论文部分内容阅读
摘要：为了提高雾天降质图像的清晰度，文章研究基于物理模型复原的图像去雾算法，提出基于该方法复原的快速图像去雾方法。首先提出天空区域自适应选择算法估计全局大气光，然后利用均值滤波的方式快速估计透射率，最终恢复无雾图像。
关键词：图像去雾；物理模型复原；自适应选择算法；均值滤波；透射率；无雾图像 文献标识码：A
中图分类号：TP391 文章编号：1009-2374（2016）02-0009-03 DOI：10.13535/j.cnki.11-4406/n.2016.02.004
1 概述
由于PM2.5的影响，雾、霾等天气愈加严重，户外视频监控系统尤其是交通视频受到了严重的影响。在雾、霾等天气下，光线受到大气介质的散射，导致其传播路径发生改变，以至于场景的能见度降低，监控系统所采集到目标图像对比度及颜色等特征被衰减。因此需要对雾天条件下获取的图像进行去雾优化处理，提高图像的可见性。目前，图像去雾的方法主要分为两种：基于雾天图像对比度特点的图像增强方法和基于物理模型复原的图像恢复方法。
基于雾天图像对比度特点的图像增强方法，根据雾天图像对比度低，采取改善图像质量或增强图像某些特征的方法对雾天图像进行增强处理，该方法能达到一定的去雾效果，但有可能会造成信息的缺失。基于物理模型复原的图像恢复方法是根据大气物理模型，利用已知的场景深度信息和雾天浓度信息来恢复无雾图像，该方法针对性强，处理效果自然。
2 算法分析
单幅图像去雾算法的研究作为综合性的新学科发展，近年来备受关注，各个学者提出了不同的去雾优化方法。Tan方法基于对图像增强的方式，利用最大化局部对比度的方法对图像的对比度进行复原，但该方法容易造成信息的缺失。Fattal假设目标的阴影部分和介质透射率不相关，借助于独立主成分分析模型对透射率进行估计，但该方法只针对处理彩色图像。Tarel等人对环境光的范围进行深入研究，利用中值滤波的方式进行去雾，并去除图像中的纹理信息，但由于中值滤波不能很好地保持边缘，在景深突变处受到了严重影响。He等人提出了暗原色统计规律，然后选用最小值滤波的方式对透射率进行估计，并采用软抠图的方式对透射率的求取进行优化，最终恢复无雾图像，该方法是目前最为有效的处理方法，但该方法的复杂度较高，处理的时间受限。
上述方法各有利弊。本文针对目前去雾方法处理效果不佳且处理时间过长等不足，对暗原色先验的去雾方法改进，局部选用均值滤波的方式对雾浓度进行估计，最终通过大气散射校正方法对雾天图像进行恢复。该算法达到了一定的去雾效果，并降低处理时间，更具有应用价值。
3 大气散射模型
Macartney于1975年提出了大气散射模型，该模型由入射光衰减模型和大气光成像模型组成，其中入射光衰减模型是由于射入观测点方向的光受到大气介质的影响，发生散射作用而导致光强衰弱；大气光成像模型是由于别的光束发生散射后随观测点方向射入。
4 本文算法
在图像中，雾气浓度均匀分布，去除掉有雾图像的纹理信息，即可寻找出场景的颜色亮度最低的点。该算法的实现基于Tarel方法，假设在图像局部区域雾气浓度均匀分布，该算法的实现主要有以下四步：（1）借助于大气散射模型，求取雾天图像复原模型；（2）采用Canny算子对输入彩色图像的灰度分量进行检测，将区域内最大的像素值作为全局大气光A；（3）借助均值滤波局部估计出环境光；（4）对雾天单幅图像进行优化处理。
4.1 暗原色先验
暗原色先验（dark channel prior）能够有效地处理单幅有雾图像，该先验方法是对大量户外无雾图像的统计规律，即对于绝大多数无雾图像的每个局部区域（部包括天空部分）都存在某些至少有一个颜色通道的强度值很低的像素点，这些像素点被称为“dark pixels”。
因此，满足暗原色先验的户外无雾图像，假设在某一局部区域为，则其暗原色可表示为：
（4）
式中：表示在像素的二维空间坐标为Y处的某一个颜色通道的亮度值。
4.2 估计全局大气光
传统的全局大气光求法是选取暗原色中0.1%暗通道像素值较大的区域，然后在原图像所对应的区域内寻找像素亮度最大的点，其对应的像素值即为全局大气光。本文在求取全局大气光时，采用Canny算子对输入彩色图像的灰度分量进行边缘检测，对所求得的边缘灰度图进行分块统计，分别计算出各局部块中边缘像素所占的比例，记为，并满足与的集合区域指定为候选天空区域，本文中假设亮度阈值为暗原色中最大值的95%，平滑阈值为0.001。通过设置阈值，选取原有雾图像中最大的像素值作为全局大气光A。
4.3 估计环境光
在Tarel中，雾气的浓度应满足以下两个条件：（1）对于每个像素，为正值，即；（2）在像素中，雾气弄不小于RGB三个颜色通道的最小值，即，最终所求取的雾气浓度应满足如下表达式：
