一種基于天空區域分割的單幅圖像去霧方法

徐振軒張紅英（通信作者）朱恩弘吳亞東

1. 西南科技大學信息工程學院 2. 特殊環境機器人技術四川省重點實驗室(西南科技大學)

一種基于天空區域分割的單幅圖像去霧方法

徐振軒1,2張紅英（通信作者）1,2朱恩弘1吳亞東

1. 西南科技大學信息工程學院 2. 特殊環境機器人技術四川省重點實驗室(西南科技大學)

針對暗原色先驗去霧算法對天空區域估計透射率偏小，導致復原無霧圖像色彩失真，存在不均勻色塊等問題，提出了一種基于天空區域分割的圖像去霧算法。通過，分別對天空及非天空區域進行去霧處理，既保留了暗原色先驗算法的良好效果，又解決了天空區域不適用暗原色先驗規律的問題。同時，消除了融合后分界處的明顯的“白邊”效應，使得天空與非天空區域處理后融合效果更加自然。實驗結果表明，相比較與暗原色先驗去霧算法，該方法在天空區域沒有明顯色塊及色彩失真現象，復原圖像清晰自然，能夠達到良好的去霧效果。

去霧方法 暗原色先驗 圖像分割 天空區域 圖像融合 大津法 四叉樹

1 引言

由于大氣粒子的散射作用，霧，霾等惡劣自然天氣狀況很容易導致視覺系統獲得的圖像降質，信息丟失嚴重，嚴重影響人類視覺感受和相關視覺算法的處理效果。因此快速有效的去霧算法研究具有重要的意義。

現有算法中，He等人提出了一種基于暗原色先驗的去霧算法，首先使用最小值濾波對透射圖進行粗估計，然后借助導向濾波算法對透射圖進行細化，最后根據大氣散射模型復原出無霧圖像。因其原理簡單，去霧效果有效自然，所以目前研究者眾多。然而暗原色先驗規律并不適用于天空區域，使得復原圖像天空區域容易出現光暈偽影或者色彩失真現象。為克服這一缺陷，文獻[3]通過引入容差機制，糾正了這類區域錯誤估計的透射率，復原圖像消除了色彩失真，但是其設定的容差值不具有普遍適用性，文獻[4]-[7]通過分割出天空區域進行單獨處理也取得了較好的復原效果，但是分割算法均過于復雜。

因此，針對上述問題，本文提出了一種基于暗通道先驗的改進算法，和一種簡單的融合處理方法，使得融合后的圖像更加自然。

2 大氣散射模型

在計算機視覺和計算機圖形學中，常用如下大氣散射模型來描述有霧圖像：

其中，I(x)是待去霧圖像，J(x)是要恢復的無霧圖像，A是大氣光照度，t(x)是透射率。

3 圖像天空區域分割

多數存在天空區域的有霧圖像，其天空與非天空區域有明顯的結構特征。天空區域的分割方法眾多，如文獻[4][5]中先求取梯度圖，再進行邊緣跟蹤，標記連通區確定天空區域；本文提出了一種新的分割方法，即利用最大類間方差法分割出天空區域所在范圍，再對粗分割結果進行二次分割。

3.1 最大類間方差法求閾值

最大類間方差法是基于圖像的灰度直方圖，將圖像分為兩類，以兩類的類間方差最大或類內方差最小作為閾值的選取準則。其基本原理如文獻[6][7]，選定最優分割閾值后，按照閾值對圖像進行分割。在天空與非天空交界線明顯的情況下，分割結果相對令人滿意，但是遇到交界處噪聲較多時候，簡單單一閾值分割并不能保證分割的準確性。為了盡可能將天空與非天空區域分割精確，我們要對3.1的粗分割結果進行再次優化。

3.2 細分割處理

為了使得分割結果準確快速，經過大量實驗處理對比確定，發現了一種十分簡單卻有效的方法，即將閾值分割結果作膨脹處理，使得天空區域膨脹后包含天空與非天空交界處，將此時的天空區域疊加，此時滿足：

