黃品高，葉　懋，張子方，唐　寧，趙　鵬，周　萍

(1.桂林電子科技大學(xué)，廣西 桂林 541004；2.天津市聯(lián)大通訊發(fā)展有限公司，天津 300000)

?

一種暗通道先驗(yàn)去霧后圖像參數(shù)的調(diào)節(jié)方法

黃品高1，葉懋1，張子方2，唐寧1，趙鵬1，周萍1

(1.桂林電子科技大學(xué)，廣西 桂林 541004；2.天津市聯(lián)大通訊發(fā)展有限公司，天津 300000)

針對(duì)在暗通道先驗(yàn)去霧方法中圖像亮度隨著去霧深度加深而降低的情況，分析了導(dǎo)致圖像亮度降低的原因，并結(jié)合戶外自動(dòng)白平衡的有霧圖像，提出了一種采用圖像能量回補(bǔ)來調(diào)節(jié)圖像參數(shù)的方法，以此來提高圖像亮度和對(duì)比度。實(shí)驗(yàn)結(jié)果表明，通過對(duì)去霧后圖像損失的能量進(jìn)行回補(bǔ)，對(duì)于不同的去霧深度，圖像的亮度和對(duì)比度都能得到較好的調(diào)節(jié)。

去霧；暗通道先驗(yàn)；圖像能量回補(bǔ)；對(duì)比度

在許多戶外場所(如港口、公路)，采集的圖像和視頻經(jīng)常受到霧霾天氣的影響，從而導(dǎo)致圖像質(zhì)量下降，具體表現(xiàn)為：拍攝到的圖像對(duì)比度低、景物不清晰，無法準(zhǔn)確地反映真實(shí)場景信息。因此，圖像除霧具有重要意義[1]。近年來，隨著計(jì)算機(jī)的發(fā)展和圖像采集系統(tǒng)的普及，國內(nèi)外許多學(xué)者在圖像和視頻除霧方面做了大量工作。圖像除霧有以下3種處理方法：

1)已知圖像的一些相關(guān)附加信息，如場景深度信息或地理信息、或者非可見光譜的信息等[2]。

2)多幅圖像除霧。該方法必須知道同一場景不同天氣情況下的圖像，以便估計(jì)對(duì)比得到場景相關(guān)的附加信息，如場景深度[3]。

3)單幅圖像除霧，即只有單幅圖像[4]，不知道任何附加信息。這種方式除霧是當(dāng)前的主要研究方向。

本文主要研究的是基于單幅圖像的視頻除霧方法[5]。對(duì)于未知場景深度的圖像，主要有基于大氣光傳播模型和基于對(duì)比度優(yōu)化處理兩類方法：一類是基于對(duì)比度處理，通過調(diào)整圖像的對(duì)比度，使圖像細(xì)節(jié)得到增強(qiáng)，從而達(dá)到除霧的目的；另一類是基于大氣光傳播模型，估計(jì)出圖像大氣光傳播參數(shù)和場景深度信息，然后恢復(fù)無霧時(shí)的圖像。HE等人提出了基于暗通道先驗(yàn)的除霧方法[2，6]。該方法是基于大量統(tǒng)計(jì)后的一種經(jīng)驗(yàn)知識(shí)：戶外無霧彩色圖像中，總有一個(gè)顏色通道值很低，這個(gè)通道被稱為暗通道。而有霧圖像中，由于霧的存在，這個(gè)暗通道的值比較高，由此可以估計(jì)霧的濃度和大氣傳播參數(shù)，進(jìn)而算出場景深度，從而恢復(fù)出無霧圖像。HE隨后對(duì)算法進(jìn)行了改進(jìn)，減小了計(jì)算量并提高了精度，使該方法比較接近實(shí)用階段。而文獻(xiàn)[7]和文獻(xiàn)[8]又對(duì)算法進(jìn)行了改進(jìn)。但仍然有兩個(gè)缺陷：一是除霧深度參數(shù)變化范圍大，二是除霧后，圖像亮度會(huì)降低。本文針對(duì)這兩個(gè)問題進(jìn)行了研究，通過改進(jìn)透射率的計(jì)算方法，減少了除霧深度調(diào)整的級(jí)數(shù)；通過亮度回補(bǔ)，既保證了圖像的亮度，也減少了計(jì)算量。

1　基于暗通道先驗(yàn)的去霧方法

1.1McCartney大氣散射模型

暗通道先驗(yàn)除霧方法是基于大氣散射模型的一種方法[9]。1977年，McCartney提出了著名的大氣散射模型，大氣散射模型主要由入射光衰減模型和大氣光成像模型兩部分組成。入射光衰減模型描述光從場景點(diǎn)傳播到觀測點(diǎn)之間的衰減過程，而大氣光模型描述周圍環(huán)境中各種光經(jīng)過大氣粒子散射后，對(duì)觀測點(diǎn)所觀測到的光強(qiáng)影響，大氣散射模型可描述為