综上所述，待估计完全局大气光和环境光后，即可对雾天图像进行复原。采用该方法，能够更好地恢复无雾图像。
5 實验结果及比较分析
该算法的验证平台为Matlab2010，实验在操作系统为windows 7、CPU为酷睿2双核2.8GHz处理器、系统内存为2GB的PC机上进行，并与He方法、Tarel方法、Fattle方法进行对比，从而验证该算法的优越性。
本文算法中值的不同导致去雾程度不同，不同值进行，去雾程度不同，该值越大，图像偏暗，且容易出现光晕伪影。在实验中，最终选取值为0.6。
由于选用了均值滤波的方式对透射率进行估计，滤波窗口的选取上会影响去雾效果，因此对不同滤波窗口进行验证，15*15的滤波窗口容易出现光晕伪影，而3*3的滤波窗口处理效果较好，因此在实验中，选取滤波窗口为3*3。 5.1 实验主观评价
本文算法应用于大量户外的雾霾图像均取得了较好的去雾效果，并对部分户外场景的实验对比结果，可以看出He算法对于天空等部分处理效果不佳，有可能出现失真。Tarel方法对图像的过度增强，导致图像有一定的失真，而本文方法在处理天空等部分的效果更为逼真，较真实地再现了场景的实际颜色。
5.2 客观评价
目前，图像去雾领域主要通过盲评的方法，根据Hautiere等人提出的可见边梯度法作为评判标准。该方法采用恢复后图像的可见边集合数目比和平均梯度比作为客观质量的评判标准。
式中：和分别表示原有雾图像和去雾图像的可见边数目，可见边的数目通过计算对比度来求取；为去雾后图像的平均梯度，为原有雾图像的平均梯度，平均梯度表征图像的清晰度，反映图像细节的丰富程度。以上两个参数的值越大，则代表去雾后的效果越好。
针对本文所对比的方法，不仅通过客观质量来进行评估，还通过对比处理图像的时间来验证该算法的優越性。比较结果如表1所示：
从表1可以看出，在处理同一有雾图像时，本文算法处理速度相比于He方法和Tarel方法均有显著提高；同时本文算法处理后图像可见边集合数目比和平均梯度比的值相比于对比的方法的值更大，则表明去雾后的效果更好。实验结果表明：本文方法在处理时间和去雾后的效果上更具优越性。
6 结语
本文在暗原色先验的基础上，提出了一种改进的去雾算法。针对He方法在处理有雾图像时效果不佳及算法耗时的问题，提出了一种自适应的全局大气光估计方法，能够有效地自动估计全局大气光，同时采用均值滤波的方式对透射率进行估计。通过实验结果对比分析，本文算法可大幅度地提高处理速度，并且处理效果有进一步的提升。
参考文献
[1] 郭璠，蔡自兴，谢斌，等.图像去雾技术研究综述与展望[J].计算机应用，2010，30（9）.
[2] 王时震，万惠琼.应用暗原色先验规律的遥感影像去雾技术[J].测绘科学技术学报，2011，28（3）.
[3] Tan R T.Visibility in bad weather from a single image
[A].Computer Vision and Pattern Recognition[C].2008.
[4] Fattal R.Single image dehazing[A].ACM Transactions on Graphics（TOG）[C].2008.
[5] Tarel J P，Hautiere N.Fast visibility restoration from a signal color or gray level image[A].inproc.IEEEConf.Computer Vision[C].2009.
[6] He K，Sun J，Tang X.Single image haze removal using dark channel prior[J].Pattern Analysis and Machine Intelligence，IEEE Transactions on，2011，33（12）.
[7] 方帅，王勇，曹洋，等.单幅雾天图像复原[J].电子学报，2010，38（10）.
[8] 张冰冰，戴声奎，孙万源.基于暗原色先验模型的快速去雾算法[J].中国图像图形学报，2013，18（2）.
[9] Hautiere N，TarelJ P，AubertD，et al.Blind contrast enhancement assessment by gradient ratioing at visible edges[J].ImageAnalysis and Stereology Journal，2008，27（2）.
[10] Yang Q，Tan K H，Ahuja N.Real-time O（1） bilateral filtering[A].Computer Vision and Pattern Recognition[C].2009.
