鄭 曉，白前看，余 坤

水面船舶圖像去霧方法研究

鄭 曉1，白前看1，余 坤2

（1. 武漢船用電力推進裝置研究所，武漢 430064；2. 海軍工程大學(xué)艦船綜合電力技術(shù)國防科技重點實驗室，武漢 430033）

傳統(tǒng)去霧方法不能有效適應(yīng)水面船舶圖像環(huán)境，存在去霧效果對比度較低、顏色偏暗等不足，直接影響水面船舶對環(huán)境自主感知能力。本文提出基于改進四叉樹搜索策略和子窗口引導(dǎo)濾波的方式分別估計大氣光值A(chǔ)和透射率參數(shù)，有效去除水面船舶圖像霧氣影響。定性和定量實驗結(jié)果表明，相比較于對比方法，所提出方法能有效去除水面船舶圖像中霧氣影響，去霧效果更明顯，紋理細節(jié)更豐富，主觀感官上更自然，貼近無霧水面環(huán)境。實驗結(jié)果表明所提方法的圖像質(zhì)量性能和計算效率指標均優(yōu)于對比方法。

水面船舶有霧圖像 圖像去霧 四叉樹搜索 子窗口引導(dǎo)濾波

0 引言

通常在水面場景中，霧氣是導(dǎo)致圖像質(zhì)量下降的主要因素之一。霧氣的形成與大氣分子有關(guān)。自然光成像會受到霧氣等影響，產(chǎn)生光學(xué)散射現(xiàn)象，使得成像獲取的總光通量與實際產(chǎn)生偏差，導(dǎo)致圖像存在對比度低、顏色失真等缺陷。相比無霧圖像，有霧圖像在頻域上梯度小，紋理信息少，邊緣模糊。而在水面船舶有霧圖像中基本特征提取十分困難，直接影響水面船舶對環(huán)境自主感知能力[1]。

為了有效降低或消除水面環(huán)境圖像中霧的影響，近年來多種去霧方法被提出[2]，原理上可分為基于增強的方法和基于物理模型的方法。前者主要通過提高對比度實現(xiàn)去霧效果，但未考慮導(dǎo)致圖像降質(zhì)的因素，整體去霧效果不理想；后者基于物理模型的方法，通過建立多參數(shù)估計退化模型，對灰度場景進行可見性復(fù)原。而水面船舶圖像與一般有霧圖像不同，圖像含大面積天空區(qū)域，且這些區(qū)域通常與有霧區(qū)域混雜。先驗?zāi)Ｐ驮谝欢ǔ潭壬蠒プ饔?，?dǎo)致全局大氣光值選取出現(xiàn)偏差，模型對圖像增強效果與實際無霧圖像存在差別。

1 面向水面環(huán)境的船舶圖像去霧方法

圖1 本文所提出的方法流程圖

一般情況下，水面環(huán)境中的船舶圖像通常會含有大面積區(qū)域的天空區(qū)域，傳統(tǒng)去霧方法較難取得良好的去霧效果，還會產(chǎn)生嚴重的光暈效應(yīng)。此外，受天空區(qū)域背景影響，傳統(tǒng)方法在處理水面區(qū)域時會造成過度平滑效果，影響圖像整體協(xié)調(diào)。

本文提出一種面向水面環(huán)境的船舶圖像去霧方法，具體方法流程圖如圖1所示。其中，本文采用一種改進四叉樹搜索策略來估計大氣光值 A；同時，在粗估計透射率t值后提出基于子窗口濾波器[3]引導(dǎo)的方式計算出透射率t值的細估計值。最后，依據(jù)大氣散射模型推算得到去霧后的水面船舶圖像。

1.1 改進四叉樹搜索策略估計大氣光值A(chǔ)

圖2 改進四叉樹搜索策略示意圖

傳統(tǒng)方法在對霧天的成像過程進行建模和去霧研究中，He[4]提出經(jīng)典的暗通道先驗?zāi)Ｐ?，被廣泛應(yīng)用于諸多去霧場景。其對建立的大氣散射模型可以由公式（1）表示：

