張 道 華

(亳州學(xué)院， 安徽 亳州 236800)

?

霧天道路監(jiān)控系統(tǒng)視頻圖像增強(qiáng)算法的比較研究

張 道 華

(亳州學(xué)院， 安徽 亳州 236800)

隨著平安城市的逐步推進(jìn)，以智能視頻監(jiān)控為主流的圖像增強(qiáng)技術(shù)出現(xiàn)了供應(yīng)上的短缺。因此，研究降質(zhì)圖像的增強(qiáng)算法具有重要的科研價(jià)值和經(jīng)濟(jì)價(jià)值。對目前常用的霧天圖像增強(qiáng)算法，如直方圖均衡化算法、多尺度Retinex算法及暗通道優(yōu)先算法，對其進(jìn)行運(yùn)行效率和算法效果的比較，并采用MATLAB分別實(shí)現(xiàn)3種算法處理后圖片的查看和提取。實(shí)驗(yàn)表明，暗通道優(yōu)先算法能夠清晰地還原圖像，但處理時(shí)間較長。最后對暗通道優(yōu)先算法的進(jìn)一步完善提出了研究方向。

圖像增強(qiáng)； 直方圖均衡化； 多尺度Retinex； 暗通道優(yōu)先

隨著信息技術(shù)的不斷發(fā)展，戶外的監(jiān)控系統(tǒng)、智能交通系統(tǒng)以及軍用的探測系統(tǒng)等視覺系統(tǒng)越來越受到重視。而這些系統(tǒng)對于天氣條件非常敏感，為了實(shí)現(xiàn)計(jì)算機(jī)視覺系統(tǒng)對天氣變化的適應(yīng)性，圖像增強(qiáng)技術(shù)是急需解決的問題。

目前，針對惡劣天氣條件特別是霧天降質(zhì)圖像增強(qiáng)的研究，已成為計(jì)算機(jī)視覺和圖像處理領(lǐng)域?qū)W者們研究的熱點(diǎn)。目前已研究的各種圖像增強(qiáng)算法在還原效果上均具有一定的局限性，如：運(yùn)算速度慢，單幀圖像處理時(shí)間過長，或還原效果不理想等，這就使得實(shí)時(shí)路況監(jiān)控視頻的圖像增強(qiáng)處理遇到很大障礙。因此，為了實(shí)現(xiàn)霧天路況監(jiān)控視頻的即時(shí)去霧，更加快速、有效的算法的設(shè)計(jì)仍在不斷完善之中。通過對目前常用的直方圖均衡化算法、多尺度Retinex算法及暗通道優(yōu)先算法這3種霧天圖像增強(qiáng)算法進(jìn)行效果分析及運(yùn)算速度的對比可知，暗通道優(yōu)先算法能夠清晰地還原圖像，但處理時(shí)間較長，因此，對該算法的進(jìn)一步完善提出了研究方向。

1 圖像增強(qiáng)

圖像增強(qiáng)的目的是將一副圖像中有用的信息(即感興趣的信息)進(jìn)行增強(qiáng)，同時(shí)將無緣的信息(即干擾信息或噪聲)進(jìn)行削弱，進(jìn)而提高圖像的可觀察性。圖像增強(qiáng)技術(shù)主要解決色彩恢復(fù)及處理、直方圖修改、圖像的平滑化及尖銳化處理等問題。圖像增強(qiáng)技術(shù)可分為頻域處理法和空域處理法。頻域增強(qiáng)法以卷積定理為基礎(chǔ)，通過修改圖像傅里葉變換達(dá)到增強(qiáng)圖像的目的?？沼蛟鰪?qiáng)法則是以灰度映射變換為基礎(chǔ)，直接增強(qiáng)處理圖像中貢獻(xiàn)較大的像素。暗通道優(yōu)先處理算法和直方圖均衡化算法以空域處理法為主；Retinex算法主要采用頻域處理法。

