容杰雄 張 鴻

1(武漢科技大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院 湖北 武漢 430065) 2(武漢科技大學(xué)智能信息處理與實(shí)時(shí)工業(yè)系統(tǒng)湖北省重點(diǎn)實(shí)驗(yàn)室 湖北 武漢 430065)

0 引 言

在霧霾天氣下,由于空氣中存在的大量懸浮顆粒對(duì)光線的散射作用,導(dǎo)致了智能攝像設(shè)備采集到的圖像的對(duì)比度以及清晰度較低,極大地降低了圖像的質(zhì)量,同時(shí)也影響到后續(xù)的視頻識(shí)別或目標(biāo)檢測(cè)工作。因此,圖像去霧技術(shù)具有非常重要的研究意義。

傳統(tǒng)的圖像去霧算法大致可分為兩類(lèi),一類(lèi)是基于圖像增強(qiáng)的算法;另一類(lèi)是基于物理建模的算法[1]。較為經(jīng)典的圖像增強(qiáng)算法包括直方圖均衡算法[2]、小波變換[3]、伽馬變換[4]、帶有顏色恢復(fù)的多尺度Retinex算法[5](MSRCR)、保持色度的多尺度Retinex算法[6](MSRCP),MSRCR是在多尺度Retinex的基礎(chǔ)上,通過(guò)使用色彩恢復(fù)函數(shù)實(shí)現(xiàn)了色彩還原的功能,但是它需要合理地控制色彩恢復(fù)的增益和偏移值。而MSRCP是將圖像由RGB空間轉(zhuǎn)到HSI空間,對(duì)I通道進(jìn)行多尺度Retinex增強(qiáng),而后根據(jù)原RGB空間的比例計(jì)算出HSI空間其他兩個(gè)通道的值,最后再將圖像轉(zhuǎn)回到RGB空間。

上述算法由于沒(méi)有考慮到霧天成像的原理,其增強(qiáng)的圖像容易產(chǎn)生細(xì)節(jié)缺失的問(wèn)題。一種更為直接的方法是對(duì)霧天成像原理進(jìn)行建模。文獻(xiàn)[7]中從大量無(wú)霧圖像的統(tǒng)計(jì)中發(fā)現(xiàn)暗通道的先驗(yàn)規(guī)律,然后借助該規(guī)律以及大氣散射模型對(duì)有霧圖像進(jìn)行了去霧處理。然而,該算法對(duì)透射率的估計(jì)并不精確,并不適用于含有天空區(qū)域的圖像,因?yàn)樵诎低ǖ缊D中,天空區(qū)域的灰度值并不是趨近于零的。同時(shí),該算法在大氣光值的預(yù)估上也存在著誤差,容易受到圖像中白色物體的干擾,造成色彩失真問(wèn)題的出現(xiàn)。

為此,學(xué)者們提出了許多改進(jìn)策略。文獻(xiàn)[8]采用雙邊濾波方法對(duì)天空區(qū)域的透射率進(jìn)行預(yù)估,該方法能夠有效地提高含有天空區(qū)域的有霧圖像的對(duì)比度,但是雙邊濾波在處理高像素圖像時(shí)效率較低;文獻(xiàn)[9]采用引導(dǎo)濾波替代雙邊濾波,盡管引導(dǎo)濾波和雙邊濾波都具有很強(qiáng)的邊緣保護(hù)特性,但是引導(dǎo)濾波的時(shí)間復(fù)雜度與濾波窗口大小無(wú)關(guān),相比而言引導(dǎo)濾波更具有優(yōu)勢(shì);文獻(xiàn)[10]在最小值濾波前加入中值濾波補(bǔ)償暗通道,并選取補(bǔ)償后的暗通道的最大值作為大氣光值的預(yù)估值,但是該算法得到的暗通道仍然呈塊狀分布;文獻(xiàn)[11]利用四叉樹(shù)搜索算法預(yù)估大氣光的值,但是該算法應(yīng)用于天空區(qū)域較小的圖像時(shí)預(yù)估的大氣光值偏小,進(jìn)而降低了圖像的去霧效果。