式中，()和()分別表示有霧圖像和無霧圖像；()表示透射率參數(shù)，t值大小反映圖像像素中不同位置霧的濃度以及景物到達相機的距離；常數(shù)A表示有霧圖像中的大氣光值的強度。一般情況下，通過對有霧圖像中的大氣光值 A和透射率圖像()進行估計，即可反演推算出無霧圖像()。

在大氣散射模型中，大氣光值 A 是重要參數(shù)之一。He在估計大氣光值強度時，選用暗通道圖像中0.1%灰度值最大的像素點，將其均值作為大氣光值A(chǔ)。但是，在船舶水面圖像中會存在大面積水面區(qū)域，直接影響大氣光值A(chǔ)的估計；并且，通常情況下水面區(qū)域位于圖像中下方位置，天空區(qū)域位于圖像中上方位置。因此，基于上述先驗知識，本文在估計大氣光值A(chǔ)時采用改進四叉樹搜索策略，如圖2所示。該方法只需計算圖像上半?yún)^(qū)域像素，停止迭代條件為當(dāng)估計區(qū)域面積小于設(shè)定閾值。

1.2 基于子窗口引導(dǎo)濾波的透射率t值細估計

估計出大氣光值A(chǔ)后，反推無霧圖像()就僅與透射率t參數(shù)有關(guān)。因此，我們需要求解出精細化透射率傳播參數(shù)。

圖3 子窗口濾波器基元示意圖

在每個區(qū)域中的核函數(shù)如公式（4）和（5）定義：

圖4 透射率細估計及去霧效果示意圖

在He提出的暗通道先驗的去霧模型中，有霧圖像的暗通道計算可以由式（7）表示：

進一步，大氣傳播參數(shù)透射率的粗估計值以及相應(yīng)細估計值可以由式（8）和（9）計算得出：

在求解出反演無霧圖像所需所有重要參數(shù)之后，無霧圖像()最終可以由式（10）所計算得出，效果圖如圖4所示：

2 實驗結(jié)果與分析

實驗中所有算法均在MATLAB平臺完成，計算機硬件配置主要包括主頻為1.6GHz的Intel Core i5 CPU，8G內(nèi)存空間。所提出方法中參數(shù)和取默認值為3和5。對比方法主要包括主流的圖像去霧方法He[4]，Meng[5]，Ramírez[6]，Ancuti[7]，所有對比方法均采用作者提供代碼且按照默認參數(shù)設(shè)置。為了全面對比本文方法與對比方法之間的優(yōu)劣性，實驗內(nèi)容主要分為定性的主觀評價實驗和定量的客觀評價實驗兩部分，從兩方面評價水面船舶圖像去霧方法性能。主觀評價主要是比較不同方法的局部細節(jié)增強效果；在客觀評價主要是通過無參考圖像質(zhì)量評價指標以及計算效率進行定量評價。

2.1 主觀評價實驗

圖5和圖6分別展示了在不同水面環(huán)境下，船舶有霧圖像以及不同方法的去霧效果對比結(jié)果。從中看出，所有方法均取得一定圖像去霧效果牡但是主觀效果層次不同。Meng方法整體對比度過度處理，細節(jié)紋理幾乎消失。而Ramírez方法則過分增強圖像紋理，圖像失真嚴重，整體突兀不協(xié)調(diào)和不自然。Ancuti方法去霧效果不明顯，同時會增強邊緣噪聲信息。He方法整體效果較好，但是對于天空背景區(qū)域處理效果不夠理想。反觀所提出方法，去霧效果明顯，圖像對比度恰當(dāng)，紋理細節(jié)豐富，圖像主觀感官上更加立體和自然，更貼近真是無霧水面情況。

圖5 水面環(huán)境1不同方法圖像去霧效果對比

圖6 水面環(huán)境2不同方法圖像去霧效果對比

2.2 客觀評價實驗

為客觀定量的評價所提方法與對比方法的圖像去霧性能，處理30張790×390和470×300尺寸大小的水面船舶有霧圖像。由于測試圖像不存在真值無霧圖像作為參照，因此本文采用無參考評價指標，包括圖像信息熵[8]（Information Entropy, IE）和自然統(tǒng)計特性[9]（Natural Image Quality Evaluator, NIQE），結(jié)果如表1所示。其中圖像信息熵大,圖像紋理越豐富；NIQE值越小，圖像質(zhì)量越高，噪聲越少。其中，粗體表示為最優(yōu)結(jié)果。

