摘" 要： 在光暈區(qū)域附近進行光暈消除操作可能會降低圖像的對比度、清晰度和細節(jié)。因此，需要開發(fā)有效的方法來恢復和增強光暈消除后的圖像細節(jié)，以確保整體圖像質(zhì)量的提高，為此設(shè)計一種改進暗通道原理下視覺圖像光暈消除算法。建立大氣散射模型深度分析光暈產(chǎn)生條件，根據(jù)圖像中的像素強度值計算成像環(huán)境中的透射率，按照大氣光照的散射系數(shù)建立光照條件研究模型。在較高的像素顏色通道條件下，根據(jù)圖像中高亮度和強反射部分搭建無光暈圖像亮通道定義，聚類圖像亮通道特征，利用快速雙邊濾波器細化透射率，建立光暈圖像的成像模型。在改進暗通道原理的過程中通過調(diào)整多個計算參數(shù)，包括改變權(quán)重函數(shù)，設(shè)置光暈消除的恢復指令，完成對視覺圖像的光暈消除處理。經(jīng)過實驗分析可以證明，所提方法具備良好的光暈消除性能，光暈消除效果較好。

關(guān)鍵詞： 改進暗通道； 視覺圖像； 光暈消除； 透射率； 多尺度算法； 大氣散射模型

中圖分類號： TN911.73?34； TP391" " " " " " " " " "文獻標識碼： A" " " " " " " " " 文章編號： 1004?373X（2025）01?0060?05

Visual image halo eliminating algorithm based on improved principle of dark channel

REN Xiaonan， LI Guang

（North University of China， Taiyuan 030051， China）

Abstract： Performing halo elimination operations near halo areas may reduce the contrast， sharpness， and details of the image. Therefore， it is necessary to develop effective methods to restore and enhance the image details after halo elimination， so as to ensure the overall improvement of image quality. To this end， a visual image halo elimination algorithm based on the improved principle of dark channel is designed. An atmospheric scattering model is established to deeply analyze the conditions of the halo generation. The transmittance in the imaging environment is calculated based on the pixel intensity values in the image. A lighting condition research model is established based on the scattering coefficient of atmospheric illumination. Under the conditions of high pixel color channel， a definition of the bright channel of the halo free image is constructed based on the parts of high brightness and strong reflection of the image， the features of the bright channel of the image are clustered， and the transmittance is refined with a fast bilateral filter. So far， an imaging model of the halo image is established. In the process of improving the principle of dark channel， the halo elimination processing of visual images is completed by adjusting multiple calculation parameters， including changing the weight function and setting recovery instructions for halo elimination. After experimental analysis， it can be proven that the proposed method has good halo elimination performance and has a good effect on halo elimination.

Keywords： improved dark channel; visual image; halo elimination; transmittance; multi?scaled algorithm; atmospheric scattering model

0" 引" 言

在圖像采集過程中，經(jīng)常會受到大氣光散射的影響，在圖像成像過程中形成色彩不均勻的光暈，光暈的形成不僅會影響圖像的成像效果和美觀度，還會在一定程度上掩蓋圖像信息，覆蓋和虛化圖像邊緣，導致圖像出現(xiàn)失真，因此研究視覺圖像的光暈消除算法是十分必要的。

文獻[1]在研究過程中提出一種透射率回歸算法，通過對顏色特征的深度提取，實現(xiàn)對圖像局部窗口的逐一判斷，設(shè)定不同的數(shù)值標準，訓練特征向量，對影響圖像視覺效果的相關(guān)因素進行去除，以此實現(xiàn)圖像光暈消除。由于未對光暈產(chǎn)生條件進行深度分析，導致光暈的消除不夠徹底，且會造成局部區(qū)域模糊問題。文獻[2]在研究過程中提出梯度導向濾波算法，建立圖像的數(shù)學模型，計算圖像的平滑初始透射率，在梯度計算條件下完成對像素點的估計，利用大氣光值完成圖像的整體提亮和恢復。但是該方法沒有對光暈消除程度進行控制，光暈消除雖然徹底，但會造成誤判，將非光暈一并消除，影響圖像質(zhì)量。文獻[3]對測量相位像的導數(shù)作希爾伯特變換，混合處理變換后的圖像和原測量圖像，達到消除光暈效應(yīng)的目的。該方法雖然實現(xiàn)了光暈消除，但是光暈消除后的飽和度分量較低，視覺效果不佳。除此之外，還有學者通過多曝光融合方法實現(xiàn)光暈消除，即通過拍攝多張曝光度不同的圖像，利用圖像融合技術(shù)將不同曝光程度的圖像疊加，抑制或消除光暈效果，該方法同樣存在光暈消除效果不佳的問題。

