趙　靜

(寧夏大學(xué) 數(shù)學(xué)計(jì)算機(jī)學(xué)院，寧夏 銀川 750021)

?

基于自適應(yīng)閾值改進(jìn)暗通道先驗(yàn)圖像增強(qiáng)技術(shù)

趙靜

(寧夏大學(xué) 數(shù)學(xué)計(jì)算機(jī)學(xué)院，寧夏 銀川 750021)

摘要：基于暗通道先驗(yàn)的圖像增強(qiáng)技術(shù)在圖像的去霧和增強(qiáng)方面具有較好的圖像增強(qiáng)效果。針對(duì)基于暗通道先驗(yàn)圖像增強(qiáng)算法在處理有霧圖像存在大面積白色高亮區(qū)域時(shí)出現(xiàn)的失真，提出了基于自適應(yīng)閾值的改進(jìn)暗通道先驗(yàn)算法。該算法在對(duì)圖像進(jìn)行直方圖統(tǒng)計(jì)的基礎(chǔ)上，先判斷圖像是否存在大面積白色高亮區(qū)域，并對(duì)區(qū)域的面積進(jìn)行標(biāo)識(shí)和統(tǒng)計(jì)，得到自適應(yīng)系數(shù)β，再利用該系數(shù)對(duì)暗通道先驗(yàn)算法進(jìn)行修正，最終進(jìn)行對(duì)比度增強(qiáng)實(shí)現(xiàn)圖像的去霧增強(qiáng)效果。實(shí)驗(yàn)結(jié)果表明，該方法能夠有效消除圖像去霧過程中出現(xiàn)的失真，提升圖像質(zhì)量，具有較高的實(shí)用價(jià)值。

關(guān)鍵詞：數(shù)字圖像；暗通道先驗(yàn)；去霧算法

圖像去霧算法對(duì)有霧條件下降質(zhì)圖像的清晰化增強(qiáng)起著重要的作用，目前已經(jīng)成為數(shù)字圖像處理領(lǐng)域內(nèi)熱點(diǎn)研究課題，在航空、遙感、監(jiān)控等領(lǐng)域有著極高的應(yīng)用價(jià)值。圖像去霧的方法有很多種，僅單幅圖像去霧就有直方圖處理方法[1]、Retinex[2]、同態(tài)濾波[3]、空域彩色圖像增強(qiáng)方法[4]和暗通道先驗(yàn)[5]等算法。

其中，He等人提出的暗通道先驗(yàn)算法通過對(duì)大量戶外圖像進(jìn)行統(tǒng)計(jì)分析，在無法獲得圖像深度信息的情況下，利用各像素點(diǎn)基于區(qū)域面積內(nèi)三基色通道中最小亮度點(diǎn)的偏離先驗(yàn)值對(duì)圖像進(jìn)行增強(qiáng)，獲得了很好的單幅圖像去霧效果。在此基礎(chǔ)上，吳笑天等人[6]提出采用雙邊濾波恢復(fù)場(chǎng)景的邊緣，實(shí)現(xiàn)了圖像復(fù)原，其算法通過對(duì)場(chǎng)景邊緣快速處理，在不降低畫質(zhì)的情況下提高了圖像處理的速度。嵇曉強(qiáng)[7]等人提出采用自適應(yīng)圖像分塊處理和區(qū)間分段拉伸的方法在加快圖像處理速度的同時(shí)，增強(qiáng)了圖像的細(xì)節(jié)。

然而，He等人的算法具有一定的局限性：算法在遇到大范圍白色高亮區(qū)域圖像時(shí)，由于該區(qū)域亮度與大氣光相近，圖像的透射率偏小，難以獲得精準(zhǔn)的透射率值，造成RGB三顏色通道比例失調(diào)，從而引起圖像邊緣、灰度和色彩失真，降低了圖像的質(zhì)量，以致算法無法得到很好的應(yīng)用和推廣。