針對(duì)上述論文存在的不足,本文提出一種基于暗通道補(bǔ)償和透射率修正的圖像去霧算法,針對(duì)傳統(tǒng)暗通道去霧算法在天空區(qū)域出現(xiàn)的色彩失真問(wèn)題,本文使用均值濾波對(duì)暗通道進(jìn)行補(bǔ)償,利用獲得的補(bǔ)償暗通道對(duì)大氣光值的預(yù)估方法進(jìn)行了優(yōu)化;針對(duì)傳統(tǒng)暗通道去霧算法出現(xiàn)的細(xì)節(jié)缺失問(wèn)題,本文根據(jù)像素點(diǎn)到大氣光點(diǎn)距離的遠(yuǎn)近修正了初始透射率的值,并利用快速引導(dǎo)濾波對(duì)圖像的透射率進(jìn)行了細(xì)化。實(shí)驗(yàn)結(jié)果表明,本文算法處理后的圖像色彩保真度較高,亮暗分布合理,同時(shí)算法的運(yùn)行時(shí)間較短,符合實(shí)際視頻識(shí)別的要求。

1 傳統(tǒng)的暗通道去霧算法

1.1 大氣散射模型

文獻(xiàn)[12]提出了著名的大氣散射模型,它被廣泛地運(yùn)用于計(jì)算機(jī)視覺(jué)領(lǐng)域之中,其公式可以表示為:

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

(1)

式中:x表示單個(gè)像素的坐標(biāo);I(x)表示待去霧圖像;J(x)表示去霧后的圖像;A表示全球大氣光成分;t(x)表示圖像的透射率。圖像去霧的核心就是通過(guò)合理地預(yù)估出待去霧圖像的大氣光以及透射率的值,實(shí)現(xiàn)有霧圖像的去霧化。

1.2 暗通道去霧算法

暗通道先驗(yàn)是He等[7]發(fā)現(xiàn)的一種先驗(yàn)規(guī)律,他們從大量的無(wú)霧圖像中發(fā)現(xiàn),一幅圖像的非天空區(qū)域的三個(gè)通道中至少有一個(gè)通道的灰度值較低,且趨近于零,其公式可以表示為:

(2)

式中:Jdark表示去霧圖像的暗通道圖;Ω(x)表示最小值濾波的濾波窗口;c表示彩色圖像的RGB三個(gè)通道;y表示單個(gè)像素的坐標(biāo);Jc(y)是去霧圖像J(y)在RGB三個(gè)顏色通道中的分量。

假設(shè)大氣光值是一個(gè)已知的常量,將式(1)兩邊同時(shí)除以RGB通道下的大氣光值A(chǔ)c,得到式(3)。

(3)

式中:Ic(x)和Jc(x)分別表示RGB通道下的待去霧圖像以及去霧后的圖像。

(4)

式中:Ic(y)和Jc(y)分別是I(y)和J(y)在RGB三個(gè)顏色通道中的分量。

根據(jù)暗通道的先驗(yàn)條件,可將式(3)變形為式(5),求得圖像的透射率為:

(5)

式中:λ是一個(gè)調(diào)節(jié)因子,用于在景深處保留少量的霧,其目的是為了保持去霧圖像的真實(shí)性。

最后將上述得到的大氣光值以及圖像的透射率代入到式(1)中,反解求得去霧圖像的表達(dá)式為:

(6)

