基于SLIC超像素分割的暗通道去霧方法優化

劉博文 中國海洋大學

1 基于暗原色先驗的霧天圖像復原

He等人在觀察多幅霧天圖像后發現了暗通道規律，暗通道規律說明了無霧圖像的一個共同特征。何愷明在通過大量統計后發現，在某個小區域內無霧圖像總能從RGB三通道中找到某個通道中數值很低的像素。

當后期結合導向濾波對透射率圖進行平滑處理時，這些缺點導致的最直接的問題就是暈輪效應：在景深突變的區域，導向濾波會導致邊緣處的景深發生漸變，景深從圖像中的突變變成了緩慢過度。其產生的主要原因是原始的暗原色圖所求的邊緣不準確，利用導向濾波對其進行平滑處理后，在部分圖片中，景物之間景深變化不大，可以順利的對其進行平滑；但如果景深突變，在兩個景物之間再進行平滑就會發生一個明顯的漸變，視覺上即暈輪效應。

2 超像素聚類理論

2003 年，超像素由加州大學伯克利分校機器視覺實驗室的Ren等人提出的。在圖像中存在很多局部的、連貫的并且具有很大的相似性像素點，這些點組成的集合在紋理、顏色或者輪廓上具有相似性，把這些集合作為一個單獨的像素來進行圖像分割具有很好的效果，這些集合就被稱為超像素塊。一個超像素塊是由多個像素單位構成的，利用像素之間的相似程度，將具有相似屬性的像素聚集在一起去分割圖像。

本文將使用SLIC算法對圖像進行超像素聚類，它采用k均值聚類方法高效地生成超像素。與其他算法相比，SLIC算法具有更簡單且更好的獲取邊界的特性，它的速度更快且內存效率更高。

3 算法整體思路

上文中對大氣的散射模型做了介紹，其公式如下：

在上式中，I代表有霧的圖像，J代表經過去霧處理后的圖像，t代表透射率圖，A代表大氣光的值。根據式（3-1）可知，當對透射率圖t和大氣光的值A有準確的的估計時，去霧圖像就可以通過公式求得。于是如何去霧這一問題就變成了如何獲得準確的大氣光值A和透射率圖t。

對于大氣光值A，本文采用了暗通道先驗的求取方式。

而根據前面的大氣散射模型的相關介紹，可以得到透射率圖t的表達式：

在求透射率圖前先對圖像進行分割，在分割后的圖像中獲取邊緣更為精確的透射率圖。

在求得透射率圖t之后，對其進行歸一化處理，將其限定在[0,1]范圍內。由于大氣光A和原始有霧圖像I都已知，就可以根據大氣散射模型求取最終去霧圖像，對大氣散射模型變形如下式所示：

4 結束語

本文介紹了一種基于區域分割的暗通道去霧方法優化算法，在該算法中使用超像素分割后的區域求透射率圖而不再使用長寬固定的小格子。這樣可以使霧天圖像中物體的邊緣更加清晰，可以不使用導向濾波，避免了暈輪效應。實驗結果表明，本文算法可以有效抑制暈輪效應的產生，而且保護了邊緣和紋理部分。

[1]董林娜.基于暗原色先驗的圖像去霧算法研究[D].山東師范大學,2015.

[2]周寶.基于超像素聚類的圖像分割方法研究[D].東南大學,2015.