然后再將滿足條件的天空區域置0，非天空置1，得出細分分割后的二值圖。

至此，可以將天空與非天空區域精確分割開來。實驗結果表明，該方法原理簡單，分割快速有效，結果滿意。

4 去霧過程

4.1 求取全局大氣光照值A

按照He算法，A值可能受到非天空區域白色亮點噪聲影響導致A值計算結果偏大，造成整個圖像偏色嚴重。為了更準確的估算大氣光照值，我們采用四叉樹方法。將圖像均分為四塊區域。計算每塊區域的平均值和標準差之差。將計算結果最大的區域再重復進行步驟直到區域大小小于設定的閾值，即最終選定的區域。計算最終選定區域亮度平均值，即為估算的大氣光照值A。

4.2 去霧流程

天空區域亮度值相近且平滑，所以為了簡化運算，設定其透射率為固定值，即圖像透射率：

然后根據透射率及4.1所求得的值A，由下式復原無霧圖像，

其中t0設為0.1，為防止透射率值取值過小。

在有霧圖像中，天空與非天空區域的交界處在實際情況下應該有不同的透射率值，這種情況會使得在天空與非天空區域分割不準確時，基于暗原色先驗原理處理非天空區域的時候邊緣的“白邊”效果更加明顯，如圖1左圖所示。

為了消除拼接后的分界處“白邊”，本文提出了一種新的拼接方法，使用簡單的與或運算，即：

其中，Jdark(x)表示有霧圖像經過基于暗原色先驗原理處理后的無霧圖像，Jsky(x)表示在文中處理后的天空區域圖像，其非天空區域置0，Jprocess(x)表示分割出的非天空區域圖像，其天空區域置0，J(x)表示復原無霧圖像。

這樣處理可以避免對非天空區域單獨使用暗原色先驗原理時因為運算窗口造成的邊界鋸齒效應，處理后效果圖如圖1右圖所示。

5 實驗結果分析

為了驗證本文提出算法的有效性，全部選取了含有天空區域的圖像進行測試，分別與he方法和Fattal方法進行比較。在實驗中，計算暗通道選擇窗口大小為15×15，取值0.8，部分實驗結果如圖2所示。

在圖2中，通過使用He的暗原色先驗方法處理有霧圖像整體去霧效果良好，但是在天空區域色彩失真嚴重，例如(a)圖右半邊區域存在較為嚴重的陰影，色彩失真，(b)圖天空區域同樣存在黑影；Fattal方法在天空區域色彩過度飽和，非天空區域圖像細節信息丟失嚴重。與之相比，本文算法天空區域分割精確，整體去霧效果較好，天空色彩復原真實，沒有出現偏色以及色塊偽影日暈現象，遠處細節有效保留，圖像整體復原效果自然。

圖1 融合圖像及處理后圖像

圖2 含天空區域去霧效果對比

6 結語

在濃霧天氣狀況下，天空分割處理并沒有必要，而且實際分割效果也不好。另外本文需要對同一幅圖像進行多次處理和遍歷計算，算法效率不高。如何改善圖像復原效果和解決濃霧狀況下復原問題，以及如何利用硬件和算法方法優化本文算法的運算效率，這些都是下一步我們要研究的工作。

[1]He K, Sun J, Tang X. Single image haze removal using dark channel prior[J]. Pattern Analysis and Machine Intelligence, I EEE Transactions on, 2011, 33(12): 2341-2353

[2]He K, Sun J, Tang X. Single image haze removal using dar k channel prior[J]. Pattern Analysis and Machine Intelligence , IEEE Transactions on, 2011, 33(12): 2341-2353

[3]蔣建國,侯天峰,齊美彬.改進的基于暗原色先驗的圖像去霧算法[J].電路與系統學報,2011,16(2):7-12

[4]李加元,胡慶武,艾明耀,等.結合天空識別和暗通道原理的圖像去霧[J].中國圖象圖形學報,2015,20(4)

[5]胡平.基于圖像分割的交通圖像快速去霧算法[J].計算機系統應用,2014,23(9):134-138

[6]雷琴,施朝健,陳婷婷.基于天空區域分割的單幅海面圖像去霧方法[J].計算機工程,2015,41(5):237-242

[7]李坤,蘭時勇,張建偉,等.改進的基于暗原色先驗的圖像去霧算法[J].計算機技術與發展,2015,25(2):6-11

TP391.4

A