柳華林，張立民，王海鵬，劉 顥，李雪騰

（1.海軍航空大學(xué)，山東 煙臺 264000；2.武漢數(shù)字工程研究所，武漢 430000）

0 引言

打靶作為部隊(duì)基礎(chǔ)訓(xùn)練項(xiàng)目，是提高戰(zhàn)斗力的重要手段。一直以來，關(guān)于自動報(bào)靶的研究成果層出不窮［1］，但極少考慮實(shí)際應(yīng)用過程中的自然環(huán)境干擾。在霧等穩(wěn)態(tài)不良天氣條件下，獲取實(shí)時(shí)圖像的質(zhì)量存在不同程度的退化，視覺效果呈現(xiàn)對比度降低、目標(biāo)模糊不清等特征，既降低了研究價(jià)值，也嚴(yán)重影響基于計(jì)算機(jī)視覺的自動報(bào)靶系統(tǒng)的功能實(shí)現(xiàn)。因此，有效去除霧等穩(wěn)態(tài)不良干擾并獲得清晰的靶場視頻圖像具有重要現(xiàn)實(shí)意義［2］。

近年來，關(guān)于圖像和視頻去霧的研究成果豐碩，并在單幅圖像去霧領(lǐng)域有較大突破，主要有圖像增強(qiáng)和圖像復(fù)原［3］兩種方式。圖像增強(qiáng)通過提高色彩和對比度優(yōu)化霧天圖像的視覺效果，但容易造成圖像信息丟失，去霧效果不理想。常用算法有直方圖均衡化［4］、同態(tài)濾波［5］、Retinex 算法［6］等。圖像復(fù)原通過建立散射模型，推斷圖像退化物理過程，反演出受霧干擾前的圖像［7］。這類算法利用先驗(yàn)知識，能還原出更多圖像細(xì)節(jié)，從根本上去霧。如Jiang等人［8］基于分層的透射圖估計(jì)方法，Zhu 等人［9］基于顏色衰減先驗(yàn)，He 等人［10］基于暗通道先驗(yàn)等在特定條件下都能對受霧干擾的圖像進(jìn)行有效復(fù)原。

本文著眼于自動報(bào)靶系統(tǒng)實(shí)際應(yīng)用，在靶場視頻圖像特點(diǎn)研究的基礎(chǔ)上，提出一種基于暗通道先驗(yàn)的靶場視頻圖像去霧算法。該算法改進(jìn)暗通道圖求取方式，有效降低求取時(shí)間；采用Fast Guided Filter 對暗通道圖進(jìn)行優(yōu)化，不影響透射率優(yōu)化的同時(shí)獲得更佳的大氣光值；改進(jìn)大氣光值估計(jì)方法，通過Otsu 方法快速分割靶場視頻圖像的候選場景進(jìn)行大氣光值估算，有效提高大氣光值求取的準(zhǔn)確性和時(shí)效性；提出基于亮度和邊緣融合的精細(xì)化分割算法，分割白色靶面，優(yōu)化其透射率，有效解決白色靶面去霧后色彩失真問題。通過一系列優(yōu)化和改進(jìn)，實(shí)現(xiàn)了對靶場視頻圖像的快速去霧，并取得很好的視覺效果。

1 暗通道先驗(yàn)去霧算法

1.1 大氣散射物理模型

大氣散射模型［11］作為霧、霾圖像的物理模型被廣泛應(yīng)用于圖像去霧中:

式中，I（x）是有霧圖像，J（x）是無霧圖像，A 是全球大氣光，t（x）是透射率。

1.2 暗通道先驗(yàn)理論

未受霧氣干擾的室外圖像，其絕大部分除天空的局部區(qū)域中，存在像素至少在一個(gè)顏色通道是很低的值［10］。因此，可定義輸入圖像J 的暗通道表達(dá)式:

式中，Jc為彩色圖像各通道，Ω（x）為以像素x 為中心的窗口。

暗通道先驗(yàn)理論指出:

1.3 暗通道先驗(yàn)去霧

全球大氣光A 值可利用暗通道圖，通過受霧干擾的降質(zhì)圖像進(jìn)行求取，即獲取其亮度值在前0.1%的像素的坐標(biāo)位置，然后找到這些位置在受霧干擾圖像中的最大亮度值作為A 值。

出于去霧后圖像視覺效果的考量，透射率t（x）的值通常設(shè)置有最低閾值t0（通常為0.1）。最終，有霧圖像復(fù)原公式為:

1.4 不足之處

經(jīng)暗通道先驗(yàn)去霧算法的相關(guān)實(shí)驗(yàn)分析，發(fā)現(xiàn)其存有幾點(diǎn)不足之處。首先，傳統(tǒng)的暗通道圖求取方式過于耗時(shí)；其次，圖中存在白色等具有高亮度值的目標(biāo)物體時(shí)，容易造成大氣光值的錯(cuò)誤估計(jì)；再次，天空或白色區(qū)域幾乎不包含暗元素，不符合該先驗(yàn)條件，導(dǎo)致該區(qū)域求取的透射率與實(shí)際相比誤差較大，圖像去霧后產(chǎn)生嚴(yán)重色彩失真；最后，算法整體的時(shí)效性還有待進(jìn)一步提高。

2 改進(jìn)的暗通道先驗(yàn)去霧算法

本節(jié)研究內(nèi)容立足于靶場視頻圖像特點(diǎn)，優(yōu)化和完善暗通道先驗(yàn)去霧算法的各部分內(nèi)容，最終提出基于暗通道先驗(yàn)的靶場視頻圖像去霧算法?；玖鞒倘鐖D1 所示。

圖1 算法流程圖

2.1 快速暗通道圖求取

暗通道圖求取是視頻圖像去霧的決定性基礎(chǔ)，其求取方式和速度鮮有研究。傳統(tǒng)的暗通道圖求取方式大體有兩種:方式1 首先求取受霧氣干擾圖像各個(gè)像素三通道的最小值并生成最小值圖像，然后通過最小值濾波生成暗通道圖；方式2 是獲取受霧氣干擾圖像的3 個(gè)通道圖，并分別采用最小值濾波處理，通過各個(gè)像素位置對應(yīng)的3 個(gè)最小值圖像中的最小值獲得暗通道圖。

由于靶場視頻圖像去霧對環(huán)線和孔洞等的保留度要求高，為降低塊狀效應(yīng)和暗通道圖的求取時(shí)間，本文選大小為3×3 的窗口通過3×3 步長求取暗通道圖。同時(shí)，改進(jìn)像素三通道最小值和窗口區(qū)域最小值的求取，采用在當(dāng)前時(shí)刻窗口位置進(jìn)行R、G、B 各通道以及窗口區(qū)域最小值的求取，并將該值作為當(dāng)前時(shí)刻窗口區(qū)域的暗通道值，以此獲得最終的暗通道圖。

2.2 Fast Guided Filter 優(yōu)化暗通道圖

導(dǎo)向?yàn)V波［12］作為應(yīng)用廣泛的邊緣保持濾波算法，具有導(dǎo)向性，通過引導(dǎo)圖像確認(rèn)邊緣位置，從而有效對其進(jìn)行保護(hù)。通常采用式（6）針對二維圖像中像素點(diǎn)i 處開展濾波工作:

在上述導(dǎo)向?yàn)V波的基礎(chǔ)上，F(xiàn)ast Guided Filter［13］通過下采樣減少像素點(diǎn)，計(jì)算mean_a 和mean_b 后進(jìn)行上采樣恢復(fù)到原有大小。相較于導(dǎo)向?yàn)V波，該快速方法在不影響濾波質(zhì)量的前提下能夠有效提高運(yùn)行的效率。