為了提高視覺圖像中光暈消除的效果和性能，本文提出改進暗通道原理下視覺圖像光暈消除算法。

1" 大氣散射模型構(gòu)建

在研究視覺圖像光暈消除算法時，首先需要對光暈產(chǎn)生條件進行深度分析，分析和評估大氣散射條件對視覺圖像的影響時，主要研究光在傳播過程中遇到介質(zhì)后可能產(chǎn)生的散射現(xiàn)象，根據(jù)視覺圖像中包含的各類信息，搭建大氣散射模型，并在不同的參數(shù)條件下實現(xiàn)對由大氣散射造成的圖像光暈程度的估計，為深度分析出圖像中光暈形成過程建立大氣散射模型，如圖1所示。

大氣散射模型對應(yīng)的數(shù)學表達式為：

[Ex，y=ED+EA] （1）

式中：[E]表示視覺圖像中的像素強度值；[x，y]表示視覺成像圖的像素索引；[ED]表示像素的直接輸出項，主要描述光源經(jīng)過不同介質(zhì)反射后的剩余部分；[EA]表示空氣中的照射光源，主要描述大氣光被空氣中的散射粒子散射[4]和吸收后的剩余部分。

根據(jù)大氣散射模型獲得大氣光在成像環(huán)境中的透射率，可以有效地描述出未被散射的大氣光穿透介質(zhì)后到達相機的實際程度[5?6]，表達式為：

[tx，y=e-β?dx，y] （2）

式中：[d]表示光照場景點與成像點之間的距離；[β]表示大氣光照的散射系數(shù)[7]。視覺圖像在一定的場景條件下，如果光照不均勻，會直接影響圖像的入射光條件，文中利用改進的大氣散射模型完成相應(yīng)的光照條件研究，具體模型為：

[Ex，y=i=1nEi?ρx，y?tx，y+E∞?1-tx，y] （3）

式中：[Ei]表示對應(yīng)場景下的入射光，[i]表示對應(yīng)場景條件下的像素索引集合。

假設(shè)在研究過程中入射光在視覺圖像的全局分布并不合理，存在光暈現(xiàn)象，考慮到入射光在場景中的差異，將入射光看作是一個圖像聚類問題。首先評估出視覺圖像的光暈程度，根據(jù)光暈程度劃分出對應(yīng)的獨立場景和對應(yīng)的入射光，在亮通道先驗的前提下，觀察多種形式的戶外無光暈圖像，可以發(fā)現(xiàn)其中至少包含一個較高像素的顏色通道。根據(jù)此時圖像中具備的高亮度和強反射能力，無光暈圖像[J]的亮通道定義[8]為：

[Jbrightx，y=maxy∈Ωx，ymaxc∈r，g，bJcx，yEx，y]" "（4）

式中：[Jbright]為視覺圖像中的亮通道值；[r]、[g]、[b]表示三原色；[Ω]為以像素索引[x，y]為中心基礎(chǔ)的局部區(qū)域。通過聚類算法有效區(qū)分出亮通道圖像中的光照強度，將其分為四種不同的獨立場景，為保證聚類過程的實時性，在減少計算量的同時獲得全局最優(yōu)結(jié)果，利用模糊C均值聚類算法對亮通道圖像進行聚類。