為此，蔣建國(guó)[8]等人引入了容差機(jī)制，對(duì)圖像的大氣光值和觀測(cè)亮度進(jìn)行比較，當(dāng)該值小于閾值時(shí)，將該區(qū)域標(biāo)識(shí)為明亮區(qū)域，降低透射率系數(shù)，實(shí)現(xiàn)對(duì)高亮圖像的失真校正。但這種處理無法保存明亮區(qū)域圖像細(xì)節(jié)，且閾值固定，很難適應(yīng)全部圖像，因此實(shí)施起來具有一定的局限性。

為了解決這些問題，本文提出了一種基于自適應(yīng)閾值的改進(jìn)暗通道先驗(yàn)圖像增強(qiáng)算法。算法在已有暗通道先驗(yàn)算法基礎(chǔ)上，通過自適應(yīng)選擇修正系數(shù)來改善原方法處理白色高亮圖像過程中引起的灰度和色彩失真問題，能夠有效提高圖像的顯示質(zhì)量。

1改進(jìn)暗通道先驗(yàn)圖像增強(qiáng)方法

暗通道先驗(yàn)圖像算法主要是在對(duì)圖像進(jìn)行大量統(tǒng)計(jì)的基礎(chǔ)上得到的經(jīng)驗(yàn)假設(shè)，通過假設(shè)估值計(jì)算出透射圖，實(shí)現(xiàn)圖像的去霧效果。這種統(tǒng)計(jì)假設(shè)的方法在絕大多數(shù)戶外有霧圖像處理中能夠取得較好效果，但對(duì)天空等和大氣光在本質(zhì)上相近且區(qū)域較大的白色高亮圖像處理效果并不理想，需要對(duì)算法進(jìn)行改進(jìn)。

1.1暗通道先驗(yàn)算法

根據(jù)1975年McCartney提出的大氣散射模型，圖像中物體呈現(xiàn)出來的亮度主要由入射光衰減后的透射光和大氣光兩部分構(gòu)成，可描述為式(1)

I(x)=J(x)t(x)+A(1-t(x))

(1)

式中：對(duì)于圖像中像素點(diǎn)x，I(x)為有霧降質(zhì)圖像；J(x)為待求原始無霧圖像；A為大氣光強(qiáng)度值；t(x)為有霧圖像的透射圖。去霧算法的本質(zhì)就是在已知原始有霧圖像I(x)的情況下，通過A和t(x)的求解，獲得無霧圖像J(x)。

在實(shí)際求解過程中，考慮到該方程屬于病態(tài)方程，必須對(duì)已有條件進(jìn)行優(yōu)化。He在對(duì)大量室外圖像的統(tǒng)計(jì)規(guī)律研究基礎(chǔ)上，提出室外圖像中86%以上無霧圖像中像素點(diǎn)有一個(gè)或多個(gè)基色通道數(shù)據(jù)值很低。通過無霧圖像暗原色像素點(diǎn)基色分量和有霧圖像相應(yīng)像素點(diǎn)基色分量的差值，可以近似估算霧的厚度，推算出景深信息。暗原色統(tǒng)計(jì)值的計(jì)算可以通過式(2)獲得

(2)

式中：Jdark為暗通道的數(shù)值；Jc為R、G、B三基色通道中的一個(gè)通道數(shù)值；Ω為像素x為中心的一個(gè)區(qū)域；c為該區(qū)域的一個(gè)顏色通道。根據(jù)暗通道先驗(yàn)統(tǒng)計(jì)規(guī)律，大部分圖像中各個(gè)局域的像素暗通道值Jdark一般小于16。為了便于后續(xù)計(jì)算，可以將這些區(qū)域的Jdark近似看為0。這樣，就可以得到在區(qū)域Ω范圍內(nèi)透射率的近似值，見式(3)

(3)

式中：t%為區(qū)域內(nèi)部的透射率值；Ac為區(qū)域內(nèi)該暗通道的大氣光值，取值為暗通道圖中按亮度大小排序前0.1%像素對(duì)應(yīng)的最高亮度值；ω∈[0,1]為景深系數(shù)，使用ω系數(shù)主要解決了圖像處理中景深信息不足的問題。由于暗通道本身的亮度主要由大氣光來提供，因此圖像的透射率可以近似看作是常數(shù)0。

