采用自適應全局亮度補償的夜間去霧算法

陳志恒，嚴利民，張競陽

〈圖像處理與仿真〉

采用自適應全局亮度補償的夜間去霧算法

陳志恒，嚴利民，張競陽

（上海大學 微電子研究與開發中心，上海 200444）

針對夜間霧霾天氣情況下還原的去霧圖像存在顏色失真、紋理損失嚴重、去霧效果差等問題，本文提出了一種夜間去霧算法，采用自適應全局亮度補償、同態濾波、限制對比度自適應直方圖均衡化算法以及聯合雙邊濾波對降質圖像進行處理，結合大氣散射模型得到還原的去霧圖像。實驗結果表明，該算法的夜間去霧效果好、處理速度快，較對比算法在對比度、平均梯度以及信息熵上均有改善，有效減少了還原圖像的顏色失真、紋理損失。

夜間去霧；自適應全局亮度補償；同態濾波；限制對比度自適應直方圖均衡化算法；聯合雙邊濾波

0 引言

在霧霾等天氣情況下，城市監控系統所獲取圖像、視頻往往存在能見度低、對比度差等問題，嚴重影響了城市的交通安全以及市民的生產生活。隨著去霧技術的快速發展，有關白天去霧算法的研究已日臻成熟，但對夜間霧霾條件下去霧算法的研究相對較少。因此，如何在夜間霧霾條件下對降質圖像進行有效去霧，具有一定的理論研究意義和社會應用價值[1-4]。

目前，針對白天單幅降質圖像的去霧算法研究已取得了很大的進展，這些算法大致可分為兩類：一類是基于圖像增強的去霧算法，如基于單尺度Retinex的霧天圖像去霧算法，該算法通過自適應調節雙曲正切函數增強降質圖像從而實現去霧，具有一定的去霧效果[5]；另一類是基于圖像復原的去霧算法，He在暗通道先驗理論的基礎上，結合大氣散射模型實現降質圖像的有效去霧[6-7]。對比白天與夜間的降質圖像可知，白天降質圖像為面光源成像結果，光照充足，而夜間降質圖像的成像光源多為汽車車燈以及路燈等點光源，該光照條件只能保證受到光照且存在反射的區域被有效拍攝并成像，而這些光源所覆蓋的降質區域即為夜間去霧的主要對象，記作待去霧區域。該區域往往存在光源近點光照過強所導致的光暈干擾，以及光源遠點光照過弱所導致的過暗干擾，直接采用面向白天的去霧算法處理夜間降質圖像，因環境亮度分布不均勻等因素，去霧效果往往不甚理想。針對夜間降質圖像的特點，Xu提出了一種基于全尺度Retinex算法的夜間去霧方法，通過將透射率映射為環繞函數求取其有效估計，然后結合夜間去霧模型實現去霧，該方法有效提高了去霧圖像的對比度、亮度，具備較好的可視性，但在紋理保持上可做進一步改進[8]；而Ding則提出了一種基于Retinex和對比度約束的夜間去霧算法，通過約束函數求取降質圖像的透射率，并利用引導濾波對其進行細化處理，然后結合夜間去霧模型實現去霧，該方法去霧效果明顯、保邊性強，但在顏色保持上有待進一步改善[9]。

針對現有夜間去霧算法存在的顏色失真、紋理損失嚴重、去霧效果差等缺陷，本文在He的暗通道理論去霧算法基礎上，提出了一種自適應全局亮度補償（adaptive global brightness compensation, AGBC）的夜間圖像去霧算法，通過自適應調制夜間降質圖像的全局亮度，提高夜間降質圖像待去霧區域的可視度，并采用改進的透射率獲取方式以及降質圖像還原模型，最終實現夜間降質圖像的有效去霧。實驗結果表明，該方法去霧效果好、保邊性好、處理速度快，有效減少了還原圖像的顏色失真。

1 暗通道先驗理論去霧算法

在圖像去霧方法中，McCartney提出的大氣散射模型得到了廣泛應用[10]，其數學模型為：

式中：和分別對應圖像的橫縱坐標；(,)表示降質圖像；(,)表示還原的去霧圖像；(,)表示降質圖像的透射率分布圖；表示大氣光值。其中，(,)(,)是入射光的直接衰減項，[1－(,)]是大氣光項。推導公式(1)，可得透射率(,)的數學表達式為：

He通過統計分析發現，在去霧圖像的暗通道中，86%以上像素值集中分布在0～16的灰度之間，結合概率統計學知識，He提出了暗通道先驗理論：在圖像的非天空區域中，至少存在一個顏色通道下的像素值趨向于0，其數學表達式為：