[U=argmini=1NuiJbrightx，ym?Jbrightx，y-vi2]""（5）

式中：[N=4]表示聚類目標個數(shù)；[ui0≤ui≤1]表示場景條件下劃分目標聚類的隸屬度；[m]表示聚類劃分加權(quán)系數(shù)；[vi]表示亮通道圖像的聚類中心；[U]表示針對亮通道圖像聚類劃分的模糊矩陣，計算過程中獲取到相同的顏色區(qū)域即為同一場景，以此完成對場景入射光的有效估計[9]。

2" 暗通道先驗去光暈算法設(shè)計

在消除視覺圖像光暈的處理過程中，基于大氣散射模型建立光暈圖像的成像模型。

[Ix=UJxtx+A1-tx] （6）

式中：[Ix]表示光暈圖像；[Jx]表示消除光暈后的圖像；[A]表示視覺圖像在全局狀態(tài)下的大氣參數(shù)；[tx]表示完全透射圖。目前已知[Ix]的參數(shù)和狀態(tài)，為了求解消除光暈后的圖像[Jx]，需要建立先驗信息[10]。

[IcxAc=txJcxAc+1-tx]" "（7）

式中[c]表示三原色分量。

通常情況下，視覺圖像中會包含一部分陰影或者彩色，其中存在的暗原色一般會表現(xiàn)出比較灰暗的狀態(tài)，此時認為這部分視覺圖像的暗通道值接近于零，將其表示為：

[Jdarkx=miny∈ΩxmincJcxJcy=0] （8）

此時可以通過多輪推導獲取圖像透射率的預估值。

[tx=1-miny∈ΩxmincIcyAc×Jdarkx] （9）

為了使消除光暈后的圖像看起來更自然，利用參數(shù)[ω]控制光暈消除的程度。通常情況下，參數(shù)[ω]的取值為0.95，在此基礎(chǔ)上，根據(jù)視覺圖像的成像模型推算光暈消除復原公式如下：

[Jx=Ix-Amaxtx，tx+A]" "（10）

為確保數(shù)值[J]維持在0～255范圍內(nèi)，需要保證[t]值不能過小，因此，設(shè)置一個對應(yīng)的閾值[t0]，并設(shè)置閾值標準為0.1。

3" 改進暗通道的光暈消除算法

為了進一步提升光暈消除效果，對暗通道原理進行改進，在改進暗通道的基礎(chǔ)上完成對視覺圖像的光暈消除[11?12]。首先對存在天空區(qū)域的圖像進行區(qū)域分離，由于天空在成像區(qū)域內(nèi)顏色相對單一平滑，一般存在于視覺圖像的上半部分，可以通過計算求解輸入圖像的前[Ntop]行像素亮度平均值[vavg]，以及對應(yīng)的最大亮度值[vmax]，判斷圖像中是否存在天空區(qū)域。若計算過程中獲得[vavggt;μ1vmax]的結(jié)果，此時可判斷視覺圖像中存在天空區(qū)域，為保證檢測結(jié)果的準確性，將驗證參數(shù)[μ1]的取值設(shè)定為0.89。

接下來通過改進大氣光照強度參數(shù)[A]，實現(xiàn)對視覺圖像中非天空區(qū)域降質(zhì)處理，針對存在光暈的視覺圖像而言，在其對應(yīng)的暗原色基礎(chǔ)上找到亮度最大的一部分像素點，求取這部分像素點的平均值[Aavg]和最大像素點[Amax]，設(shè)定像素點降質(zhì)參數(shù)[μ2]的取值為1.1，此時能保證對圖像中光暈的消除效果相對較好，同時保證對大氣光強的估計相對準確，在一定程度上使改進暗通道后的光暈消除圖像更加自然。

在上述參數(shù)改進的基礎(chǔ)上，利用快速雙邊濾波器改進并細化對圖像中透射率的估計。

[BIp=1Wpq∈SGσsJxp-qGσrIp-Iq] （11）

式中：[q=u，v]表示視覺圖像中心像素點[q]的鄰域像素；[S]表示任意鄰域像素點的集合；[Wp]表示像素點的歸一化參數(shù)因子；[Gσs]表示視覺圖像空間狀態(tài)下的鄰近因子，[Gσr]表示圖像像素的灰度相似參數(shù)。通過改進快速降暈的雙邊濾波器，可以有效地完成對圖像透射率以及圖像邊緣特征的提取。