2 直方圖均衡化算法

2.1 直方圖均衡化算法原理

圖像的灰度直方圖能夠直接反映圖像中像素灰度的分布特性，因此，通過對灰度直方圖的直接調(diào)整，可以使圖像數(shù)據(jù)信息量增大，從而達(dá)到使畫面的表現(xiàn)效果得到改善的目的。如果某個(gè)灰度值的像素個(gè)數(shù)在圖像中所占比例較大，則此灰度值對畫面的影響就較大；反之，影響較小，甚至可忽略不計(jì)。即：展寬給定圖像中像素個(gè)數(shù)多即對畫面貢獻(xiàn)較大的灰度值，歸并其中像素個(gè)數(shù)少即對畫面貢獻(xiàn)不大或不起作用的灰度值。通過展寬或歸并灰度值的操作，能夠增強(qiáng)圖像畫質(zhì)，使圖像更清晰。

2.2 直方圖均衡化的步驟

直方圖均衡化的步驟為：求給定圖像的R通道→求給定圖像的G通道→求給定圖像的B通道→圖像R通道的直方圖均衡化→圖像G通道的直方圖均衡化→圖像B通道的直方圖均衡化→合并輸出圖像。

3 Retinex算法

3.1 Retinex算法原理

Retinex算法原理示意圖見圖1。

圖1 Retinex算法原理示意圖

假設(shè)我們將亮度圖像和反射圖像從給定的圖像中分離出來，通過調(diào)整亮度圖像與反射圖像之間的比例，就能夠達(dá)到增強(qiáng)圖像的目的。成像過程表示為：

S(x,y)=R(x,y)·L(x,y)

式中：L(x,y)表示入射光，標(biāo)志著圖像中像素能達(dá)到的動(dòng)態(tài)范圍；R(x,y)為反射物體，決定給定圖像的內(nèi)在性質(zhì)。

采用Retinex算法的核心問題是如何從原始圖像中有效地計(jì)算出亮度圖像，或忽略入射光的性質(zhì)來獲取原始圖像的面貌，此原始面貌即為增強(qiáng)圖像。然而在數(shù)學(xué)上，從原圖像計(jì)算亮度圖像問題是一個(gè)奇異問題，我們對亮度圖像的計(jì)算在數(shù)學(xué)上只能通過近似估算的方式來獲取。學(xué)者們在對Retinex算法進(jìn)行研究和改進(jìn)的過程中，依次出現(xiàn)了單尺度Retinex算法、多尺度Retinex算法以及McCann’s Retinex算法等。其中，最為經(jīng)典且應(yīng)用廣泛的是單尺度Retinex算法與多尺度Retinex算法，多尺度Retinex算法是在單尺度Retinex算法基礎(chǔ)上的改進(jìn)。本次討論的是多尺度Retinex算法。

3.2 多尺度Retinex算法步驟

多尺度Retinex算法步驟如下：

(1) 輸入圖像，分別計(jì)算3個(gè)通道對應(yīng)權(quán)值的高斯卷積函數(shù)Gn(n=1,2,3)：

(2) 計(jì)算3個(gè)通道的增強(qiáng)模型：

RMin(x,y)=ωn{logSi(x,y)- log[Gn(x,y)*Si(x,y)]}

(3) 將對應(yīng)的進(jìn)行加權(quán)求和，由單尺度Retinex算法轉(zhuǎn)化為多尺度Retinex算法，可以更好地增強(qiáng)輸出圖像的動(dòng)態(tài)壓縮能力及色調(diào)再現(xiàn)的能力。

式中：N—— 尺度個(gè)數(shù)。

4 暗通道優(yōu)先算法

4.1 暗通道優(yōu)先算法原理

暗通道優(yōu)先算法是基于對戶外無霧圖像的觀察得出的下述結(jié)論。

假設(shè)給定任意圖像J，其暗通道Jdark可以表示為：

式中：Jc——J的顏色通道；

Ω(x) —— 以xy∈Ω(x)為中心的一小塊區(qū)域；

暗通道理論認(rèn)為，如果J是在場景無霧情況下獲取的圖像，除去天空部分，J的暗通道的亮度極低甚至接近零：

Jdark→0

我們稱這個(gè)觀察結(jié)果為暗通道優(yōu)先理論。

導(dǎo)致暗通道中像素亮度較低的因素有3種：陰影；彩色物體的表面；暗色的物體或物體的陰面。自然的戶外圖像通常都是彩色并且富有陰影的，因此，這些圖像的暗通道通常亮度較暗。

