吳　斌，付　輝，張紅英

(西南科技大學 信息工程學院，四川 綿陽 621000)

?

大氣光冪霧圖像的清晰度復原

吳斌，付輝*，張紅英

(西南科技大學 信息工程學院，四川 綿陽 621000)

針對現(xiàn)有圖像去霧方法處理效率低，天空部分處理效果欠佳以及去霧圖像視覺效果不理想等問題，提出了一種快速大氣光冪去霧算法。提出的算法是對全球環(huán)境光值和大氣光冪值求取方法的改進。首先，采用高斯低通濾波求取霧氣圖像低頻區(qū)，應用循環(huán)四分圖算法在低頻區(qū)得到全球環(huán)境光值A；其次，采用暗原色優(yōu)先算法獲取初始大氣光冪值，結合自適應各向異性高斯濾波處理大氣光冪；最后，采用色調調整增強圖像細節(jié)，使圖像逼近于無霧場景。實驗結果表明，本文算法能消減圖像景深突變處的暈輪效應，亮度、對比度和細節(jié)信息處理效果較好，不僅較完整地保留了邊緣細節(jié)， 而且顯著提升了處理效率，同時具有較高的魯棒性和實時性。

大氣光冪霧圖像； 圖像復原；低通濾波；循環(huán)四分圖；色調調整；暈輪效應

*Correspondingauthor,E-mail:1285110730@qq.com

1　引　言

當光路在大氣傳輸過程中與空氣中的膠體狀懸浮顆粒相遇時，會產(chǎn)生散射和衰減等現(xiàn)象，導致圖像降質。Narasimhan[1]以雨、雪、薄霧和濃霧中懸浮粒子所占的比例和大小為依據(jù)，分析了幾種情況下的不同散射效應，從而得到各個程度的戶外降質圖像。這些視覺保真度和對比度失真的圖像，對依賴于戶外圖像進行運轉的系統(tǒng)產(chǎn)生一定程度的負面效應，譬如監(jiān)控系統(tǒng)、檢測系統(tǒng)及與大眾交通安全息息相關的行車監(jiān)控系統(tǒng)等。因此，需要先采用去霧清晰化算法進行預處理，以加強圖像的色度和紋理信息，提高其魯棒性，以便進一步進行圖像分割、圖像識別、圖像跟蹤等處理。

從增強和復原兩種角度參考慮，去霧算法可以劃分為兩類。具有顯著性優(yōu)勢的去霧增強類算法是Retinex[2]類算法。具有迭代思路的Retinex算法是國外科研者Meccan[3]于1983年提出的，該算法的處理效率較高。Jobson[4]于1997年提出了單尺度和多尺度類型的環(huán)繞中心的Retinex方法，該方法更適宜處理霧氣分布較為平均的降質圖像。趙宏宇[5]提出了基于馬爾科夫隨機場模型的Retinex增強算法，其采用線性代數(shù)的表述方式優(yōu)化各個像素點，從而提升了算法的處理效率而且節(jié)約了處理時間。周妍[6]采用直方圖匹配方法對降質圖像加以增強，該算法簡單，但景深突變處易出現(xiàn)細節(jié)信息的丟失。應用較廣泛的復原類去霧算法為He[7]方法，該方法通過對大量霧天圖像RGB三通道進行統(tǒng)計，得到了暗原色先驗理論，結合大氣光線物理模型還原清晰化圖像。該方法雖能將一幅彩圖中的大量霧氣去除，并還原出較為清晰的人眼視覺效果，但存在一定的局限性，體現(xiàn)在對景物色彩變化不明顯、陰影部分面積小的圖像處理效果不佳，而且算法效率低。劉言[8]在He[7]方法的基礎上對色度空間實現(xiàn)半逆轉換，以提高算法的處理速度和魯棒性。Tarel[9]提出了一種需設定參數(shù)的獲取大氣光冪還原灰度或彩色圖像的方法，但該方法采用的是中值濾波，易在深度突變處引起暈輪效應，不能保留完整的邊緣細節(jié)。

