机场跑道图像去雾增强技术研究

陈清早， 于　曦， 陈绍祥， 罗正华

(1.电信科学技术第五研究所， 四川 成都　610020；2.成都大学 信息科学与工程学院， 四川 成都　610106)



机场跑道图像去雾增强技术研究

陈清早1， 于曦2， 陈绍祥2， 罗正华2

(1.电信科学技术第五研究所， 四川 成都610020；2.成都大学 信息科学与工程学院， 四川 成都610106)

摘要：随着计算机视觉的发展，图像去雾已成为计算机视觉的重要研究方向.在雾、霾等恶劣天气下采集的图像会由于大气散射的作用而被严重降质，其图像对比度低，物体特征难以辨认，此类图像不仅视觉效果差、图像观赏性低、后期处理的难度加大，更甚者在特殊场景下，会带来一些安全隐患.因此，图像去雾增强就显得尤为重要.本研究基于机场跑道雾天环境，对引入一定噪声的引导滤波算法进行改进，实现图像去雾增强.实验结果表明，改进后的引导滤波无论是增强效果还是处理速度都有明显优势.

关键词：去雾增强；引导滤波；改进后的引导滤波

0引言

随着计算机视觉系统的发展及其在军事、交通以及安全监控等领域的应用，图像去雾增强已成为计算机视觉领域的重要研究方向[1].在雾、霾之类的恶劣天气下拍摄图像时，由于受到大气散射作用的影响，使图像颜色偏灰白色，图像的颜色和对比度会出现退化现象，物体特征难以辨认，不仅使视觉效果变差，图像观赏性降低，还会影响图像后期的处理，如机场跑道异物识别等.因此，需要图像去雾增强技术来增强或修复，以改善视觉效果和方便后期处理.传统的基于图像处理的增强方法往往只能有限地提升降质图像的清晰度，由于忽略了图像雾气分布不均的事实，而以整体统一处理的方式去雾，致使图像某些部分显得不够清晰，而某些部分却因过度处理而失真.近年来，学者们致力于如何针对单幅降质图像，依据相关先验信息，采用基于大气散射模型的复原方法以达到彻底去雾的效果[2].在众多的此类方法中，基于暗原色原理的He方法和基于大气耗散函数的Tarel方法最为引人注目，这两种方法优点突出且各具特点[3-5].在此基础上，本研究根据He利用引导滤波代替软抠图进行处理时的启发，针对引导滤波算法引入大量噪声，并对效率低的情况作了进一步的改进.改进后的引导滤波无论是处理效果还是处理效率都明显优于引导滤波.

1改进的引导滤波

1.1引导滤波

引导滤波能够较为广泛地处理雾化的图像.在滤波效果上，引导滤波和双边滤波差别不大，但细节方面，引导滤波较好.引导滤波最大优势在于用到了局部线性模型，可以写出时间复杂度与窗口大小无关的算法，因此，在使用大窗口处理图片时，其效率更高.假设原图像(I)为引导图像，图像(p)为滤波输入，图像(q)为输出，引导滤波原理如下：

像素点i处的滤波结果是被表达成一个加权平均，

(1)

假设导向滤波器在导向图像I和滤波输出q之间是一个局部线性模型，

qi=akIi+bkVi∈ωk

(2)

式中，ak与bk是最终需要的线性系数，在现实意义上，它们分别代表图像的前景和背景颜色.为了确定这组线性参数，并满足使得q与p的差别最小，将其转化为优化问题：

(3)

采用最小似然法解得：

(4)

(5)

(6)

1.2改进的引导滤波

引导滤波的示意图如图1所示.

图1引导滤波示意图

在引导滤波的理论基础上，考虑到系数a和b直接影响引导滤波的处理效率，本研究提出采用双线性插值算法对系数a和b进行缩放改进，以提高处理的效率.

双线型插值算法就是在垂直与水平2个方向进行线性插值计算.

假设函数f(x)与函数上已知的4个点的值：Q11=(x1,y1)，Q12=(x1,y2)，Q21=(x2,y1)，Q22=(x2,y2)，在函数f(x)上点p=(x,y)，可通过线性插值近似求出.

首先，在x方向进行线性插值，得到，

(7)

R1=(x,y1)

(8)

(9)

R2=(x,y2)

(10)

然后，在y方向进行线性插值，得到，

(11)

R1=(x,y1)

(12)

R2=(x,y2)

(13)

式中，F(Q11)、F(Q21)、F(Q12)、F(Q22)分别代表输入像素在相邻4个子块中均衡后的直方图的灰度值，其系数分别表示输入像素点到相邻块的距离.

由式(7)～(13)可以看出，利用双线性插值计算，得到一个输出像素的值，只需要进行简单的乘法和加法运算即可，算法复杂度远远小于一个子块内进行的一次运算.这样，在引导滤波的过程中，就大大减少了运算量，提高了运算效率.