4.2 暗通道優(yōu)先算法步驟

暗通道優(yōu)先算法步驟為：

(1) 輸入圖像，計(jì)算暗通道：

(2) 計(jì)算摳圖拉普拉斯矩陣L：

式中：Ii和Ij—— 輸入圖像I的第i及第j個(gè)像素的顏色；

δij—— 克羅內(nèi)克Δ；

μk—— 窗口ωk的平均矩陣；

∑k——ωk的方差矩陣；

U3—— 3×3的單位矩陣；

ε—— 規(guī)范化參數(shù)；

|ωk| —— 窗口ωk中的像素個(gè)數(shù)。

(3) 求稀疏數(shù)矩陣的投射圖：

(4) 求大氣光的顏色值(A)：

霧天圖像中每個(gè)顏色通道的場景色彩可以由下式給出：

I(x)=R(x)St(x)+R(x)At(x)+(1-t(x))A

式中：I—— 霧化圖像的顏色值；

A—— 大氣光的顏色值；

t—— 場景色彩在各個(gè)區(qū)域的透射圖。

去霧方法的本質(zhì)就是根據(jù)I獲取J、A和t。

(5) 求原場景色彩：

計(jì)算出大氣光和透射圖后，即可恢復(fù)場景色彩。這里使用一個(gè)下限t0來限定t的值。在霧濃的地方就保留了適當(dāng)?shù)撵F。最終的場景恢復(fù)式為：

式中t0可取0.1。

5 算法比較

直方圖均衡化算法、Retinex算法及暗通道優(yōu)先算法都能在一定程度上達(dá)到增強(qiáng)圖像的目的，但是各有優(yōu)缺點(diǎn)。下面以MATLAB為實(shí)驗(yàn)平臺(tái)，對3種算法進(jìn)行對比研究，并進(jìn)行分析論證。

5.1 運(yùn)行速度比較

對不同的帶霧圖像進(jìn)行了測試，并對其中3組樣本采用上述3種算法得到結(jié)果的運(yùn)行時(shí)間進(jìn)行了統(tǒng)計(jì)，見表1。從3種算法處理速度看，直方圖均衡化速度最快，原因是其算法簡單且計(jì)算量??；Retinex算法次之；暗通道優(yōu)先算法最慢，究其原因是該算法為了消除景深邊緣產(chǎn)生的光暈，而采用“軟摳圖”技術(shù)求得投射圖，而這個(gè)過程需要較長的時(shí)間。

表1 各算法運(yùn)行時(shí)間對比

5.2 其他指標(biāo)比較

隨機(jī)選取一幅帶霧圖像，對上述3種算法進(jìn)行峰值信噪比、亮度及對比度的比較(見表2)。峰值信噪比可以用來衡量經(jīng)過相應(yīng)算法處理后的圖像品質(zhì)，峰值信噪比越大(小)，說明處理后圖像失真越小(大)，因此可以看出采用暗通道優(yōu)先算法處理后的圖像品質(zhì)最高。由亮度、對比度兩個(gè)指標(biāo)可以看出，采用直方圖均衡化、Retinex算法處理后的圖像色彩艷麗、豐富，但在實(shí)際應(yīng)用中易發(fā)生色彩上的偏移。

表2 各算法相關(guān)指標(biāo)對比

5.3 處理效果比較

上述3種圖像增強(qiáng)算法的處理效果見圖2。其中，圖2(a)為原圖，圖2(b)為直方圖均衡化效果圖，圖2(c)為Retinex算法效果圖，圖2(d)為暗通道優(yōu)先算法效果圖。

圖2 各算法處理效果比較

從圖像處理效果來看，暗通道優(yōu)先算法優(yōu)于其他2種算法，它能夠成功處理帶霧圖像，可以還原圖中大部分場景信息甚至可以增強(qiáng)細(xì)節(jié)部分；直方圖均衡化算法盡管也可以對帶霧圖像信息進(jìn)行還原，但是在處理結(jié)果上往往會(huì)出現(xiàn)整幅圖像在色彩上的偏移；Retinex算法盡管能夠清晰地還原景物，但是由于出現(xiàn)噪聲而影響了最終的視覺效果。