本文首先采用各向異性濾波處理大氣光冪，然后用色調調整。對全球環(huán)境光A先采用高通濾波濾取,進而采用循環(huán)四分圖算法精細化處理。

2　大氣光學模型

結合機器視覺、圖像處理技術與霧氣光路成像的物理模型，可將大氣光學模型[1]表示為式(1):

D(x,y)=F(x,y)t(x，y)+A(1-t(x,y),

(1)

式中，D(x,y)表示霧氣圖像，F(xiàn)(x,y)表示原始清晰圖像，t(x,y)代表透射比率，A為圖像的全球環(huán)境光值。

圖1　大氣散射光學模型Fig.1　Atmospheric scattering optical model

假定大氣的氣體介質是固定的，則透射比率t(x,y)可進一步表示為式(2)，其中，d(x,y)表示取景點與成像設備之間的距離，即景深值。

t(x,y)=e-βd(x,y),

(2)

式(1)實質上是將圖像降質的因素分為兩部分，其一為：衰減部分F(x,y)t(x,y)，該部分的衰減源于景深的變化，其二為：散射部分H(x,y)=A(1-t(x,y))，該部分影響圖像的對比度，并會造成圖像模糊。

Tarel[9]給出了散射部分需滿足的兩個條件：其一、圖像中所有像素點的散射部分的取值均要大于零；其二、散射部分的取值均不能大于霧氣圖像RGB三通道的最小值。綜合式(1)和式(2)可得，大氣散射部分與全球環(huán)境光值和景深部分相關。此外Tarel[9]還發(fā)現(xiàn)大氣散射部分有大量邊緣，若對整幅圖像統(tǒng)一進行平滑操作，會使處理后的圖像出現(xiàn)“暈輪效應”，綜上，大氣散射部分具有以下3個特點：

(1) 大氣散射部分整體呈光滑狀，但景深突變處邊緣明顯。

(2) 散射部分的像素點值應大于零并小于RGB三通道的最小值；

(3) 散射部分僅依賴于大氣中的介質和景深。

3　全球環(huán)境光值A的估計

絕大多數(shù)的去霧算法選取整幅圖像最大像素點值的0.1%，作為圖像的全球大氣光值A，但這會使一些白色物體或鏡面反光物體被誤估在其中，因此獲取的A值誤差較大。He[7]對此加以改進，選取與霧氣濃度的暗通道最亮值的0.1%接近的值作為全球大氣光值A。但該方法也存在局限性：即光照變化是非線性的，但He[7]將其作為線性處理，處理后呈現(xiàn)“暈輪效應”。另外，選取塊的大小對全球環(huán)境光值的影響顯著，選取塊較大，圖像細節(jié)弱化；塊較小，則圖像的平滑效果差。因此He方法求得的全球大氣光值A也會產(chǎn)生較大的偏差。通過分析He方法的缺點，本文首先采用高斯低頻濾波[10]對霧氣圖像D(x,y)進行處理，由于全球環(huán)境光值A接近于圖像中霧氣最濃處的值，而圖像受霧氣影響的部分屬于低頻區(qū)，故本文通過濾波操作得到全球環(huán)境光值A的區(qū)間，進而對濾波之后的圖像采用循環(huán)四分圖[11]算法來確定全球大氣光值A。

3.1高斯低頻濾波定位A值區(qū)間

Retinex[5]建立的圖像的數(shù)學模型如式(3)。該式的第一部分為入射光r(x,y)，其代表全球大氣光的照度分量，該部分主要反應受到霧氣影響的部分，其包含大量低頻成分；另一部分為反射光i(x,y)，代表圖像中物體表面所反射的光照強度，該部分主要體現(xiàn)圖像的細節(jié)部分，并且屬于圖像的高頻區(qū)。

D(x,y)=i(x,y)·r(x,y).

