李紅云,高 銀

(1.泉州理工學(xué)院 智能制造學(xué)院,福建 晉江 362200;2.中國(guó)科學(xué)院 泉州裝備制造研究所,福建 晉江 362000)

伴隨著現(xiàn)代科技的發(fā)展,多種傳感器的融合促進(jìn)識(shí)別和認(rèn)知的智能化,其中視覺(jué)信息在人工智能的發(fā)展中起著重要作用。在有霧的天氣,戶外的視覺(jué)信息受到較大的干擾,很多依靠該視覺(jué)信息的系統(tǒng)都無(wú)法正常工作。因此,如何有效去除戶外視覺(jué)設(shè)備采集信息的霧現(xiàn)象顯得尤為重要和關(guān)鍵。

目前,主流的霧天圖像處理方法可以分為基于直方圖的處理方法[1,2]、基于Retinex理論的處理方法[3-5]和基于暗原色理論的處理方法?；谥狈綀D的處理方法根據(jù)霧天圖像的直方圖特性,運(yùn)用全局和局部直方圖均衡化的方法,提高圖像的對(duì)比度,從而達(dá)到去霧的目的,但該方法在處理過(guò)程中,對(duì)比度拉伸的控制存在不確定性,所以難以達(dá)到令人滿意的去霧效果?；赗etinex理論的處理方法共有3個(gè)比較主流的算法:單尺度Retinex(SSR)[3]、多尺度Retinex(MSR)[4]和多尺度Retinex彩色恢復(fù)(MSRCR)算法[5]。這三種算法中,多尺度Retinex彩色恢復(fù)(MSRCR)算法因采用了顏色補(bǔ)償,增強(qiáng)效果較好,但未保持色調(diào)恒定,仍會(huì)出現(xiàn)色彩畸變或者過(guò)曝光現(xiàn)象。到目前為止,很多學(xué)者都對(duì)其進(jìn)行改進(jìn),但算法的實(shí)時(shí)性和復(fù)雜度依然是較難逾越的鴻溝[6]。

基于暗原色理論的去霧方法起源于大氣散射模型,由Narasimha等[7]結(jié)合場(chǎng)景深度和大氣條件信息提出,但該方法復(fù)雜度比較高,需要設(shè)備測(cè)量景深,嚴(yán)重限制了算法的使用和推廣。之后,He等借助先驗(yàn)的理論統(tǒng)計(jì)發(fā)現(xiàn)了暗原色的求取方法,并簡(jiǎn)化了該模型,提出了一種新的暗原色先驗(yàn)去霧方法,但是全局大氣背景光值的獲取采用的是先驗(yàn)方法,造成復(fù)原后圖像亮度的損失,而且該方法是用來(lái)軟摳圖算法,沒(méi)有考慮天空區(qū)域的影響,復(fù)原后的圖像顏色出現(xiàn)光暈現(xiàn)象,影響圖像整體感[8]。通過(guò)研究發(fā)現(xiàn),全局大氣背景光的準(zhǔn)確度影響復(fù)原后圖像的亮度和對(duì)比度;透射率圖像的優(yōu)化程度決定復(fù)原后圖像的色彩畸變情況。之后很多學(xué)者在此簡(jiǎn)化模型基礎(chǔ)上,針對(duì)這些影響因素進(jìn)行不斷改進(jìn)[9-16]。這些改進(jìn)根據(jù)優(yōu)化對(duì)象主要分為2類:基于全局大氣背景光的優(yōu)化方法和基于透射率圖像的優(yōu)化方法。

基于透射率的優(yōu)化方法主要是針對(duì)暗通道圖像出現(xiàn)的階梯效應(yīng)問(wèn)題,通過(guò)各種修正法消除暗通道圖像的階梯效應(yīng)。Meng等人運(yùn)用散射立方方法替代先驗(yàn)估計(jì)求出初始暗通道圖像,該方法雖然增加了算法的魯棒性,但對(duì)于透射率圖像的優(yōu)化存在不足,復(fù)原后圖像在天空區(qū)域會(huì)出現(xiàn)光暈現(xiàn)象[11]。針對(duì)光暈現(xiàn)象,高銀等人提出運(yùn)用四階PDE模型單一修正透射率圖像,取得了較好效果,但對(duì)于不均勻的霧天圖像,會(huì)出現(xiàn)霧邊緣的現(xiàn)象[12]。為了減輕圖像出現(xiàn)的霧邊緣現(xiàn)象,Cai等人提出了Dehazenet方法來(lái)估計(jì)透射率圖像,有效去除了霧邊緣,但復(fù)原后的圖像表面殘留著一些霧氣,達(dá)不到最優(yōu)的視覺(jué)效果[13]。為了能達(dá)到較好的視覺(jué)效果,人們提出了基于多重優(yōu)化的方法。