實(shí)際計(jì)算過程中，先根據(jù)需要將整幅圖像劃分成N×N個(gè)像素構(gòu)成的區(qū)域Ω，并在每個(gè)區(qū)域內(nèi)求得初始透射值t%和Ac。在此基礎(chǔ)上可以求得近似無霧圖像J(x)，見式(4)

(4)

式中：引入t0∈[0.1,0.01]作為限制因子，以保證式(4)的分母不為0，避免了去霧計(jì)算產(chǎn)生噪聲。

He提出的上述算法具有較好的去霧效果，但公式是基于統(tǒng)計(jì)規(guī)律模型，在一些特殊場(chǎng)景下有一定局限性。例如，場(chǎng)景為大面積白色高亮區(qū)域時(shí)，該算法在計(jì)算時(shí)會(huì)出現(xiàn)一定的偏差，導(dǎo)致圖像失真，見圖1。圖1a和圖1b為原始有霧的圖像，圖1c和圖1d為去霧后的圖像，圖1e和圖1f為原圖像去霧時(shí)使用的透視圖。從圖中可以看到圖1a沒有大面積高亮顯示區(qū)域，因此其圖像在處理后能夠基本保持原有圖像的顏色信息，沒有發(fā)生較大面積失真現(xiàn)象。圖1b中存在大面積白色高亮的天空?qǐng)D像，完成去霧處理后，天空部分出現(xiàn)明顯的顏色失真，原本白色的天空變成了彩色，而且原來過渡平滑的區(qū)域顯示出了斑塊現(xiàn)象。究其原因，主要是在透視圖計(jì)算時(shí)，白色高亮部分和大氣光像素的亮度值較為接近，因此該區(qū)域透射率過小，計(jì)算去霧圖像的像素的三基色通道強(qiáng)度值和真實(shí)值之間存在較大偏差，見圖1f中黑色的部分，這種偏差就會(huì)導(dǎo)致圖像出現(xiàn)失真。而對(duì)于圖1a的透射圖1e，其圖像的各個(gè)區(qū)域亮度和大氣光值有一定差距，沒有大面積黑色區(qū)域，因此不會(huì)出現(xiàn)失真現(xiàn)象。

因此，現(xiàn)有暗通道先驗(yàn)算法具有較好的去霧效果，能夠?qū)⒋蟛糠钟徐F圖像中的云霧去除比較干凈，還原圖像本來的色彩和灰度，然而針對(duì)天空等大面積白色高亮區(qū)域的去霧過程中，該算法的運(yùn)算結(jié)果會(huì)導(dǎo)致圖像出現(xiàn)失真現(xiàn)象。為了解決這一問題，需要對(duì)現(xiàn)有的暗通道先驗(yàn)算法進(jìn)行改進(jìn)。

1.2基于自適應(yīng)閾值的暗通道先驗(yàn)算法

暗通道先驗(yàn)算法假定有霧降質(zhì)圖像的像素具有暗通道特征，而大面積白色高亮區(qū)域像素不符合該假設(shè)，沒有數(shù)值幾乎為0的暗通道像素。這導(dǎo)致在解式(1)病態(tài)方程時(shí)，優(yōu)化假設(shè)的t%和Ac與實(shí)際值之間存在較大誤差。這種誤差就導(dǎo)致場(chǎng)景處理后的圖像出現(xiàn)了失真現(xiàn)象。

為了避免這種霧化圖像中大面積白色高亮區(qū)域去霧時(shí)出現(xiàn)失真，本文引入了基于自適應(yīng)閾值的改進(jìn)暗通道先驗(yàn)圖像增強(qiáng)算法。

算法首先將圖像從RGB彩色圖像轉(zhuǎn)為灰度圖像，統(tǒng)計(jì)出有霧圖像的灰度直方圖和灰度均值L。再利用灰度直方圖的直觀性，從灰度最大值向灰度最小值方向?qū)ふ抑狈綀D數(shù)值變化的谷點(diǎn)。谷點(diǎn)選出后，和平均灰度值L進(jìn)行比較，將大于平均灰度值L的第一谷點(diǎn)為直方圖的閾值點(diǎn)A。在此計(jì)算過程中，為了減少虛假閾值點(diǎn)對(duì)自適應(yīng)閾值點(diǎn)選擇的影響，還需要對(duì)直方圖進(jìn)行平滑處理，提高算法的準(zhǔn)確性和魯棒性。