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

(1)

式中：I(x)為觀測到的有霧圖像；J(x)為待求的無霧圖像；A為全局大氣光強(qiáng)度；x為二維圖像矩陣；t(x)為場景的透射率。J(x)t(x)為入射光衰減模型，隨著景深的增加而隨指數(shù)形式衰減；A[1-t(x)]為大氣光成像模型，霧氣濃度隨景深的增加而隨指數(shù)形式增加。

t(x)可用以下公式描述

t(x)=e-λd(x)

(2)

式中：λ為大氣散射系數(shù)；d(x)為場景深度。

從式(1)中可以看出，要得到無霧圖像J(x)，需要求出全局大氣光A和透射率t(x)。

1.2暗通道先驗(yàn)除霧

He等人收集了大量的戶外無霧圖像，通過觀察和實(shí)驗(yàn)來研究和統(tǒng)計(jì)無霧圖像的共同特點(diǎn)，提出暗原色先驗(yàn)理論。通過對(duì)原有霧圖像的處理，可以得到天氣晴朗下拍攝的無霧清晰圖像，所以去霧后的圖像應(yīng)滿足對(duì)晴天圖像或無霧圖像的統(tǒng)計(jì)規(guī)律。該規(guī)律表明：絕大多數(shù)晴天圖像的局部區(qū)域都會(huì)有一個(gè)顏色通道很低的像素值。根據(jù)HE的方法，對(duì)于一副圖像，將RGB各顏色通道值最低組成一個(gè)單獨(dú)的顏色通道，稱為暗通道，其暗原色圖像各像素點(diǎn)值表述如下

Jdark(x)=min(min(J(x))

(3)

根據(jù)He的研究，對(duì)于戶外無霧圖像，其RGB三顏色通道中至少有一個(gè)通道的值很低，即

Jdark(x)=min(min(J(x)))→0

(4)

對(duì)式(1)兩邊求取暗通道值，得到

Idark(x)=Jdark(x)t(x)+A[1-t(x)]

(5)

由于Jdark(x)→0，因此

(6)

全局大氣光A是通過選取圖像中亮度最高的像素的0.1%求均值得到的。這樣就得到了圖像的透射率。

為了保持圖像的立體感，并不需要去除所有的霧，使用一個(gè)去霧深度參數(shù)w可以實(shí)現(xiàn)，如下式

(7)

如果徹底地移除霧的存在，圖像效果不真實(shí)，并且圖像上的遠(yuǎn)景和近景之間視覺上的距離感會(huì)消失。所以引入去霧深度參數(shù)w(0

1.3圖像亮度降低原因

將式(7)帶入式(1)，得

(8)

等號(hào)右邊第二項(xiàng)就是霧。由于A的取值為像素中亮度最高部分的0.1%的均值[6]，對(duì)于J(x)的絕大部分像素值(99.9%以上)，可近似認(rèn)為J(x)≤A，因此

(9)

對(duì)式(8)兩邊取數(shù)學(xué)期望，得

(10)

可見，去霧后的圖像平均亮度要低于原圖像。

2　基于能量回補(bǔ)改進(jìn)的暗通道先驗(yàn)圖像去霧方法

2.1能量回補(bǔ)原理

對(duì)于一幅二維圖像F(x)，其平均能量可定義為

(11)

式中：經(jīng)過暗通道除霧后，由于去掉了霧，損失了圖像能量，因此整體畫面亮度會(huì)偏低。通常的解決方法是采用亮度自動(dòng)調(diào)整。亮度自動(dòng)調(diào)整運(yùn)算量比較大，不利于除霧系統(tǒng)的實(shí)時(shí)性。對(duì)于目前設(shè)備所獲取的圖像，一般均經(jīng)過了白平衡等一系列處理，使得圖像亮度基本達(dá)到了最佳。如果將原始圖像損失的能量補(bǔ)充回來，經(jīng)過處理后的除霧圖像畫面就不至于太暗。設(shè)有霧圖像I(x)，去除霧后的圖像為J(x)，去除的霧為F(x)。F(x)可以用有霧圖像減去去霧后的圖像得到，即

F(x)=I(x)-J(x)

(12)

為了適應(yīng)對(duì)圖像的操作，將圖像能量可以從直流分量和交流分量兩部分進(jìn)行考慮[10]。對(duì)于有霧圖像I(x)，其直流分量可以用圖像的平均值來衡量，如式(13)：

(13)

交流分量可以用方差來進(jìn)行衡量，如式(14)

(14)

