雾霾天气下降质图像的清晰化处理*

宋晓敏，赵红东，卢 俏，夏士超，席瑞媛，李梦宇，肖梦琪(河北工业大学电子信息工程学院,天津300401)



雾霾天气下降质图像的清晰化处理*

宋晓敏，赵红东**，卢 俏，夏士超，席瑞媛，李梦宇，肖梦琪
(河北工业大学电子信息工程学院,天津300401)

Foundation Item:The Natural Science Foundation of Hebei Province(F2013202254)

**通信作者:zhaohd@ hebut. edu. cn Corresponding author:zhaohd@ hebut. edu. cn

摘 要:针对雾霾天气条件下大气散射和悬浮颗粒物引起的图像对比度、清晰度降低问题,提出通过采用独立分量分析(ICA)算法分解图像中具有相互独立分量的混合像元,估计图像有用信息分量。因乘性噪声信息的存在,会导致估计的图像有用信息有一定的偏差；采用基于噪声检测的局部自适应中值滤波对估计的图像有用信息进行了进一步校正。实验结果证明:新算法能有效去除雾霾,提高图像的清晰度和对比度。

关键词:雾霾图像处理；去雾；独立分量分析；噪声检测；自适应中值滤波

1 引 言

雾霾天气严重影响人们的工作生活,在智能车辆监控、视屏监控、道路交通等方面尤其明显。为有效提取图像目标信息,禹晶等[1]提出暗原色先验去雾算法,依据户外无雾图像的统计规律建立去雾模型,估计出雾霾浓度,实现对图像的去雾处理,但在建立去雾模型时无法准确估计物体的透射率,导致去雾效果不佳。胡媛媛[2]提出在HSI(Hue-Saturation-Intersity)空间上采用局部直方图均衡化法实现图像的清晰化处理,虽然能保护图像部分边缘细节信息,但存在色彩失真问题。梁天全等[3]提出了一种基于偏振信息的去雾算法,通过合成不同偏振旋转方位角度图像实现图像的去雾处理,因表面光滑目标反射光的偏振特性较强,会造成建立的图像合成模型出现偏差。

对图像进行去雾处理的目的是提高图像的对比度和减少场景颜色偏移。目前对图像去雾算法的研究主要是基于图像复原和图像增强的[4],不能实现对景深和边缘细节信息的精确处理。因此,本文从分解图像混合像元的角度出发,提出了一种基于独立分量分析和自适应中值滤波的图像去雾算法。独立分量分析算法在盲信号分离、通信、人脸识别中得到了广泛的应用,但其在图像去雾方面的应用还相对较少。实验证明,独立分量分析算法能够实现对图像混合像元的分离,获取图像有用信息。由于雾霾图像中包含的噪声并不全部是独立的,分离出的图像有用信息中仍包含噪声,对此,本文采用基于噪声检测的自适应中值滤波算法抑制这些噪声。

2 算法的基本原理

2. 1 独立分量分析算法

独立分量分析是从多元统计数据中寻找其内在成分或因子的一种方法[5]。它是在遵循统计独立原则的前提下,使用优化算法,把多维观测信号分解成多个相互独立的成分,而这些独立成分是对信号源近似的估计[6]。独立分量分析的模型可描述为:经过线性系统A,n个未知的独立的源信号s(t)= [s1(t),s2(t),…,sn(t)]T混合在一起,得到m个观测信号x(t)= [x1(t),x2(t),…,xm(t)]T,观测信号与源信号之间满足:

式中:A是一个未知的m×n维的矩阵;在m≥n的前提下,当源信号s(t)的各个分量之间相互独立,混合矩阵A为列满秩时,可求得一个分离矩阵w,使得

式中:y(t)是对源信号的估计。

为求解分离矩阵w,需要设置一个目标函数对信号的非高斯性进行极大化处理。峭度可实现对信号非高斯性的度量[7],峭度kurt(y)的定义为

对观测信号去均值和白化处理之后后,可将公式(3)简化为

均值化处理是通过将每个像素点减去均值实现的,白化是通过主成分分析变换实现的,对式(4)表述的目标函数求梯度并简化,得

在约束条件‖w‖=1下,式(5)简化为

使用固定点迭代法即

对权值w0进行初始化,既而求得分离量w的第P个解为

2. 2 基于噪声检测的自适应中值滤波

为有效抑制图像噪声,需要对图像进行噪声检测[8]。假设待检测像素点的灰度值I(i,j),以该像素点为中心构建5×5的噪声检测窗口,噪声检测窗口中平均值为M,如果检测点的灰度值I(i,j)与M的差值大于阈值Td,并且等于检测窗口的最小值Min或者最大值,即

则被认为是噪声点。其中:Td是设置的噪声检测阈值。

将检测出的噪声点进行标记,待检查完所有的像素点后,将标记的噪声点灰度值设为1,设置滤波最小窗口5×5对图像进行自适应中值滤波。自适应中值滤波包括两部分,第一部分为

