(1.大連海事大學(xué) 信息科學(xué)技術(shù)學(xué)院,大連 116026; 2.大連海事大學(xué) 輪機(jī)工程學(xué)院, 大連 116026;3.大連海事大學(xué) 船舶電氣工程學(xué)院,大連 116026; 4.大連海事大學(xué) 航運(yùn)經(jīng)濟(jì)與管理學(xué)院,大連 116026)

0 引言

在霧天中,因?yàn)閼腋≡诳諝庵械拇蟛糠至Ｗ訉?duì)光線有散射等作用,使太陽(yáng)光透過(guò)霧的強(qiáng)度值變低,觀察的景色能見度過(guò)低,對(duì)比度降低,細(xì)節(jié)信息缺失,視覺效果較差。對(duì)于交通、導(dǎo)航、遙感等有很大的影響,人們的生產(chǎn)和生活帶來(lái)了極大的。因此,計(jì)算機(jī)視覺系統(tǒng)在實(shí)踐中發(fā)揮著重要作用,霧天圖像的去霧是計(jì)算機(jī)視覺領(lǐng)域中的一個(gè)很有意義的問(wèn)題,具有廣闊的應(yīng)用前景和價(jià)值。

隨著人工智能技術(shù)的發(fā)展,去霧算法的研究的取得了不錯(cuò)的發(fā)展。He等提出了暗原色先驗(yàn)等方法,目前圖像去霧算法大抵可以分為兩類:一則基于圖像增強(qiáng)的圖像去霧方法,二則是基于物理模型的圖像去霧方法[1-2]。同態(tài)濾波、直方圖均衡化、Retinex加強(qiáng)、小波變換算法等都是基于非物理模型的去霧算法。直方圖均衡化算法缺乏對(duì)局部場(chǎng)景信息的思量,對(duì)比度過(guò)低或過(guò)高,視覺效果不理想[6]。同態(tài)濾波算法應(yīng)用了對(duì)數(shù)變換和傅氏變換,對(duì)圖像削弱低頻加強(qiáng)高頻。小波變換對(duì)亮度超亮和超暗的情形不適用?；谖锢砟Ｐ偷膱D像去霧算法主要涵蓋了基于偏微分方程的修復(fù)方法、采取景深關(guān)系的圖像去霧方法等。這種方法利用了景深信息,意圖最大程度的將圖像恢復(fù)到原來(lái)的狀態(tài)。但是他在大氣模型的基礎(chǔ)之上增加了一些假設(shè)條件,具有一定得局限性?；诎低ǖ廊レF算法是目前國(guó)內(nèi)最先進(jìn)的去霧方法效果明顯,發(fā)展迅捷。

本論文創(chuàng)新點(diǎn)是使用暗原色先驗(yàn)去霧算法擬合和K均值聚類算法對(duì)原來(lái)的去霧算法采取了優(yōu)化,在暗原色先驗(yàn)去霧算法的條件上獲得暗原色圖,并且對(duì)應(yīng)估算出透射率;再利用線性數(shù)學(xué)擬合獲得最后的透射率。但是大氣光強(qiáng)度值的計(jì)算是應(yīng)用K均值聚類算法把有霧圖像進(jìn)行聚類處理,并且在得到的天空面積和霧最多的面積中獲取原來(lái)有霧圖的最大像素的值為大氣光強(qiáng)值,用去霧算法恢復(fù)出無(wú)霧圖像。

1 暗通道圖像去霧

1.1 大氣散射模型

在霧天時(shí)，由于空氣中含有部分雜質(zhì)，一些懸浮粒子存在散射和吸收作用，使得光學(xué)成像對(duì)比度降低，顏色偏灰白色，視覺效果也不是很好。即使在大多數(shù)不是霧天部分區(qū)域的天空中，總存在有像素至少有一個(gè)顏色通道具備很低的值。也就是說(shuō)，此區(qū)域的光強(qiáng)度值得最小值是一個(gè)很小的數(shù)值。清華大學(xué)何愷明曾經(jīng)發(fā)表過(guò)一篇很著名的論文《Single Image Haze Removal Using Dark Channel Prior》，暗原色先驗(yàn)去霧算法是由他首先提出的。