利用六角錐體模型針對彩色圖像進行深度的光暈消除處理，為減少光暈消除后圖像的失真情況，通過多尺度算法對光暈進行深度處理。考慮六角椎體模型的空間特征，劃分亮度分量，建立亮度的視覺效果，保證視覺圖像經(jīng)過光暈消除后的飽和度分量。

[Rix，y=i=1NWnBIplogIix，y-logIix，y*Fnx，y] （12）

式中：[Wn]表示視覺圖像光暈尺度對應(yīng)的權(quán)重函數(shù)；[Fnx，y]作為圖像噪聲的低通濾波器，通常情況下為高斯環(huán)繞函數(shù)。

接下來利用六角錐體模型對多尺度算法中包含的圖像飽和度分量進行處理。

[Vix，y=i=1NWnBIplogVix，y-logVix，y*Fnx，y]" （13）

在不同尺寸條件下，對視覺圖像的壓縮范圍進行對應(yīng)的色彩恢復，建立環(huán)繞函數(shù)，實現(xiàn)對圖像照度分量的分析。為減少計算量，保證計算結(jié)果的準確度，設(shè)置光暈消除的恢復指令為：

[t0=μ2p0-pp0]" "（14）

根據(jù)光暈消除指令完成后續(xù)的圖像處理，視覺圖像的恢復過程可表示為：

[Jx=Ix-p0maxtx，Vix，y+A] （15）

在此基礎(chǔ)上，獲取到完整的消除光暈后的視覺圖像[13]。

4" 實驗驗證分析

為了驗證所提圖像光暈消除方法的有效性，通過主觀和客觀的方式分析所提光暈消除方法的性能，并與透射率回歸算法和梯度導向濾波算法進行對比。實驗樣本圖像來自CIFAR（Canadian Institute for Advanced Research）數(shù)據(jù)集，該數(shù)據(jù)集是一個常用于圖像分類和目標識別的數(shù)據(jù)集，包含了10個不同類別的60 000張32×32像素的圖像。

在CIFAR數(shù)據(jù)集中選取包含光暈效果的圖像，將選定的圖像輸入到光暈消除算法中進行處理，執(zhí)行去光暈操作，將經(jīng)過光暈消除處理后的圖像與原始圖像進行比較，評估算法在光暈消除方面的效果。對實驗結(jié)果進行分析和解釋，比較不同方法的性能差異。

首先針對實驗圖像1，利用本文方法、透射率回歸算法和梯度導向濾波算法分別實施消除光暈處理，得到的結(jié)果如圖2所示。

從圖2中三種不同方法下的消除光暈效果圖可以看出，透射率回歸算法對簡單光暈的消除不夠徹底，并且在消除過程中會導致視覺圖像中其他區(qū)域變得模糊，圖像整體的邊緣細節(jié)模糊后，圖像信息失真；而梯度導向濾波算法下的光暈消除雖然徹底，但卻誤判天空信息，將天空區(qū)域內(nèi)的云朵也當作光暈一并處理，效果同樣不理想，反觀所提方法，不僅有效地保留了天空區(qū)域信息，改善了圖像中天空失真情況，同時也很好地完成了對簡單光暈的消除處理。

完成對簡單光暈圖像的實驗后，只能初步證明所提方法是有效的，但并不能完全證明所提方法的實際性能，接下來針對復雜大面積的光暈圖像進行進一步實驗驗證和分析，并與透射率回歸算法和梯度導向濾波算法進行深度的對比實驗，結(jié)果如圖3所示。

從圖3中可以看出，透射率回歸算法針對復雜的光暈效果具備一定的消除能力，但是同樣會在消除過程中導致圖像邊緣細節(jié)弱化，梯度導向濾波算法在消除大面積復雜光暈時不完全，導致圖像中還存在一部分的光暈殘余，所提方法在經(jīng)歷過暗通道改進后，實現(xiàn)對復雜光暈的有效去除，完整保留了圖像中的有效信息，圖像邊緣的輪廓清晰可見，圖像內(nèi)容細節(jié)豐富，從直觀角度可以證明本文方法的消除效果更好。

