基于暗原色先驗的圖像去霧新方法

董林娜 胥妍山東師范大學物理與電子科學學院

?

基于暗原色先驗的圖像去霧新方法

董林娜 胥妍
山東師范大學物理與電子科學學院

摘要：文章提出了一種基于暗原色先驗的圖像去霧新方法，此方法將中值濾波處理后的有霧圖像的灰度圖或灰度圖的反轉圖作為優化透射率；根據歸納出的兩條準則劃分出天空區域，進而計算得到大氣光值；最后借助有霧圖像形成模型獲得最終的去霧圖像。實驗表明，與同類方法相比，本方法在主觀效果和客觀指標上均能夠獲得較高質量的清晰圖像；而且克服了同類算法耗時的缺點，縮短了算法的運行時間。

關鍵字：暗原色先驗 灰度圖 灰度圖的反轉圖 圖像去霧

近年來，霧霾天氣越來越頻繁地出現在人們的生活中，各種拍攝所獲得的圖像清晰度也隨之嚴重下降，這對日常生活、科學研究等各個領域帶來了很多不便。為了解決該問題，獲得高質量、清晰的去霧圖像，很多研究者致力于有霧圖像的研究，并提出了許多去霧方法。但由于客觀條件的限制，提出的方法總是存在一些問題。例如：算法運行時間過長，不具有實用性；算法得到的去霧圖像邊緣處存在人工假象；算法對含有大面積明亮區域的有霧圖像，得到不正確的大氣光值。本文在研究和驗證已有去霧方法的基礎上，針對上述問題，提出了一種新的去霧方法：首先根據有霧圖像計算其灰度圖或灰度圖的反轉圖作為估測透射率，并對估測透射率進行中值濾波處理，作為優化透射率；然后根據天空區域（即霧最濃區域）往往位于無窮遠處（即在圖像中表現為位于圖像的中上三個通道的亮度值相差很小的特點，獲得圖像中的天空區域，再計算出較為真實和準確的大氣光值；最后根據有霧圖像的形成模型，使用優化透射率和大氣光值得到最終的去霧圖像。

1　去霧模型

1.1 有霧圖像形成模型

在圖像去霧領域，廣泛應用的有霧圖像形成模型為： I（x）= L（x）T（x）+ A（1-T（x）） 其中，I（x）表示有霧圖像；L（x）表示去霧圖像，即目標圖像；A表示大氣光值；T（x）表示透射率，它是通過各種媒介到達拍攝設備的未被散射的光線。L（x） T（x）表示目標景物光線經過散射等衰減后的部分，稱為直接衰減項；A （1- T （ x ） ）表示大氣光部分，直接衰減項與大氣光聯合作用，最終產生有霧圖像I（x）。

1.2 最終的去霧圖像

為獲得最終的去霧圖像，要得到目標圖像L（x），只需得到透射率T （ x ） 以及大氣光值A，因此論文接下來的工作就是計算優化透射率和大氣光值，從而得到最終的去霧圖像。

2　透射率

2.1 透射率的分析

入射光通過各種媒介時會發生折射現象，折射后所剩下的部分與入射光的比值稱為透射率。文獻方法首先對有霧圖像形成模型進行最小化運算，再運用暗原色先驗得到估測透射率，但由于估測透射率具有塊效應，不能較好地保留圖像信息，因此采用軟摳圖的方法優化透射率，但該方法需要付出較高的時間代價。

2.2 透射率的計算

通過對大量去霧圖像的實驗和觀察發現，有霧圖像經中值濾波處理后的灰度圖及其反轉圖，與文獻和文獻方法計算的透射率具有較高的相似度，因此本文選取它們作為優化透射率。盡管有霧圖像的灰度圖及其反轉圖很容易獲得，但由于包含了圖像本身的大量信息，用其作為透射率會使去霧圖像丟失過多細節，因此需要進行中值濾波處理，將處理后的圖像作為優化透射率，從而保留最終去霧圖像的大量細節信息。相比文獻和文獻方法優化得到的透射率，有霧圖像的灰度圖及其反轉圖更容易得到，對其進行中值濾波處理所用時間較少，使計

算透射率的時間大大縮短。實驗結果驗證了我們的結論。

3　大氣光值

3.1 大氣光值的分析

太陽光穿過大氣層后，大氣分子及懸浮在大氣中的各種微粒等對太陽光的散射作用減弱了太陽光，散射后的太陽光被稱為大氣光。太陽光經散射后得到的顏色與大氣中各種粒子的大小有關，具有小半徑的粒子會對短光波有散射時，被散射的光線主要是太陽光中的藍色光，故天空區域呈現藍色。當大氣層中存在比空氣分子體積大的粒子時，如霧、雨滴等，長光波也會發生散射作用，在這種情況下，由于短波、長波各種光波都會發生散射作用，因此它們之間的散射強度的差異變得越來越小，當差異足夠小時，天空的顏色就會變成白色。