式中:t0是一個(gè)透射率的下限閾值,其目的是防止去霧圖像J(x)的值偏大導(dǎo)致圖像過(guò)曝。

2 本文算法

2.1 暗通道補(bǔ)償

傳統(tǒng)的暗通道去霧算法[7]在有霧圖像轉(zhuǎn)換為暗通道圖的過(guò)程中,使用的是最小值濾波,將其直接作用于有霧圖像的RGB通道的最小值圖像上,如式(4)所示,這一方法在大多數(shù)圖像上都能取得不錯(cuò)的效果,但是,當(dāng)兩個(gè)鄰近像素點(diǎn)之間的像素值差異較大的時(shí)候,直接使用最小值濾波會(huì)減少像素值大的那一像素點(diǎn)的灰度值,導(dǎo)致透射率的預(yù)估值偏大,進(jìn)而在圖像中產(chǎn)生光暈的問(wèn)題。

為了解決該問(wèn)題,文獻(xiàn)[10]采用中值濾波作用于有霧圖像各通道下的最小值圖像,然后再通過(guò)一個(gè)最小值濾波來(lái)補(bǔ)償暗通道,文獻(xiàn)[13]則是直接采用中值濾波替代最小值濾波,在比較了不同的濾波方法后,本文提出一種新的暗通道補(bǔ)償方法,通過(guò)使用均值濾波取代最小值濾波,對(duì)有霧圖像各通道的最小值圖像進(jìn)行暗通道補(bǔ)償,其目的是為了增大濾波窗口內(nèi)的灰度值,減少透射率預(yù)估時(shí)產(chǎn)生的誤差,對(duì)應(yīng)的表達(dá)式如下:

(7)

式中:Idark(x)表示原始圖像的暗通道圖;x和y表示單個(gè)像素的坐標(biāo);Ω1表示均值濾波的窗口;c表示彩色圖像的三個(gè)通道;min()表示獲得各通道下像素的最小值;mean()表示均值濾波。

圖1展示了原始的有霧圖像、文獻(xiàn)[7,10,13]和本文方法的暗通道圖。從圖1(b)中可以看出直接將有霧圖像各通道的最小值圖像通過(guò)最小值濾波后,暗通道呈塊狀分布,在計(jì)算局部區(qū)域的透射率時(shí)容易產(chǎn)生較大的誤差,而圖1(c)中加入了中值濾波后,暗通道變得更加平滑,但是仍然無(wú)法分辨出圖像中的細(xì)節(jié),因此文獻(xiàn)[13]舍棄了原有的最小值濾波,直接使用中值濾波補(bǔ)償暗通道,如圖1(d)所示,圖像的細(xì)節(jié)部分得到了明顯的改善,而本文使用的均值濾波,相對(duì)于中值濾波而言,圖像的細(xì)節(jié)部分更為清晰,如圖1(e)所示。圖2展示了上述暗通道的細(xì)節(jié)放大圖像。

(a)原始圖像 (b)文獻(xiàn)[7]暗通道 (c)文獻(xiàn)[10]暗通道

(a)文獻(xiàn)[7]暗通道細(xì)節(jié) (b)文獻(xiàn)[10]暗通道細(xì)節(jié)

(d)文獻(xiàn)[13]暗通道 (e)本文暗通道圖1 不同算法的暗通道

(c)文獻(xiàn)[13]暗通道細(xì)節(jié) (d)本文暗通道細(xì)節(jié)圖2 不同算法的暗通道細(xì)節(jié)放大圖

2.2 大氣光值優(yōu)化

傳統(tǒng)的暗通道去霧算法首先篩選出暗通道圖亮度最大的前0.1%個(gè)像素點(diǎn),然后在原始圖像的相同像素點(diǎn)中選取最大的像素點(diǎn)的值作為大氣光的預(yù)估值。這一方法適用于不含有天空區(qū)域的圖像,但是運(yùn)用到包含天空區(qū)域或者白色物體的有霧圖像時(shí),則會(huì)錯(cuò)誤地預(yù)估大氣光的值。