為了進(jìn)一步確定高亮圖像的顏色，當(dāng)閾值點(diǎn)確定后，還要對(duì)原有霧彩色圖像閾值點(diǎn)右側(cè)區(qū)域內(nèi)圖像高亮度區(qū)域進(jìn)行R/G/B三基色通道的強(qiáng)度值進(jìn)行判斷，當(dāng)三基色相互之間強(qiáng)度值差小于ΔL時(shí)，認(rèn)為三基色反映出來的是高亮度白色信號(hào)。本文中使用的ΔL為大量圖像的統(tǒng)計(jì)經(jīng)驗(yàn)值。后續(xù)實(shí)驗(yàn)中，ΔL取值為24。

在判斷出白色高亮的情況下，針對(duì)灰度值高于閾值點(diǎn)A的像素進(jìn)行所在區(qū)域判別。判斷時(shí)，將整幅圖像按15×15像素進(jìn)行區(qū)域分割，統(tǒng)計(jì)每個(gè)區(qū)域內(nèi)像素灰度均值，當(dāng)灰度均值均高于閾值點(diǎn)A時(shí)認(rèn)為該區(qū)域?yàn)榘咨髁羺^(qū)域，并進(jìn)行標(biāo)識(shí)。

最后，計(jì)算已經(jīng)標(biāo)識(shí)區(qū)域的像素?cái)?shù)S1和整幅圖像的像素?cái)?shù)S，根據(jù)S1和S的比值計(jì)算修正系數(shù)β。在對(duì)整幅圖像計(jì)算透射率過程中，對(duì)標(biāo)識(shí)的圖像通過β系數(shù)進(jìn)行修正，并對(duì)最終結(jié)果進(jìn)行對(duì)比度增強(qiáng)處理。經(jīng)過上述處理后，用于計(jì)算透射圖就可以避免出現(xiàn)較大的誤差。

圖2為圖1a和圖1b彩色有霧圖像的灰度進(jìn)行直方圖統(tǒng)計(jì)的結(jié)果。從圖2可以看到，有霧圖像圖1a的直方圖沒有一個(gè)明顯大于圖像平均灰度值的變化谷點(diǎn)，而圖1b則存在一個(gè)明顯大于圖像平均灰度值的谷點(diǎn)。

通過有霧圖像的灰度圖3a分析可以看出，當(dāng)圖像中不存在大面積白色高亮圖像時(shí)，算法無法自動(dòng)選擇到合適的閾值。此時(shí)，認(rèn)為這部分區(qū)域和其他景物不能完全區(qū)分開來，β系數(shù)近似為1。從圖中可以看到這種分割準(zhǔn)確度較高，不會(huì)在沒有大面積白色高亮區(qū)域時(shí)誤提取提到白色高亮圖像的區(qū)域。

當(dāng)圖像中存在大面積白色高亮圖像時(shí)，該算法則可以直接根據(jù)圖像的直方圖自動(dòng)選擇閾值，并準(zhǔn)確區(qū)分出白色高亮區(qū)域和其他景物，如圖3b所示。在該圖中，兩旁樹木中間的白色高亮天空部分被準(zhǔn)確的識(shí)別出來。

根據(jù)圖3b的標(biāo)識(shí)結(jié)果，該圖像的閾值點(diǎn)A為灰度級(jí)193，其右側(cè)像素和總像素的比為19.67%，而經(jīng)過標(biāo)識(shí)為白色高亮區(qū)域的像素點(diǎn)和總像素的比為23.38%，在此基礎(chǔ)上，算得該圖的修正系數(shù)β值為4.28。

將修正系數(shù)β引入到暗通道先驗(yàn)算法中，對(duì)圖1d進(jìn)行修正，所得結(jié)果為圖4c。對(duì)比暗通道先驗(yàn)算法結(jié)果見圖4a，本文所述改進(jìn)算法結(jié)果見圖4c，可以看出：暗通道先驗(yàn)算法和改進(jìn)算法，在整幅圖像的顯示效果較為一致，樹木和街道的細(xì)節(jié)部分也較原始圖像有了明顯改善。