同理，可以求出無霧圖像J(x)、霧F(x)各自的直流分量和交流分量DJ，CJ，DF，CF。最終經(jīng)過能量回補(bǔ)的圖像J′(x)可以由下式得到

(15)

對(duì)應(yīng)到圖像參數(shù)中直流分量和交流分量實(shí)際表現(xiàn)為圖像的亮度和對(duì)比度。

從式(15)可以看出，式(15)并不是能量回補(bǔ)的精確表達(dá)式，它只能在一定程度反映能量補(bǔ)償情況，只能基本保證在同一場景不同去霧深度下圖像亮度近似不變。

因此，為了使圖像不至于過度補(bǔ)償，最終將式(15)

調(diào)整為

(16)

式中：a為亮度調(diào)整系數(shù)；b為對(duì)比度調(diào)整系數(shù)。

2.2能量回補(bǔ)實(shí)現(xiàn)步驟

1)根據(jù)有霧圖像I(x)，求出其暗通道值Idark(x)；

2)對(duì)暗通道值進(jìn)行濾波；

3)根據(jù)圖像求出全局大氣光A；

4)根據(jù)式(7)求出透射系數(shù)t(x)；

5)根據(jù)式(1)求出無霧圖像J(x)；

6)由有霧圖像減去去霧后圖像得到霧的圖像F(x)；

7)分別求出去霧圖像和霧的圖像的均值和均方差值；

8)按照式(16)對(duì)去霧后的圖像進(jìn)行能量回補(bǔ)。

2.3討論

1)對(duì)暗通道進(jìn)行濾波時(shí)，可以采用多種方法實(shí)現(xiàn)。若用于快速處理場合，使用小模板和中值濾波可以避免圖像中白邊和黑邊問題。

2)對(duì)于能量回補(bǔ)公式，若用于快速處理場合，可以將求均方差改為求絕對(duì)值。

3　實(shí)驗(yàn)結(jié)果

采用上述方法對(duì)幾種場景圖像進(jìn)行處理，結(jié)果如圖1～2所示。圖中是兩種場景下采用暗通道和本文改進(jìn)的算法后的結(jié)果。

圖1　文獻(xiàn)[2]所用圖像處理結(jié)果的對(duì)比圖

圖2　道路場景圖像處理結(jié)果的對(duì)比圖

圖1和圖2均采用了a=0.8，b=1.2的參數(shù)。表1是圖1、圖2能量計(jì)算結(jié)果。從圖中可以看出，經(jīng)過能量回補(bǔ)后圖像的亮度，可以近似穩(wěn)定并與原圖差別不大，受去霧深度影響較小。

表1圖1、圖2中各幅圖像的平均能量

方法原圖w=0.80w=0.89w=0.98圖1暗通道1.6020×1046.1663×1034.8950×1033.7423×103本文方法1.6020×1041.4304×1041.4135×1041.4452×104圖2暗通道1.2644×1042.8700×1031.7773×103990.7261本文方法1.2644×1041.1631×1041.1343×1041.0377×104

前文已經(jīng)提出，本文所述方法適合于對(duì)圖像作二次處理。這主要是基于有霧圖像的基本參數(shù)即亮度、對(duì)比度前期已經(jīng)處理過，達(dá)到了一種優(yōu)化狀態(tài)。如果此條件不滿足，則達(dá)不到滿意效果。圖3是圖像參數(shù)未經(jīng)自動(dòng)優(yōu)化的處理結(jié)果，圖4是圖3中原圖經(jīng)過對(duì)比度和亮度調(diào)整后的處理結(jié)果。表2是兩幅圖的平均能量計(jì)算結(jié)果。從圖和表中可以看出：

1)經(jīng)過參數(shù)優(yōu)化的圖像處理后能量要穩(wěn)定一些；

2)本文算法在天空、云附近區(qū)域仍有過增強(qiáng)的問題，比原算法更嚴(yán)重。

圖3　圖像參數(shù)未經(jīng)自動(dòng)優(yōu)化的處理結(jié)果

圖4　圖像參數(shù)經(jīng)自動(dòng)優(yōu)化后的處理結(jié)果

對(duì)比項(xiàng)原圖w=0.80w=0.89w=0.98圖3未調(diào)整1.6020×1041.3967×1041.2258×1049.5989×103圖4調(diào)整后1.8771×1041.5967×1041.5539×1041.6739×104

4　小結(jié)