基于全局大氣背景光的優(yōu)化主要通過(guò)各種先驗(yàn)方法或者機(jī)器學(xué)習(xí)的方法進(jìn)行求取,從而有效調(diào)節(jié)復(fù)原后圖像的亮度和對(duì)比度。雷琴等[14]將均值漂移方法與嵌入置信度的邊緣檢測(cè)方法相結(jié)合進(jìn)行圖像分割,分別對(duì)天空區(qū)域和非天空區(qū)域采用不同的方法進(jìn)行優(yōu)化。雖然該方法考慮了天空區(qū)域的影響,但忽略了全局大氣背景光的影響。肖進(jìn)勝等[15]利用天空區(qū)域的占比進(jìn)行分割,但對(duì)于天空區(qū)域存在較小的圖像,該分割方法就不再適用。近來(lái),李堯羿等[16]采用統(tǒng)計(jì)學(xué)方法提出一種先驗(yàn)假設(shè),通過(guò)先驗(yàn)假設(shè)提取天空區(qū)域。該方法雖然比文獻(xiàn)[15]的方法更具魯棒性,但該方法采用圖像恢復(fù)和亮度調(diào)節(jié)再次優(yōu)化圖像,最終復(fù)原的結(jié)果是暗原色理論的作用還是再次優(yōu)化的作用,不能確定。

近年來(lái),圖像融合理論被引入霧天圖像復(fù)原中,取得了不錯(cuò)的實(shí)驗(yàn)結(jié)果。Guo等人通過(guò)融合的方法去霧,雖然取得了較好的視覺(jué)效果,但是對(duì)于不同亮度的圖像卻出現(xiàn)了亮度的損失,主要原因是全局大氣背景光的求取依賴天空區(qū)域的分割,缺少對(duì)全局大氣背景光的判斷,會(huì)造成復(fù)原后圖像的亮度降低[17]。為了能更好地復(fù)原物體圖像,獲得較好的視覺(jué)效果,Gao等人通過(guò)多尺度融合的方法去霧,取得了一系列滿意的結(jié)果[18,19],但圖像處理過(guò)程中算法的復(fù)雜度較高。以上各種理論方法對(duì)暗原色理論的修正,對(duì)于特定的霧天環(huán)境取得了較好的效果,但是均存在不同程度的復(fù)雜度高、實(shí)時(shí)性低、天空區(qū)域的光暈效應(yīng)和色彩失真等問(wèn)題。

本文根據(jù)霧天圖像天空區(qū)域的特征,利用梯度局部最小值方法分割出天空區(qū)域,計(jì)算全局大氣背景光的值;針對(duì)經(jīng)典的暗原色理論算法處理中暗通道圖像的“階梯”效應(yīng)和處理后的霧天圖像出現(xiàn)光暈和過(guò)曝光的問(wèn)題,從計(jì)算機(jī)視覺(jué)角度出發(fā),根據(jù)輻射立方體法則,提出了基于邊界限制L0梯度最小化濾波方法;針對(duì)暗原色模型處理出現(xiàn)亮度損失的問(wèn)題,本文采用gamma校正方法對(duì)處理后的圖像進(jìn)一步優(yōu)化提升。本文的主要?jiǎng)?chuàng)新點(diǎn)可以概括為以下3點(diǎn):(1)通過(guò)霧天圖像的直方圖特性分割出天空區(qū)域,有效獲取全局大氣背景光有效值;(2)提出一種邊緣限制的L0梯度濾波方法用于優(yōu)化透射率圖像;(3)設(shè)計(jì)一種優(yōu)化的暗通道模型方法,對(duì)霧天圖像復(fù)原模型進(jìn)行簡(jiǎn)化。

1 暗通道先驗(yàn)理論

眾所周知,霧天圖像的形成過(guò)程可以用大氣散射模型簡(jiǎn)化[8]