(3)

圖像在霧氣條件下的降質原因有兩個，其一為擴大了照度的分量，使得圖像的整體效果呈現(xiàn)出灰白色，其二為削弱了反射的分量，使得圖像的細節(jié)邊緣區(qū)域被弱化，這兩種效果的相互作用導致圖像在霧氣條件下整體降質。本文采用的高斯低通濾波器[10]如式(4)所示，

H(u,v)=e-E2(u,v)/2σ2,

(4)

式(4)中，E(u,v)指(u,v)與頻率矩陣原點之間的距離，δ表述高斯函數(shù)擴散的程度，令δ=E0，E0為選取的介質頻率參數(shù)，可得式(5)為：

(5)

當截止頻率設定為E0時，則濾波器的最值由1變化為0.607。霧氣圖像為D(x,y)，其傅里葉變換為D(u,v)，頻域處理過程如式(6)所示：

D1(u,v)=H(u,v)D(u,v).

(6)

對式(6)進行傅里葉反變換得到高斯低通濾波處理后的圖像D1(x,y)。

D1(x,y)=F-1[H(u,v)D(u,v)].

(7)

該過程能用圖2表示。

圖2　高斯低頻濾波流程圖Fig.2　Flowchart of Gauss low-pass filter

3.2循環(huán)四分圖算法確定全球環(huán)境光值A

圖像D1(x,y)為經(jīng)高斯低頻濾波后所得的霧氣圖像的低頻部分，該部分為受到霧氣影響的部分。對于D1(x,y)進一步采用循環(huán)四分圖法[11]處理，可得到較為準確的A值。

循環(huán)四分圖法的具體實現(xiàn)過程為，首先把低頻部分圖像D1(x,y)平均劃分為4個部分，計算每一部分的像素平均值，對像素平均值最大的部分繼續(xù)劃分，重復上述步驟，直至最大部分所包含的像素點的個數(shù)小于給定的閾值，如圖3所示。將所得的像素平均值D2(x,y)作為全球環(huán)境光值A。

(a)初始圖像　(b)圖像低頻部分　(c)循環(huán)四分圖分割(a)Original image (b) 　Low frequency (c)　Segmentation area image圖3　高斯低頻濾波處理過程Fig.3　Processing of Gauss low-pass filter

4　各向異性高斯濾波處理大氣光冪

本文大氣光冪的優(yōu)化策略為：針對初始霧氣圖像求取其RGB三通道的最小值，獲取霧氣圖像的暗通道圖像Ddark(x,y)，進而采用各向異性高斯濾波處理大氣光冪H(x,y)。

4.1粗預測大氣光冪

本文根據(jù)He[7]方法中的暗通道理論，給出了散射部分的粗略估計方式。

(8)

式中給出了x周圍的小鄰域范圍對其RGB三通道求解最小值的操作。

暗通道理論可表述為：在清晰無霧的圖像中，整幅圖像像素點的RGB三通道最小值均趨于零，具體可用下式表述：

(9)

將式(9)代入式(8)，且H(x,y)=A(1-t(x,y))，則可得式(10)。

(10)

采用霧氣圖像的最小值實現(xiàn)大氣光冪的近似，從而實現(xiàn)了對H(x,y)的粗估測。但該過程是對霧氣圖像在小范圍內尋求最小值，造成預測結果有明顯的塊狀效應。粗預測大氣光冪結果如圖4所示。

(a)初始圖像1　　　 　　(b)(a)的初始大氣光冪 (a)Original image 1　(b)Initial atmosphere veil of (a)

(c)初始圖像1　　 　　　 (d)(c)的初始大氣光冪 (c)Original image 1 　 (d)Initial atmosphere veil of (c)圖4　初始大氣光冪Fig.4　Initial atmosphere veil

4.2初始大氣光冪的優(yōu)化思路

針對粗估計結果中大氣光冪角點處和邊緣處產(chǎn)生的不連續(xù)方塊效應，采用各向異性高斯濾波優(yōu)化初始大氣光冪。散射部分H(x,y)的最優(yōu)解能通過式(11)表述：

(11)