第二部分为

式中:Zmed、Zmin和Zmax分别是滤波窗口所有像素的中值、最小值和最大值;Zxy为滤波窗口中某一像素的值。

当A1＞0、A2＞0时,则转到第二部分,反之,增加滤波窗口尺寸[9];重复第一层,否则输出Zmed;当B1＞0、B2＞0时,就输出Zij,否则输出Zmed。

3 实验分析与结论

为验证本文算法的有效性和可靠性,本文选用了景区图像进行实验,为这两幅图像人为添加不同的加性噪声和乘性噪声。

首先将两幅带不同噪声的图像作为观测图像输入,并对图像进行均值化和白化处理以方便后续处理,处理后图像的各分量非相关的。对处理之后的图像进行独立分量分析变换,实现图像混合像元的分离,求得解混矩阵w,w就是求解的噪声信息分量和图像有用信息分量矩阵。用独立分量分析变换分解的各个分量在独立的状态下,每个分量的非高斯性是最大的,此时分离的去噪分量的误差是最小的,实现了对图像加性噪声的抑制。

但由于人为添加了乘性噪声,对图像有用信息的估计存在一定偏差,采用上述的基于噪声检测的自适应中值滤波对估计的图像有用信息分量进一步去噪处理。图1给出了新算法提取的图像有用信息分量结果。为进行对比,实验中也给出了HSI空间的局部直方图均衡化算法的去噪结果,如图2所示。

图1 景区图像处理结果Fig. 1 Processing results of the scenic image

图2 景区图像的直方图曲线拟合图Fig. 2 Histogram curve fitting of the scenic image

从图1和图2中可以看出,文献[2]采用的基于HSI空间的局部直方图均衡化法的去噪效果相对较差,其在消除噪声的同时还消除了图像部分边缘细节信息,图像色彩也存在失真现象。而本文所提算法不但能保护图像边缘细节信息,还避免了图像色彩失真。为客观描述算法的可靠性,定义了均方误差(Mean Square Error,MSE):

式中:f(i,j)为清晰图像矩阵;^f(i,j)为去噪后的图像矩阵;M×N为图像矩阵大小。

表1 均值方差评价景区图像处理效果Tab. 1 Evaluation of the scenic image processing based on mean variance

从表1中可看出,对添加的相同乘性噪声和加性噪声,基于HSI空间的局部直方图均衡算法的图像和清晰图像之间的误差较大。由图2可知,本文算法去噪之后的图像直方图拟合结果几乎和清晰图像的相同,去噪效果较好。

雾霾图像中具有包含图像有用信息和加性噪声信息分量的混合像元以及乘性噪声,可将新算法应用到图像去雾中。用于独立分量变换的观测图像是两幅用同一照相机在同一位置于2014年2月12日的不同时间点拍摄的带雾浓度不同的图像,图3为本文算法分离的图像有用信息以及文献[2]采用算法对两幅雾霾图像的处理结果。

图3 雾霾图像处理结果Fig. 3 Processing results of the haze image

表2 均方误差评价图像去雾效果Tab. 2 Evaluation of the haze image processing based on mean variance

图4 雾霾图像直方图拟合曲线图Fig. 4 Histogram fitting curve of the haze image

从图3、图4和表2可知,新算法能够实现对雾霾图像混合像元的分解,获取图像有用信息分量,实现了对加性噪声和乘性噪声的抑制,图像去雾效果较好。

仿真结果表明:本文提出的基于独立分量分析和自适应中值滤波新算法去噪性能优于基于HIS空间的直方图均衡化算法,其在景深与图像边缘细节信息的处理上更加精细。

参考文献:

[1] 禹晶,李大鹏,廖庆敏.基于物理模型的快速单幅图像去雾方法[J].自动化学报,2011,37(2):143-149. YU Jing,LI Dapeng,LIAO Qingmin. Pysics-based fast single image fog removal [ J]. Acat Automatica Sinica, 2011,37(2):143-149. (in Chinese)

[2] 胡媛媛.雾霾图像清晰化处理算法的研究[D].南京:南京理工大学,2014. HU Yuanyuan. Research on clearness process of haze image [ D]. Nanjing: Nanjing University of Science and Technology,2014. (in Chinese)

[3] 梁天全,赵强,孙晓兵,等.雾霾天气条件下偏振遥感图像复原研究[J].武汉大学学报(信息科学版), 2014,39(2):244-247. LIANG Tianquan,ZHAO Qiang,SUN Xiaobing,et al. Research on image restoration by polarized remote sensing through haze[J]. Geomatics and Information Science of Wuhan University,2014,39(2):244-247. (in Chinese)

[4] 李权合,毕笃彦,许悦雷,等.雾霾天气下可见光图像场景再现[J].自动化学报,2014,40(4):744-750. LI Quanhe,BI Duyan,XU Yuelei,et al. Haze degraded image scene rendition[J]. Acat Automatica Sinica,2014, 40(4):744-750. (in Chinese)

[5] 朱文龙,周建中,肖剑,等.独立分量分析–经验模态分解特征提取在水电机组振动信号中的应用[J].中国电机工程学报,2013,33(29):95-102. ZHU Wenlong,ZHOU Jianzhong,XIAO Jian,et al. An ICAEMD feature extraction method and its application to vibration signals of hydroelectric generating units[J]. Proceedings of the CSEE,2013,33(29):95-102. (in Chinese)

[6] YANG J,CHENG Q M. A comparative study of independent component analysis with principal component analysis in geological objects identification,Part I:simulations[J]. Journal of Geochemical Exploration,2014,149(11):127-135.