暗通道圖的質(zhì)量在開展大氣光值的估計(jì)工作和完成透射率的求取任務(wù)中發(fā)揮至關(guān)重要的作用。精細(xì)化的暗通道圖在確保大氣光值估計(jì)的準(zhǔn)確性方面具有顯著優(yōu)勢，有助于得到優(yōu)化的大氣光值。同時(shí)，視覺上看，暗通道圖的強(qiáng)度值是霧濃度的粗略近似，對于暗通道圖進(jìn)行精細(xì)化處理實(shí)則有效改善了有霧圖像各像素的透射率，避免了透射率的精細(xì)化求?。?4］。因此，相較于傳統(tǒng)的優(yōu)化透射率操作，本文采用Fast Guided Filter 對暗通道圖進(jìn)行快速優(yōu)化，獲得了更為精確的大氣光估計(jì)值和優(yōu)化的透射率，霧氣干擾去除后得到了更好的視覺效果。

2.3 改進(jìn)的大氣光值估計(jì)

大氣光值是暗通道先驗(yàn)去霧算法的重要參數(shù)，決定著透射率求取的精度和霧氣去除后整體的視覺效果。大氣光值通常存在于天空區(qū)域或者視頻圖像霧氣最濃即理論上透射率為零的區(qū)域，He 的大氣光值估計(jì)方法主要干擾來自視頻圖像中高亮噪聲，同時(shí)在實(shí)際求取過程中耗時(shí)嚴(yán)重。大氣光值求取的常規(guī)改進(jìn)方法，為通過天空區(qū)域識別分割獲得大氣光值估計(jì)的候選場景，選取符合條件的區(qū)域或像素集，分別定義其R、G、B 通道值的均值作為大氣光的估計(jì)值［15-16］。本文從大氣光值優(yōu)化和降低求取時(shí)間的角度出發(fā)，從大氣光的視覺特性著手改進(jìn)大氣光值求取方法，通過Otsu 方法快速分割靶場視頻圖像候選區(qū)域，將包括小面積天空區(qū)域的類似亮區(qū)域分割出來，其次，求靶場視頻圖像亮區(qū)域暗通道圖中所有像素值的中值所在位置，并分別求取這些位置對應(yīng)的受霧氣干擾圖像3 個(gè)通道值的最大值作為大氣光值估計(jì)量。

2.4 分區(qū)域透射率求取

靶場視頻圖像的暗部滿足暗通道先驗(yàn)原理，可以直接采用原方法進(jìn)行霧氣的去除。亮部情況較為復(fù)雜，通常存在兩種情況:一是由于霧的干擾引起灰度值升高；二是靶場視頻圖像中本身存在亮度值較高的白色物體。該部分由于其在無霧氣干擾狀態(tài)下暗通道值不趨向于零，不符合暗通道先驗(yàn)原理，故使得該區(qū)域求得的透射率比實(shí)際低，進(jìn)而導(dǎo)致去霧過度，無法真實(shí)還原本來的色彩屬性。因此，本文通過對靶場視頻圖像亮部進(jìn)行特征分析，提出基于亮度和邊緣融合的分割算法，準(zhǔn)確對其亮部的白色靶面進(jìn)行分割。在此基礎(chǔ)上分區(qū)域求取透射率，對不符合暗通道先驗(yàn)原理的白色靶面部分進(jìn)行透射率的補(bǔ)償，得到了很好的去霧效果。

2.4.1 白色靶面分割

如下頁圖2 所示，由于霧氣干擾，靶場視頻圖像背景的灰度值升高，白色靶面的灰度值降低，導(dǎo)致前景和背景的對比度減弱，亮度值高度近似。由圖3～圖5 所示的實(shí)驗(yàn)結(jié)果可以看到，Otsu 算法、區(qū)域生長法以及四叉樹等單一元素的分割算法都無法有效分割白色靶面。