式(11)中，λ能夠表述解的平滑性質，φ是增函數(shù)，并且是存在跳變的凹函數(shù)。求解式(11)是為獲取H(x,y)的最優(yōu)解，但該過程占用大量的處理資源。H(x,y)的最優(yōu)解即為求取盡可能大的H(x,y)值，并且使H(x,y)盡量平滑。因而本文采用濾波法優(yōu)化初始大氣光冪。

4.3各向異性高斯濾波器

在霧氣圖像中，景深大的物體受霧霾的影響程度大，并且其RGB三通道的值近似等于全球環(huán)境光值A，H(x,y)值也較大；近景處物體受霧霾的影響程度小，物體顏色艷麗或者冷色系，H(x,y)值較小。因而遠近景之間會出現(xiàn)躍變，利用選取的濾波器進行處理能保證圖像平滑，而且可以在減小圖像梯度的同時避免產(chǎn)生塊狀效應。然而大多數(shù)濾波器對景深突變處的處理效果不好，本文選取的濾波器不僅要具有一般濾波器的平滑功能還要保留圖像的角點和邊緣。

可以保持圖像的邊緣和角點信息的濾波器主要有雙邊濾波和基于各向異性的擴散濾波器。雙邊濾波器需要進行加權和平均運算，算法占用處理資源多，處理效率不高。各向異性濾波具有較好的適應性和魯棒性，并能夠保存大量角點和邊緣。故本文最終選用各向異性高斯濾波器進行濾波。

常用的高斯濾波模板是以原點為中心，對x和y平面進行投影，下式中σ代表尺度，θ表示方向。其數(shù)學公式可以表示為：

(12)

對x、y取不同的比率，則能獲得各向異性高斯濾波器，其在坐標平面上的投影為一個橢圓，采用式(13)進行表達：

(13)

將橢圓部分沿著坐標軸變換θ角度，能夠將圖像從xy平面變換到uv面上，坐標轉換公式如下：

(14)

將式(14)代入式(13)實現(xiàn)θ角度變換，能得到濾波算子為：

(15)

圖5為自適應各向高斯濾波過程。

(a)高斯濾波器　(b)　　　各向異性高斯　(c)　　　旋轉之后的　　　濾波器　　　濾波器(a)Gaussian filter　(b) 　　　Isotropic Gau-　(c) 　　　Isotropic Gaussian　　　ssian filter　　　 filter after 　　　rotation圖5　高斯濾波模型Fig.5　Gaussian model

對于圖像的不同部分，若統(tǒng)一采用確定比例的(尺度σ和方向θ)濾波器進行濾波，則當邊緣與短軸一致時，圖像模糊程度趨于極大值?；诖?，本文采用自適應各向異性高斯濾波進行濾波[12]，其尺度和方向可根據(jù)圖像特征的變化而變化。

4.4自適應各向異性高斯濾波優(yōu)化大氣光冪

本文選用自適應各向異性高斯濾波處理圖像，其能夠在平滑圖像的同時，有效地保存邊緣細節(jié)。長軸的尺度σu采用式(16)確定：

(16)

式(11)中，x和y為圖像中某點像素值，D(x,y)為霧氣圖像的灰度值I(x,y)按比例在0和1之間)，由前文可知，為大氣光冪。

本文采用以下規(guī)則確定短軸尺度σv：平滑區(qū)的短、長軸比接近1；邊緣區(qū)的短、長軸比接近于0。因而圖像的平滑程度是選取比率的關鍵，式(12)為灰度方差代表霧氣圖像的平滑程度。

(17)

R=K/(K+DS),

(18)

式(18)中，K為比例因子，則短軸尺度σv能表示為式(19)：

σv=R·σu.