式中：c(,)分別對應去霧圖像(,)在R、G、B顏色通道下各自灰度值；(,)表示濾波窗口值大小；dark(,)表示去霧圖像(,)的暗通道圖像。這里假設大氣光值已知，再結合暗通道先驗理論，即可得到透射率(,)的數學表達式為：

式中：參數是為了保持去霧圖像(,)的視覺景深真實感而保留少量霧氣的權值系數，本文取作0.95；dark(,)是降質圖像(,)的暗通道圖像；是大氣光值，通常取作降質圖像(,)中像素值降序排列前0.1%的平均像素值。

已知透射率(,)和大氣光值情況下，根據公式(1)的變型公式(5)即可還原降質圖像：

在面向白天降質圖像的實驗中，該算法的去霧效果較好，但當實驗對象變為夜間降質圖像時，由于降質區域的環境亮度分布不均勻等因素，該算法的去霧效果不佳，具有一定的算法局限性。

2 本文去霧算法

為解決目前夜間去霧算法存在的顏色失真、紋理損失嚴重、去霧效果差等問題，本文基于He的暗通道先驗去霧算法，提出了一種自適應全局亮度補償的夜間圖像去霧算法。算法流程為：首先，對降質圖像(,)進行自適應全局亮度補償，得到補償圖像￠(,)；再以補償圖像￠(,)為處理對象，利用同態濾波（homomorphic filtering, HF）和限制對比度自適應直方圖均衡化（contrast limited adaptive histogram- equalization, CLAHE）算法獲取偽去霧圖像￠(,)[11]；然后，利用大氣光值估計圖(,)和偽去霧圖像￠(,)結合改進的透射率公式獲取粗透射率￠(,)，并使用聯合雙邊濾波對其進行紋理細化處理，從而獲取精細化透射率′′(,)；最后，結合大氣散射模型，還原得到夜間去霧圖像(,)。算法實現過程如圖1所示。

2.1 自適應全局亮度補償

圖1 本文算法實現過程效果

圖2 自適應全局亮度補償流程圖

式中：￠V(,)表示進行了亮度均衡化后的亮度圖像。此時，亮度圖像￠V(,)的亮度分布更為均勻，但還需進行自適應亮度調制，調制參數獲取方式為：

式中：是自適應亮度調制參數；,y()表示邊長為×的最大值濾波窗口。根據公式(8)所得的參數即可完成亮度圖像￠V(,)的自適應亮度調制：

式中：2V(,)即為最終的調制結果。再將亮度通道2V(,)與色調通道H(,)、飽和度通道S(,)融合轉換至RGB顏色模型，即可獲得自適應全局亮度調制后的補償圖像′(,)。

2.2 透射率的獲取

已知還原圖像顏色失真多由透射率估計不精確所引起，為有效降低還原圖像顏色失真，本文在He的透射率估計方法基礎上引入了偽去霧圖像作為調制參數。同態濾波屬于圖像增強算法，易于實現且耗時少；CLAHE算法可以有效改善圖像質量，減少圖像顏色失真。因此本文利用同態濾波、CLAHE算法對補償圖像′(,)進行處理，從而獲得偽去霧圖像′(,)。同時由于夜間圖像多為點光源的照射結果，為更精確地估算夜間降質環境下的大氣光分布，本文利用公式(10)獲取降質圖像的大氣光估計圖(,)，以取代大氣光值進行透射率的估計。最終改進后的透射率求取公式如(11)所示：

式中：′(,)表示粗透射率；(,)表示大氣光估計圖，通常取作補償圖像′(,)中像素值降序排列前0.1%的平均像素值。此時的粗透射率′(,)邊緣損失嚴重，仍不適合后續去霧處理。由于聯合雙邊濾波具備細化圖像紋理、降低圖像噪聲的作用，本文使用其對粗透射率′(,)進行進一步的精細化處理[12-13]，處理流程如圖3所示，最終獲得精細化透射率′′(,)。

2.3 還原圖像

根據獲得的精細化透射率′′(,)和大氣光估計圖(,)，即可結合暗通道先驗理論和大氣散射模型還原補償圖像′(,)：

式中：(,)表示還原的夜間去霧圖像；0是為了防止′′(,)為0時引起的數學計算錯誤而添加的透射率限制參數，本文取作0.1。

3 實驗分析與比較

本文算法的所有實驗均在CPU為Intel(R) Core i7-9700K @3.60GHz、內存為16GB、操作系統為Windows 10的計算機上運行所得，開發語言為C＋＋，開發平臺為Visual Studio 2019。根據參考文獻[13]，本文算法中濾波尺寸取作7。實驗所用的夜間降質圖像來自重度霧霾下的北京長安街夜景實拍。