為了解決該問(wèn)題,文獻(xiàn)[11]利用四叉樹(shù)搜索算法預(yù)估大氣光的值,但是該算法并不適用于天空區(qū)域較小的圖像,其預(yù)估的大氣光值偏小,導(dǎo)致圖像的去霧效果不佳。因此,本文從2.1節(jié)獲得的補(bǔ)償暗通道中選取前0.1%個(gè)像素點(diǎn)的平均值替代最大值進(jìn)行大氣光值的預(yù)估,其公式可表示為:

A=mean(Idark(x))

(8)

同時(shí),本文還增設(shè)了一個(gè)參數(shù)maxvalue,表示初始的最大大氣光值,其目的是防止計(jì)算出的大氣光值的取值接近于255(白色)而產(chǎn)生色彩失真的問(wèn)題,這里的初始最大大氣光值相當(dāng)于是大氣光值最終取值的一個(gè)判定條件,如果大氣光值的取值大于初始最大大氣光值,那么就選取初始最大大氣光值作為最終的大氣光值,否則就選取計(jì)算得出的大氣光值作為最終的大氣光值。本文在實(shí)驗(yàn)中發(fā)現(xiàn)初始最大大氣光值取值為240時(shí),圖像的去霧效果較好。

結(jié)合式(8)中的大氣光值的計(jì)算方法,可將本文提出的大氣光值預(yù)估的公式表示為:

(9)

式中:A′表示優(yōu)化后的大氣光值。

2.3 透射率修正

2.3.1 初始透射率修正

經(jīng)過(guò)2.1節(jié)的暗通道補(bǔ)償后,可將式(4)中的透射率的計(jì)算公式修改為:

(10)

由于天空區(qū)域的灰度值并不等于0,也就是說(shuō),式(2)中暗通道等于0的條件不成立,因此需要對(duì)初始透射率進(jìn)行修正。文獻(xiàn)[14]根據(jù)邊界約束理論將暗通道設(shè)置成一個(gè)非零的向量Jmin,并在實(shí)驗(yàn)中發(fā)現(xiàn)Jmin的取值范圍在0.1到0.2之間時(shí),復(fù)原后的圖像去霧效果較好,因此直接選取該范圍的平均值來(lái)修正初始的透射率,即Jmin=(0.15,0.15,0.15),但是其后續(xù)處理需要使用到多正則化約束的變分模型來(lái)優(yōu)化透射率,計(jì)算量十分大。

因此,本文引入了一個(gè)參數(shù)d(x),用來(lái)表示像素點(diǎn)到大氣光點(diǎn)的距離,其公式為:

(11)

式中:i表示彩色圖像的RGB通道;xi表示像素點(diǎn)在i通道的分量;A′表示優(yōu)化后的大氣光值。

當(dāng)像素點(diǎn)和大氣光點(diǎn)的距離越小時(shí),表示像素點(diǎn)與大氣光點(diǎn)離得越近,進(jìn)而說(shuō)明像素點(diǎn)的值與大氣光值越接近,在進(jìn)行透射率的預(yù)估時(shí)將會(huì)產(chǎn)生誤差,需要進(jìn)一步修正,而像素點(diǎn)與大氣光點(diǎn)的距離較大時(shí),透射率的預(yù)估值與實(shí)際值相差不大,無(wú)須修正。因此,本文設(shè)置了一個(gè)閾值d0,用來(lái)衡量需要修正的像素的范圍。在式(5)的基礎(chǔ)上添加一個(gè)修正項(xiàng),于是初始透射率的修正公式就可以表示為:

進(jìn)行實(shí)驗(yàn)室生化試驗(yàn)，發(fā)現(xiàn)該菌具有發(fā)酵葡萄糖、蔗糖、麥芽糖等功能，不能發(fā)酵阿拉伯糖、甘露醇，在對(duì)其進(jìn)行MR、VP試驗(yàn)后，發(fā)現(xiàn)呈陰性，能使明膠液化，但是不具備運(yùn)動(dòng)能力，不能對(duì)尿毒酶進(jìn)行水解。

(12)