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

(1)

式中:I(x)表示被觀察或相機(jī)接收到的圖像,J(x)是在無(wú)霧情況下的圖像,t(x)表示介質(zhì)的透射率,A是天空的亮度值。其中J(x)t(x)為直接衰減項(xiàng);A(1-t(x))為大氣光成分。

暗通道理論認(rèn)為在霧天圖像中,總存在趨近于0的暗原色像素點(diǎn),即

(2)

式中:Ic(y)為圖像的某一個(gè)通道;Ω(x)為圖像中以像素x為幾何中心的某一區(qū)域;Jd(x)為圖像在Ω(x)區(qū)域中的暗原色,如果是無(wú)霧的圖像,Jd(x)趨于0。

對(duì)于有霧的圖像,初步估計(jì)的透射率圖像可以表述為

(3)

式中:t1(x)為以x為中心的鄰域的透射率。實(shí)際應(yīng)用中,為了滿足景深的要求,引入一個(gè)系數(shù)ω,其值為[0 1],當(dāng)ω趨近于1時(shí),說(shuō)明不保留霧,一般情況下ω取0.95,適當(dāng)保留霧的影響,可使圖像有深度感。為了提高透射率圖像的估計(jì)精度,最初,學(xué)者采用guided image filtering方法[7],通過(guò)對(duì)初步獲取的透射率圖像進(jìn)行保持邊緣且平滑處理

t2(x)=gf(Ig(x),t1(x))

(4)

式中:Ig(x)為輸入彩色圖像的單通道圖像,t1(x)為結(jié)果導(dǎo)向?yàn)V波處理后的結(jié)果,t2(x)為導(dǎo)向?yàn)V波處理。

根據(jù)式(1),得到無(wú)霧的圖像為

J(x)=(I(x)-A)/max(t2(x),t0)+A

(5)

式中:A選取暗原色中亮度最大的0.1%像素的均值;t0=0.1用來(lái)約束圖像,防止出現(xiàn)對(duì)比度過(guò)大。

2 本文算法

有效求取全局大氣背景光并準(zhǔn)確優(yōu)化透射率是獲得清晰無(wú)霧圖像的關(guān)鍵,經(jīng)典的暗原色理論的方法在處理圖像時(shí),遇顏色陡變或者亮度變化較大的區(qū)域時(shí),常采用摳圖算法和導(dǎo)向?yàn)V波方法[20],處理后在區(qū)域邊緣會(huì)出現(xiàn)明顯的亮度損失、色彩失真和光暈現(xiàn)象,去霧效果不理想。針對(duì)去霧后亮度損失的問(wèn)題,本文通過(guò)分割天空區(qū)域,獲取有效的全局大氣背景光。通過(guò)大量的實(shí)驗(yàn)分析發(fā)現(xiàn),處理過(guò)程中暗通道圖像的獲取和優(yōu)化方法雖然使得透射率圖像得到了一定的平滑,但是暗通道圖像的邊緣損失較大,這在一定程度上造成了光暈現(xiàn)象。為了有效解決該問(wèn)題,本文在經(jīng)典的暗原色理論的基礎(chǔ)上,提出了基于天空區(qū)域分割和邊緣限制的L0梯度濾波的圖像去霧算法。首先通過(guò)輻射立方體法則獲得有效的邊緣損失較少的暗通道圖像;其次,通過(guò)修正L0梯度濾波方法,對(duì)暗通道圖像進(jìn)行保邊平滑處理;最后,根據(jù)優(yōu)化的暗原色理論模型,獲取增強(qiáng)后的無(wú)霧圖像,算法流程如圖1所示。

2.1 全局大氣背景光求取

為了獲取全局大氣背景光的有效值,從而減少去霧后圖像的局部過(guò)曝光或者光暈現(xiàn)象,提出了一種基于直方圖分析的局部尋優(yōu)閾值分割方法。在傳統(tǒng)的暗原色理論算法中,由于大氣背景光被設(shè)置為無(wú)窮遠(yuǎn)處的天空亮度值,造成無(wú)法精確求解。目前,雖然很多學(xué)者把該值設(shè)定為暗通道圖像像素從大到小排序的前5%的平均值,但是這樣的人為設(shè)定存在很多不確定性,如圖像中高反光的物體區(qū)域被加入到全局大氣背景光的計(jì)算中,將嚴(yán)重影響最終的去霧效果,進(jìn)而造成局部過(guò)曝光或者光暈現(xiàn)象。因此,通過(guò)有效的分割方法分離天空區(qū)域,求取全局大氣背景光的有效值,在去霧時(shí)就能有效解決這些問(wèn)題,達(dá)到最優(yōu)的視覺(jué)效果。