6 結(jié) 語

研究表明，基于暗通道優(yōu)先處理的圖像增強(qiáng)算法能夠較細(xì)膩地還原圖像，但所需時(shí)間較長。主要原因是采用“軟摳圖”方法求得投射圖需要花費(fèi)大量的時(shí)間，如果省略“軟摳圖”技術(shù)這個(gè)步驟，則會(huì)導(dǎo)致圖像邊緣部分產(chǎn)生明顯不協(xié)調(diào)的光暈。所以，想要快速處理圖像，必須改進(jìn)邊緣銳化的算法，可考慮采用導(dǎo)向慮波的方式獲取投射圖。在實(shí)際應(yīng)用中，可根據(jù)圖像自身的特點(diǎn)及預(yù)期處理效果，選擇相應(yīng)的圖像增強(qiáng)算法。

[1] 姜柏軍,鐘明霞.改進(jìn)的直方圖均衡化算法在圖像增強(qiáng)中的應(yīng)用[J].激光與紅外,2014,44(6):703-705.

[2] 李靈杰,唐寧.一種面向交通場景的快速圖像增強(qiáng)算法[J].計(jì)算機(jī)與現(xiàn)代化,2015(6):55-58.

[3] 李瑩.基于Retinex理論的圖像增強(qiáng)算法研究[D].西安:西北大學(xué),2014:10-21.

[4] 孫茂金.基于暗通道優(yōu)先的單幅圖像去霧算法研究[D].大連:大連海事大學(xué),2010:8-15.

[5] 王孟柳,陳和平,劉夏.基于暗通道優(yōu)先煙霧檢測算法的研究[J].計(jì)算機(jī)應(yīng)用與軟件,2014,31(11):226-228.

[6] 汪榮貴,傅劍鋒,楊志學(xué),等.基于暗原色先驗(yàn)?zāi)Ｐ偷腞etinex算法[J].電子學(xué)報(bào),2013(6):1189-1191.

[7] 汪榮貴,朱靜,楊萬挺,等.基于照度分割的局部多尺度的Retinex算法[J].電子學(xué)報(bào),2010(5):1182-1185.

[8] 周雪智.圖像增強(qiáng)算法研究及其在圖像去霧中的應(yīng)用[D].長沙:湖南師范大學(xué),2015:6-17.

A Comparative Study on Fog Image Enhancement Algorithm for Intelligent Video Surveillance

ZHANGDaohua

(Bozhou College, Bozhou Anhui 236800, China)

With the gradual advance of green city, the supply of image enhancement technology for intelligent video surveillance is inadequate to meet the demand. So the research of degraded image enhancement algorithm has important research value and economic value. This article analyzes frequently-used fog image enhancement algorithm such as the histogram equalization algorithm, multi-scale Retinex and the dark channel priority algorithm, and compares the results and efficiency of these three fog image processing algorithms. And then with the help of Matlab software, we view the final results of the three algorithms′ output. Experiments show that the dark channel priority algorithm can restore image clearly, but it costs much time. Lastly, we put forward further research direction about the dark channel priority algorithm.

image enhancement; histogram equalization; multi-scale Retinex; dark channel prior

2017-01-04

安徽省高等學(xué)校省級質(zhì)量工程項(xiàng)目“大學(xué)生創(chuàng)客實(shí)驗(yàn)室建設(shè)計(jì)劃‘星星之火’創(chuàng)客實(shí)驗(yàn)室”(2016ckjh124)；安徽省高等學(xué)校省級質(zhì)量工程項(xiàng)目“名師工作室”(2014msgzs170)；安徽高校自然科學(xué)研究重點(diǎn)項(xiàng)目“基于敏捷開發(fā)的高校實(shí)習(xí)實(shí)訓(xùn)APP建設(shè)”(KJ2017A703)

張道華(1984 — )，女，講師，研究方向?yàn)槟Ｊ阶R(shí)別與圖形圖像處理、教師教育研究。

TP391

A

1673-1980(2017)03-0102-04