但兩種算法得到的圖像結(jié)果的天空部分具有較為明顯的差別。從處理后天空局部放大圖可以看到，原算法圖像天空部分顏色邊緣出現(xiàn)了黃色和紫色的斑塊，這種斑塊已經(jīng)完全偏離了圖像應(yīng)該呈現(xiàn)的顏色，見圖4b。

在經(jīng)過改進(jìn)算法處理的天空局部放大圖中，這種顏色變化就得到了明顯改善，僅在近景邊緣部分還有一些不明顯的顏色失真，而整個(gè)天空顯示的顏色較為正常，見圖4d。

2 實(shí)驗(yàn)結(jié)果及討論

為了進(jìn)一步驗(yàn)證算法效果，特選擇一幅常用的有霧圖像進(jìn)行對(duì)比實(shí)驗(yàn)。圖5a為原始有霧降質(zhì)圖像。針對(duì)此圖像，采用自適應(yīng)閾值算法可以很好的將圖像上半部的白色高亮天空?qǐng)D像和下半部的山景區(qū)分出來，見圖5b。對(duì)比原有算法去霧結(jié)果(圖5c)和改進(jìn)算法的去霧結(jié)果(圖5d)，可以看出，本文提出的算法可以較好地辨識(shí)出大面積白色高亮圖像，并能夠較好地矯正大面積白色高亮圖像的顏色失真，實(shí)現(xiàn)畫質(zhì)提升。

改進(jìn)暗通道先驗(yàn)圖像增強(qiáng)技術(shù)能夠較好改善圖像質(zhì)量，增加圖像細(xì)節(jié)和層次性，保證了圖像色彩的真實(shí)性。針對(duì)本文中使用的3幅圖像進(jìn)行去霧前后圖像的信息熵、MSE和PSNR等圖像畫質(zhì)客觀評(píng)價(jià)參數(shù)進(jìn)行計(jì)算，結(jié)果如表1所示。

表1兩種算法信息熵、PSNR和MSE結(jié)果

實(shí)驗(yàn)結(jié)果表明：改進(jìn)圖像增強(qiáng)算法的信息熵高于原算法，表明改進(jìn)算法的在對(duì)圖像增強(qiáng)的同時(shí)，信息量和圖像細(xì)節(jié)要高于原算法。此外，改進(jìn)算法的PSNR高于原算法，MSE低于原算法，表明改進(jìn)算法的失真明顯小于原算法，改進(jìn)算法在客觀上確實(shí)可以使圖像的細(xì)節(jié)增加，層次增強(qiáng)，明顯改善顯示效果。因此，本文的算法優(yōu)于原算法。

在此基礎(chǔ)上，將本文所述改進(jìn)算法與暗通道先驗(yàn)、多尺度Retinex、自適應(yīng)對(duì)比度增強(qiáng)、自適應(yīng)直方圖均衡化等算法的結(jié)果進(jìn)行比較，見圖6?？梢钥闯觯渌椒ㄔ趯?shí)現(xiàn)過程中會(huì)出現(xiàn)植物的綠色和天空的白色等局部圖像顏色失真，圖像的細(xì)節(jié)有所缺失，圖像噪聲也得到了放大，使得處理后的圖像與真實(shí)圖像之間存在較大的差異。本文方法的圖像在大面積白色高亮區(qū)域沒有色彩和灰度失真，在細(xì)節(jié)處理上不會(huì)因?yàn)檫^度增強(qiáng)引起畫質(zhì)降低，圖像細(xì)節(jié)完整，天空色彩更接近真實(shí)的原始圖像。