由于這種預(yù)先假設(shè)求取方法的不確定性,若想獲得較好的去霧效果,就需要從霧天圖像的特征入手得到有效值。霧天圖像的天空區(qū)域的特征主要包括梯度小、像素趨于圖像中最大亮度附近且相對(duì)集中在某一范圍等。根據(jù)這些特性,結(jié)合圖像直方圖方法,本文提出一種能有效獲取全局大氣背景光有效值的方法。這里定義霧天圖像每個(gè)通道的天空區(qū)域范圍的下限分割閾值。首先通過(guò)高斯濾波獲取平滑后的單通道圖像,其次,運(yùn)用二分法對(duì)該通道圖像的直方圖進(jìn)行求解,獲得局部的最小值。具體公式如下

(6)

對(duì)于獲取的天空區(qū)域,由于可能存在一些反射較大的物體,在分割獲取天空區(qū)域時(shí)可能將其誤認(rèn)為天空區(qū)域,從而引起誤差。本文對(duì)該部分區(qū)域運(yùn)用區(qū)域剔除方法,去掉最亮的小區(qū)域,剩下的就是所需要的天空區(qū)域,公式為

Tac=el(ac)|Ω≤δ

(7)

式中:el(·)是一種區(qū)域剔除方法,δ是整幅圖像像素總數(shù)的0.5%。研究中發(fā)現(xiàn),當(dāng)圖像亮度區(qū)域的像素總數(shù)Ω小于整個(gè)圖像像素總數(shù)的0.5%時(shí),即Ω≤δ時(shí),就可以把它去掉;大于整個(gè)圖像像素總數(shù)的0.5%時(shí),就認(rèn)為它屬于天空區(qū)域。Tac是最終獲取的天空區(qū)域的像素。文中給出了不同類型圖像的分割結(jié)果,如圖2所示。由圖2可見(jiàn),本文方法在分割獲取圖像天空區(qū)域時(shí)具有較好的魯棒性。

為了更加有效地獲得全局大氣背景光的有效值,定義

Ak=[min(Tac),max(Tac)]c∈{r,g,b}

(8)

式中:Ak為求取的全局大氣背景光的范圍,k=c代表r,g,b三通道標(biāo)號(hào)。

同時(shí)定義

A=mean(Ak)

(9)

式中:mean(·)是全局大氣背景光值的求取函數(shù),[ac,max(Ic(x)))范圍內(nèi)的平均值就是所要求取的有效值。

2.2 邊界限制L0梯度最小化濾波優(yōu)化

對(duì)于透射率圖像的優(yōu)化,一般采用的方法是軟摳圖算法[8]或?qū)驗(yàn)V波方法[20]等。當(dāng)圖像中存在亮度變化較大的區(qū)域時(shí),處理后在該區(qū)域邊緣會(huì)出現(xiàn)明顯的色彩失真和光暈現(xiàn)象。針對(duì)該問(wèn)題,通過(guò)分析大量實(shí)驗(yàn)發(fā)現(xiàn),處理過(guò)程中暗通道圖像的獲取和優(yōu)化方法雖然使得透射率圖像得到一定平滑,但是暗通道圖像的邊緣損失較大,一定程度上造成了光暈現(xiàn)象。為了解決透射率優(yōu)化過(guò)程中邊緣損失的問(wèn)題,本文提出一種邊界限制L0梯度最小化濾波優(yōu)化方法。

邊界限制方法是通過(guò)輻射立方體推導(dǎo)而來(lái),目的是通過(guò)條件限制把原圖像約束在某一范圍,得到等效的暗通道圖像[11],如圖3所示。該方法簡(jiǎn)化了對(duì)暗通道圖像求解的復(fù)雜度,在一定程度上可以初步避免暗通道圖像中的“階梯”效應(yīng)。根據(jù)式(1)可知

(10)

