基于YUV 颜色空间的图像去雾算法

王 昕，孙莹莹，杜 旭

(长春工业大学计算机科学与工程学院，长春130012)

基于YUV 颜色空间的图像去雾算法

王 昕，孙莹莹，杜 旭

(长春工业大学计算机科学与工程学院，长春130012)

针对有雾天气条件下，获得的图像严重降质问题，提出一种基于YUV颜色空间的快速图像去雾算法。该算法以大气散射模型为基础，利用YUV颜色模型提取出有雾图像的亮度分量，对此亮度分量图像进行高斯滤波后得到散射光;求出有雾图像的最大亮度值作为大气光，进而求得清晰的无雾图像。实验结果表明，该算法不仅有效地提高了降质图像的质量，而且处理速度快，能很好地保持图像的细节。

去雾;大气散射模型;YUV颜色模型;散射光

0 引 言

由于雾对太阳光有吸收和散射作用，致使大气能见度降低，从而使户外传感器获得的图像对比度下降、颜色失真，图像变得模糊不清，给后续的图像处理工作带来困难，因此，提高图像质量具有至关重要的应用价值。目前，针对人们提出的各种去雾算法可分为两类［1］:图像增强算法和图像复原算法。图像增强算法一般不考虑雾天图像的退化过程，尽管能在一定程度上改善视觉效果，但去雾效果并不理想。图像复原算法需要分析有雾图像的退化过程，建立退化模型，进而求得无雾图像。相比而言，后者更具有优越性和鲁棒性，已经成为图像去雾领域广泛研究的内容。

目前，图像复原算法大多建立在大气散射模型的基础上。Narasimhan等［2］在场景深度和大气条件信息未知的情况下，结合大气散射模型，通过附加信息实现雾天图像的复原。但额外需要不同天气下拍摄的同一场景下的图像估计景深。Fattal［3］假设介质透过率和表面投影在局部不相关，从而估算出景物反射率，以此推断出透过率，最终达到去雾目的，但该算法在独立成分变化不显著的区域去雾效果不佳。

笔者针对在雾天条件下传感器获得的图像严重降质的问题，提出一种基于YUV颜色空间的图像复原算法。该算法将有雾图像从RGB颜色空间转换到YUV颜色空间，提取出亮度分量Y，对此亮度分量图像Y进行高斯滤波后得到散射光λ;为提高算法的执行效率，在亮度图像Y中寻找最大亮度值作为大气光L∞;进而求得清晰的无雾图像。该算法不仅能有效去雾，而且复杂度低、速度快。

1 图像退化模型及其性质

1.1 大气散射物理模型

在计算机视觉和图像处理领域中，广泛应用的大气散射物理模型如下［4］

其中L(x，y)为观察得到的有雾图像，L0(x，y)为场景辐射，即最终需要复原的图像;L∞为大气光值，与局部空间位置(x，y)无关，一般假定为全局常量;β为大气散射系数;d(x，y)为场景深度。

1．2 模型参数

由式(2)可知，只需估算出λ和eβd(x，y)即可求得复原图像L0(x，y)。

2 图像复原算法

2.1 散射光的估计

笔者将有雾图像从RGB颜色空间转换到YUV颜色空间估算散射光λ。因为较其他颜色空间，YUV颜色空间能将图像中的亮度分量Y分离提取，并且YUV颜色空间与RGB颜色空间之间是线性变换关系，计算量小，因此，能有效地用于彩色图像处理。通过YUV颜色空间的亮度信息估计散射光的过程如下

其中Ir，Ig，Ib分别表示原有雾图像L(x，y)的3个颜色通道图像。对该Y分量进行高斯模糊后作为散射光λ。

2．2 大气光的估计

文献［5］将有雾图像中最明亮的像素值看成是大气光。但这一做法并不完全准确，因为在实际的图像中，最明亮的像素点有可能是一辆白色的汽车或是白色的建筑物［6］。笔者采用文献［6］中提出的方法计算大气光值，并提出改进算法。具体步骤如下。

1)求亮度图像Y的暗通道图

其中Y(y)是输入的Y分量图像，Ω(x)表示以像素x为中心的一个窗口，Ydark为求得的暗通道图像。

2)在暗通道图中按照亮度的大小取前0．1%的像素。根据这些像素的位置，在亮度图像Y中找到其对应的像素，再取这些像素的平均值，作为大气光L∞的值。

文献［6］是直接对原始RGB图像求暗通道图，且对求得的大气光值没有任何限定，导致运行时间较长且天空区域颜色失真。YUV色彩模式是目前主流的视频传输模式，可直接对接收的视频进行去雾处理，减少了处理时间和复杂度，所以需先将RGB颜色空间转化为YUV颜色空间。由于图像的结构信息主要存在于Y分量中，所以笔者仅通过对Y分量图像求暗通道图，进而求得大气光值，这直接降低了算法的复杂度。另外，为使此算法能很好地适用于含有天空区域的图像，经过大量的实验，设定一个最大大气光阈值220，当计算得到的L∞值大于该值时，则取该阈值，以有效抑制天空区域的颜色出现明显过渡。