為驗證本文算法的去霧效果和處理速度，本文將從視覺效果和客觀對比兩個角度進行實驗對比，本文采用的對比算法均為經典去霧算法。

3.1 視覺效果

本文以重度霧霾下的北京長安街夜景實拍等夜間降質圖像建立降質圖庫，并從中隨機選取了4幅具有代表性的夜間降質圖像，分別采用不同去霧算法對其進行去霧處理，實驗結果如圖4所示：圖4(a)為夜間降質圖像；圖4(b)為He的暗通道先驗理論改進型去霧算法的去霧結果[14]，觀察可知，直接將白天去霧算法用于夜間降質圖像去霧，去霧效果不甚理想，同時恢復的圖像場景較暗、圖像信息丟失嚴重；圖4(c)為基于全尺度Retinex理論的夜間去霧算法的去霧結果[8]，觀察可知，該算法可有效去霧，但恢復場景亮度偏暗、紋理存在一定損失；圖4(d)為針對多光源夜間降質圖像去霧算法的去霧結果[15]，觀察可知，該算法可以有效去霧，但還原的去霧圖像顏色偏向冷暗，不適宜人眼觀察；圖4(e)為本文算法的去霧結果，與對比算法比較，本文算法對光源有效覆蓋的降質區域去霧效果好，且還原的去霧圖像場景明亮，有效減少了還原圖像的顏色失真、紋理損失。

圖3 透射率獲取流程圖

3.2 客觀評價

由于視覺效果評價過于主觀性，不具備客觀說服力，為進一步驗證本文去霧算法的有效性，本文采用了無參考客觀評價標準對算法的去霧效果進行評價。客觀評價標準包括圖像的對比度（contrast）、平均梯度（mean gradients）、信息熵（entropy）以及運行時間。對比度反應了一幅圖像內的灰度反差程度，值越大去霧效果越好；平均梯度代表圖像中的紋理細節信息，值越大說明去霧圖像越清晰；信息熵描述了圖像的目標特征信息量，值越大說明去霧圖像的目標信息量越多。圖4實驗結果的客觀對比如表1所示，對比降質圖像與參考文獻[14]的去霧結果可知，直接將白天的去霧算法應用于夜間降質場景，最終的去霧效果不甚理想，去霧圖像的各項客觀指標較降質圖像均出現一定下降，這與視覺效果中主觀評價得出的結論一致；本文算法同參考文獻[8]、[15]相比，對比度提升了28.74%，平均梯度提升了27.15%，信息熵提升了5.61%，同時在處理速度上也做到了一定程度的改善，該實驗結果表明，本文算法能夠對城市街道的夜間降質場景進行有效去霧，且去霧圖像的對比度高、清晰度好、顏色失真少，去霧圖像的紋理細節也得到了較好的保留。

表1 幾種客觀評價結果的比較

4 結束語

為有效解決當前夜間去霧算法還原結果存在的顏色失真、紋理損失嚴重、去霧效果差等問題，本文提出了一種基于自適應全局亮度補償的夜間去霧算法。通過對降質圖像進行自適應全局亮度補償，獲取補償圖像，再以補償圖像為對象，利用同態濾波、限制對比度自適應直方圖均衡化算法、聯合雙邊濾波獲取精細化透射率，并結合大氣散射模型對降質圖像進行還原。實驗結果表明，該方法的夜間去霧效果好、處理速度快，較對比算法在對比度、平均梯度以及信息熵上均有明顯提高，有效減少了還原圖像的顏色失真、紋理損失，可應用于城市街道的夜間降質圖像去霧。但本文算法仍存在不足，對微弱光源的夜間圖像去霧效果有待改進。

[1] ZHANG Jing, CAO Yang, FANG Shuai, et al. Fast haze removal for nighttime image using maximum reflectance prior[C]//, 2017: 7418-7426.

[2] 董浩偉, 陳潔. 一種基于大氣散射模型和Retinex的紅外圖像去霧算法[J]. 紅外技術, 2019, 41(4): 347-356.

DONG Haowei, CHEN Jie. Infrared image defogging algorithm based on atmospheric scattering model and Retinex[J]., 2019, 41(4): 347-356.

[3] YU Teng, SONG Kang, MIAO Pu, et al. Nighttime single image dehazing via pixel-wise alpha blending[J]., 2019, 7: 114619-114630.