考慮到輸入圖像場(chǎng)景散射的限制,如圖3所示,設(shè)置場(chǎng)景的圖像邊界為

C0≤Jk(x)≤C1

(11)

式中:C0和C1分別為場(chǎng)景圖像的上下邊界。

從圖3可知,將式(8)和邊界條件(9)代入式(11),可以初步得到透射率圖像的限制邊界條件

C0≤tb(x)≤t(x)≤C1

(12)

式中:tb(x)是透射率圖像的下邊界,也是對(duì)輸入的霧天圖像的一種邊界限制約束方法,其具體的求解為

(13)

經(jīng)過(guò)邊界限制的處理,可以得到初步去除“階梯”效應(yīng)的等效暗通道圖像,但是這種等效的暗通道圖像的“階梯”效應(yīng)仍然明顯,且該圖像的邊緣也出現(xiàn)了模糊。如果直接代入求取復(fù)原后的圖像,在其亮度變化較大的部分就會(huì)出現(xiàn)光暈現(xiàn)象。

目前,對(duì)于光暈現(xiàn)象的處理還沒(méi)有好的方法。本文通過(guò)L0梯度濾波方法對(duì)透射率圖像的邊緣進(jìn)行增強(qiáng),對(duì)其余部分進(jìn)行平滑處理,可以有效避免光暈現(xiàn)象。通過(guò)邊界限制L0梯度最小化濾波方法平滑處理,使處理后的圖像在保持邊緣的基礎(chǔ)上盡可能與原圖相似[21]。設(shè)輸入圖像I,平滑后的圖像S,以及S在像素點(diǎn)p的梯度Sp=(?xSp,?ySp)T,其數(shù)學(xué)表達(dá)式為

C(S)=#{p||?xSp|+|?ySp|≠0}

(14)

式中:#{}表示非零梯度的數(shù)量,C(S)是正則項(xiàng)與一般數(shù)據(jù)約束項(xiàng)的結(jié)合,約束項(xiàng)的作用是使平滑的結(jié)果S在結(jié)構(gòu)上與輸入圖像相似,L0梯度最小化模型的能量函數(shù)如下

(15)

式中:λ是非負(fù)參數(shù),它可以直接控制正則項(xiàng)的權(quán)重大小,S可以通過(guò)式(15)求解。經(jīng)過(guò)濾波處理后的透射率圖像表示為

tw(x)=Fλ(tb(x),λ)

(16)

式中:tw(x)表示經(jīng)過(guò)L0梯度濾波后的透射率圖像,Fλ(·)表示邊界限制L0梯度最小化濾波處理。從圖4可以看出,經(jīng)過(guò)本文邊界限制處理,初步獲取的暗通道圖像的細(xì)節(jié)對(duì)比度較大,邊緣也較突出;經(jīng)過(guò)濾波優(yōu)化后,本文處理后的透射率圖像保留了圖像的邊緣,平滑了圖像非邊緣部分,而且處理后的圖像避免了天空區(qū)域的光暈現(xiàn)象。

2.3 暗原色理論模型優(yōu)化

結(jié)合傳統(tǒng)的暗原色理論的數(shù)學(xué)模型,帶入求取的全局大氣背景光和優(yōu)化的透射率圖像,由式(1)和(3)知,引入gamma矯正方法,令A(yù)I1(x)=I(x)-A,則式(5)可簡(jiǎn)化為

(17)

3 實(shí)驗(yàn)結(jié)果及分析

3.1 算法的效果分析

有霧的圖像經(jīng)過(guò)傳統(tǒng)的暗原色理論算法處理,由于全局大氣背景光的估計(jì)存在誤差和優(yōu)化的透射率圖像邊緣存在損失等影響,復(fù)原后的圖像會(huì)出現(xiàn)某些問(wèn)題,如亮度降低,圖像中天空區(qū)域或較亮的大片區(qū)域會(huì)出現(xiàn)光暈現(xiàn)象。本文將針對(duì)這兩個(gè)問(wèn)題,與目前主流的去霧算法作對(duì)比,從主觀評(píng)價(jià)和客觀評(píng)價(jià)兩個(gè)方面對(duì)算法進(jìn)行有效性分析。

