霧霾圖像復原技術研究

陳陽，李浩，禹鳳

（1．廣東省計算中心，廣州510000；2.華南理工大學電子與信息學院，廣州510000）

霧霾圖像復原技術研究

陳陽1，李浩2，禹鳳2

（1．廣東省計算中心，廣州510000；2.華南理工大學電子與信息學院，廣州510000）

霧霾造成視野的限制，使圖像模糊以及色彩淡化，進而影響圖像的后續處理。利用暗通道先驗和導向濾波方法能有效地進行霧霾圖像復原，增強其可視性。在處理霧霾圖像復原的基礎上，對霧霾視頻進行霧霾復原處理，利用時間軸信息的暗通道先驗方法能有效提高霧霾視頻處理的效率及增強處理后的霧霾復原視頻的色調統一性。

霧霾復原；暗通道先驗；時域信息

0　引言

由于霧霾的存在，沿著視線通路的光強度會逐步衰減；另外，因大氣粒子而反射到視線通路中的空氣光與入射光混合，造成圖像退化。以上因素，最終導致圖像可視性降低、顏色偏移等，因此在圖像處理和計算機視覺應用方面，去霧霾是非常需要的。早期用于霧霾復原的方法主要是依賴于一些額外的附加信息，如深度信息、關于相同場景的多個觀察等[1~3]。這些方法依附于額外信息，有著較為嚴格的要求，因而不能有效地解決霧霾在多個不同領域中所帶來的問題。基于對新的圖像模型和先驗知識的有效探索，最近一些研究已經獲得了顯著的進步[4~7]。Fattal[4]提出了一個成像模型，用于計算表面著色以及場景透射率，但它不能很好地處理厚重的霧霾圖像，還可能在假設不成立的情景下失效。Tan[5]通過最大化復原圖像的對比度來去除霧霾，該方法適用有厚重霧霾的區域，但不是一個物理合理的方法，重建的圖像通常都會有顏色失真和光暈問題出現。He[6]提出了暗通道先驗來處理單幅圖像去霧霾，并且配合軟摳圖或者導向濾波，這個先驗知識能以非常高的質量復原一張霧霾圖像。Kratz[7]的方法能復原出一個有著良好邊緣信息無霧霾圖像，但結果通常會過度增強。

本文運用暗通道先驗法對霧霾圖像進行處理，去霧霾后的圖像在主觀上更清晰和色彩更豐富，而且對應的均值降低、平均梯度上升及熵提高，客觀上反映了算法的有效性?；陟F霾圖像復原，對霧霾視頻進行時域信息改進，去霧霾效果與每幀獨立處理效果相差無幾，且處理效率明顯提升。

1　霧霾成像模型及去霧霾算法

1.1霧霾圖像成像模型

大氣散射模型如圖1所示。到達成像設備的光主要由兩部分組成：一部分為經大氣衰減后的場景光，另一部分為周圍環境中的各種光經過大氣懸浮微粒所產生的散射光。

圖1　大氣散射模型示意圖

霧霾圖像公式化的模型如下：

I表示觀測到的亮度，J表示場景光，A表示全局大氣光，t表示介質透射率。

1.2霧霾圖像復原算法

（1）暗通道先驗

在He[6]中，提出了暗通道先驗，暗通道公式化：

Jc表示J的一個顏色通道，Ω（x）表示以x為中心的一個局部塊。

運用暗通道的概念，他們的觀測——如果J是一張戶外無霧霾圖像，那么除了天空區域，J的暗通道是很低的并且趨向于零：

這個觀測就叫暗通道先驗。

（2）透射率估計

用A來標準化霧霾圖像方程（1）：

方程（4）兩邊進行暗通道為:

根據暗通道先驗，簡單地估計透射率t?（x）（假定透射率在一個塊中是恒定的）:

如果完全移除掉霧霾，圖像會顯得不自然，所以在（6）中引入一個常數參數ω（0＜ω≤1）：

暗通道先驗是很有效的，但有一些光暈和方塊效應，因為透射率在塊中不一定恒為常數。

（3）導向濾波

導向濾波是由局部線性模型發展而來，它通過利用導向圖的內容來進行濾波操作。在一個像素i的濾波輸出可以用一個權重平均給出：

其中，導向圖像I，輸入圖像p和輸出圖像q。

q是I的一個線性轉化：

（ak，bk）是假定在ωk中是常數的線性系數，ωk是一個像素k為中心半徑為r的正方形窗口。

通過線性回歸對此方程

E（ak，bk）=移（（akIi+bk-pi）2

i∈wk）求解，得：是導向圖I在窗口ωk中的平均值和方差，|ω|是在ωk中的像素數量，而是在ωk中的p的平均值。

對圖像中的所有塊ωk相對應的（ak，bk）進行濾波輸出處理，得：

（4）大氣光估計

一幅霧霾圖像的暗通道可以近似為霧霾濃度，所以可以使用暗通道來檢測霧霾最濃的區域和提高大氣光估計的準確性。首先挑選出在暗通道中占最亮的0.1%的像素點。然后在這些像素點中，在輸入圖像I中有著最高亮度的像素點就可以挑選作為大氣光。

（5）對J進行修正

如果t（x）的值非常接近0，復原得到的無霧霾圖像會有較多的噪聲。因此，要給透射率t（x）制定一個最小值限制t0。最終場景恢復：

1.3利用時域信息的視頻去霧霾算法

視頻由一幅幅靜態圖像組成的，但視頻相對圖像來說，最重要的一點就是有時域的存在，那么確定一個合理卻有效的霧霾視頻復原方法，時域信息的利用是必要的。時域的利用體現在視頻處理中就是幀與幀之間信息的重復利用，即把前一幀甚至前幾幀的圖像及處理結果用到當前幀的處理中來。

基于暗通道先驗霧霾圖像復原算法，可以重復利用的信息：計算得到的透射率圖、當前的大氣光等。

（1）時域中透射率圖的復用

在霧霾視頻處理中，導向濾波器這一步為：把當前幀的輸入圖像的灰度圖Igray作為導向圖，基于視頻的幀與幀之間的連續性，把上一幀的透射率圖tn-1（x）作為輸入圖，得到當前幀精細的透射率圖tn（x）。

（2）時域中大氣光的復用

在處理霧霾視頻時，A是變動的。時域中大氣光的復用方法是基于這樣一個事實：上一幀的透射率圖已經求出。對于上一幀的透射率圖，挑選出在其中占最暗的0.1%的像素點。這些像素點代表的是透射率最低、霧霾最濃的區域。然后，在這些像素點中，在輸入圖像I中有著最高亮度的像素點就可以挑選作為大氣光A的即時估計。計算當前幀的大氣光，考慮即時計算的大氣光An的同時，也保留一定的上一幀的大氣光An-1的影響。所采用的公式如下：α是調節影響度的系數。

2　實驗結果及分析

文中分別針對靜態場景和視頻進行了大量的去霧實驗，實驗中ω、t0、α取值分別為0.95、0.1、0.7。

2.1圖像去霧霾結果及分析

基于暗通道先驗和導向濾波的圖像去霧霾算法的處理結果如圖（b）。

從圖2視覺效果來看，經去霧霾后，圖像清晰度、對比度、飽和度都有明顯提高，去霧效果明顯。

圖2　

從表1數據對比來看：

（1）隨著圖像尺寸的變大，處理時間變長，符合算法的基本規律，本文所采用算法的處理時間與其他算法相比時間較短；

（2）霧霾復原圖像的平均值均有明顯的降低，說明霧霾得到了有效的去除，亮度值得以降低；

（3）處理后，圖像的平均梯度均得到了提高，即圖像分辨率得以提高；

（4）在第一和第二組結果數據中，熵值均上升了，即圖像的信息量得以增加。

2.2視頻去霧霾結果及分析

由于圖像與視頻的相似性，所提到的主觀和客觀的指標都可以運用到視頻處理中來。但一個較為突出不同之處是處理時間。處理時間在視頻處理評價中更為重要。一般而言，處理時間越短，效果越好。

表1　圖2的客觀評價結果

影響實驗結果的一個重要因素是待處理樣本的選擇。由于霧霾視頻并沒有一個通用的樣本庫，所以在本文中，選取用于進行視頻去霧霾處理的視頻是來源于網絡的。下面給出每幀獨立處理和利用時域信息的兩種不同視頻去霧霾處理的結果以及處理結果數據對比（處理視頻的長寬為1112×624）：