圖2 受霧干擾的靶場視頻圖像

圖3 Otsu 算法

圖4 區(qū)域生長法

圖5 四叉樹法

本文基于靶場視頻圖像中胸環(huán)靶為固定靶的特點(diǎn)，在感興趣區(qū)域（Regions of Interest，ROI）粗分割的基礎(chǔ)上，提出基于亮度和邊緣融合的精細(xì)化分割算法，該算法在Otsu 快速分割的基礎(chǔ)上融合靶場視頻圖像邊緣信息，突出白色靶紙邊緣，最后通過形態(tài)學(xué)處理，從靶場視頻圖像亮部準(zhǔn)確分割白色靶面。

靶場視頻圖像中ROI 為胸環(huán)靶，指定胸環(huán)靶區(qū)域并生成和原圖相同尺寸的掩模圖像如圖6 所示，用以實(shí)現(xiàn)對圖像特定區(qū)域的選擇性處理。區(qū)域二值化結(jié)果如圖7 所示，胸環(huán)靶的右側(cè)邊緣完全和背景融合，無法實(shí)現(xiàn)白色靶面的精確分割。本文通過Canny 算子對靶場視頻圖像中胸環(huán)靶和部分背景物體的邊緣進(jìn)行有效檢測，其結(jié)果如圖8 所示。將基于Otsu 的全局閾值分割結(jié)果與基于Canny 的邊緣檢測結(jié)果進(jìn)行融合，生成圖像如圖9 所示，很好地體現(xiàn)了胸環(huán)靶的邊緣。最后，經(jīng)形態(tài)學(xué)方法處理，有效獲取圖10 所示的白色靶面掩模圖像。

圖6 胸環(huán)靶掩模圖像

圖7 區(qū)域二值圖

圖8 區(qū)域邊緣檢測結(jié)果

圖9 融合圖像

2.4.2 分區(qū)域求取透射率

白色靶面部分，由于不符合暗通道先驗(yàn)原理，通過式（11）求得的透射率偏低，需要適當(dāng)補(bǔ)償，已知透射率與景深的關(guān)系式［10］:

圖10 白色靶面掩模圖

靶場視頻圖像其他區(qū)域，由于不含有白色物體和天空區(qū)域，符合暗通道先驗(yàn)原理，通過式（4）即可以準(zhǔn)確得到其透射率。

3 實(shí)驗(yàn)結(jié)果分析

本節(jié)基于圖2 所示受霧干擾的靶場視頻圖像，開展本文改進(jìn)算法與傳統(tǒng)暗通道先驗(yàn)去霧算法的對照試驗(yàn)，以驗(yàn)證本文算法在靶場視頻圖像去霧方面的優(yōu)越性。

3.1 快速暗通道圖求取

該對照試驗(yàn)中，分別采用傳統(tǒng)暗通道圖求取方式1、方式2 和本文改進(jìn)的快速暗通道圖求取方式進(jìn)行實(shí)驗(yàn)結(jié)果的對比。

圖11 傳統(tǒng)方式1

圖12 傳統(tǒng)方式2

圖13 改進(jìn)的快速暗通道圖求取方式

從實(shí)驗(yàn)結(jié)果可以看出，本文方法獲取的暗通道圖保留了傳統(tǒng)方法的優(yōu)勢，未出現(xiàn)塊狀效應(yīng)，并在保證暗通道圖求取質(zhì)量的同時(shí)有效降低暗通道圖的求取時(shí)間，相較于兩類傳統(tǒng)暗通道圖求取方式，時(shí)間分別降低0.6 s 和1.9 s 以上。

3.2 Fast Guided Filter 優(yōu)化暗通道圖

圖14 優(yōu)化透射率去霧圖

圖15 優(yōu)化暗通道去霧圖

圖14 和圖15 分別為傳統(tǒng)優(yōu)化透射率方法和本文優(yōu)化暗通道圖方法下霧氣去除后的實(shí)驗(yàn)結(jié)果圖?？梢钥闯觯疚乃惴ㄔ谶€原靶場視頻圖像的色彩、亮度等方面表現(xiàn)更為突出，去霧效果細(xì)膩、真實(shí)、自然。