在霧天中，由于一些雜質(zhì)混雜在大氣中，使得大氣發(fā)生了散射作用。不少人對(duì)大氣的散射進(jìn)行了一定的研究，其中McCarney等人的研究成果較為顯著，他提出了一種模型被廣泛應(yīng)用，具體如下：

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

(1)

C為所得到的輸入圖像的光強(qiáng)；T為光線透射率；A為大氣光成分；J為無(wú)霧時(shí)景物的光強(qiáng)。

圖像去霧通過(guò)C求未知參數(shù)J,A,t。當(dāng)前方程的個(gè)數(shù)少于未知量的個(gè)數(shù)，從某種角度來(lái)說(shuō)，暗原色先驗(yàn)相當(dāng)于其中我們加入的一個(gè)約束條件。

1.2 暗原色先驗(yàn)

Dr.He是微軟亞洲研究院研究計(jì)算機(jī)視覺方面的領(lǐng)軍人物，He等對(duì)于暗原色先驗(yàn)的理論做了許多的觀察實(shí)驗(yàn)，并得出結(jié)論：是通過(guò)大量實(shí)驗(yàn)來(lái)總結(jié)得到的一條規(guī)律：在大部分陽(yáng)光照射豐富，戶外不含有霧的圖像中，在一些局部區(qū)域存在某個(gè)顏色通道(R、G、B)的強(qiáng)度值很低的情況。對(duì)戶外無(wú)的霧圖像J進(jìn)行分塊，對(duì)每一個(gè)像素塊定義暗原色如下[3]：

(2)

式中,Ω(x)是以x為中心的，以正方形鄰域的窗口，Jc為J三原色的一個(gè)通道，Jdark(x)即為圖像J在這個(gè)鄰域的暗原色。觀察統(tǒng)計(jì)表明Jdark趨于零。即：

(3)

在帶霧圖像中這些暗原色值升高。

1.3 K—means聚類算法

前面已經(jīng)說(shuō)過(guò)，數(shù)年前何凱明博士已提出了暗原色先驗(yàn)去霧算法，經(jīng)由這個(gè)算法能夠很好的恢復(fù)圖像，從有霧圖像中還原出無(wú)霧圖像。可是，何凱明博士的算法仍有一些可優(yōu)化之處。2013年，雖然何凱明博士又提出了引導(dǎo)濾波的算法，此時(shí)能夠解決第一個(gè)問(wèn)題，使計(jì)算復(fù)雜度降低，但透射率的估計(jì)效率仍然很低。并且，當(dāng)圖像中存在亮度很高的面積時(shí)，此時(shí)會(huì)造成大氣光強(qiáng)A的估計(jì)值失真以及圖像失真問(wèn)題，去霧效果受到影響。

為了能夠很好的解決這問(wèn)題，我們利用當(dāng)下比較熱門的人工智能技術(shù)—機(jī)器學(xué)習(xí)之K—means算法來(lái)解決這個(gè)問(wèn)題。本文將采取由MacQueen所提出的K均值算法與暗原色先驗(yàn)去霧算法結(jié)合進(jìn)行優(yōu)化，力求得到更好的去霧效果。它的主要思路是：

1)首先把各個(gè)聚類子集中的全部數(shù)據(jù)個(gè)體的平均值作為此聚類的中心店；

2)再通過(guò)一次又一次的迭代計(jì)算把數(shù)據(jù)集歸為不一樣的類別；

3)使得判斷聚類能力的評(píng)價(jià)方法達(dá)到最佳效果，聚類后相同的類聚集效果明顯，獨(dú)立的類間有較好的區(qū)分效果。

這種算法主要用來(lái)處理連續(xù)數(shù)據(jù)時(shí)，離散的數(shù)據(jù)是不適用的。K均值算法的算法流程如下：K均值算法是一個(gè)重復(fù)的迭代計(jì)算,其最終要求是使聚類樣本中所有的數(shù)據(jù)到聚類中心路程的平方和J(C)最小，它有4個(gè)步驟，流程圖如圖1所示。