完成了本文方法的直觀效果對比，接下來利用更加客觀的方法驗證本文方法的光暈消除性能，與透射率回歸算法和梯度導向濾波算法的實驗數(shù)據(jù)進行比較，結(jié)果如表1所示。

從表1的實驗結(jié)果中可以看出，本文方法在實驗中得到的信噪比和均方誤差均低于透射率回歸算法和梯度導向濾波算法，說明本文方法的整體性能更優(yōu)。由此可以得出，本文方法在主觀與客觀評價中均展示了較為明顯的優(yōu)勢，說明其光暈去除效果更佳。

5" 結(jié)" 語

本文在研究視覺圖像的光暈消除方法時，建立大氣散射模型完成對大氣散射條件的深度分析。研究大氣環(huán)境下的成像透射率，利用對應(yīng)的散射系數(shù)計算無光暈圖像的通道定義；通過先驗暗通道完成光暈消除的同時，在暗通道改進條件下調(diào)整不同的消除參數(shù)，實現(xiàn)對視覺圖像的光暈消除。在實驗中證明了本文方法在光暈消除性能上的有效性及優(yōu)越性。

參考文獻

[1] 袁非牛，李志強，史勁亭，等.兩階段特征提取策略的圖像去霧[J].中國圖象圖形學報，2021，26（3）：568?580.

[2] 倪萍，賴惠成，高古學，等.基于形態(tài)學與梯度域?qū)驗V波的圖像去霧算法[J].計算機工程，2022，48（10）：252?261.

[3] 丁海寧，朱苗苗，馬利紅，等.白光衍射相位像光暈效應(yīng)消除方法[J].中國激光，2020，47（5）：489?495.

[4] 胡夢婷，范濤，王國中.一種自適應(yīng)多態(tài)特征融合的交通圖像去霧算法[J].計算機應(yīng)用研究，2023，40（7）：2210?2216.

[5] 趙馨宇，黃福珍.基于雙通道先驗和光照圖引導濾波的圖像增強[J].激光與光電子學進展，2021，58（8）：53?62.

[6] 劉長明，曹紅燕，范焱，等.結(jié)合OSTU閾值法的自適應(yīng)DCP圖像優(yōu)化算法[J].火力與指揮控制，2022，47（6）：162?170.

[7] 林貝欣，殷明，邢燕，等.基于天空識別與加權(quán)引導濾波的圖像去霧算法[J].合肥工業(yè)大學學報（自然科學版），2022，45（2）：192?197.

[8] 王健，何自豪，劉潔，等.基于梯度域?qū)驗V波器和改進PCNN的圖像融合算法[J].系統(tǒng)工程與電子技術(shù)，2022，44（8）：2381?2392.

[9] 毛德乾，高珊珊，張晨昊，等.去光源影響的加權(quán)導向濾波圖像去霧算法[J].計算機輔助設(shè)計與圖形學學報，2022，34（2）：217?231.

[10] 丁姝晨，錢蕓生，林焱劍，等.基于光暈的微通道板黑點檢測方法[J].應(yīng)用光學，2022，43（6）：1145?1152.

[11] 崔智高，蘭云偉，王念，等.基于多教師引導的知識蒸餾圖像去霧算法[J].火箭軍工程大學學報，2024，38（5）：35?43.

[12] 張凱麗，王安志，熊婭維，等.基于Transformer的單幅圖像去霧算法綜述[J].計算機科學與探索，2024，18（5）：1182?1196.

[13] 周宇，陳志華，盛斌，等.基于漸進式多尺度Transformer的圖像去霧算法[J].計算機科學，2024，51（5）：117?124.

[14] 陳曦，錢國明，史艷高.基于FPGA+ARM的實時圖像去霧系統(tǒng)設(shè)計[J].電子設(shè)計工程，2023，31（13）：192?195.

作者簡介：任曉楠（1990—），女，山西芮城人，博士研究生，講師，主要從事視覺傳達設(shè)計研究。

李" 廣（1993—），男，浙江溫州人，博士研究生，講師，主要從事產(chǎn)品設(shè)計研究。