從表1指標結(jié)果可看出，本文提出方法計算得到更低的信息熵值和NIQE值，表明本文方法增強圖像的同時可以有效減少圖像噪聲，較好提升了圖像質(zhì)量。值得注意的是，在一組圖像數(shù)據(jù)中，本文方法計算IE指標數(shù)值雖不及Ramírez和Meng方法，但是差距不大；同時比較相同情況下的NIQE指標結(jié)果發(fā)現(xiàn)所提方法優(yōu)于兩種對比方法。因此，總體而言，所提方法在兼顧圖像質(zhì)量和噪聲方面性能優(yōu)于其他對比方法。

表1 客觀評價指標（IE/NIQE）

表2 不同去霧方法時間效率（單位/s）

表2總結(jié)了所有方法在兩種不同圖像尺寸情況下的計算效率性能結(jié)果。可以看出，本文的去霧算法在計算性能方面有明顯優(yōu)勢，優(yōu)于其他對比方法。因此，本文方法可以滿足水面船舶應(yīng)用場景的實時性要求。

3 結(jié)語

傳統(tǒng)圖像去霧算法不能有效適應(yīng)水面船舶圖像環(huán)境，大區(qū)域明亮天空區(qū)域、復(fù)雜水面目標環(huán)境圖像去霧后存在對比度低、顏色畸變等問題，直接影響水面船舶對環(huán)境自主感知能力。因此，本文提出了基于改進四叉樹搜索策略和子窗口引導(dǎo)濾波的方式分別估計大氣光值A(chǔ)和透射率參數(shù)，在圖像信息熵、自然統(tǒng)計特性、時間效率等指標上優(yōu)于其他對比方法，顯著提高水面船舶圖像去霧效果。

[1] 吳迪,朱青松.圖像去霧的最新研究進展[J].自動化學(xué)報, 2015, 41(02): 221-239.

[2] Li B Y, Ren W Q, Fu D P, et al. Benchmarking Single-Image Dehazing and Beyond. IEEE Transactions on Image Processing, 2019, 28: 492-505.

[3] Gong Y, Bozhi L, Xianxu H, et al. Sub-window Box Filter[C]. 2018 IEEE Visual Communications and Image Processing (VCIP), 2018: 1-4.

[4] He K, Sun J, Tang X. Single image haze removal using dark channel prior[J]. IEEE transactions on pattern analysis and machine intelligence, 2010, 33(12): 2341-2353.

[5] Meng G, Wang Y, Duan J, et al. Efficient Image Dehazing with Boundary Constraint and Contextual Regularization[C].2013 IEEE International Conference on Computer Vision (ICCV), 2013: 617-624.

[6] Díaz-Ramírez, Víctor H, Hernandez-Beltran J.E, et al. Real-time haze removal in monocular images using locally adaptive processing[J].Journal of Real-Time Image Processing 2017: 1-15.

[7] Ancuti C.O, Ancuti C, Bekaert P. Effective single image dehazing by fusion[C]. 2010 IEEE International Conference on Image Processing (ICIP), 2010: 3541-3544.

[8] Tsai, D, Lee Y, Matsuyama E. Information Entropy Measure for Evaluation of Image Quality[J].Journal of Digital Imaging, 2007, 21: 338-347.

[9] Mittal A, Soundararajan R, Bovik A C. Making a “completely blind” image quality analyzer[J]. IEEE Signal Processing Letters, 2012, 20(3): 209-212.

Research on Dehazing Method of Surface Ship Image

Zheng Xiao1, Bai Qiankan1, Yu Kun2

(1. Wuhan Institute of Marine Electric Propulsion, Wuhan 430064, China；2. Naval University of Engineering, National Key Laboratory of Science and Technology on Vessel Integrated Power System, Wuhan 430033, China)

U661.7

A

1003-4862（2023）08-0049-05

2022-08-25

鄭曉（1991-），女，工程師。研究方向：機械設(shè)計及理論。E-mail：136252524@qq.com