霧算法，已成為去霧領(lǐng)域的經(jīng)典。去霧后的圖像在景深變化大的地方會(huì)產(chǎn)生光暈現(xiàn)象，而導(dǎo)致這一問(wèn)題的原因是在暗通道計(jì)算過(guò)程中使用了最小值濾波。在求取暗通道過(guò)程中，最小值濾波的處理會(huì)使得暗色向外擴(kuò)張，導(dǎo)致透射率擴(kuò)張變大，從而使去霧后的圖像在邊緣部分產(chǎn)生“光暈”現(xiàn)象。為了減弱光暈效應(yīng)，本文利用形態(tài)學(xué)理論知識(shí)對(duì)粗略透射率進(jìn)行腐蝕處理，腐蝕掉擴(kuò)張變大的透射率，然后使用容差機(jī)制修復(fù)不符合暗原色先驗(yàn)的明亮區(qū)域透射率，再使用引導(dǎo)濾波精細(xì)化透射率，最后利用去霧模型復(fù)原圖像。為了加快處理速度，本文在降采樣圖像里尋找大氣光，并使用暗點(diǎn)優(yōu)先膨脹算法求暗通道。另外原文求取大氣光值的方法在一些情形下并不是很合理，尤其是場(chǎng)景中出現(xiàn)白色物體時(shí)，而使用四叉樹(shù)細(xì)分的分層搜索方法卻沒(méi)有這種問(wèn)題。實(shí)驗(yàn)表明，改進(jìn)的去霧算法去霧效果更佳，且去霧速度更快。

本文圖像去霧流程：求取大氣光值→粗略透射率估計(jì)→透射率精細(xì)化→圖像復(fù)原。

1 暗通道先驗(yàn)去霧

2 算法改進(jìn)

2.1 大氣光值求取

文獻(xiàn)[13]方法過(guò)程如下：①?gòu)陌低ǖ缊D中按照亮度大小取前0.1%的像素；②對(duì)于這些像素位置，在原始有霧圖像I中尋找對(duì)應(yīng)的具有最高亮度的像素點(diǎn)的值，作為A值。

很多去霧相關(guān)論文都沿用了這種方法，然而這種取法在一些情況下并不太合理，比如圖像中含有白色物體時(shí)，往往會(huì)在白色物體區(qū)域取得大氣光值，而不是在真正的濃霧區(qū)域取得，這樣會(huì)造成處理后的圖像出現(xiàn)偏色現(xiàn)象。

圖像有霧區(qū)域像素變化通常比較小，即對(duì)比度低?；谒牟鏄?shù)細(xì)分的分層搜索方法可以準(zhǔn)確地找到濃霧區(qū)域并取得合理的大氣光值，過(guò)程如圖1所示，首先將一幅圖像等分成4個(gè)矩形區(qū)域，然后分別用每個(gè)矩形區(qū)域內(nèi)所有像素值的平均值減去它們的標(biāo)準(zhǔn)差得到一個(gè)結(jié)果值，選擇結(jié)果值最大的那個(gè)區(qū)域并將它進(jìn)一步等分成4個(gè)更小的區(qū)域。重復(fù)這一過(guò)程直到選擇區(qū)域的大小比預(yù)先指定的閾值小。圖1中紅色塊是最后選擇的區(qū)域，在該區(qū)域，選擇能夠最小化與純白光向量（255，255，255）距離的顏色向量作為大氣光值，即選取最明亮顏色向量作為大氣光值。

2.2 粗略透射率修正

2.2.1 透射率腐蝕處理

在暗通道計(jì)算過(guò)程中，首先會(huì)得到原圖RGB三原色最小通道值，然后對(duì)最小暗通道值進(jìn)行最小值濾波處理。對(duì)于較小的值，以它為中心的濾波窗口內(nèi)的點(diǎn)值都會(huì)受其影響，如圖3（b）所示（正中間數(shù)據(jù)“198”位置會(huì)被賦予較小的數(shù)據(jù)值50），造成暗色向外擴(kuò)張。由式（4）可知，明亮區(qū)域透射率會(huì)相應(yīng)擴(kuò)大。這樣在景深變化明顯的地方，去霧后的“光暈”現(xiàn)象就較明顯。為了減弱光暈效應(yīng)，可以使用形態(tài)學(xué)腐蝕的方法，將擴(kuò)張變大的區(qū)域進(jìn)行縮小，達(dá)到修復(fù)的作用，如圖3（c）、（d）所示。實(shí)驗(yàn)表明，使用圓形結(jié)構(gòu)元素，半徑為透射率圖長(zhǎng)度和寬度最小值的1%來(lái)腐蝕透射率圖可以得到較好的去霧效果。