(19)

綜上可知，自適應高斯濾波需確定方向θ和比率K值的大小，文獻[11]將這一過程轉換為求取方向θ的垂直角θ⊥。即采用Guassian函數(shù)轉換為水平和垂直兩個方向上的導數(shù)，并與霧氣圖像進行卷積，獲取霧氣圖像在(x,y)處的垂直梯度角θ⊥。

(20)

(21)

θ⊥(x,y)=arctan[Ey(x,y)/Ex(x,y)],

(22)

并且方向角θ與垂直角θ⊥之間滿足式(23)的關系：

θ=θ⊥+90,

(23)

將式(23)代入式(13)可得式(24)為：

(24)

σu、σv以及垂直梯度角θ⊥可由式(16-22)求得。經(jīng)過反復實驗得出K取20時，自適應各向異性高斯濾波對霧氣圖像的處理效果最優(yōu)，并且此濾波器的處理效果優(yōu)于高斯濾波器和線性濾波器。

4.5還原清晰化圖像

依據(jù)Tarel[10]對霧氣清晰化算法的研究可知，由大氣光冪H(x,y)、全球環(huán)境光值A，采用式(1)可得到清晰圖像F(x,y)的還原，則大氣光學模型可改寫為：

(25)

進一步將式(25)變換為：

(26)

式中，F(xiàn)(x,y)為修復后的清晰圖像，D(x,y)為原始降質圖像，采用高斯低通濾波估測所得A值，采用自適應各向異性高斯濾波優(yōu)化大氣光冪H(x,y)，最終依據(jù)式(26)還原清晰無霧圖像F(u,v)。

4.6圖像的色調調整[13]

由于環(huán)境光的作用，使得霧氣圖像整體趨向于灰白色，并且其像素值比實際的像素值高，去霧清晰化處理后，導致圖像的整體亮度值較低，因此，對清晰化算法處理后的圖像實現(xiàn)色調調整操作是必要的，其能使處理后圖像的色度和對比度更接近真實值。色度調整如圖6所示。

(a)初始圖像1　　　 (b)(a)的色調調整圖像 (a)Original image 1　　(b)Tone mapping image of (a)

(c)初始圖像2　　　 (d)(c)的色調調整圖像 (c)Original image 2　　(d)Tone mapping image of (c)圖6　色調調整Fig.6　Tone mapping

色調調整是高動態(tài)[14]技術處理高動態(tài)圖像常選用的策略，該方法是依據(jù)特定方式將高動態(tài)圖像進行壓縮，使之能夠在低動態(tài)的顯示器上顯示。本文采用Drago對數(shù)算子實現(xiàn)色調調整[15]，其對整體圖像的明度、細節(jié)保存程度和對比度進行調節(jié)，該方法中顯示器的亮度和場景的亮度選用映射關系：

(26)

5　實驗結果與分析

在Windows 7操作系統(tǒng)下，采用Matlab 2012實現(xiàn)算法驗證。計算機選用4 GB內存，Pentium(R) Dual-Core CPU T4200 @ 2.00GHz的配置。

本文分別選用文獻[2]算法、文獻[6]算法、文獻[7]算法和文獻[9]算法作為對比方法進行實驗。并運用視覺評價指標和測值作為評價指標。

5.1視覺評價指標

視覺評價指標由人眼視覺信息進行判斷，該評價指標具有便捷、準確、效率高和操作簡單等特點。視覺評價步驟為：選擇一定數(shù)目的觀測人群，在給定的同一個實驗條件下，令觀測者依據(jù)一定的規(guī)則根據(jù)自我感知對圖像評分，對所有觀測者的評分取平均值，所得為MOS(Mean Opinion Score)。視覺評價指標應考慮以下因素：對比度、亮度、色度、圖像清晰度、背景平滑性、圖像有無偽影效應、暈輪效應、尾部拖拉效應等。本文采用幾種方法對3幅霧氣圖像分別進行處理，結果如圖7-9所示。本文選取不同年齡、不同領域的60個人，其中：13～18歲中學生男女各10人，18～28歲高校美術專業(yè)學生男女各15人，30～45歲文藝學院老師男女各5人，對幾種方法的處理結果進行評分。采用五分制，5分為優(yōu)，表示無干擾；4～5分為良好，表示干擾難以察覺；3～4分為可以，表示能察覺干擾，但可以接受；2～3分為差，表示干擾明顯，并且干擾嚴重；1～2分為很差，表示干擾很明顯，并且無法接受。結果如表1，2所示。

