，（，河北石家莊)

【關(guān)鍵詞】智能駕駛；去霧算法；去霧效果；色彩還原 中圖分類(lèi)號(hào)：U463.675 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-8639（2025)06-0063-02 AnIntelligent Algorithm Dedicated to Image Processing in Foggy Days LiYundi，Zhang Yihao，Li Fengbo，ShiXiaoyong，LiBaiying，Xie Miaomiao （Shijiazhuang Institute of Railway Technology，Shijiazhuang O5oO41，China）

【Abstract】 Based onthe technological integrationand development orientation of the \"14th Five-Year Plan\"， traditionalintellgentdrivingassistance technologieshavesignificantlimitationsinfogyweatherscenarios.Inviewof the loweficiency，highcostandcolorrecognitiondefectsof theexistingradarcoordinationandthermalimaging schemes， thispaper adopts the dark channel algorithm to achieve image defogging through parameter optimizationandavoid distortionwithcolorcompensation.Experimentsshow thatthe foggy imagesprocessedbythealgorithm havecomplete detailsandnaturalcolors，significantlyimprovingtheimagequalityinlowvisibilityenvironmentsandprovidinganew path for breakthroughs in intelligent driving technology.

【Key words】 intelligent driving；defogging algorithm；defogging effect；color reproductiol

1傳統(tǒng)智駕方案痛點(diǎn)

智能駕駛依賴(lài)精準(zhǔn)的道路與交通信息識(shí)別，但在霧霾多發(fā)城市，信息采集常受干擾，存在效率低、失真嚴(yán)重等問(wèn)題，影響后續(xù)處理。當(dāng)前行業(yè)多從硬件入手，以多雷達(dá)協(xié)同和熱成像攝像頭為代表技術(shù)。前者存在探測(cè)效率低、成本高、無(wú)法識(shí)別顏色等缺陷；后者難以呈現(xiàn)物體真實(shí)形狀，同樣面臨成本與技術(shù)瓶頸。鑒于此，本項(xiàng)目采用暗通道算法，用于行人識(shí)別及霧霾環(huán)境下的圖像去霧，突破現(xiàn)有技術(shù)局限。

2暗通道去霧算法流程及改進(jìn)策略

暗通道先驗(yàn)去霧算法以大氣散射模型為核心，剖析霧霾圖像由反射光、大氣散射光與環(huán)境人射光混合而成的特性。算法通過(guò)分解混合光線成分并建模，重點(diǎn)對(duì)大氣光值A(chǔ)和場(chǎng)景透射率 t(x) 兩個(gè)關(guān)鍵參數(shù)進(jìn)行估計(jì)與優(yōu)化，其準(zhǔn)確性直接決定去霧效果。本項(xiàng)目采用該算法，并針對(duì)性提出流程及改進(jìn)策略。

1）構(gòu)建暗通道圖像：依靠物理濾波理論，生成展現(xiàn)場(chǎng)景暗通道先驗(yàn)特性的圖像，為接下來(lái)的參數(shù)

估計(jì)提供基礎(chǔ)數(shù)據(jù)。

2）大氣光值與透射率估算：通過(guò)統(tǒng)計(jì)暗通道圖的高亮像素區(qū)域，確定大氣光值A(chǔ)，并結(jié)合暗通道先驗(yàn)初步推導(dǎo)透射率 t(x) 的粗略估計(jì)值。

3）大氣散射模型求解：依托經(jīng)典大氣散射模型I(x)=J(x)t(x)+A[1-t(x)] ，通過(guò)優(yōu)化 A 和 t(x) 兩個(gè)核心參數(shù)，實(shí)現(xiàn)對(duì)霧氣影響的數(shù)學(xué)剝離，從而完成去霧處理。

具體實(shí)現(xiàn)流程框圖如圖1所示。

在本項(xiàng)目中，大氣光值A(chǔ)的自適應(yīng)估計(jì)流程通過(guò)圖像預(yù)處理、亮度直方圖統(tǒng)計(jì)及加權(quán)融合算法實(shí)現(xiàn)，具體步驟闡述如下。

圖像顏色空間標(biāo)準(zhǔn)化處理。首先對(duì)輸入圖像進(jìn)行格式轉(zhuǎn)換，將原始RGB色彩空間轉(zhuǎn)換為適用于亮

度分析的目標(biāo)格式。

亮度分量直方圖統(tǒng)計(jì)與特征提取。完成顏色空 間轉(zhuǎn)換后，針對(duì)分離出的亮度分量進(jìn)行全局直方圖 統(tǒng)計(jì)。

像素區(qū)域劃分。先對(duì)亮度直方圖做預(yù)處理，然后用自適應(yīng)閾值分割算法動(dòng)態(tài)分組像素點(diǎn)，接著把不同亮度的區(qū)域準(zhǔn)確劃分出來(lái)，再統(tǒng)計(jì)這些區(qū)域的像素?cái)?shù)量。

估計(jì)大氣光值A(chǔ)?；诩訖?quán)融合模型，計(jì)算出權(quán)重參數(shù) α 和 β ，大氣光值 A 定義為各區(qū)域亮度特征的加權(quán)和，具體公式為：

