［李嬋飛］

1 引言

圖像去霧是指通過一序列圖像處理方法，消除或減少霧霾對成像系統(tǒng)的影響，提高圖像的清晰度、對比度和飽和度，從而獲得信息量豐富的高質(zhì)量去霧圖像。圖像去霧技術被廣泛應用于公路交通、航空航天、軍事偵察等領域[1]。

近年來，國內(nèi)外學者利用圖像復原理論研究提出了多種圖像去霧方法[2]。其中最為經(jīng)典的是何凱明等人提出的基于暗通道先驗的圖像去霧方法[3]，該方法利用暗通道去霧原理計算透射率，采用軟摳算法對透射率進一步優(yōu)化，最終實現(xiàn)圖像去霧，取得了較好的效果。但是該方法僅僅是利用優(yōu)化的精細化透射率估算傳播圖，不利于保持圖像的場景深度及亮度平滑信息。

本文在何凱明等人方法上進行改進，估算大氣光值，利用暗通道去霧原理計算粗透射率，利用梯度導向濾波獲取精細化透射率，將兩種透射率利用小波變換的方法融合獲取融合透射率；結合霧天降質(zhì)圖像物理模型，最終實現(xiàn)去霧。

2 霧天降質(zhì)圖像的物理模型

根據(jù)大氣散射模型，圖像霧天退化物理模型由兩部分組成，即衰減模型和大氣光模型[4][5]。其中衰減模型描述了光從場景點傳播到觀測點之間的削弱過程。大氣光模型描述了周圍環(huán)境中的各種光經(jīng)過大氣粒子散射后，對觀測點所觀測到得光強的影響。具體模型如下：

公式中I(x)是人眼觀察到的有霧圖像，J(x)是場景輻射照度，代表要恢復的去霧圖像，A 是大氣光，t(x)是場景透射率。去霧的最終目地是根據(jù)公式（1）中的。

3 基于圖像融合的單幅圖像去霧算法

（1）暗原色理論

根據(jù)暗原色理論，對于室外無霧自然圖像中，每一個局部區(qū)域都會有至少一個顏色通道具有很低的強度值，并且這些強度值趨于0，把這些強度值趨于0 的通道對應像素稱為暗原色。

對于圖像J，可以通過公式（2）求取該暗原色圖。其中Jc表示J的某個顏色通道，是Ω(x)以x為中心點的局部區(qū)域。

（2）大氣光值計算

對于大多數(shù)針對單幅圖像的去霧方法，大氣光值是利用圖像相關像素計算得到的。有研究對有霧圖像的天空區(qū)域分塊求取均值作為大氣光的值，該方法可以獲得較好的去霧效果，但是不適用于不存在天空區(qū)域的圖像；有研究對有霧圖像求取最高亮度值作為大氣光值，但實際上最高亮度可能是環(huán)境中的白色物體。

文章方法利用暗原色先驗規(guī)律來估算大氣光值。首先在暗原色圖像中，將圖像像素灰度值進行遞減順序排序，獲取灰度值大小為前0.1%像素點在暗原色圖像中所處的位置，將這些位置對應的原有霧圖像區(qū)域中的灰度平均值作為大氣光A 的值。相對于將原有霧圖像區(qū)域中的灰度最大值作為大氣光A 的值，該方法具有更好的魯棒性。

（3）透射率圖融合

①粗透射率的獲取

根據(jù)公式（2）獲取大氣光A 的值，在局部區(qū)域內(nèi)，假設透射率為常數(shù)，則對公式（1）進行變形，得到

因為J是無霧圖像，根據(jù)暗原色原理可得

結合公式（3）和（4）可得粗透射率

為了使去霧圖像看起來更加自然真實但又不丟掉深度信息，所以在公式（5）Z 中引入?yún)?shù)w，保留遠景的部分霧氣。透射率最終的公式如下：

②精細化透射率圖的獲取

粗透射率圖比較粗糙，因此利用梯度導向濾波[6]對粗透射率圖進行細化獲取精細化透射率圖。

③基于小波的透射率圖融合

由于粗略傳播圖主要體現(xiàn)的是圖像的場景深度及亮度平滑信息，精細化傳播圖主要體現(xiàn)的是圖像中銳邊的不連續(xù)性及場景目標的邊緣輪廓信息，因此文章利用基于小波變換[7][8]的融合方法將粗透射率圖和精細透射率圖融合以獲取邊緣細節(jié)及平滑信息豐富的透射率圖。

小波變換融合透射率圖原理：小波變換具有良好的時頻局域化特性和多分辨率特性，利用小波變換將①和②中的兩種透射率圖進行四層小波分解得到低頻近似透射率圖和高頻邊緣細節(jié)透射率圖，使用一定的融合準則對低頻和高頻透射率圖進行融合獲取融合透射率圖像的低頻和高頻部分，然后進行小波重構圖像獲取最終的透射率圖。文章算法的低、高頻融合準則分別是均值法和絕對值取大法，選取的融合準則既能兼顧時間復雜度又能提高透射率圖質(zhì)量。

（4）獲取去霧圖像

利用公式（7），結合前面估算的大氣光A 和透射率圖恢復無霧圖像J。其中t0是用來限定透射率的下限值，主要是為了在輸入圖像的濃霧區(qū)域保留一定的霧，使圖像看起來更自然。

4 實驗結果與分析

為了驗證本文方法的有效性，文章對提出算法進行仿真分析。其中，仿真工具選擇Matlab 軟件，原圖像選擇I-HAZE 數(shù)據(jù)集的經(jīng)典戶外霧霾圖像。實驗圖像如圖1 所示，客觀評價參數(shù)[8]如表1 所示，其中He 代表何凱明經(jīng)典圖像去霧算法。

圖1 實驗圖像

表1 實驗客觀評價參數(shù)

在主觀評價上，通過圖1 可以看出，本文方法和He方法都能取得較好的去霧效果，但是在客觀評價上，通過表1 可以看出，本文算法的信息熵、結構相似度、方差都要高于He 方法。綜合可知，本文算法去霧圖像相對于原圖像而言失真小，包含的有用信息及細節(jié)邊緣信息更為豐富。因此，本文方法相對于He 方法是一種有效的圖像去霧方法。

5 結論

相對于經(jīng)典的何凱明圖像去霧方法，本文提出了一種改進的圖像去霧方法。利用小波變換融合方法獲得了更加精確的透射率圖像，較好地保持了原圖像的邊緣細節(jié)及平滑信息。仿真實驗表明，提出算法可以取得較好的去霧效果。