圖1 K均值聚類算法流程圖

2 模型算法求解

2.1 結(jié)合K—means去霧概述

若僅僅使用暗原色去霧算法，存在兩個(gè)問(wèn)題：

1)暗原色先驗(yàn)去霧算法在恢復(fù)有霧圖像時(shí)運(yùn)算復(fù)雜度高；

2)當(dāng)天空中有高亮度值面積有局限性而造成有霧圖像容易產(chǎn)生圖像失真；

本論文從暗原色模型開始，在暗原色先驗(yàn)去霧算法的條件上獲得暗原色圖，并使用暗原色先驗(yàn)算法擬合來(lái)估計(jì)透射率，再使用K均值聚類算法給有霧圖像進(jìn)行區(qū)域劃分以后，再對(duì)天空區(qū)域估算出大氣的光強(qiáng)度值。K均值算法加強(qiáng)了圖像的細(xì)節(jié)特征，而且很好地減小了算法的復(fù)雜計(jì)算度，還加強(qiáng)了大氣光強(qiáng)度測(cè)算值的正確性，很好減小了亮度值高區(qū)域的失真。針對(duì)大氣光強(qiáng)的計(jì)算是先通過(guò)K—means聚類算法把圖像進(jìn)行處理，繼而把獲得到的有霧圖像最大像素值作為大氣光強(qiáng)值，最后用暗原色先驗(yàn)算法得到無(wú)霧圖像。

這個(gè)算法至關(guān)重要的部分便是對(duì)大氣光強(qiáng)A的估算。何凱明博士采用有無(wú)圖像的暗原色通道的0.1%的亮度像素點(diǎn)，將此點(diǎn)的原圖的最大像素值定義為大氣光強(qiáng)度值，當(dāng)有霧圖像中的白色景物的面積較小時(shí)，可以獲得比較精確的估算[4]。然而，當(dāng)圖像中存在大面積的高亮度值時(shí)，這是會(huì)造成大氣光強(qiáng)度值估算不精確，并且會(huì)使圖像顏色失真，這會(huì)大大降低去霧質(zhì)量。

2.2 暗原色去霧

我們?cè)O(shè)t(x)代表局部透射率，并假定每一個(gè)像素塊的光線透射率是相同的，通過(guò)其像素塊的大小來(lái)影響透射率。假定大氣光強(qiáng)A是已知量，則有：

(4)

根據(jù)1.2節(jié)當(dāng)中我們已經(jīng)闡述了暗原色先驗(yàn)原理可知，

(5)

由于世間的大部分物質(zhì)都不可能100%純凈沒有雜質(zhì)的，即使在光強(qiáng)很高的晴天中，也含有微粒冗雜在大氣中，所以為了真實(shí)性，我們?cè)O(shè)置了一個(gè)w參數(shù)用來(lái)模擬表示，w的值一般介于0～1之間，公式如下:

(6)

2.3 大氣光強(qiáng)估計(jì)

(7)

計(jì)算出透射率之后，最后可得到J的求解公式為：

(8)

3 實(shí)驗(yàn)結(jié)果分析

3.1 暗原色去霧

暗通道先驗(yàn)去霧算法是何凱明博士經(jīng)過(guò)大量統(tǒng)計(jì)實(shí)驗(yàn)數(shù)據(jù)研宄驗(yàn)證發(fā)現(xiàn)的?；救レF流程如圖2所示。

圖2 原理圖

基于彩色圖像三原色的暗通道特性,何惜明假設(shè)在晴天條件下,無(wú)霧的戶外圖像除了大面積藍(lán)色水域,還有明亮的天空區(qū)域,剩余場(chǎng)景的局部區(qū)域至少在的一個(gè)原色通道上存在一些亮度值很低的像素點(diǎn),將這些亮度值接近于的像素點(diǎn)看作黑暗的點(diǎn),那么這個(gè)通道即稱作暗原色通道[9]。對(duì)圖像每一像元，暗通道表達(dá)為：

(9)