A=220×α+255×β+ε

為進(jìn)一步優(yōu)化圖像去霧效果，本項(xiàng)目采用雙尺度最小梯度濾波方法求解暗通道圖及透射率 t(x) 。具體實(shí)施過(guò)程如下：將原始模型定義為 5×5 的網(wǎng)格區(qū)域，通過(guò) 3×3 滑動(dòng)窗口在該區(qū)域內(nèi)逐行、逐列移動(dòng)，計(jì)算每個(gè)窗口內(nèi)像素的最大值、最小值及其差值，最終選出最小濾波值當(dāng)作暗通道值。詳細(xì)計(jì)算步驟為： ① 對(duì)輸入的有霧圖像進(jìn)行預(yù)處理，獲取最小濾波圖像； ② 利用 3×3 滑動(dòng)窗口遍歷圖像，計(jì)算每個(gè)窗口內(nèi)像素的極大值、極小值及其差值； ③ 按照步驟2算出的數(shù)值，取最小濾波值當(dāng)作暗通道值，然后生成暗通道圖； ④ 基于暗通道圖計(jì)算透射率t(x) 的具體數(shù)值。雙尺度最小梯度濾波示意如圖2所示。

3色彩補(bǔ)償方法

處理完有霧圖像的去霧工作后，可能會(huì)出現(xiàn)局部色彩失真的情況，為解決這一問(wèn)題，本項(xiàng)目設(shè)計(jì)了一種新的色彩補(bǔ)償方法。該算法通過(guò)定義閾值參數(shù) T （默認(rèn)設(shè)定為40），構(gòu)建像素級(jí)的失真檢測(cè)模型。其核心原理是通過(guò)量化透射率估計(jì)值與暗通道特征的差異，實(shí)現(xiàn)對(duì)圖像區(qū)域的分類(lèi)處理：針對(duì)圖像中每個(gè)像素點(diǎn) x ，計(jì)算透射率初步估計(jì)值 t_pre(x) 與暗通道像素值 J^dark(x) 的絕對(duì)差值 （204號(hào)該差值反映了去霧過(guò)程中色彩信息的潛在失真風(fēng)險(xiǎn)。差值越小，表明該區(qū)域在去霧后出現(xiàn)對(duì)比度異常（如顏色過(guò)飽和、灰白斷層）的可能性越大。其技術(shù)實(shí)現(xiàn)流程與數(shù)學(xué)表達(dá)式如下所述。

1）通過(guò)逐像素計(jì)算判別因子 D(x) 并與閾值 T 比較，生成二值化掩碼 M(x) ：

2）對(duì)標(biāo)記為 M(x)=1 的區(qū)域，通過(guò)以下公式修正透射率 t(x)

t_final(x)=t_pre(x)+φ[T-D(x)]

式中： φ 為補(bǔ)償系數(shù) 0<φ?1， ，用于控制修正幅度。該調(diào)整機(jī)制通過(guò)放大差值與閾值的偏離程度，實(shí)現(xiàn)對(duì)低對(duì)比度區(qū)域的柔和去霧處理，有效避免傳統(tǒng)算法“一刀切”式處理導(dǎo)致的色彩失真問(wèn)題。

4 對(duì)比試驗(yàn)

為驗(yàn)證改進(jìn)算法在單幅圖像去霧的實(shí)際效果，本項(xiàng)目開(kāi)展對(duì)比試驗(yàn)。選取某戶(hù)外場(chǎng)景的兩組同源圖像，一組為霧天拍攝的原始圖像，因大氣散射導(dǎo)致對(duì)比度低、細(xì)節(jié)模糊、色調(diào)灰白；另一組是經(jīng)本算法處理后的圖像，經(jīng)大氣光自適應(yīng)估計(jì)、雙尺度濾波去霧、閾值補(bǔ)償色彩修復(fù)，最終圖像細(xì)節(jié)完整，高亮區(qū)域色彩過(guò)渡自然，無(wú)光暈和色塊失真，與晴天圖像視覺(jué)差異極小，凸顯算法優(yōu)勢(shì)。圖像去霧效果對(duì)比如圖3所示。

5結(jié)束語(yǔ)

將暗通道先驗(yàn)去霧算法應(yīng)用于智能駕駛輔助技術(shù)，能夠顯著提升霧天等低能見(jiàn)度環(huán)境下的圖像清晰度，增強(qiáng)信息采集能力，為智能駕駛系統(tǒng)提供清晰準(zhǔn)確的路面影像，對(duì)提升智能駕駛效果具有重要意義，展現(xiàn)出廣闊的市場(chǎng)前景和巨大的發(fā)展?jié)摿Α?/p>

參考文獻(xiàn)

[1]夏以檸.生成式人工智能技術(shù)進(jìn)展及其在自動(dòng)駕駛領(lǐng)域的應(yīng)用與展望[J].汽車(chē)技術(shù)，2023（9)：43-48.

(編輯林子衿)