3.3 改進(jìn)的大氣光值估計(jì)

該部分實(shí)驗(yàn)分別采用He 的大氣光值估計(jì)方法和常規(guī)改進(jìn)方法進(jìn)行受干擾圖像的霧氣去除，并進(jìn)一步與本文改進(jìn)大氣光值估計(jì)方法所得結(jié)果進(jìn)行對照。

圖16 He 大氣光值估計(jì)方法

圖17 常規(guī)改進(jìn)方法

圖18 本文改進(jìn)估計(jì)方法

如圖2 所示，靶場視頻圖像天空區(qū)域的面積很小且和白色靶面的亮度高度近似，不存在亮度明顯高于天空區(qū)域的高亮噪聲，因此，He 的大氣光值估計(jì)方法能夠?qū)崿F(xiàn)其粗略估計(jì)，去霧效果如圖16 所示，基本可以達(dá)到圖像復(fù)原的標(biāo)準(zhǔn)，但霧氣去除后整體的亮度和對比度較差，求取的過程也過于耗時(shí)。圖17 所示為常規(guī)改進(jìn)方法下即大氣光估計(jì)值取靶場視頻圖像亮區(qū)域R、G、B 三通道平均值時(shí)對應(yīng)的霧氣去除結(jié)果，其亮部嚴(yán)重曝光過度，視覺效果欠佳。圖18 所示為本文改進(jìn)大氣光值求取方式下的霧氣去除結(jié)果，通過對比可以看出，本文方法在復(fù)原圖像的亮度以及對比度方面取得的效果最優(yōu)，更符合人類視覺特征，同時(shí)相較于He 的相應(yīng)估計(jì)算法，運(yùn)行時(shí)間降低近5 倍。

3.4 分區(qū)域透射率求取

該部分實(shí)驗(yàn)分別在整體透射率求取和本文分區(qū)域透射率求取的條件下進(jìn)行對照試驗(yàn)分析。

圖19 整體透射率求取

圖20 分區(qū)域透射率求取

不同條件下的圖像去霧結(jié)果如圖19、圖20 所示，通過對照可以看出，雖然霧的干擾都被完全去除，但整體透射率求取條件下的圖像復(fù)原結(jié)果在白色靶面處存在嚴(yán)重的色彩失真，而本文分區(qū)域透射率求取方式下的圖像復(fù)原結(jié)果中對比度得到有效提高，色彩自然并呈現(xiàn)很好的視覺效果。

4 結(jié)論

本文著眼于自動報(bào)靶系統(tǒng)應(yīng)用實(shí)際，基于靶場視頻圖像特點(diǎn)，優(yōu)化和改進(jìn)暗通道先驗(yàn)去霧算法的各個(gè)部分。獲得優(yōu)化的大氣光值和準(zhǔn)確的透射率，同時(shí)有效提高算法的時(shí)效性。本算法基于視頻圖像場景中含有前景目標(biāo)和復(fù)雜背景且前景目標(biāo)存在不符合暗通道先驗(yàn)的特征展開設(shè)計(jì)，結(jié)合靶場視頻圖像前景目標(biāo)，為靜態(tài)目標(biāo)的特點(diǎn)和邊緣信息加以約束，準(zhǔn)確實(shí)現(xiàn)前景目標(biāo)的分割及白色靶面的提取，為同類視頻圖像的去霧處理提供了解決思路。同時(shí)，算法也有可改進(jìn)之處，如傳統(tǒng)圖像處理無法準(zhǔn)確實(shí)現(xiàn)有霧圖像前景目標(biāo)分割的情況下，可以考慮應(yīng)用深度學(xué)習(xí)技術(shù)，通過模型的訓(xùn)練有效實(shí)現(xiàn)前景目標(biāo)的分割。