應用于霧天行車視頻實時處理的改進去霧算法

張紅莉 李展鵬 何宗倫 董明軒

【摘要】霧、霾天氣的情況下，采集圖像時會受到大氣粒子散射的影響，導致圖像細節模糊，色彩失真，可視距離較低?，F針對圖像視頻去霧的算法已被提出，但存在去霧實時性差，天空及大量明亮區域處理效果不理想，復原圖像偏暗等問題，為此基于暗原色先驗理論提出了一種改進的有效實時視頻去霧算法。首先，采用逐像素式濾波估計透射率，消除塊效應；其次，采用自適應亮度調整的方法解決圖像偏暗的問題；而后，在視頻中取出必要的幀數顯示處理，考慮對屏幕從上到下五分之三的位置進行去霧處理，余下部分不進行去霧處理（因為一般近處去霧效果不明顯，遠處明顯），提高圖像處理速度。本文中的改進去霧算法可以實時地進行視頻去霧，并且提高了圖像對比度，清晰度，可視距離加長。并可應用在Android平臺APP中，在手機移動端實現視頻實時去霧。

【關鍵詞】實時視頻去霧技術 暗通道先驗 逐像素式最小濾波 自適應亮度調整

引言

近年來，霧霾天氣頻繁，該天氣導致能見度降低，對比度差，對人們的日常生活尤其是交通安全方面有惡劣影響。實時地進行視頻去霧處理有重要的實際意義。

目前的去霧算法主要分兩類：一種是圖像增強的方法，主要有直方圖均衡化、Retinex算法、局部對比度增強等，根據主觀視覺效果來進行對比度調整優化。另一種是圖像復原的方法，通過分析圖像在霧天的降質過程建立圖像退化模型，進而求解無霧圖像。圖像增強的方法未考慮圖像退化因素，導致不能完全達到去霧功能。所以相較而言圖像復原的方法得到的圖像更加清晰自然，是當前去霧研究的熱點。

2009年，He Kaiming等人提出基于暗原色先驗理論的去霧算法[1]，取得了相當好的去霧效果。但是此算法對天空區域處理效果并不理想，而且算法復雜度高，實時性差。本文針對于霧天中交通視頻實時處理提出了一種改進的去霧算法，采用逐像素式濾波對粗略透射率進行精細化，合理估計了大氣光值，利用自適應方法對視頻圖像進行了亮度調整，并對圖像進行分割處理，針對遠處圖像進行去霧，提高處理速度，適用于行車交通視頻的實時去霧顯示。

1 本文算法

1.1 大氣散射模型

大氣散射模型[2]對于霧或者霾條件下的成像都適用，是眾多圖像去霧算法的理論基礎，描述為：

式中，I（x）為霧天圖像，J（x）為無霧圖像，t（x）為透射率，A（x）為大氣光強。

1.2 暗通道先驗規律

He等人通過統計大量的戶外無霧圖像特性，得到暗原色先驗規律：清晰圖像至少在某一個顏色通道上存在一些強度值非常低的像素點。圖像暗通道可以表示為：

式中， 為J的一個顏色通道，c為圖像r，g，b三個通道中的任意一個， 為以x為中心的一個局部區域，為圖像J的暗通道。

暗原色先驗規律即為圖像的非天空區域總是趨向于零的，即：

利用暗原色先驗規律，結合大氣散射模型即可得到透射率的估計：

式中，為一個常數，為了保留一定的霧氣使得圖像更加真實，我們取值0.9。另外我們設置一個下限值防止t（x）為0，最終去霧圖像為：

1.3 求解透射率

He的暗原色先驗去霧算法中是將圖像分塊再進行最小值濾波，其中分塊的大小將直接影響透射率值的估計。若是較小會使透射率估計細節較多，不夠平滑，局部錯誤增多；若是較大減少了局部錯誤，透射率估計又不足夠細致。而多數有霧圖像的霧氣分布都是不均勻的，分塊大小難以穩定，導致去霧效果不理想，不適于實時視頻去霧處理。

