王園園 黃麗瓊

（商洛學(xué)院電子信息與電氣工程學(xué)院 商洛 726000）

1 引言

隨著社會(huì)的不斷發(fā)展，車(chē)輛已成為人們出行的必備交通工具，也隨之帶來(lái)了各種交通問(wèn)題，為駕駛員提供有效的禁令，警告，說(shuō)明等交通標(biāo)志是解決這一問(wèn)題的途徑之一。為了確保交通標(biāo)志信息能夠及時(shí)準(zhǔn)確地傳達(dá)，交通標(biāo)志識(shí)別（TSR），引起了各國(guó)學(xué)者的關(guān)注［1］。它可用于駕駛員輔助，交通標(biāo)志維護(hù)和無(wú)人駕駛技術(shù)等領(lǐng)域。TSR的總體框圖如圖1所示。

圖1 TSR的總體框圖

交通標(biāo)志處于室外環(huán)境，受自然天氣影響較大，特別是近年來(lái)霧霾天氣越來(lái)越嚴(yán)重，對(duì)惡劣天氣采集到的低質(zhì)量圖片進(jìn)行去霧、增強(qiáng)處理，獲得相對(duì)清晰的圖像，就變得尤為重要。使用圖像增強(qiáng)算法來(lái)恢復(fù)這樣的圖像是一個(gè)相對(duì)簡(jiǎn)單的想法。Land提出了一種基于人類(lèi)視覺(jué)系統(tǒng)從不同光照條件中提取顏色信息的原理的顏色不變性模型。保持顏色恒定，可以有效地增強(qiáng)由不均勻照明形成的低對(duì)比度圖像［2］。Chen和芮義斌分別用單分辨率 Retinex（Single-Scale Retinex，SSR）和多分辨率 Retinex（Multi-Scale Retinex，MSR）增強(qiáng)模糊圖像并實(shí)現(xiàn)一定的去霧效果［3］。Brian Eriksson使用curvelet變換的特征，通過(guò)檢測(cè)曲線(xiàn)波的消失點(diǎn)來(lái)實(shí)現(xiàn)圖像去霧［4］。董濤和王輝認(rèn)為，霧狀圖像的退化是由大氣湍流和氣溶膠引起的［5］。Tarel提出了一種基于快速單圖像的去霧算法。該算法也基于物理模型，但不使用全局優(yōu)化方法，大大提高了處理速度，可以滿(mǎn)足實(shí)時(shí)處理要求。然而，該算法的處理效果略差于暗通道假設(shè)算法［6～7］。

2 交通標(biāo)志簡(jiǎn)介

交通標(biāo)志作為公共標(biāo)識(shí)，有明顯的顏色、形狀等特征，用以傳遞特定的交通信息、管理交通、指示車(chē)輛行進(jìn)方向。適用于公路、城市道路以及一切專(zhuān)用公路，具有法令的性質(zhì)，車(chē)輛、行人都必須遵守。我國(guó)有8種交通標(biāo)志，如警示標(biāo)志、引導(dǎo)標(biāo)志等，如圖2所示。

圖2 交通標(biāo)識(shí)

交通標(biāo)志的常見(jiàn)顏色如圖2所示。紅色，黑色，黃色，藍(lán)色，白色和綠色的組合。在惡劣天氣條件下，例如在多霧天氣條件下，標(biāo)志將變得比正常情況更亮。在霧霾天氣，交通標(biāo)志變得比正常顏色更黃，造成圖像對(duì)比度下降，影響后續(xù)的交通標(biāo)志成功率。

3 去霧算法理論

對(duì)于任何輸入圖像J，其暗通道可表示為

其中Jc代表彩色圖像的每個(gè)通道。即在絕大多數(shù)非天空的局部區(qū)域里，某一些像素總會(huì)有至少一個(gè)顏色通道具有很低的值［8～10］。

暗通道先驗(yàn)的理論指出：

自然場(chǎng)景充滿(mǎn)了陰影或顏色，這些場(chǎng)景的圖像的暗原色總是非常暗。下述方程所描述的霧圖形成模型被廣泛使用：

其中，I（X）是待處理圖像，J（X）是無(wú)霧圖像，A是全球大氣光成分，t（X）為透射率。這個(gè)等式有無(wú)數(shù)的解決方案，因此需要先驗(yàn)將式（3）轉(zhuǎn)換為