式中:λ是一個(gè)調(diào)節(jié)因子,用于在景深處保留少量的霧,取值為0.95;α是一個(gè)修正系數(shù),取值為1。

2.3.2 快速引導(dǎo)濾波細(xì)化透射率

根據(jù)2.2節(jié)得到的大氣光值A(chǔ)′以及修正后的初始透射率,使用式(12)即可計(jì)算出圖像的透射率,然而,這種方法得到的透射率是相對(duì)粗糙的,其細(xì)節(jié)部分表現(xiàn)得并不清晰直觀。因此,文獻(xiàn)[9]使用引導(dǎo)濾波對(duì)圖像的透射率做進(jìn)一步細(xì)化,引導(dǎo)濾波是一種邊緣保護(hù)的濾波方法,通過(guò)使用一幅引導(dǎo)圖像I對(duì)輸入圖像p進(jìn)行濾波,使得輸出圖像q與輸入圖像p的差異盡可能小,同時(shí),輸出圖像與引導(dǎo)圖像的紋理特征也基本相似,以達(dá)到保護(hù)邊緣信息的目的。

引導(dǎo)濾波的線性模型可以表示為:

qi=akIi+bk?i∈wk

(13)

式中:qi為引導(dǎo)濾波的輸出圖像;Ii為引導(dǎo)圖像;ak和bk為線性函數(shù)的常數(shù)項(xiàng);wk是以k為像素中心點(diǎn);半徑為r的濾波窗口。

為了使輸入圖像p和輸出圖像q之間的差異達(dá)到最小,可將它們的代價(jià)函數(shù)表示為:

(14)

式中:ε是一個(gè)正則化因子,其目的是避免ak取值過(guò)大。

通過(guò)最小化代價(jià)函數(shù),即可求出細(xì)化后的透射率圖像。

由于引導(dǎo)濾波使用的引導(dǎo)圖一般是有霧圖像的灰度圖,其尺寸與原始圖像的尺寸一致,當(dāng)原始有霧圖像的尺寸較大的時(shí)候,執(zhí)行引導(dǎo)濾波所消耗的時(shí)間也隨之增大,而在計(jì)算圖像的透射率時(shí)并不需要很高的分辨率,因此,本文在此基礎(chǔ)上提出一種快速引導(dǎo)濾波算法,其步驟可表示為:

步驟1將原始有霧圖像縮小為原來(lái)的0.25倍,得到縮小后的圖像。

步驟2對(duì)縮小后的圖像進(jìn)行暗通道以及透射率的計(jì)算,得到小圖的粗透射率圖。

步驟3使用雙線性插值法對(duì)小圖的粗透射率圖進(jìn)行插值,還原為原始圖像的尺寸,得到原始圖像的粗透射率圖。

步驟4對(duì)原始圖像的粗透射率圖進(jìn)行引導(dǎo)濾波,得到細(xì)化后的透射率圖。

實(shí)驗(yàn)中發(fā)現(xiàn)多幅大小為768×1 024的圖像經(jīng)過(guò)快速引導(dǎo)濾波處理后所消耗的時(shí)間約為普通引導(dǎo)濾波的一半,證明本文算法能夠有效地降低引導(dǎo)濾波的耗時(shí)。

圖3展示了He等[7]提出的算法以及本文算法的透射率圖像,可以看出He等的算法的粗透射率圖存在塊狀現(xiàn)象,圖像十分模糊,而使用引導(dǎo)濾波細(xì)化透射率后,可以大致地看出樹(shù)葉以及草叢的分布情況,而本文算法的粗透射率圖展現(xiàn)了更多的細(xì)節(jié),從細(xì)透射率圖中能夠清晰地看出樹(shù)葉以及草叢的脈絡(luò)。

(a)He等的算法粗透射率圖 (b)He等的算法細(xì)透射率圖

(c)本文算法粗透射率圖 (d)本文算法細(xì)透射率圖圖3 He等的算法和本文算法的透射率圖比較

2.4 圖像復(fù)原

(15)