圖3　

從圖3視覺來看：

（1）每幀獨立處理得到的結果和利用時域信息處理的結果基本沒什么差別，都對霧霾視頻起到了去霧霾的作用；

（2）與每幀獨立處理相比，利用時域信息的方法更能保證整體視頻色調的統一性，而每幀獨立處理的結果可能出現畫面色調不同的情況，例如，每幀獨立處理的第5幀和第21幀的處理結果的色調就有所不同，這是因為每幀獨立處理只計算了本幀的大氣光，產生誤差的可能性較大。

其中，Meng[8]的處理算法是一個效率較高的單幅圖像去霧霾算法。而Kim[9]的處理算法是一個專門用于處理霧霾視頻的算法。

表2　多種方法處理時間對比

從表2可以看出，利用了時域信息的方法顯然要比單幅圖像去霧霾方法要更快速。雖然Kim采用的算法的處理速度并沒有在本文表示出，但由于在Kim的論文中利用了迭代計算進行霧霾復原圖的估計，這會導致計算量的不可估量，這種方法在實際應用中是不推薦的。

3　結語

本文利用暗通道先驗對霧霾圖像進行了霧霾復原實驗，能有效地去除圖像中的霧霾?；陟F霾圖像處理的暗通道先驗方法，對霧霾視頻復原利用了時域信息的改進，即利用部分已獲得的視頻處理結果進行當前幀的處理，處理速度得到明顯提升，計算時間的縮短提高了應用到實際生活的可能性。但是，如果視頻中有劇烈的變換場景，即前幾幀與當前幀沒有相似處和聯系，這個利用時域信息的處理方法可能會失效。

[1]Narasimhan SG，Nayar SK.Contrast Restoration ofWeather Degraded Images[J].Pattern Analysis and Machine Intelligence，IEEE Transactions on，2003，25（6）:713～724

[2]Shwartz S，Namer E，Schechner Y Y.Blind Haze Separation[C].2013 IEEE Conference on Computer Vision and Pattern Recognition. IEEE Computer Society，2006:1984～1991

[3]Kopf J，Neubert B，Chen B，etal.Deep Photo:Model～Based Photograph Enhancementand Viewing[J].ACM Transactions on Graph～ics（Proceedings of SIGGRAPH Asia，2008，27（5）:32～39

[4]Fattal R.Single Image Dehazing[J].In Proc.ACM SIGGRAPH，2008，27（3）:1～9

[5]Tan R T.Visibility in Bad Weather from a Single Image[J].CVPR，2008:1～8

[6]He K，Sun J，Tang X.Single Image Haze Removal Using Dark Channel Prior[C].Computer Vision and Pattern Recognition，2009. CVPR 2009.IEEE Conference on.IEEE，2009:1956～1963

[7]Kratz L，Nishino K.Factorizing Scene Albedo and Depth from a Single Foggy Image[C].Computer Vision，2009 IEEE 12th International Conference on.IEEE，2009:1701～1708

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

[9]Kim J，JangW，Park Y，etal.Temporally x Real～Time Video Dehazing[C].Image Processing（ICIP），2012 19th IEEE International Conference on.IEEE，2012:969～972

Haze Recovery;Dark Channel Prior;Time Domain Information

Research on the Image Restoration of Fog and Haze

CHEN Yang1，LIHao2，YU Feng2

（1.Guangdong Computing Center，Guangzhou 510000；2.School of Electronic and Information Engineering，South China University of Technology，Guangzhou 510000）

The phenomenon of haze causes low visibility,image blurring and color fading,thereby affecting subsequent processing of the image.By using dark channel prior and guided filtering,the haze recovery process to enhance the visibility of a series of images is successful.On the basis of the successful implementation of haze image restoration,dealswith haze video by using time-domain information.Using time line information and dark channel priormethod can effectively improve the efficiency of haze video processing and enhance the unity of fog and haze recovery video.

1007-1423（2015）16-0015-05

10.3969/j.issn.1007-1423.2015.16.004

陳陽（1984-），男，廣東潮州人，本科，研究方向為計算機、電子信息技術應用研究

李浩（1991-），男，廣東高州人，本科，研究方向為圖像處理

禹鳳（1990-），女，河南駐馬店人，在讀碩士研究生，研究方向為圖像處理

2015－05－20

2015－06－01