為了對(duì)霧天退化圖像進(jìn)行去霧處理，本文提出了一種采用圖像能量回補(bǔ)來調(diào)節(jié)圖像參數(shù)的方法。在理論分析暗通道先驗(yàn)去霧算法的基礎(chǔ)之上，對(duì)其進(jìn)行改進(jìn)，從而有效恢復(fù)圖像信息?；谀芰炕匮a(bǔ)的改進(jìn)暗通道先驗(yàn)圖像去霧方法，計(jì)算去霧圖像和霧的圖像的均值和均方差值，來調(diào)整圖像的亮度和對(duì)比度。實(shí)驗(yàn)分析表明，改進(jìn)算法可以有效提高并穩(wěn)定去霧后圖像的亮度和對(duì)比度，基本不受去霧深度的影響。但該算法有其應(yīng)用局限，適合于做圖像的二次處理，對(duì)未經(jīng)優(yōu)化的圖像調(diào)整效果不明顯，并且在天空、云等區(qū)域附近過增強(qiáng)明顯，這也是下一步需要研究的問題。目前，該改進(jìn)算法可以應(yīng)用于視頻監(jiān)控、智能交通等戶外系統(tǒng)，具有廣泛的實(shí)際應(yīng)用效果。

[1]ZHU Y B，LIU J M，HAO Y G. An single image dehazing algorithm using sky detection and segmentation[C]//Proc. 2014 7th International Congress on Image and Signal Processing. Dalian： IEEE Computer Society，2014：248-252.

[2]HE K， SUN J， TANG X. Single image haze removal using dark channel prior[J]. IEEE transactions on pattern analysis and machine intelligence，2011，33(12)：2341-2353.

[3]LV X，CHEN W，SHEN I. Real-time dehazing for image and video[C]//Proc. Conference on Computer Graphics & Applications. Hangzhou：IEEE Computer Society，2010：62-69.

[4]HU C M， TANG P. Rapid dehazing algorithm based on large-scale median filtering for high-resolution visible near-infrared remote sensing images[J]. International journal of wavelets multiresolution & information processing，2014，12(5)：494-496.

[5]FANG S， YANG J， ZHAN J， et al. Image quality assessment on image haze removal[C]//Proc.Control and Decision Conference (CCDC). Mianyang： IEEE Computer Society，2011：610-614.

[6]HE K， SUN J， TANG X. Guided image filtering[J]. IEEE transactions on pattern analysis & machine intelligence，2013，35(6)：1397-1409.

[7]孫小明，孫俊喜，趙立榮，等. 暗原色先驗(yàn)單幅圖像去霧改進(jìn)算法[J]. 中國圖象圖形學(xué)報(bào)，2014，19(3)： 381-385.

[8]石磊， 蓋志剛.基于暗原色先驗(yàn)與反圖像的圖像去霧算法[J]. 電視技術(shù)，2015，39(23)：19-21.

[9]杜宏博，王麗會(huì).基于改進(jìn)暗原色先驗(yàn)?zāi)Ｐ偷目焖賵D像去霧方法[J].計(jì)算機(jī)工程與應(yīng)用，2016(1)：178-184.

[10]吳桂平，肖鵬峰，馮學(xué)智，等.一種基于頻譜段能量的高分辨率遙感圖像邊緣特征檢測方法[J]. 測繪學(xué)報(bào)， 2011(5)：587-591.

黃品高(1978— )，碩士生，主要研究方向?yàn)樾盘?hào)與信息處理；

葉懋(1979— )，碩士生，主要研究方向?yàn)殡娐放c系統(tǒng)；

趙鵬(1991— )，碩士生，主要研究方向?yàn)樾盘?hào)與信息處理。

責(zé)任編輯：閆雯雯

Method for adjusting the parameters of image dehazed by method of dark channel prior

HUANG Pingao1， YE Mao1，ZHANG Zifang2，TANG Ning1，ZHAO Peng1，ZHOU Ping1

(1.GuilinUniversityofElectronicTechnology，GuangxiGuiLin541004，China;2.TianjinGeneralAssemblyCommunicationDevelopmentCo.，Ltd.，Tianjin300000，China)

When a hazed image is dehazed by method of dark channel prior，its brightness will decrease with the depth of fog removed. In view of that， the reason of the problem is analyzed in this paper，and a method is proposed to adjust the parameters of the image by compensating the lost energy of the image. The results of experiment show that the energy loss of the image can be complemented and the brightness and contrast of the image can be adjusted well for different depth of fog removed.

dehazing；dark channel prior；image energy complement；contrast

TP391.41

ADOI：10.16280/j.videoe.2016.07.026

國家自然科學(xué)基金項(xiàng)目(61363005)

2016-03-23

文獻(xiàn)引用格式：黃品高，葉懋，張子方，等. 一種暗通道先驗(yàn)去霧后圖像參數(shù)的調(diào)節(jié)方法[J].電視技術(shù)，2016，40(7)：118-122.

HUANG P G,YE M, ZHANG Z F，et al. Method for adjusting the parameters of image dehazed by method of dark channel prior[J]. Video engineering，2016，40(7)：118-122.