式中:t0是圖像透射率的一個(gè)下限閾值,取值為0.1。

2.5 本文算法流程

本文算法流程如圖4所示。

圖4 本文算法流程

3 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證本文算法的有效性,本文分別從主觀評(píng)價(jià)和客觀評(píng)價(jià)兩個(gè)角度對(duì)圖像去霧領(lǐng)域中較為典型的四幅有霧圖像進(jìn)行了實(shí)驗(yàn)。本實(shí)驗(yàn)選取的參數(shù)如下:均值濾波的窗口尺寸Ω1=3,透射率的下限t0=0.1,引導(dǎo)濾波的半徑r=60,調(diào)整系數(shù)ε=0.000 1。

不同算法的去霧效果對(duì)比如圖5所示。算法均在Intel Core i7-6700HQ CPU @ 2.60 GHz、8 GB內(nèi)存的機(jī)器上采用MATLAB R2014a開(kāi)發(fā)平臺(tái)實(shí)現(xiàn)。

圖5 不同算法的去霧效果比較

3.1 主觀評(píng)價(jià)

經(jīng)過(guò)對(duì)比度受限的自適應(yīng)直方圖均衡算法(CLAHE)處理后的圖像的清晰度得到了一定程度的提升,可以在圖像中獲得更多的細(xì)節(jié)信息,但是圖像整體偏向灰色,并不自然。較為明顯的是第三幅圖像,在經(jīng)過(guò)CLAHE算法處理后,可以清晰地看到天安門(mén)周?chē)?包含近景和遠(yuǎn)景)樹(shù)木的紋理特征,但是天安門(mén)城樓這一建筑整體呈現(xiàn)灰色,十分暗淡。

經(jīng)過(guò)保持色度的多尺度Retinex算法(MSRCP)處理后的圖像的亮度得到了明顯的提升,可以獲得更多的細(xì)節(jié)信息,但是圖像遠(yuǎn)景處的霧氣并沒(méi)有得到完全的消除。較為典型的是第一幅圖像,經(jīng)過(guò)MSRCP算法處理后,其亮度得到了提升,可以更清晰地看到圖像近景處樹(shù)葉的脈絡(luò),但是在樓房的墻面處仍然存在著殘留的霧氣,使得墻面呈現(xiàn)白色。

對(duì)于傳統(tǒng)的暗通道去霧算法(DCP),從第四幅圖像中可以看出該算法能夠去除圖像遠(yuǎn)景處的霧氣,但是圖像亮度整體偏暗,圖像中的部分細(xì)節(jié)并不明顯,從第二幅圖像中可以看出該算法能夠突出圖像近景處的細(xì)節(jié),人物服飾的顏色以及門(mén)板的顏色更加真實(shí),但是從第一幅圖像和第三幅圖像來(lái)看,該算法處理后的圖像天空區(qū)域的顏色是失真的,說(shuō)明了傳統(tǒng)的暗通道去霧算法在預(yù)估大氣光值的方法上存在著誤差。

對(duì)于本文算法,從最后一列圖像中可以發(fā)現(xiàn),相比CLAHE算法,本文算法沒(méi)有偏色的問(wèn)題,在顏色保真性上表現(xiàn)更好;相比MSRCP算法,本文算法的去霧效果更好,可以消除圖像遠(yuǎn)景中殘留的霧氣;相比DCP算法,本文算法增強(qiáng)了圖像近景處的細(xì)節(jié),同時(shí)也解決了圖像在天空區(qū)域出現(xiàn)的顏色失真問(wèn)題,經(jīng)過(guò)本文算法處理后的圖像更加真實(shí),符合人眼觀察。

3.2 客觀評(píng)價(jià)