此外，根据引导滤波的原理[3]，求均值贯穿整个引导滤波过程，经过引导滤波处理后，相当于对图像f滤波后(x)进行了分块均值化，因此，f滤波后(x)是一副比较模糊的图像，失去了一些细节.要实现增强效果，采用一个线性的组合，线性组合公式如下，

D=?S-f滤波后(x)」×a+f滤波后(x)×b

(14)

式中，D为增强后的图像，S为原始图像，a、b为整数，a、b的值可以根据图像具体情况进行调整变动，如：a、b的值越大其图像轮廓越清晰，但随着a、b值的增大，其图像会产生颜色失真.实验证明，控制a的值在[4,7]之间，b的值在[1,4]之间，获得的图像质量最好.

由式(14)可以看出，由于原图像S减去f滤波后(x)后乘以系数a的强化过程，导致引入了部分噪声，而中值滤波是一种非线性平滑滤波，将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值，达到去噪的效果.因此，通过在引导滤波的基础上加入了中值滤波，图像增强效果有了一定的改善.

2仿真结果对比

为了验证本研究算法的有效性和实用性，在仿真实验中，采用MATLAB在Intel Core i5双核处理器，4 GB内存的PC机上对几幅机场跑道雾天图像进行了对比性实验.处理结果表明，改进后的算法对在雾天条件下，机场跑道图像清晰化处理都有明显的效果且具有较高的处理效率.结果如图2、图3及表1所示.

由图2、图3可以看出，中值滤波对于雾天条件下，没有很好的图像去雾增强效果；引导滤波算法，对于雾天图像有明显的增强效果，但有少量噪声；而经改进后的引导滤波(加入中值滤波的引导滤波)处理后的图像轮廓更清晰、更平滑，视觉效果更好，去除了部分噪声，得到良好的图像去雾增强效果.

由表1可知，改进后的引导滤波对于机场跑道雾天图像不但有很好的增强效果，且处理速度快.

图2场景1仿真图

图3　场景2仿真图

3结论

通过分析和仿真实验，本研究提出的改进引导滤波算法处理后的图像轮廓更平滑，去雾增强效果更好，且算法简单效率高.在下一步的研究过程中，拟考虑硬件(DSP、FPGA)算法的移植，以达到工程应用，使算法更具实用价值.

参考文献:

[1]郭王番,蔡自兴,谢斌,等.图像去雾技术研究综述与展望[J].计算机应用,2010,30(9):2417-2421.

[2]禹晶,徐东彬,廖庆敏.图像去雾技术研究进展[J].中国图像图形学报,2011,16(9):1561-1576.

[3]He K，Sun J，Tang X.Singleimagehazeremovalusingdarkchannelprior[C]//2011IEEEConferenceonComputerVisionandPatternRecognition(CVPR2011).Colorado Springs,Colorado,USA:IEEE Press,2011.

[4]He K,Sun J,Tang X.Guidedimagefiltering[J].IEEE Trans Pattern Anal Mach Intell,2013,35(6):1397-1409.

[5]蒋建国,侯天峰,齐美彬.改进的基于暗原色先验的图像去雾算法[J].电路与系统学报,2011,16(2):6-11.

Research on Image Defogging Enhancement Technology for Airport Runway

CHENQingzao1，YUXi2，CHENShaoxiang2，LUOZhenghua2

(1.Fifth Institute of Telecommunications Science and Technology, Chengdu 610020, China;2.School of Information Science and Engineering, Chengdu University, Chengdu 610106, China)

Abstract：With the development of computer vision,image defogging has become an important research orientation in computer vision.Due to the atmospheric scattering function of image acquisition in fog,haze and some other adverse weather,the image quality can be seriously degraded.In doing so,image contrast is reduced so that it’s difficult to identify the characteristics of objects.On one hand,the visual effect is poor while on the other hand,the image is not good enough to be appreciated and meanwhile,the post processing will be negatively affected.Even on more special occasions,bad-quality image will bring some security risks,especially on the airport runway.Therefore,image defogging enhancement is particularly important.The paper,based on the foggy environment of airport runway,improves the guided filtering algorithm with some noise in order to enhance the image defogging.The experimental results show that the improved guided filtering has obvious advantages in both effects enhancement and the processing speed.

Key words：defogging enhancement;guided filtering;improved guided filtering

文章编号：1004-5422(2016)02-0147-03

收稿日期：2016-05-13.

基金项目：四川省科技厅科研计划(2016RZ0070)、 成都市科技局科技惠民计划(2014-HM01-00075-SF)资助项目.

作者简介：陈清早(1991 — )， 女， 硕士研究生， 从事计算机数字图像处理技术研究.

中图分类号：TP391.41

文献标志码：A