其中:表示的三原色中的任意一個(gè)顏色通道(R、G、B)，表示以點(diǎn)為中心暗通道的形成有以下幾個(gè)原因：

1)天氣晴朗時(shí)，在顏色鮮亮的景物的表面，其亮度值至少在一個(gè)基原色通道的強(qiáng)度較小，通常顯性色彩的三基色組合成分最多的波段，其通道值比較大，其它譜段值比較小，幾乎為0；

2)場(chǎng)景中物體由于光線入射量少或本身不夠鮮亮，如郁蔥的林間，黒色的物體表面，灰暗色的樹干和石頭等；

3)景物被其它物體遮擋住光線或自身形成的投影區(qū)，形成的陰影區(qū)域亮度值也都很低，如汽車、建筑物、樹葉以及其它各種自然景觀在光照下的陰影和投影等。在含霧天氣條件下，含霧影像的暗通道的像素亮度值遠(yuǎn)大于無(wú)大氣粒子散射干擾情況時(shí)的亮度，因而根據(jù)暗通道這一性質(zhì)，可以估算出含霧影像中霧氣的濃度和實(shí)際景物的深度。圖為霧天時(shí)拍攝的戶外圖片及其暗通道。

圖3 晴天無(wú)霧及其暗通道圖

圖4 霧化圖像及其暗通道圖

由圖3和圖4的暗通道圖可知，無(wú)論在何種天氣條件下，至少在一個(gè)顏色通道上，總存在一些亮度值接近于的像素點(diǎn)，使得每一個(gè)局部區(qū)域顏色很暗。

3.2 圖像去霧處理系統(tǒng)的測(cè)試

1)可執(zhí)行程序，放入含有霧霾的圖片進(jìn)行圖像去霧功能測(cè)試。

2)我們分別從幾個(gè)方面來(lái)搜集圖片，衛(wèi)星、生活等各個(gè)領(lǐng)域，驗(yàn)證的效果圖象如下。算法改進(jìn)的效果十分明顯。在Matlab上運(yùn)行之后，我們繼續(xù)把Matlab與VS2012相結(jié)合生成DLL文件，方便以后在網(wǎng)絡(luò)網(wǎng)頁(yè)中應(yīng)用。

圖5 實(shí)驗(yàn)結(jié)果1

圖6 實(shí)驗(yàn)結(jié)果2

3.3 不同算法情況對(duì)比圖

通過(guò)圖7的對(duì)比可以看出，本文的算法在實(shí)驗(yàn)后效果有了明顯的改進(jìn)與提升，清晰度更高，retinex算法去霧之后從效果圖上看還是殘留霧的影響，暗通道去霧算法圖像的色澤變暗，對(duì)于一些色澤暗淡的圖像效果并不是很好，而本文的算法運(yùn)用K均值聚類算法先進(jìn)行處理，效果較為明顯。

圖7 對(duì)比情況圖

4 結(jié)束語(yǔ)

本文提出了暗通道圖像去霧與機(jī)器學(xué)習(xí)中的K-means聚類分析算法相結(jié)合的去霧算法,用暗原色先驗(yàn)算法擬合估計(jì)透射率,進(jìn)而用K—means聚類分析算法進(jìn)行分類,估算出大氣光強(qiáng),更好的還原了圖像顏色與能見度,對(duì)于圖像的去霧產(chǎn)生了良好的實(shí)驗(yàn)效果,得到的結(jié)論如下:經(jīng)過(guò)大量的實(shí)驗(yàn)觀察:在無(wú)霧圖像中,每個(gè)局部區(qū)域都極有可能會(huì)產(chǎn)生陰影,無(wú)論是純色目標(biāo)還是黑色目標(biāo)。利用本文提到的算法對(duì)透射率優(yōu)化時(shí),會(huì)使時(shí)間復(fù)雜度變小,算法的運(yùn)算效率更高。當(dāng)非天空區(qū)域有大量的白色物體時(shí),此時(shí),天空區(qū)域便與這些白色物體難以區(qū)分,會(huì)造成大氣光強(qiáng)度改變,使圖像失真。在本文經(jīng)過(guò)聚類分析算法處理后可以避免這種情況的發(fā)生,得到更好的去霧效果[5-9]。