[7] 汤宝平,董绍江,马靖华.基于独立分量分析的EMD模态混叠消除方法研究[J].仪器仪表学报,2012,33 (7):1477-1482. TANG Baoping,DONG Shaojiang,MA Jinghua. Study on the method for elimination mode mixing of empirical mode decomposition based on independent component analysis [J]. Chinese Journal of Scientific Instrumen,2012,33 (7):1477-1482. (in Chinese)

[8] 陈健,郑绍华,余轮,等.基于方向的多阈值自适应中值滤波改进算法[J].电子测量与仪器学报,2013,27 (2):156-161. CHEN Jian,ZHENG Shaohua,YU Lun,et al. Improved algorithm for adaptive median filter with multi -threshold based on directional information[J]. Journal of Electronic Measurement and Instrument,2013,27 (2):156 -161. (in Chinese)

[9] 申俊琦,胡绳荪,冯胜强.自适应中值滤波在焊缝视觉跟踪中的应用[J].焊接学报,2011,32(3):57-60. SHEN Junqi,HU Shengsun,FENG Shengqiang. Application of adaptive median filtering in vision seam tracking [J]. Transactions of the China Welding Institution,2011, 32(3):57-60. (in Chinese)

宋晓敏(1990—),女,河北保定人,硕士研究生,主要研究方向为遥感图像处理;

SONG Xiaomin was born in Baoding,Hebei Province, in 1990. She is now a graduate student. Her research concerns remote sensing image processing.

Email:xiaomin127@126. com

赵红东(1968—),男,天津人,教授、博士生导师,主要研究方向为光电信息处理、遥感图像处理、网站开发;

ZHAO Hongdong was born in Tianjin,in 1968. He is now a professor and also the Ph. D. supervisor. His research concerns optical information processing,remote sensing image processing and website development.

Email:zhaohd@ hebut. edu. cn

卢 俏(1988—),女,河北保定人,硕士研究生,主要研究方向为遥感图像处理;

LU Qiao was born in Baoding,Hebei Province,in 1988. She is now a graduate student. Her research concerns remote sensing image processing.

夏士超(1988—),女,河北保定人,硕士研究生,主要研究方向为嵌入式图像处理;

XIA Shichao was born in Baoding, Hebei Province, in 1988. She is now a graduate student. Her research concerns embedded image processing.

席瑞媛(1990—),女,河北张家口人,硕士研究生,主要研究方向为网站开发。

XI Ruiyuan was born in Zhangjiakou,Hebei Province,in 1990. She is now a graduate student. Her research concerns website development.

李梦宇(1990—),女,河北人,硕士研究生,主要研究方向为图像处理;

LI Mengyu was born in Hebei Province,in 1990. She is now a graduate student. Her research concerns image processing.

肖梦琪(1994—),女,河北人,主要研究方向为图像处理。

XIAO Mengqi was born in Hebei Province,in 1994. Her research concerns image processing.

Clearness Processing of Haze-degraded Images

SONG Xiaomin,ZHAO Hongdong,LU Qiao,XIA Shichao,XI Ruiyuan,LI Mengyu,XIAO Mengqi
(School of Electronic Information Engineering,Hebei University of Technology,Tianjin 300401,China)

Abstract:The contrast and clarity of images are reduced in the hazy weather because of the atmospheric scattering and the suspended particulate matter. The independent component analysis(ICA) algorithm is used to estimate the useful information of image by disintegrating the mixed pixels which include many independent components. The adaptive median filter algorithm with noise detection is employed to eliminate the multiplicative noise information. Experimental results show that the new algorithm can meet the defogging goal and improve the contrast and clarity.

Key words:haze imaging processing;defogging;independent component analysis;noise detection;adaptive median filter

doi:10. 3969/ j. issn. 1001-893x. 2016. 02. 018引用格式:屈文星,杨文革,张若禹.双天线旋转目标微多普勒特征分析[J].电讯技术,2016,56(2):212-217. [QU Wenxing,YANG Wenge,ZHANG Ruoyu. Micro-Doppler signatures analysis of spinning target with double-antenna[J]. Telecommunication Engineering,2016,56(2):212-217. ]

作者简介:

中图分类号:TP751

文献标志码:A

文章编号:1001-893X(2016)02-0208-04

基金项目:河北省自然科学基金资助项目(F2013202254)

*收稿日期:2015-06-10;修回日期:2015-09-24 Received date:2015-06-10;Revised date:2015-09-24