式（4）中C表示R/G/B三個(gè)通道的意思。然后對(duì)式（4）兩邊求兩次最小值運(yùn)算［10～11］，得到下式：

上式中，J是處理后圖像，Ω（x）表示以像素X為中心的一個(gè)窗口，根據(jù)前述的暗原色先驗(yàn)理論有

把式（6）帶入到式（5）中得到：

實(shí)際圖像中，霧可使圖像景深更加明顯，因此，在式（7）中引入一個(gè)在［0，1］之間的因子，則式（7）修正為

上述推論，假設(shè)A是已知的，實(shí)際計(jì)算中，從暗通道圖中按照亮度取0.1%的像素，在原圖像中尋找對(duì)應(yīng)的最高亮度點(diǎn)的值即可作為A值。最終的圖像去霧公式如下：

4 基于雙邊濾波器的圖像去霧算法

雙邊濾波的概念最初由Tomasi提出，當(dāng)處理相鄰像素值的灰度值或顏色信息時(shí)。通過(guò)幾何上的臨近關(guān)系和亮度相似性的非線(xiàn)性組合，進(jìn)行自適應(yīng)濾波，處理后的圖像可較好地保留圖像的邊緣信息。雙邊濾波是一種濾波技術(shù)，可以在保持圖像邊緣細(xì)節(jié)的同時(shí)有效地降低圖像疊加噪聲［11～13］。

雙邊濾波是一種保留邊緣和去噪的濾波器。濾波器由兩部分功能組成：一個(gè)功能是根據(jù)幾何空間距離確定濾波器系數(shù)。另一個(gè)根據(jù)像素差確定濾波器系數(shù)［13～15］。表達(dá)式如下：

在該公式中，Sx，y表示中心點(diǎn)（x，y）的（2N+1）*（2N+1）大小的領(lǐng)域。實(shí)際上，等式（1）的右側(cè)是中心像素點(diǎn)鄰域內(nèi)像素亮度值的加權(quán)平均。

文中結(jié)合雙邊濾波算法處理圖像的暗通道，得到更詳細(xì)的透射圖像，為霧霾圖像的最終恢復(fù)提供了更好的結(jié)果。研究雙邊濾波器的特性和參數(shù)設(shè)置，并利用暗通道理論，結(jié)合雙邊濾波器來(lái)處理圖像透射率。去霧霾算法流程圖如圖3所示。

5 算法仿真

基于圖3流程去霧霾算法，對(duì)霧霾天拍攝交通表示圖像進(jìn)行去霧霾處理，圖4（a）為原始圖片，圖4（b）為彩色通道最小化圖像，圖4（c）為最小值濾波后投射圖像，圖4（d）為雙邊濾波透射后圖像，兩張圖片對(duì)比可以看到雙邊濾波得到的透射圖像細(xì)節(jié)更加詳細(xì)。

圖3 基于雙邊濾波器的圖像去霧霾算法流程圖

圖4 圖像處理后波形

圖5 （a）為Retinex算法去霧霾后圖像，圖5（b）為本文算法去霧霾后圖像，可以看出圖5（a）存在分辨率較低、色塊等問(wèn)題，本文算法去霧霾后圖像交通圖標(biāo)邊緣清晰，較好地保留了圖片的原始信息。

圖5 不同算法去霧霾比較

5 結(jié)語(yǔ)

論文論述了雙邊濾波器在交通標(biāo)識(shí)圖像除霧算法中的應(yīng)用。為了準(zhǔn)確地恢復(fù)無(wú)霧霾圖像，利用暗通道先驗(yàn)去霧方法，通過(guò)雙邊濾波器獲得精確的透射率圖，由于圖像去霧與原始圖像不可比，從主觀感覺(jué)可以看出，基于雙邊濾波算法的圖像去霧實(shí)現(xiàn)了顯著的去霧霾效果并且可以滿(mǎn)足日常應(yīng)用。然而，基于雙邊濾波算法的圖像去霧也存在一些缺點(diǎn)，例如處理大的白色天空區(qū)域的結(jié)果并不理想。