3.2 大氣光值的計算

根據上述原理和實驗分析，可以得到：1）大氣光值應該在有霧圖像的霧最濃區域選取，這部分區域對應于天空區域或無窮遠處，且往往位于圖像中部以上區域；2）霧最濃區域中物體的色彩對比度出現很大程度的下降，從而導致像素在RGB三個通道中亮度值的最大值與最小值相差很小。經上述分析，本文使用以下方式選取大氣光值：（1）由于霧最濃區域往往位于圖像的中部以上區域，所以選取有霧圖像上部1/8的區域作為計算大氣光值的預選區域；（2）在預選區域內，選取RGB三個通道中亮度值最大值與最小值之差較小的像素點作為大氣光值的預選區域，通過實驗對比設定閾值P=0.079，其中，Imax和Imin分別表示像素RGB三個通道中像素點亮度值的最大值和最小值。（3）滿足條件（1）和（2）的區域即為霧最濃區域，且大氣光值偏大，應該在霧最濃區域中選取，所以在上述區域中選取最大值作為大氣光值。

4　實驗結果與分析

為了驗證本文方法的有效性和實用性，在Pentium（R）Dual-Core、2.59GHz 、3.00GB的PC機上采用MATLAB 7.1編程，對大小為352×288 的圖像分別使用文獻方法、文獻

方法和本文方法進行了實驗和對比。在主觀效果上，文獻方法所得去霧圖像出現了塊效應和邊緣處的人工假象，且圖像色彩比較暗淡。文獻方法所標記的霧最濃區域較小，沒有包含大部分霧最濃區域，而且所得去霧圖像的去霧程度不夠徹底，圖像色彩稍顯暗淡。本文方法所標記的霧最濃區域包含了大部分霧最濃區域，因此可以得到更加精確的大氣光值，而且所得去霧圖像的去霧程度徹底，圖像色彩鮮艷，對比度增強，保留了更多的細節，更加逼近真實場景的色彩；同時使用中值濾波處理的灰度圖作為透射率，得到的去霧圖像亮度更高，更適用于不含天空區域或含有少量天空區域的有霧圖像；而使用中值濾波處理的灰度反轉圖作為透射率，所得到的去霧圖像保留了更多的細節，具有層次感，更適用于含有大面積天空區域以及含有大面積明亮區域的有霧圖像。在客觀指標上，文獻方法運行時間較長，不具有實用性；文獻方法的運行時間有了一定程度的提高；而無論是使用有霧圖像的灰度圖，還是使用灰度圖的反轉圖作為估測透射率，本文方法的運行時間相對于前兩種方法提高了幾十倍。此外，文獻、文獻和本文方法去霧結果的結構相似度相比，三者的結構相似度相近，并且對于部分圖像中，本文方法獲得的去霧結果具有更高的結構相似度。本文也對其它圖像進行了實驗，其實驗結果具有同樣的結論。綜上所述，無論從主觀效果還是客觀指標，本文方法在與其它去霧方法獲得相近甚至質量更好的去霧結果的基礎上，大大節省了方法的運行時間。

5　結論

本文通過對已有去霧方法相關原理和理論分析和驗證，提出了一種圖像去霧的新方法：將經過中值濾波處理后的有霧圖像的灰度圖或灰度反轉圖作為透射率，然后根據有霧圖像中霧最濃區域的特點得到更加準確的大氣光值，最后借助有霧圖像形成模型獲得最終的去霧圖像。實驗表明，本方法與同類方法相比，不僅去霧效果較好，并且縮短了算法的運行時間。下一步的研究重點和研究目標是，將有霧圖像的灰度圖和灰度反轉圖分別作為透射率，對得到的兩幅去霧圖像進行有效融合，以達到更好的去霧效果。

參考文獻

［1］ He K M，Sun J，Tang X O. Single image haze removal using dark channel prior［C］//Proceedings of IEEE Conference on Computer Vision and PatternRecognition. Washington，USA，2009： 1956-1963.

［2］ Fattal R. Single image dehazing［J］. ACM Transactions on Graphics，2008，27（3）： 721-729.

［3］ Tan R. Visibility in bad weather from a single image［C］//Proceedings of IEEE Conference on Computer Vision and Pattern Recognition. Washington，USA，2008：2347-2354.

［4］ John P O，Brenda L S. Improving image quality in poor visibility conditions using a physical model for contrast degradation［C］//Proceedings of IEEE Transactions on Image Processing. Washington，USA，1998：167-179.

［5］ 徐晶，劉鵬，唐降龍.大氣光估計對單幅圖像去霧復原的影響［J］.智能計算機與應用，2012，2（3）：68-71.

［6］ He K M，Sun J，Tang X O. Guided image filtering［C］// Proceedings of IEEE Transactions on Pattern Analysis and Machine Intelligence. Washington，USA，2013： 1-13.

［7］ Levin A，Lischinski D，Weiss Y. A closed form solution to natural image matting［C］// Proceedings of IEEE Conference on Computer Vision and PatternRecogition. Washington，USA，2006： 61-68.

［8］ 郭璠，蔡自興，謝斌，等.單幅圖像自動去霧新算法［J］.中國圖象圖形學報，2011，16（4）：516-521.