一種優化透射率的無人機影像去霧算法研究

摘要：無人機獲取的影像出現不均勻霧，使得傳統算法的去霧結果出現細節丟失、色彩失真等問題，很大程度上限制了影像的應用價值。針對該問題，本文提出一種改進透射率的無人機影像去除不均勻霧算法。首先，結合顏色衰減模型和大氣散射模型計算透射率，通過改進引導濾波細化透射率；其次，加強圖像邊緣信息；最后，對去霧后的影像進行增強處理，提高圖像的清晰度和對比度。實驗結果表明，本文提出的算法對去除不均勻霧取得了較好的效果。計算同幅影像有霧區域和無霧區域的透射率，來去除無人機影像不均勻霧的方法，不僅可以推動去霧算法的理論發展，也可以促進無人機應用于霧天的災害快速監測和救援。

關鍵詞：無人機影像；不均勻霧；透射率；混合先驗；引導濾波

中圖分類號：TP751；P237文獻標志碼：A無人機航拍影像可以及時獲取地質災害體相關空間信息與地貌特征［1］，在快速評估災情、搜救救援、監測預警以及災后重建評估中發揮重要作用。滑坡等山地災害發生時，往往伴隨著大霧等不良天氣，因霧天的影響，無人機拍攝的影像會出現模糊、不清晰的情況［2］，影響觀測和分析的準確性。因此，無人機影像去霧處理具有重要研究價值。圖像去霧主要是基于圖像復原和基于圖像增強的去霧方法。

基于圖像復原的去霧方法的目的是分析大氣散射模型、探究圖像退化的本質原因。例如TAN［3］利用無霧圖像的對比度來驗證大氣光與景深的關系，實驗結果表明，雖然改善了圖像視覺效果，但是去霧后的圖像顏色過于飽和［4］；HE等［5］利用暗通道計算大氣光值和透射率，結果表明當影像出現不均勻霧時，處理結果嚴重失真［6］；ZHU等［7］研究發現亮度、飽和度之間存在一定關系，并建立與場景深度有關的線性模型進行去霧，但去霧后的圖像顏色過于飽和，恢復的圖像仍有殘留的霧［8］。

基于圖像增強的去霧算法是針對圖像中像素點的灰度值進行運算，通過增強原始有霧圖像的對比度、飽和度［9］等參數，達到去霧效果。常用的圖像增強的去霧方法有Retinex算法［10］、直方圖均衡化法［11］等。例如：曲藝［12］改進了直方圖均衡化的移動模板，但是去霧結果還是會出現失真現象；許鳳麟等［13］改進引導濾波的加權值并結合Retinex算法，加強了圖像的對比度，但去霧后圖像的紋理細節不夠清晰。

目前，去霧算法均可實現較好的效果，但是當地區出現不均勻霧，傳統的去霧算法會導致去霧結果的部分區域過度增強，因此，研究如何去除無人機影像中的不均勻霧、提高圖像的質量和清晰度具有重要的價值。針對上述問題，本文提出一種去除無人機影像不均勻霧的去霧算法。首先，利用自適應窗口優化暗通道，對圖像的大氣光值進行估計和修正；其次，利用暗通道模型和顏色衰減模型求大氣透射率，優化引導濾波，使透射率更加精確，復原出效果更佳的去霧圖像；最后，調整去霧結果的亮度，提高影像的細節和對比度。通過實驗對比，本文算法能夠改善不均勻霧對圖像質量的不利影響，提高無人機影像的應用價值。

1圖像去霧的先驗模型

1.1大氣散射模型

1.2暗通道先驗模型

1.3顏色衰減先驗模型

2一種優化透射率的去霧算法

2.1自適應濾波窗口的暗通道研究

2.2大氣光值的修正

2.3基于先驗知識模型的透射率優化

2.4引導濾波改進

2.5圖像復原

3.1主觀評價

3.2客觀評價

3.2.1峰值信噪比（PSNR）

3.2.2信息熵（IE）

3.2.3平均梯度（AG）

4結論

本文針對去除影像的不均勻霧問題，提出一種優化透射率的去霧算法。通過計算影像中有霧區域和無霧區域的透射率，實現了區域性均勻地去霧處理，解決了傳統算法導致去霧的結果出現明暗不一致的問題。實驗證明，經過該算法處理后，影像信息熵、峰值噪聲比和平均梯度均有顯著增加，同時影像的清晰度和對比度也得到了提升。去除不均勻霧不僅可以提高影像的清晰度和對比度，而且有助于改善無人機影像的視覺質量。這一優化后的影像為后續目標檢測、地物識別等應用提供了更可靠的輸入數據。盡管算法在實驗中表現良好，但為適應不同場景，仍需進一步優化算法參數，后續將融合深度學習的圖像去霧模型，提升算法的自適應性和泛化性能。參考文獻：

[1]郭晨， 許強， 董秀軍， 等. 無人機在重大地質災害應急調查中的應用［J］. 測繪通報， 2020（10）： 6-11， 73.