在圖5中,所有的方法對(duì)霧天圖像都有一定的效果,但是對(duì)于不同類別的圖像,除本文方法之外,每種方法都存在缺陷。如圖5(b)的4幅圖,文獻(xiàn)[8]方法處理后,復(fù)原后的圖像亮度都有所降低。復(fù)原前圖像亮度較低的地方在復(fù)原后,該區(qū)域的顏色太重,圖像的細(xì)節(jié)接近消失。經(jīng)文獻(xiàn)[8]方法處理后,圖像似乎還存在一層淡淡的霧氣,如圖5(b)的第4幅圖。文獻(xiàn)[11]方法處理后的結(jié)果,在圖5(c)的4幅圖像的天空區(qū)域中出現(xiàn)了較大的光暈現(xiàn)象,且在該列第4幅圖中,復(fù)原后的農(nóng)作物出現(xiàn)了顏色畸變。在這幾種對(duì)比算法中,文獻(xiàn)[13]方法總體效果較好,如圖5(d),4幅圖中的天空區(qū)域有效避免了光暈現(xiàn)象,圖像的亮度和細(xì)節(jié)得到提高,但是4幅圖在復(fù)原之后卻出現(xiàn)了比文獻(xiàn)[8]方法處理后更深的霧氣。文獻(xiàn)[22]運(yùn)用神經(jīng)網(wǎng)絡(luò)的方法訓(xùn)練樣本去霧,該方法中采用文獻(xiàn)[11]中求取全局大氣背景光的方法,因此復(fù)原后圖像的亮度也會(huì)出現(xiàn)損失;由于神經(jīng)網(wǎng)絡(luò)的方法依賴樣本,而自然環(huán)境下采集的圖像存在不同亮度和不同的能見(jiàn)度,所以該方法對(duì)不同的霧天圖像存在局限性,復(fù)原后的圖像出現(xiàn)了色彩失真,如圖5(e)的最后一幅圖。

針對(duì)不同的霧天圖像,經(jīng)過(guò)本文算法處理,由于采用了天空區(qū)域分割求取全局大氣背景光的方法,圖像的亮度得到了修正,圖像的對(duì)比度都有了較大的提高,圖像中的物體細(xì)節(jié)得到了凸顯;本文采用邊緣限制的L0梯度濾波的平滑方法,避免了圖像的天空區(qū)域的光暈現(xiàn)象,圖像的整體視覺(jué)效果得到了明顯提高。

3.2 天空區(qū)域失真以及細(xì)節(jié)特征分析

監(jiān)控或者戶外采集的圖像不可避免地會(huì)遇到圖像中存在天空區(qū)域,由于該區(qū)域的圖像亮度對(duì)處理過(guò)程有較大的影響,如何有效減少影響,成為當(dāng)前研究霧天圖像的關(guān)鍵問(wèn)題。因此,文中針對(duì)這些問(wèn)題,對(duì)圖像中天空區(qū)域的失真和物體的細(xì)節(jié)特征進(jìn)行比較,并通過(guò)提取圖像中特定區(qū)域,針對(duì)性地分析算法的效果。

文獻(xiàn)[8]方法處理后,圖像的天空區(qū)域有輕微的顏色失真現(xiàn)象,如圖6(b)第二行圖所示,同樣在圖6(b)的第3幅圖中,天空區(qū)域仍然出現(xiàn)過(guò)增強(qiáng),顏色失真。經(jīng)過(guò)文獻(xiàn)[11]方法處理,如圖6(c),天空變成了深藍(lán)色,且物體的邊緣出現(xiàn)霧化的折疊帶,如圖6(c)第一行圖像中的山頂;圖像的天空區(qū)域出現(xiàn)較嚴(yán)重的色彩失真現(xiàn)象,如圖6(c)第三行圖像中右下角的白頂棚子,原圖中為灰色,而處理后變成了淺藍(lán)色。經(jīng)過(guò)文獻(xiàn)[13]方法處理,如圖6(d),天空區(qū)域的色彩保持較好,比較接近原圖,但圖像整體仍然裹著一層霧氣,清晰度比較低。經(jīng)過(guò)文獻(xiàn)[22]方法處理,如圖6(e),圖像的天空區(qū)域的顏色失真現(xiàn)象比文獻(xiàn)[11]方法處理后的結(jié)果弱,但比文獻(xiàn)[8]方法處理后效果好。而通過(guò)本文算法的處理,天空區(qū)域沒(méi)有出現(xiàn)光暈現(xiàn)象,圖像的可視度也比較高。