2.3 處理時(shí)間優(yōu)化

為了降低處理時(shí)間，在求取大氣光值時(shí)采取在降采樣的圖像上尋找，這樣并不會(huì)降低最后尋找到的大氣光值的準(zhǔn)確性，因?yàn)榍笕∧繕?biāo)是要在最濃霧的區(qū)域找大氣光值，而要尋找大氣光值的周?chē)徑南袼攸c(diǎn)值通常都是相同或非常接近的，所以跟在原圖上找到的值是一致的，而尋找時(shí)間卻大大縮短。在暗通道求取過(guò)程中，最小值濾波處理比較耗時(shí)，本文使用文獻(xiàn)[15]提出的暗點(diǎn)優(yōu)先膨脹算法代替最小值濾波處理，這樣可有效降低運(yùn)算時(shí)間。

基于暗點(diǎn)優(yōu)先膨脹的暗通道計(jì)算過(guò)程如下：①取得原圖RGB三原色最小通道值，形成一幅灰度圖；②對(duì)灰度圖像素值進(jìn)行排序；③選取一個(gè)最小值，將以其點(diǎn)為中心的指定窗口大小內(nèi)的所有點(diǎn)都設(shè)為此值，并記錄已處理的點(diǎn)；④依次選擇次小的點(diǎn)值進(jìn)行相同操作，并忽略已處理的點(diǎn)，這樣就可以很快完成暗通道的計(jì)算過(guò)程。

圖解示意過(guò)程如圖4所示，圖中最上部分為原圖RGB最小通道值形成的灰度圖，值從小到大排序?yàn)锳82≤A77≤…。選擇最小的值并以其點(diǎn)位置為中心的3×3窗口內(nèi)的所有點(diǎn)都設(shè)為此值，并記錄處理過(guò)的點(diǎn)，接下來(lái)依次選擇次小的值進(jìn)行相同處理，這樣就很快獲得了暗通道。

最后將精細(xì)化透射率及求得的大氣光值代入式（5），就可到得到最后的復(fù)原圖。

3 實(shí)驗(yàn)

實(shí)驗(yàn)軟硬件環(huán)境如下：操作系統(tǒng)為32位Windows7，CPU 為酷睿i3-2100雙核（3.10GHz），RAM內(nèi)存為2G，使用32位matlab2010b編碼實(shí)現(xiàn)。運(yùn)行文獻(xiàn)[13]和改進(jìn)算法程序?qū)追N霧圖分別進(jìn)行了測(cè)試。

實(shí)驗(yàn)圖片歸一化為420×297大小，名稱(chēng)分別為road.jpg、tree.jpg、mount.jpg，結(jié)果比較如圖5、6、7、8所示。主觀上對(duì)比可以看到改進(jìn)算法減輕了處理后的圖像明亮區(qū)域偏色現(xiàn)象及景深變化區(qū)域的光暈效應(yīng)，并在細(xì)節(jié)上更好地保持了原圖結(jié)構(gòu)。

在客觀評(píng)價(jià)上選擇PSNR和SSIM兩個(gè)性能指標(biāo)進(jìn)行實(shí)驗(yàn)，得到的數(shù)據(jù)如表1、表2所示。PSNR即峰值信噪比，其值越大，則說(shuō)明處理后的去霧圖像失真越小，SSIM可以衡量原圖和去霧圖的結(jié)構(gòu)相似性，其數(shù)值越大說(shuō)明去霧圖對(duì)原圖結(jié)構(gòu)改變?cè)叫。瑫r(shí)光暈效應(yīng)越弱。比較可知，改進(jìn)算法取得了更好的去霧效果。