表1　男性視覺評分

表2　女性視覺評分

5.2測值評價指標

本文選取運行時間、亮度、對比度和峰值信噪比這幾項測值對文獻[2]、文獻[6]、文獻[7]、文獻[9]和改進算法進行定量比較。文獻[7]對透射率的處理選用軟摳圖算法，此算法需處理拉普拉斯矩陣，占用大量的時間；文獻[2]應用高斯函數(shù)對圖像卷積后增強，處理速度較快；文獻[9]采用獨立成份分析法(ICA)實現(xiàn)全球環(huán)境光值A 的估計，消耗很多處理資源；文獻[6]選用直方圖匹配處理效率高；改進算法處理時間快，占用時間資源少。

亮度表現(xiàn)圖像的明暗程度(初始圖像中霧氣的干擾會使圖像的亮度值增大)；對比度代表整幅圖像的灰度范圍分布和亮度強弱差值，對比度值越大,圖像亮度的強弱差值越顯著；峰值信噪比表示圖像的失真程度，信噪比值大的失真程度小。

(a)初始圖像1　(b)文獻[7]算法結果　(c)文獻[2]算法結果(a)Original image 1　(b)Results of Ref.[7]　(c) Results of Ref.[2]

(d)文獻[9]算法結果　(e)文獻[6]算法結果　(f)本文算法結果(d)Results of Ref.[9](e)Results of Ref.[6](f) Proposed algorithm圖7　各算法處理效果對比Fig.7　Comparison of dehazing performance for image 1 by different algorithms

(a)初始圖像2　(b)文獻[7]算法結果　(c)文獻[2]算法結果(a)Original image 2　(b)Results of ref.[7]　(c) Results of ref.[2]

(d)文獻[9]算法結果　(e)文獻[6]算法結果　(f)本文算法結果(d)Results of ref.[9]　(e)Results of ref.[6]　(f) 　　　Results of 　　　proposed 　　　algorithm圖8　各算法對圖像2處理效果對比Fig.8　Comparison of dehazing performance for image 2 by different algorithms

(a)初始圖像3　 (b)文獻[7]算法結果　 (c)文獻[2]算法結果(a)Original image 3　(b)Results of ref.[7]　(c) Results of ref.[2]

(d)文獻[9]算法　(e)文獻[6]算法　(f)本文算法(d)　　　Results of Ref.　(e)　　　Results of Ref.　(f)　　　Results of propo-　　　[9]　　　[6]　　　sed algorithm圖9　各算法對圖像3的處理效果對比Fig.9　Comparison of dehazing performance for image 3 by different algorithms

根據(jù)去霧后的效果可知，受霧影響原始霧氣圖像亮度偏高但其對比度低，整體圖像模糊，細節(jié)不清晰；文獻[7]處理后的圖像細節(jié)清晰但亮度不足，抗偏白物體的干擾能力差；文獻[2]處理后的圖像色彩鮮亮且對比度高，但圖像易出現(xiàn)色偏；文獻[9]處理后的圖像景物亮度高，顏色逼近真實值，但細節(jié)處存在“暈輪效應”；文獻[6]處理后的圖像對比度加強，算法簡單效果明顯，但景深突變處易丟失信息并且出現(xiàn)過度增強現(xiàn)象。本文算法處理所得圖像，亮度和對比度適中，圖像細節(jié)豐富，邊緣處較為完整，噪聲干擾小，圖像整體質量高。