2．3 图像去雾

将已经计算的λ和L∞带入式(5)可求得eβd(x，y)。最后将λ和eβd(x，y)代入式(2)可得到最终复原无雾图像L0(x，y)。

3 实验结果

3．1 主观评价

为验证笔者算法的有效性，将展示笔者算法的实验结果，并与直方图均衡化算法［7］、Retinex算法［8-10］进行比较。该实验在操作系统为Windows XP，处理器主频为2.53 GHz、系统内存1 GByte的PC机上运行，采用Matlab2010软件平台实现。图1给出了实验结果，由结果图像可知，该算法有效。图2对各种算法的实验结果进行比较，从图2中可看出，直方图均衡化算法虽然简单，但由于该算法是针对整个图像的统计量，并不能保证所关心的图像区域得到所需的增强效果。Retinex算法处理后的复原图像整体偏暗，色彩出现偏移，破坏了图像的灰色世界。而笔者算法的去雾效果明显，不仅很好恢复了图像，而且能保留图像的细节。

图1 笔者算法的实验结果Fig.1 Our haze removal result

图2 不同算法的实验结果比较Fig.2 Comparison of different algorithms

3.2 客观评价

笔者分别从图像的信息熵和平均梯度两个客观指标评价各种算法的优劣(见表1)。信息熵反映了图像的信息量，平均梯度反映了图像微小细节反差变化的速率，即图像多维方向上密度变化的速率，表征图像的相对清晰程度。信息熵和平均梯度的值越大，图像的恢复效果越明显。

表1 各种算法的信息熵/平均梯度Tab.1 Information entropy/mean gradient of different algorithms

3.3 算法的运行时间对比

各种算法的运行时间如表2所示。由表2结果可知，使用笔者算法处理有雾图像，复杂度较低，运行时间较短。

表2 各种算法运行时间Tab.2 Run time of different algorithms

4 结 语

通过对YUV颜色空间进行处理，提取亮度分量求取散射光值，进而求得清晰的无雾复原图像。笔者算法恢复的图像清晰自然，且能保持图像的细节。通过大量实验不仅验证了笔者算法的有效性，且相比其他两种图像去雾算法运算速度有很大提高。

［1］禹晶，徐东彬，廖庆敏.图像去雾研究进展［J］.中国图象图形学报，2011，16(9):1561-1576. YU Jing，XU Dongbin，LIAO Qingmin.Image Defogging:A Survey［J］.Journal of Image and Graphics，2011，16(9): 1561-1576.

［2］NARASIMHAN SG，NAYAR SK.Vision and the Atmosphere［J］.Computer Vision，2002(48):233-254.

［3］FATTAL R.Single Image Dehazing［J］.ACM Transactions on Graphics，2008，27(3):1-9.

［4］TAN R.Visibility in Bad Weather from a Single Image［C］∥Proc of the IEEE Computer Vision and Patter Recognition. Anchorage，USA:［s.n.］，2008:1-8.

［5］TAN K，OAKLEY P J.Physics Based Approach to Color Image Enhancement in Poor Visibility Conditions［J］.Optical Society of America，2001，18(10):2460-2467.

［6］HE Kaiming，SUN Jian，TANG Xiaoou.Single Image Haze Removal Using Dark Channel Prior［C］∥Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition.Miami，USA:IEEE，2009:1956-1963.

［7］JOUNG YOUNKIM，LEE SUPKIM.An Advanced Contrast Enhancement Using Partially Overlapped Block His-togram Equalization［J］.IEEE Transactions on Circuits and System of Video Technology，2001，11(4):475-484.

［8］祝培，钱学明.一种有雾天气图像景物影像的清晰化方法［J］.中国图象图形学报，2004，9(1):124-128. ZHU Pei，QIAN Xueming.An Image Clearness Method for Fog［J］.Journal of Image and Graphics，2004，9(1):124-128.

［9］马云飞，何文章.基于小波变换的雾天图像增强方法［J］.计算机应用与软件，2011，28(2):71-73. MA Yunfei，HEWenzhang.Foggy Day Image EnhancementMethod Based on Wavelet Transform［J］.Computer Applications and Software，2011，28(2):71-73.

［10］GIBSON K B，VO D T.An Investigation of Clehazing Effects on Image and Viedo Coding［J］.IEEE Transctions on Image Processing，2012，21(2):662-673

(责任编辑:刘东亮)

Single Image Dehazing Based on YUV Color Space

WANG Xin，SUN Yingying，DU Xu

(College of Computer Science and Engineering，Changchun University of Technology，Changchun 130012，China)

In the foggy condition captured image is seriously degraded，we propose a fast image defogging algorithm based on YUV color space.Based on atmospheric scatteringmodel，firstly the luminance is extracted，geting the scattering light after Gauss filter;then themaximum brightness value of the image as the atmospheric airlight;then can obtain a clear image.The experimental results show that the algorithm effectively improves the image quality，and can keep good image details.

dehazing;atmospheric scatteringmodel;YUV color space;scattering light

TP751

A

1671-5896(2015)06-0658-04

2014-12-01

吉林省教育厅“十二五”科学技术研究基金资助项目(吉教科合字［2014］第136号)

王昕(1972— )，女，长春人，长春工业大学副教授，主要从事图像处理研究，(Tel)86-431-85717301(E-mail)wangxin315 @mail.ccut.edu.cn。