作者简介：张子方（1963-），男，天津人，天津市联大通讯发展有限公司总经理，副高职称。
（责任编辑：周 琼）
关键词：图像去雾；物理模型复原；自适应选择算法；均值滤波；透射率；无雾图像 文献标识码：A
中图分类号：TP391 文章编号：1009-2374（2016）02-0009-03 DOI：10.13535/j.cnki.11-4406/n.2016.02.004
1 概述
由于PM2.5的影响，雾、霾等天气愈加严重，户外视频监控系统尤其是交通视频受到了严重的影响。在雾、霾等天气下，光线受到大气介质的散射，导致其传播路径发生改变，以至于场景的能见度降低，监控系统所采集到目标图像对比度及颜色等特征被衰减。因此需要对雾天条件下获取的图像进行去雾优化处理，提高图像的可见性。目前，图像去雾的方法主要分为两种：基于雾天图像对比度特点的图像增强方法和基于物理模型复原的图像恢复方法。
基于雾天图像对比度特点的图像增强方法，根据雾天图像对比度低，采取改善图像质量或增强图像某些特征的方法对雾天图像进行增强处理，该方法能达到一定的去雾效果，但有可能会造成信息的缺失。基于物理模型复原的图像恢复方法是根据大气物理模型，利用已知的场景深度信息和雾天浓度信息来恢复无雾图像，该方法针对性强，处理效果自然。
2 算法分析
单幅图像去雾算法的研究作为综合性的新学科发展，近年来备受关注，各个学者提出了不同的去雾优化方法。Tan方法基于对图像增强的方式，利用最大化局部对比度的方法对图像的对比度进行复原，但该方法容易造成信息的缺失。Fattal假设目标的阴影部分和介质透射率不相关，借助于独立主成分分析模型对透射率进行估计，但该方法只针对处理彩色图像。Tarel等人对环境光的范围进行深入研究，利用中值滤波的方式进行去雾，并去除图像中的纹理信息，但由于中值滤波不能很好地保持边缘，在景深突变处受到了严重影响。He等人提出了暗原色统计规律，然后选用最小值滤波的方式对透射率进行估计，并采用软抠图的方式对透射率的求取进行优化，最终恢复无雾图像，该方法是目前最为有效的处理方法，但该方法的复杂度较高，处理的时间受限。
上述方法各有利弊。本文针对目前去雾方法处理效果不佳且处理时间过长等不足，对暗原色先验的去雾方法改进，局部选用均值滤波的方式对雾浓度进行估计，最终通过大气散射校正方法对雾天图像进行恢复。该算法达到了一定的去雾效果，并降低处理时间，更具有应用价值。
3 大气散射模型
Macartney于1975年提出了大气散射模型，该模型由入射光衰减模型和大气光成像模型组成，其中入射光衰减模型是由于射入观测点方向的光受到大气介质的影响，发生散射作用而导致光强衰弱；大气光成像模型是由于别的光束发生散射后随观测点方向射入。
4 本文算法
在图像中，雾气浓度均匀分布，去除掉有雾图像的纹理信息，即可寻找出场景的颜色亮度最低的点。该算法的实现基于Tarel方法，假设在图像局部区域雾气浓度均匀分布，该算法的实现主要有以下四步：（1）借助于大气散射模型，求取雾天图像复原模型；（2）采用Canny算子对输入彩色图像的灰度分量进行检测，将区域内最大的像素值作为全局大气光A；（3）借助均值滤波局部估计出环境光；（4）对雾天单幅图像进行优化处理。
4.1 暗原色先验
暗原色先验（dark channel prior）能够有效地处理单幅有雾图像，该先验方法是对大量户外无雾图像的统计规律，即对于绝大多数无雾图像的每个局部区域（部包括天空部分）都存在某些至少有一个颜色通道的强度值很低的像素点，这些像素点被称为“dark pixels”。
因此，满足暗原色先验的户外无雾图像，假设在某一局部区域为，则其暗原色可表示为：
（4）
式中：表示在像素的二维空间坐标为Y处的某一个颜色通道的亮度值。
4.2 估计全局大气光
传统的全局大气光求法是选取暗原色中0.1%暗通道像素值较大的区域，然后在原图像所对应的区域内寻找像素亮度最大的点，其对应的像素值即为全局大气光。本文在求取全局大气光时，采用Canny算子对输入彩色图像的灰度分量进行边缘检测，对所求得的边缘灰度图进行分块统计，分别计算出各局部块中边缘像素所占的比例，记为，并满足与的集合区域指定为候选天空区域，本文中假设亮度阈值为暗原色中最大值的95%，平滑阈值为0.001。通过设置阈值，选取原有雾图像中最大的像素值作为全局大气光A。
4.3 估计环境光
在Tarel中，雾气的浓度应满足以下两个条件：（1）对于每个像素，为正值，即；（2）在像素中，雾气弄不小于RGB三个颜色通道的最小值，即，最终所求取的雾气浓度应满足如下表达式：
综上所述，待估计完全局大气光和环境光后，即可对雾天图像进行复原。采用该方法，能够更好地恢复无雾图像。
5 實验结果及比较分析
