圖像去霧方法研究

何文超++郭盼++王國健

摘 要：論文介紹了當(dāng)前單幅圖像去霧方法，并著重闡述了大氣散射物理模型中各參數(shù)的含義以及參數(shù)估計方法，采用暗元色先驗理論對單幅圖像去霧。實驗結(jié)果表明，基于暗原色先驗理論的圖像去霧方法有效可行。

關(guān)鍵詞：暗原色先驗 去霧 圖像處理

中圖分類號：TP39141 文獻(xiàn)標(biāo)識碼：A 文章編號：1672-3791（2017）10（a）-0250-02

霧造成的成像質(zhì)量退化對人們的生產(chǎn)生活有著直接影響，圖像的去霧是恢復(fù)圖像可視性及可理解性的關(guān)鍵技術(shù)，也是圖像處理領(lǐng)域的一個研究熱點[1]。目前，圖像去霧方法主要分為兩種，一種是圖像增強的方法，改善圖像質(zhì)量。其優(yōu)點是相關(guān)的圖像處理算法相對成熟，如直方圖均衡化、小波算法等，增強圖像對比度、突出圖像特征信息。其缺點是會使圖像失真。另一種是基于霧氣物理退化模型的方法。其中有代表性的方法是基于暗原色先驗的圖像去霧方法。本文主要介紹暗原色先驗的圖像去霧算法。

1 暗原色先驗圖像去霧算法

1.1 大氣物理散射模型

本文選用的是McCartney大氣散射模型[2]作為物理模型。其表達(dá)形式如下：

（1）

式（1）中，I（x）是觀測的有霧的退化圖像；J（x）表示去霧后的恢復(fù)圖像；t（x）表征光線穿透大氣媒介的能力，即透射率；A是一個常量，表示全球大氣光成分。

方程右側(cè)第一項J（x）t（x）稱作直接衰減項，描述的是景物反射的光線在傳播介質(zhì)中的衰減，第二項A[1-t（x）]表示周圍環(huán)境的入射光經(jīng)霧氣散射后的光分量。根據(jù)此大氣散射模型，只要估計出參數(shù)A、t（x），就能從觀測圖像I（x）中恢復(fù)出原圖像J（x）。

1.2 暗原色先驗原理

香港中文大學(xué)信息工程系的He等在2011年提出了暗原色先驗規(guī)律[3]。通過對大量無霧圖片的統(tǒng)計發(fā)現(xiàn)，在大多數(shù)無霧圖像的非天空區(qū)域中，會存在大量的像素點，滿足RGB通道中至少有一個通道的數(shù)據(jù)接近于0，稱為暗原色。這就是暗原色先驗規(guī)律。如式（2）：

（2）

其中，Jdark是暗原色，y是像素點的鄰域Ω中的元素。

1.3 模型參數(shù)的估計

對于大氣光成分A，可選取暗原色Jdark中的最大值作為全局估計值。此方法用全局估計值代替了圖像的鄰域估計值，大大節(jié)省了計算量。但當(dāng)式（2）中鄰域取值很小時，A的值取暗原色矩陣Jdark的值。

對式（1）中t（x）的參數(shù)估計，可按式（3）方法估計：

max（A） （3）

為了避免t（x）的值為0，引入一個非常小的變量ε，將透射率公式轉(zhuǎn)變?yōu)椋?/p>

1 （4）

本論文選取的ε取值為0.01。

根據(jù)估計出的A和t（x），以及公式（1），即可得到去霧后的恢復(fù)圖像為：

（5）

2 實驗結(jié)果及分析

用論文中的方法，對含有薄霧的圖像進(jìn)行處理。其中，鄰域大小取15×15，結(jié)果見圖1～5。

圖1為含霧圖像，圖2為透射率t（x）的圖像，圖3為采用15×15鄰域的去霧圖像。

圖4與圖5所得到的恢復(fù)圖，是在計算暗元素時，式（2）中的Ω取單個像素點得到的。而圖4中的A取暗原色Jdark的最大值，圖5中的A等于Jdark。由此可知，當(dāng)估計Jdark時若取單個像素點時，可以避免圖像的鄰域計算，減少計算量。此時的A取值等于Jdark效果較好。圖3與圖5相比，采用15×15鄰域恢復(fù)的圖像效果較好，色彩失真較小。而圖5中，霧氣較重的區(qū)域恢復(fù)后會變得明亮，但計算量較小。

參考文獻(xiàn)

[1] 何曉軍，喬寅.基于暗原色的單一圖像去霧算法的研究[J].計算機應(yīng)用研究，2014，31（1）：304-306.

[2] Wang Weixing，Xiao Xiang，Chen Liangqin.Image dark channel prior haze removal based on minimum filtering and guided filtering[J].Optics and Precision Engineeri-ng，2015，23（7）：2100-2108.

[3] He K，Sun J，Tang X.Single image haze removal using dark channel prior[J].IEEE Transactions on Pattern Analysis and Machine Interlligen-ce，2011，33（12）：2341-2353.endprint