表3　客觀評價指標

6　結　論

本文先采用高斯低通濾波求取霧氣圖像低頻區(qū)，再對低頻區(qū)采用循環(huán)四分圖算法得到較精準的全球大氣光值A；用霧氣圖像最小值近似大氣光冪，進而通過自適應各向異性高斯濾波，平滑大氣光冪的邊緣和角點；應用大氣光學模型還原清晰化圖像后，采用色調調整實現(xiàn)圖像的整體調節(jié)。本文算法是文獻[7]的改進，文獻[7]采用軟摳圖算法修復景深突變處的白色塊，消耗了大量的處理時間，而本文算法處理效率得到顯著提升，并得到亮度、對比度效果好的處理圖像，較完整地保留邊緣細節(jié)。但是本文算法具有一定的局限性，若場景霧氣濃度過高，處理后圖像會出現(xiàn)一定程度的色偏。另外，戶外場景是隨機多變的，而且拍攝條件和狀況也很復雜，進一步的研究將集中在對上述情況的改進，并將本文算法應用在視頻處理中。

[1]NARASIMHAN S G, NAYAR S K. Chromatic framework for vision in bad weather[C].IEEEConferenceonComputerVisionandPatternRecognition,CVPR,HiltonHead,SC,USA, 2000:598-695.

[2]陳志斌，張超，宋巖,等. 灰度拉伸Retinex在大動態(tài)范圍煙霧圖像增強中的應用[J].紅外與激光工程，2014，43(9):3146-3150.

CHEN ZH B, ZHANG CH, SONG Y,etal.. Application of Retinex with grayscale stretching in large dynamic range smoke image enhancement[J].InfraredandLaserEngineering, 2014,43(9): 3146-3150. (in Chinese)

[3]LAND E H, MECCANN J. Lightness and Retinex theory [J].JOptSocAmer,1971, 61(1): 1-11.

[4]JOBSON D J,RAHMAN Z U,WOODELL G A. Properties and performance of a center/surround Retinex [J].IEEETransactionsonImageProcessing,1997,6(3):451-462.

[5]趙宏宇，肖創(chuàng)柏，禹晶,等.馬爾科夫隨機場模型下的Retinex夜間彩色圖像增強[J].光學 精密工程，2014,22(4):1048-1055.

ZHAO H Y, XIAO CH B, YU J,etal.. A Retinex algorithm for night color image enhancement by MFR[J].Opt.PrecisionEng., 2014,22 (4)：1048-1055. (in Chinese)

[6]劉雪超，吳志勇，王弟男,等.結合自適應窗口的二維直方圖圖像增強[J].紅外與激光工程，2014,43(6):2027-2035.

LIU X CH, WU ZH Y, WANG D N,etal.. Image enhancement by two-dimensional histogram with self-adaptive window[J].InfraredandLaserEngineering, 2014,43 (6)：2027-2035. (in Chinese)

[7]HE K M, SUN J A,TANG X O. Single image haze removal using dark channel prior[C].CVPR:2009IEEEConferenceonComputerVisionandPatternRecognition,Miami,Florida,USA, 2009: 1956-1963.

[8]劉言，張紅英，吳亞東.基于半逆法的一種快速單幅圖像去霧算法[J].圖學學報，2015,36(1):68-76.

LIU Y, ZHANG H Y, WU Y D. A fast single image de-hazing using the improved semi-inverse approach[J].JournalofGraphics, 2015,36(1):68-76. (in Chinese)

[9]TAREL J P, HAUTIERE N. Fast visibility restoration from a single color or gray level image[C].2009IEEE12thInternationalConferenceonComputerVision(ICCV)，Xi’an,China, 2009:2201-2208.

[10]尤政，楊冉，張高飛,等.激光測距系統(tǒng)整形模塊和低通濾波模塊優(yōu)化設計[J].光學 精密工程，2013,21(10):2527-2535.

YOU ZH, YANG R, ZHANG G F,etal.. Optimization of shaping circuit and low-pass filter in laser ranging system[J].Opt.PrecisionEng., 2013, 21(10):2527-2535.(in Chinese)

[11]王廣君，田金文，劉健.基于四叉樹結構的圖像分割技術[J].紅外與激光工程, 2001, 30(1)：12-14.