［2］ 曾政祥， 何晶晶， 張婧. 融合激光點云的城市級高精度建模技術［J］. 測繪通報， 2023（3）： 133-138.

［3］ TAN R T. Visibility in bad weather from a single image［C］//2008 IEEE Conference on Computer Vision and Pattern Recognition. Anchorage： IEEE， 2008： 1-8.

［4］ 胡瑩潔. 霧天影像去霧方法研究［D］. 徐州：中國礦業大學， 2022.

［5］ HE K M， SUN J， TANG X O. Single image haze removal using dark channel prior［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2011， 33（12）： 2341-2353.

［6］ 金仙力， 張威， 劉林峰. 基于引導濾波和自適應容差的影像去霧算法［J］. 通信學報， 2020， 41（5）： 27-36.

［7］ ZHU Q S， MAI J M， SHAO L. A fast single image haze removal algorithm using color attenuation prior［J］. IEEE Transactions on Image Processing， 2015， 24（11）： 3522-3533.

［8］ 楊燕， 張浩文， 張金龍. 結合天空分割和透射率映射的影像去霧［J］. 光學精密工程， 2021， 29（2）： 400-410.

［9］ 蔣華偉， 楊震， 張鑫， 等. 影像去霧算法研究進展［J］. 吉林大學學報（工學版）， 2021， 51（4）： 1169-1181.

［10］JIANG X F， WANG G， SHEN W M. A method of color image enhancement using color advanced retinex［J］. Journal of Optoelectronics， 2008， 19（10）： 1402-1404.

［11］汪志云， 黃夢為， 胡釙， 等. 基于直方圖的影像增強及其MATLAB實現［J］. 計算機工程與科學， 2006， 28（2）： 54-56.

［12］曲藝. 基于移動模板的影像去霧方法研究［J］. 計算機工程與應用， 2013， 49（24）： 186-190.

［13］許鳳麟， 苗玉彬， 張銘. 基于彩色加權引導濾波-Retinex算法的導航影像增強［J］. 上海交通大學學報， 2019， 53（8）： 921-927.

［14］何濤， 趙停， 徐鶴. 基于暗通道先驗的單幅影像去霧新算法［J］. 計算機科學， 2021， 48（7）： 219-224.

［15］劉春輝， 齊越， 丁文銳. 基于大氣光魯棒估計的無人機影像去霧方法［J］. 北京航空航天大學學報， 2017， 43（6）： 1105-1111.

［16］余嘉昕， 王春媛， 韓華， 等. 基于融合代價和優化引導濾波的立體匹配算法［J］. 計算機工程， 2023， 49（3）： 257-262， 270.

（責任編輯：曾晶）

Research on a UAV Image Defogging Algorithm

with Optimized Transmittance

DING Zitian XI Wenfei SHI Zhengtao QIAN Tanghui

（1.Faculty of Geography， Yunnan Normal University， Kunming 650500， China;

2.Yunnan Key Laboratory of Plateau Geographical Processes amp; Environmental Changes， Kunming 650500， China）Abstract： The inhomogeneous fog in the images obtained by unmanned aerial vehicle（UAV） causes problems such as loss of detail and color distortion in the dehazing results of traditional algorithms， which greatly limits the application value of images. In order to address this problem， this paper proposes an inhomogeneous fog algorithm for UAV image defogging with improved transmittance. Firstly， the transmittance is calculated by combining the color attenuation model and the atmospheric scattering model， and then the transmittance is refined by improving the guided filtering， which in turn enhances the image edge information. Finally， the image after defogging is enhanced to improve the clarity and contrast of the image. The experimental results show that the algorithm proposed in this paper performs well in removing inhomogeneous fog. The method of removing inhomogeneous fog from UAV images by calculating the transmittance of foggy and fog-free regions of the same image not only promotes the theoretical development of de-fogging algorithms， but also facilitates the application of UAVs to the situation of rapid monitoring and rescue of disasters in foggy days.

Key words： UAV imager; inhomogeneous fog; transmittance; mixing prior; guided filtering