该算法的验证平台为Matlab2010，实验在操作系统为windows 7、CPU为酷睿2双核2.8GHz处理器、系统内存为2GB的PC机上进行，并与He方法、Tarel方法、Fattle方法进行对比，从而验证该算法的优越性。
本文算法中值的不同导致去雾程度不同，不同值进行，去雾程度不同，该值越大，图像偏暗，且容易出现光晕伪影。在实验中，最终选取值为0.6。
由于选用了均值滤波的方式对透射率进行估计，滤波窗口的选取上会影响去雾效果，因此对不同滤波窗口进行验证，15*15的滤波窗口容易出现光晕伪影，而3*3的滤波窗口处理效果较好，因此在实验中，选取滤波窗口为3*3。 5.1 实验主观评价
本文算法应用于大量户外的雾霾图像均取得了较好的去雾效果，并对部分户外场景的实验对比结果，可以看出He算法对于天空等部分处理效果不佳，有可能出现失真。Tarel方法对图像的过度增强，导致图像有一定的失真，而本文方法在处理天空等部分的效果更为逼真，较真实地再现了场景的实际颜色。
5.2 客观评价
目前，图像去雾领域主要通过盲评的方法，根据Hautiere等人提出的可见边梯度法作为评判标准。该方法采用恢复后图像的可见边集合数目比和平均梯度比作为客观质量的评判标准。
式中：和分别表示原有雾图像和去雾图像的可见边数目，可见边的数目通过计算对比度来求取；为去雾后图像的平均梯度，为原有雾图像的平均梯度，平均梯度表征图像的清晰度，反映图像细节的丰富程度。以上两个参数的值越大，则代表去雾后的效果越好。
针对本文所对比的方法，不仅通过客观质量来进行评估，还通过对比处理图像的时间来验证该算法的優越性。比较结果如表1所示：
从表1可以看出，在处理同一有雾图像时，本文算法处理速度相比于He方法和Tarel方法均有显著提高；同时本文算法处理后图像可见边集合数目比和平均梯度比的值相比于对比的方法的值更大，则表明去雾后的效果更好。实验结果表明：本文方法在处理时间和去雾后的效果上更具优越性。
6 结语
本文在暗原色先验的基础上，提出了一种改进的去雾算法。针对He方法在处理有雾图像时效果不佳及算法耗时的问题，提出了一种自适应的全局大气光估计方法，能够有效地自动估计全局大气光，同时采用均值滤波的方式对透射率进行估计。通过实验结果对比分析，本文算法可大幅度地提高处理速度，并且处理效果有进一步的提升。
参考文献
[1] 郭璠，蔡自兴，谢斌，等.图像去雾技术研究综述与展望[J].计算机应用，2010，30（9）.
[2] 王时震，万惠琼.应用暗原色先验规律的遥感影像去雾技术[J].测绘科学技术学报，2011，28（3）.
[3] Tan R T.Visibility in bad weather from a single image
[A].Computer Vision and Pattern Recognition[C].2008.
[4] Fattal R.Single image dehazing[A].ACM Transactions on Graphics（TOG）[C].2008.
[5] Tarel J P，Hautiere N.Fast visibility restoration from a signal color or gray level image[A].inproc.IEEEConf.Computer Vision[C].2009.
[6] He K，Sun J，Tang X.Single image haze removal using dark channel prior[J].Pattern Analysis and Machine Intelligence，IEEE Transactions on，2011，33（12）.
[7] 方帅，王勇，曹洋，等.单幅雾天图像复原[J].电子学报，2010，38（10）.
[8] 张冰冰，戴声奎，孙万源.基于暗原色先验模型的快速去雾算法[J].中国图像图形学报，2013，18（2）.
[9] Hautiere N，TarelJ P，AubertD，et al.Blind contrast enhancement assessment by gradient ratioing at visible edges[J].ImageAnalysis and Stereology Journal，2008，27（2）.
[10] Yang Q，Tan K H，Ahuja N.Real-time O（1） bilateral filtering[A].Computer Vision and Pattern Recognition[C].2009.
作者简介：张子方（1963-），男，天津人，天津市联大通讯发展有限公司总经理，副高职称。
（责任编辑：周 琼）