WANG G J, TIAN J W, LIU J. Image segmentation based on the structure of quadtree [J].InfraredandLaserEngineering, 2001, 30(1):12-14. (in Chinese)

[12]KIN J H,TANG W D, SIM J Y,etal.. Optimized contrast enhancement for real-time image and video de-hazing [J].JournalofVisualCommunicationandImageRepresentation, 2013, 24(3):410-425.

[13]何舒文，王延杰，孫宏海,等.基于DMD的高動態(tài)范圍場景成像技術[J].光子學報，2015,44(8):01-1-6.

HE SH W，WANG Y J, SUN H H,etal.. High dynamic range imaging based on DMD[J].ActaPhotonicaSinica, 2015, 44(8):01-1-6 .(in Chinese)

[14]劉海波, 楊杰,吳正平,等.基于區(qū)間估計的單幅圖像快速去霧[J]. 電子與信息學報, 2016,33(2):381-385.

LIU H B, YANG J, WU ZH P,etal.. Fast single image dehazing based on interval estimation[J].JournalofElectronics&InformationTechnology,2016,33(2):381-385.(in Chinese)

[15]王衛(wèi)星，肖翔，陳良琴,等.結合最小濾波和引導濾波的暗原色去霧[J].光學 精密工程，2015，23(7)：2100-2108.

WANG W X, XIAO X,CHEN L Q,etal.. Image dark channel prior haze removal based on minimum filtering and guided filtering[J].Opt.PrecisionEng.，2015，23(7)：2100-2108. (in Chinese)

[16]高紹姝，金偉其，王延江,等. 灰度融合圖像目標與背景感知對比度客觀評價模型[J].紅外與激光工程，2015,44(5):1660-1665.

GAO SH SH, JIN W Q, WANG Y J,etal.. Target-background perceptual contrast metric for gray fusion images [J].InfraredandLaserEngineering, 2015,44(5):1660-1665. (in Chinese)

吳斌(1965-)，男，四川大竹人，教授，博士生導師，1985年于中南大學獲得學士學位,1993年、1999年于北京科技大學分別獲得碩士、博士學位，主要從事經(jīng)濟智能控制、圖像處理等方面的研究。E-mail: wubin@swust.edu.cn

付輝(1991-)，女，山西陽泉人，碩士研究生，主要從事圖像處理、DSP的研究。E-mail: 1285110730@qq.com

(版權所有未經(jīng)許可不得轉載)

De-hazing of atmosphere veil haze images

WU Bin,FU Hui*, ZHANG Hong-ying

(CollegeofInformationEngineering,SouthwestUniversityofTechnology,Mianyang621000,China)

A fast atmosphere veil de-hazing method was proposed to overcome the shortcomings of existing de-hazing methods in lower process efficiency, poorer treatment result of sky part and a bad visual effect for images. The method focuses on the improvements for global atmospheric light values and the acquiring method of atmospheric veil values. Firstly, the Gaussian low-pass filter method was used to gain a low frequency area of an image, and the circle quarter figure algorithm was used to obtain the global atmospheric light value of the low frequency area. Then， the dark channel prior algorithm was employed to achieve the initial atmospheric veil value and the atmospheric veil was processed by the adaptive anisotropic Gaussian filter. Finally, image details were enhanced by utilizing tone mapping, by which the image could approximate to the no fog scene image. The experimental results show that the proposed method restricts the halo effect of depth mutation area in the image and well processes lightness, contrast and detail information for the image. It keeps edge details of the image perfectly ，improves the image processing efficiency and has good robustness and real-time ability.

atmosphere veil haze image; image de-hazing； low-pass filter; circle quarter figure algorithm; tone mapping; halo effect

2016-03-22；

2016-05-23.

四川省教育廳重點項目(No.15ZA0118);特殊環(huán)境機器人技術四川省重點實驗室開放基金資助項目(No.13zxtk0505);西南科技大學博士基金資助項目(No.13zx7112)

1004-924X(2016)08-2018-09

TP391.4

A

10.3788/OPE.20162408.2018