3結(jié)論

針對(duì)已有暗通道先驗(yàn)算法在對(duì)大面積白色高亮度圖像處理過程中引起的圖像失真的現(xiàn)象，采用了基于自適應(yīng)閾值改進(jìn)的暗通道先驗(yàn)算法對(duì)圖像去霧方法進(jìn)行了優(yōu)化。該方法在暗通道先驗(yàn)算法的基礎(chǔ)上，通過對(duì)圖像直方圖的統(tǒng)計(jì)和自適應(yīng)的閾值計(jì)算，能夠根據(jù)圖像具體情況在原始圖像中標(biāo)識(shí)出大面積白色高亮區(qū)域形貌，并設(shè)置修正系數(shù)消除了大面積白色高亮區(qū)域處理過程中的圖像失真問題，計(jì)算出精準(zhǔn)的增強(qiáng)圖像。

實(shí)驗(yàn)結(jié)果表明，新算法具有更高的圖像細(xì)節(jié)和層次感，同時(shí)減少了圖像的失真，具有較高的理論和實(shí)用價(jià)值。

參考文獻(xiàn)：

[1]李利榮，汪蒙. 一種高效的圖像增強(qiáng)去霧算法[J]. 湖北工業(yè)大學(xué)學(xué)報(bào)，2013，28(5)：72-75.

[2]林笑君，梁鳳梅. 基于Retinex的一種圖像去霧算法[J]. 電視技術(shù)，2013，37(17)：155-158.

[3]康艷梅，陳名松，何志毅. 基于LED輔助照明的水下圖像增強(qiáng)算法研究[J]. 電視技術(shù)， 2013,37(15)：211-214.

[4]王小鵬， 陳璐， 魏沖沖，等. 一種改進(jìn)的Retinex彩色圖像增強(qiáng)方法[J]. 蘭州交通大學(xué)學(xué)報(bào)， 2015， 34(1)： 259-270.

[5]HEK，SUNJ，TANGXO.Singleimagehazeremovalusingdarkchannelprior[C]//Proc.IEEECVPR09.Washington：IEEEComputerSociety， 2009： 1956-1963.

[6]吳笑天， 丁興號(hào)， 吳奎. 基于暗通道理論的霧天圖像復(fù)原的快速算法[J]. 長(zhǎng)春理工大學(xué)學(xué)報(bào)(自然科學(xué)版)，2012，35(1)：100-104.

[7]嵇曉強(qiáng)， 戴明， 孫麗娜，等. 暗原色先驗(yàn)圖像去霧算法研究[J]. 光電子·激光，2011，22(6)：926-930.

[8]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)：7-12.

Improvedmethodofimagedehazingusingdarkchannelpriorbasedonadaptivethreshold

ZHAOJing

(School of Mathematics and Computer Science， Ningxia University， Yinchuan 750021，China)

Keyword：digitalimage；darkchannelprior；imagedehazing

Abstract：Inordertoresolvethedistortionoflargegrayareaenhancementthroughdarkchannelprioralgorithms，animprovedmethodbasedonadaptivehistogramthresholdpriorialgorithmisproposed.Atfirst，thelargegrayareabyimagehistogramisdetectedandmarked.Secondly，themarkedareaiscalculatedtoobtainadaptivecoefficientsβ.Finally，thepictureisfixesbythedarkchannelprioralgorithmwithβ.Theresultsshowthatthedehazingimageswiththeproposedmethodinthispaperhavebettersharpness，colorrestoredegrees.theimagedetailisenhancedandthequalityisimproved.

中圖分類號(hào)：TP911.73

文獻(xiàn)標(biāo)志碼：A

DOI：10.16280/j.videoe.2016.01.008

基金項(xiàng)目：寧夏高等學(xué)?？茖W(xué)技術(shù)研究項(xiàng)目(NGY2014052)

作者簡(jiǎn)介：

趙靜(1977— )，女，碩士，副教授，主研數(shù)字圖像處理及圖像識(shí)別技術(shù)。

責(zé)任編輯：時(shí)雯

收稿日期：2015-07-10

文獻(xiàn)引用格式：趙靜. 基于自適應(yīng)閾值改進(jìn)暗通道先驗(yàn)圖像增強(qiáng)技術(shù)[J].電視技術(shù)，2016，40(1)：42-46.

ZHAOJ.Improvedmethodofimagedehazingusingdarkchannelpriorbasedonadaptivethreshold[J].Videoengineering，2016，40(1)：42-46.