本文的算法采用的是逐像素式的最小值濾波方法[4]。在He算法中塊的移動步長為分塊寬度，本文中塊的移動步長為一個像素點。這樣得到的點暗原色圖細節豐富又平滑過渡。

1.4求解大氣光值

圖像中最不透明，亮度最強的像素被看作大氣光。大氣光值的估計會影響圖像在極遠處的細節信息，估計過小時會使極遠處圖像過亮，圖像動態范圍受到壓縮；估計過大時會使近處圖像偏暗，影響圖像還原效果。大氣光值的估計應當在霧氣最濃處，通常情況下在圖像的上部分天空區域或極遠處。本文中對大氣光值的估計如下：

1）天空區域一般位于視頻幀的上半部分，故對視頻幀的前1/2進行下采樣，得到較小分辨率的天空部分。對求出暗通道圖

2）在中取亮度最大的像素點，將下采樣后的視頻幀的對應位置作為中心，進行半徑為1/30的最大值濾波，取最大值位置上的RGB通道的最大值為大氣光值A。

1.5自適應亮度調整

圖像中大多數區域的像素強度要比估計的大氣光值低，得到的無霧圖像會偏暗，因此需要對初步去霧的圖像進行亮度調整。在RGB空間中，如果兩像素點的各通道對應成比例，則兩點應顏色相同。本文中對初步去霧后圖像的各像素點RGB三個通道進行同比例增強，保持圖像顏色同時提高亮度[4]。

亮度增量k（x）根據輸入圖像的三通道均值計算。考慮實際RGB范圍為0～255，先計算圖像每個像素點三通道的最大值

則該點增強的比例應限制在270/以下，從而保持顏色。

2 實驗結果及分析

本文在操作系統Windows 8.1 專業版，配置為Intel（R） Core（TM）i5-5200U CPU@2.20GHZ，4.00GB內存的計算機運行得到，開發語言為C語言和OpenCV，開發平臺為codeblocks。對三幅典型圖像分別采用He的算法與本人算法進行處理對比，效果圖如下：

如圖5所示，He的算法去霧效果明顯，但是去霧后的圖像偏暗，且天空區域容易失真.本文算法在He算法的基礎上進行了改進，使得去霧處理效果較優的同時視覺效果更好，處理速度更快，更加適合于交通行車中實時進行視頻去霧處理。為了進一步驗證算法有效性，采用了方差、平均梯度、信息熵、運行時間作為度量指標，分別反映出圖像像素點離散程度、清晰度、信息含量、處理速度。其結果如下表：

從表1中可以看出，本文算法很大程度上提升了去霧處理的速度。

3結語

本文基于He的暗通道先驗去霧算法進行研究改進，采用逐像素式濾波進行透射率估計，得到的點暗原色圖細節豐富，并且平滑了透射率消除塊效應；將大氣光值進行合理估計，并優化視覺效果，降低算法復雜度，提高運行效率，達到實時進行視頻去霧處理的效果。但是本文改進的算法還僅對陸地汽車交通行進的視頻實時處理有良好效果，算法的復雜度及去霧效果還有待進一步加強。

參考文獻：

[1] He Kaiming，Sun Jian，Tang Xiaoou. Single image haze removal using dark channel prior [C]. IEEE Conference on Computer Vision and Pattern Recognition， CVPR 2009，IEEE，2009：1956-1963。

[2] McCartney E J. Optics of the atmosphere： Scattering by molecules and particles[M]. New York： John Wiley and Sons，1976：23-32。

[3]李春江，禹素萍，許武軍，范紅.《基于暗原色先驗圖像去霧的改進算法》[J]. 微型機與應用，2017（16）。

[4]張冰冰，戴聲奎，孫萬源.《基于暗原色先驗模型的快速去霧算法》[J]. 中國圖象圖形學報，2013（02）。