本文采用峰值信噪比(PSNR)[15]、結(jié)構(gòu)相似性(SSIM)[16]、運(yùn)行時(shí)間作為評(píng)價(jià)圖像復(fù)原質(zhì)量的客觀指標(biāo)。二者都是基于原始圖像進(jìn)行比對(duì)的,峰值信噪比的值越大,代表圖像的抗噪能力越強(qiáng),而結(jié)構(gòu)相似性分別從亮度、對(duì)比度、結(jié)構(gòu)三個(gè)方面衡量了圖像的相似性,其值越大代表圖像的失真越小。峰值信噪比是由均方誤差推導(dǎo)而來(lái),均方誤差對(duì)應(yīng)的公式如下:

(16)

式中:I(i,j)和K(i,j)表示兩個(gè)灰度圖像;m和n分別對(duì)應(yīng)著圖像的高和寬。

而峰值信噪比對(duì)應(yīng)的公式如下:

(17)

結(jié)構(gòu)相似性對(duì)應(yīng)的公式如下所示:

SSIM=[l(x,y)]α×[c(x,y)]β×[s(x,y)]γ

(18)

式中:l(x,y)、c(x,y)和s(x,y)分別反映了圖像的亮度、對(duì)比度、結(jié)構(gòu)信息;在實(shí)際運(yùn)用中,一般將α、β、γ的值都設(shè)置為1。

表1展示了不同算法在峰值信噪比、結(jié)構(gòu)相似性、運(yùn)行時(shí)間這三個(gè)客觀指標(biāo)下得到的結(jié)果,可以看出,本文算法的峰值信噪比以及結(jié)構(gòu)相似性較其余三個(gè)算法而言有一定程度的提升,說(shuō)明經(jīng)過(guò)本文算法處理后的圖像的失真程度較小,能夠獲得高質(zhì)量的圖像。

表1 不同算法去霧效果的客觀比較

續(xù)表1

從算法的執(zhí)行時(shí)間這一角度來(lái)看,MSRCP算法所消耗的時(shí)間最長(zhǎng),并且圖像越大,算法執(zhí)行的時(shí)間越長(zhǎng);而DCP算法則通過(guò)引導(dǎo)濾波有效地降低了運(yùn)行的時(shí)間,處理不同尺寸的圖像所消耗的時(shí)間穩(wěn)定在一定的范圍內(nèi);本文算法由于使用了下采樣以及雙線性插值的加速方法,因此執(zhí)行引導(dǎo)濾波所消耗的時(shí)間約為DCP算法的一半,同時(shí),本文算法所消耗的時(shí)間基本處于50 ms～80 ms的區(qū)間內(nèi),在速度上也達(dá)到了視頻識(shí)別的要求。

4 結(jié) 語(yǔ)

本文首先利用均值濾波對(duì)暗通道進(jìn)行補(bǔ)償,利用補(bǔ)償?shù)陌低ǖ缊D優(yōu)化了大氣光值的預(yù)估方法,接著根據(jù)像素點(diǎn)和大氣光點(diǎn)距離的遠(yuǎn)近對(duì)圖像的初始透射率進(jìn)行了修正,并使用快速引導(dǎo)濾波細(xì)化了圖像的透射率,最后通過(guò)大氣散射模型求出復(fù)原后的去霧圖像。實(shí)驗(yàn)結(jié)果表明,本文算法能夠有效地解決傳統(tǒng)暗通道去霧算法存在的色彩失真和細(xì)節(jié)缺失的問(wèn)題。同時(shí),該算法在運(yùn)行時(shí)間上也達(dá)到了視頻識(shí)別的要求。然而,本文算法仍舊屬于傳統(tǒng)的圖像去霧算法,近年來(lái)基于深度學(xué)習(xí)的方法也被廣泛地應(yīng)用于圖像去霧之中,因此,未來(lái)本文的研究方向?qū)⒅赜谑褂蒙蓪?duì)抗網(wǎng)絡(luò)的方法(如CycleGAN)對(duì)圖像進(jìn)行去霧。