4 結(jié)語(yǔ)

暗通道先驗(yàn)去霧是近年來(lái)出現(xiàn)的一種優(yōu)秀去霧算法，然而在暗通道計(jì)算過(guò)程中的最小值濾波處理會(huì)使得暗色擴(kuò)張，進(jìn)而引起去霧圖產(chǎn)生光暈效應(yīng)。為了減弱光暈效應(yīng)，本文利用形態(tài)學(xué)理論對(duì)得到的粗略透射率進(jìn)行腐蝕處理，腐蝕掉擴(kuò)張變大的透射率；同時(shí)對(duì)大氣光值的求取方法進(jìn)行了改造，對(duì)不符合暗通道先驗(yàn)的明亮區(qū)域透射率進(jìn)行了修復(fù)，并使用多種方法優(yōu)化處理速度。實(shí)驗(yàn)表明，改進(jìn)后的算法在去霧效果和速度方面都有很大提升，后續(xù)會(huì)在此基礎(chǔ)上繼續(xù)優(yōu)化改進(jìn)，使得該算法能夠應(yīng)用于實(shí)時(shí)視頻去霧中。

參考文獻(xiàn)：

[1]KIM T K，PAIK J K，KANG B S.Contrast enhancement system using spatially adaptive histogram equalization with temporal filtering[J].IEEE Transactions on Consumer Electronics，1998，44（1）：82-87.

[2]LAND E H.The retinex[J].American Scientist，1964， 52（2）：247-264.

[3]LAND E H.The retinex theory of color vision[J]. Scientic America，1977，237（6）：108-128.

[4]JOBSON D J，RAHMAN Z，WOODELL G A.Properties and performance of a center/surround retinex[J].IEEE Transactions on Image Processing，1997，6（3）：451-462.

[5]RAHMAN Z，JOBSON D J，WOODELL G A.Muti-scale retinex for color image enhancement[C].Lausanne：Proceedings of the 1996 International Conference on Image Processing，1996：1003-1006.

[6]RAHMAN Z，JOBSON D J，WOODELL G A.Retinex processing for automatic image enhancement[J].Journal of Electronic Imaging， 2004，13（1）：100-110.

[7]NARASIMHAN S G，NAYAR S K.Vision and the atmosphere[J].International Journal of Computer Vision，2002，48（3）：233-254.

[8]TAN R T.Visibility in bad weather from a single image[C].Anchorage：Proceedings of the 2008 IEEE Conference on Computer Vision and Pattern Recognition，2008：1-8.

[9]FATTAL R.Single image dehazing[C]. New York：Proceedings of the 2008 ACM Transactions on Graphics （TOG），2008， 27（3）：1-9.

[10]J H KIM，J Y SIM，C S KIM.Single image dehazing based on contrast enhancement[C].IEEE ICASSP，2011：1273-1276.

[11]劉倩，陳茂銀，周東華.基于單幅圖像的快速去霧算法[C].第25屆中國(guó)控制與決策會(huì)議，2013.

[12]王燕，伍博，谷金宏.一種單幅圖像去霧方法[J].電光與控制，2011，18（4）：65-67.

[13]KAIMING HE，JIAN SUN，XIAOOU TANG.Single image haze removal using dark channel prior[C].IEEE Conference on Computer Vision and Pattern Recognition （CVPR），2009：1956-1963.

[14]蔣建國(guó)，侯天峰，齊美彬.改進(jìn)的基于暗原色先驗(yàn)的圖像去霧算法[J].電路與系統(tǒng)學(xué)報(bào)，2011，16（2）：6-11.

[15]劉夏，陳和平，陳黎，顧進(jìn)廣.一種計(jì)算圖像暗通道的優(yōu)化算法[J].計(jì)算機(jī)應(yīng)用與軟件，2014（7）：137-140.

[16]HE K M，SUN J，TANG X O.Guided image filtering[C].Berlin：Proceedings of the 2010 Conference on Computer Vision，2010：1-14.

（責(zé)任編輯：孫 娟）