在圖像的細(xì)節(jié)特征方面,以上5種方法處理后的圖像細(xì)節(jié)比較突出,均能較清晰地看到物體,但如圖6第一行圖所示,分別經(jīng)文獻(xiàn)[8]、[13]和[22]方法處理后,圖像的對(duì)比度有所增加,但清晰度仍然不夠,隨著景深的加大,遠(yuǎn)處似乎依然朦朧,圖像的表面還包裹著一層淡淡的霧氣。文獻(xiàn)[11]方法處理后,圖像中物體出現(xiàn)霧邊緣,如圖6(c)第一行圖所示。經(jīng)過(guò)本文算法的處理,圖像中天空區(qū)域的亮度得到修正,比較符合自然條件下的天空亮度;圖像中物體邊緣都比較清晰,且其中的顏色保真度比較高,可視效果比較自然。

3.3 算法的客觀評(píng)價(jià)

霧天圖像經(jīng)過(guò)復(fù)原,圖像的對(duì)比度、細(xì)節(jié)和顏色都有了一定改善,如果要對(duì)其進(jìn)行評(píng)價(jià),目前最好的評(píng)價(jià)方法是無(wú)參考的自然圖像的評(píng)價(jià)。該方法不用參考原圖像,直接對(duì)輸入的圖像進(jìn)行可視環(huán)境下的對(duì)比評(píng)價(jià)。本文運(yùn)用NR-FQA方法[23]對(duì)無(wú)參考圖像進(jìn)行客觀對(duì)比評(píng)價(jià)。考慮到算法的實(shí)際應(yīng)用,引入了處理時(shí)間的評(píng)價(jià)。為了便于對(duì)比試驗(yàn),將評(píng)價(jià)方法中前兩名進(jìn)行了標(biāo)注。

基于NR-FQA的評(píng)價(jià)方法中,獲取的值越小,表明圖像的質(zhì)量越清晰自然。從表1可以看出,每種方法都包含求取的NR-FQA前兩名中值,但經(jīng)過(guò)本文方法的處理,獲得NR-FQA值都最小,表明本文算法的去霧效果較強(qiáng),圖像細(xì)節(jié)較突出,整體感官較清晰自然,可視度較高,圖像質(zhì)量得到明顯提升,結(jié)合主觀評(píng)價(jià),客觀實(shí)際數(shù)據(jù)恰好反映視覺(jué)感官的效果。

表1 圖像評(píng)價(jià)

由表1可以看出,本文算法的處理時(shí)間最短,文獻(xiàn)[8]方法處理時(shí)間最長(zhǎng),其次是文獻(xiàn)[11]方法,文獻(xiàn)[13]和文獻(xiàn)[22]方法處理時(shí)間接近,因此可以看出本文算法效率最高。

4 結(jié)束語(yǔ)

傳統(tǒng)的暗原色算法在處理物體圖像時(shí)會(huì)出現(xiàn)亮度降低和天空區(qū)域的光暈現(xiàn)象,對(duì)此本文提出一種基于天空區(qū)域分割和邊緣限制的L0梯度濾波霧天圖像增強(qiáng)方法。從直方圖的性質(zhì)入手,通過(guò)分割天空區(qū)域的方法求取全局大氣背景光,修正了圖像亮度;根據(jù)輻射立方體法則推導(dǎo)出邊界限制條件,對(duì)物體圖像進(jìn)行規(guī)整,求解出初始暗通道圖像,并通過(guò)L0梯度濾波方法和容差機(jī)制,對(duì)透射率圖像進(jìn)行平滑處理,避免了復(fù)原圖像偽輪廓的產(chǎn)生和圖像的天空區(qū)域顏色失真的問(wèn)題;最后結(jié)合簡(jiǎn)化的透射率模型,獲得最終的增強(qiáng)去霧圖像。主觀評(píng)價(jià)和客觀評(píng)價(jià)的結(jié)果表明,本文算法比主流的改進(jìn)暗原色算法在細(xì)節(jié)增強(qiáng)、圖像亮度和清晰度方面具有更好的效果。下一階段工作將對(duì)如何同時(shí)提高算法實(shí)時(shí)性和處理效果進(jìn)行研究。