[4] 陸士猛, 劉昌錦. 無人機偵察圖像快速去霧算法[J]. 紅外技術, 2015, 37(10): 847-851.

LU Shimeng, LIU Changjin. The fast haze removal algorithm for UAV reconnaissance image[J]., 2015, 37(10): 847-851.

[5] 黃黎紅. 一種基于單尺度Retinex的霧天降質圖像增強新算法[J]. 應用光學, 2010, 31(5): 728-733.

HUANG Lihong. Fog-degraded image enhancement based on single- scale Retinex[J]., 2010, 31(5): 728-733.

[6] HE K, SUN J, TANG X. Single image haze removal using dark channel prior[J]., 2010, 33(12): 2341-2353.

[7] HE K, SUN J, TANG X. Guided image filtering[J]., 2012, 35(6): 1397-1409.

[8] 徐興貴, 楊平, 劉永利. 基于全尺度Retinex算法的夜間圖像去霧[J]. 微電子學與計算機, 2017, 34(7): 132-136 XU Xinggui, YANG Ping, LIU Yongli. Night image dehazing based on full-scale Retinex algorithm[J]., 2017, 34(7): 132-136.

[9] 丁雪梅, 李為相, 毛祥宇. 基于Retinex和對比度約束的夜間去霧[J]. 計算機工程與設計,, 2018, 39(9): 2856-2860.

DING Xuemei, LI Weixiang, MAO Xiangyu. Night dehazing based on Retinex and contrast constraint[J]., 2018, 39(9): 2856-2860.

[10] Srinivasa G Narasimhan, Shree K Nayar. Vision and the atmosphere[J]., 2002, 48(3): 233-254.

[11] 李煉, 李維嘉, 吳耀中. 基于紅色暗通道先驗理論與CLAHE算法的水下圖像增強算法[J]. 中國艦船研究, 2019, 14(S1): 175-182.

LI Lian, LI Weijia, WU Yaozhong. An underwater image enhancement algorithm based on RDCP and CLAHE[J]., 2002, 48(3): 233-254.

[12] 成寶芝, 張麗麗. 基于雙邊濾波的最優波段子空間高光譜異常目標檢測[J]. 液晶與顯示, 2019, 34(9): 897-904.

CHENG Baozhi, ZHANG Lili. Optimal bands subspace anomaly detection for hyperspectral imagery based on bilateral filtering[J]., 2019, 34(9): 897-904.

[13] 楊燕, 李一菲, 岳輝. 一種自適應的多級透射率估計去霧算法[J]. 光子學報, 2019, 48(3): 310001.

YANG Yan, LI Yifei, YUE Hui. An adaptive multiscale transmission estimation dehazing algorithm[J]., 2019, 48(3): 310001.

[14] 高強, 胡遼林, 陳鑫. 基于暗通道補償與大氣光值改進的圖像去霧方法[J]. 激光與光電子學進展, 2020, 57(6): 150-156.

GAO Qiang, HU Liaolin, CHEN Xin. Image dehazing method based on dark channel compensation and improvement of atmospheric light value[J]., 2020, 57(6): 150-156.

[15] LI Y, TAN R T, Brown M S. Nighttime haze removal with glow and multiple light colors[C]//, 2015: 226-234.

Nighttime Dehazing Algorithm with Adaptive Global Brightness Compensation

CHEN Zhiheng，YAN Limin，ZHANG Jingyang

(,,200444,)

To addressthe problems of color distortion, heavy texture loss, and poor dehazing effect in the dehazing images of hazing nights, this studyproposes a night-time dehazing algorithm. Adaptive global brightness compensation, homomorphic filtering, contrast limited adaptive histogram equalization algorithm, and joint bilateral filtering were used to process the hazing images, and the dehazing images were obtained by combining the atmospheric scattering model. The experimental results show that this method has a better night dehazing effect and faster processing speed than the comparison algorithms.The contrast, mean gradients, and entropy are improved, and the color distortion and texture loss are effectively reduced.

nighttime dehazing, adaptive global brightness compensation, homomorphic filtering, contrast limited adaptive histogram equalization algorithm, joint bilateral filtering

TP391

A

1001-8891(2021)10-0954-06

2020-04-26；

2020-05-21.

陳志恒（1994-），男，碩士研究生，研究領域為視頻清洗技術。

嚴利民（1971-），男，博士，副教授，研究領域為集成電路設計及系統集成、新型顯示技術和計算機視覺。E-mail：yanlm@shu.edu.cn。

國家自然科學基金（61674100）。