关于雾霾天气图像观测信息优化仿真

邓从龙+朱成杰

摘要：雾天条件下的大气散射使图像中的特征提取变得困难，进而导致以特征提取为基础的机器视觉系统的失效。针对暗原色先验算法去雾之后图像整体偏暗以及同态滤波算法去雾后能够还原原始图像面貌等特点，提出了将两者相融合的图像去雾算法。首先，使用暗原色先验算法对图像进行初步去雾处理；然后，采用同态滤波算法消除图像整体偏暗问题；最后，通过Matlab软件对融合之后算法有效性进行验证。实验结果表明：融合之后的算法不仅能够有效提高图像的对比度还能够突出图像的细节，具有较高的精确性和应用价值。

关键词：特征提取；大气散射；暗原色先验；同态滤波

中图分类号：TP391.9； 文献标识码：A 文章编号：1009-3044（2017）25-0253-02

1 概述

在雾霾天气下，因为空气中存在着大量雾气与气溶胶，使得图像采集设备采集图像时受到外界因素的干扰，所以采集到的圖像具有低对比度、颜色失真并且图像模糊不清等特点。雾天图像的降质，它从某方面直接对图像中有用的信息提取带来困难，进而间接导致了以提取图像中有用特征为基础的视觉应用系统失常。因此，图像去雾技术一直是图像与视觉领域里面国内外学者研究的重要课题。

暗原色先验算法去雾的效果非常明显，但是缺点就是图像整体偏暗、细节没有突出。同态滤波算法能够解决光照不平衡所产生的黑斑暗影问题以及还原图像本来面貌。针对暗原色去雾之后图像偏暗的缺点，结合同态滤波去雾的优点，本文提出了将两者相融合的图像去雾算法。

2 暗原色先验原理与模型参数估计

2.1 暗原色先验原理

2.2 模型参数估计

参数A估计：在算法的实现过程中通常对暗原色图像亮度从大到小进行排序，找出最大的前0.1%的像素点，然后取其最大亮度的像素点作为参数A的估计值。

同态滤波算法能够消除原图像上光照不均匀产生的问题，增强图像中暗区域的细节，同时又不会损失原图像中的明亮区域的亮度信息[4]。该算法不仅适用于彩色图像还适用于灰度图像，它是以图像的照明反射模型作为基础的一种综合类型的图像增强技术。

3 融合算法

综合暗原色先验算法与同态滤波算法，本文融合算法的描述过程如下：

1） 将有雾的图像分割成若干个大小的区域块，计算每个区域块的暗通道值，然后得出原有雾图像的暗原色图像；

2） 估计大气光值A与透射率t；

3） 根据2）估计的值，依据相应公式复原去雾之后的图像；

4） 用同态滤波算法对3）得到的图像处理，增强亮度与对比度。

4 实验结果与分析

为了对融合之后去雾算法的效果进行验证，将其与暗原色先验算法、文献[5]中的方法进行对比分析。直观上来看，图2比图1在对比度、亮度、层次感这三个方面有所提高；图3所用的算法处理之后的效果比图1效果好点。另外，为了客观评价图像效果，本文主要选择MSE、PSNR、平均梯度、熵值指标来评价图片的质量。表1中暗去雾、禹去雾、融去雾分别代表暗原色先验去雾、禹晶方法去雾、融合去雾。通过表1各项指标的分析，可以看出融合之后的算法处理效果好。

5 结论

近年来，环境污染是越来越严重，各大城市相继上演雾霾大战。图像去雾技术一直是近年来研究的热点，已经在国内外取得了显著的成果。本文分析了对暗原色先验以及同态滤波算法及其优缺点，以此为基础提出了融合算法，实验结果表明具有较好的效果。但是，融合算法存在参数难以确定的问题，今后的研究工作将注重对参数进行自适应调整。

参考文献：

[1] 吴迪， 朱青松. 图像去雾的最新研究进展[J]. 自动化学报， 2015， 2： 221-239.

[2] 代书博， 徐伟， 朴永杰， 等. 基于暗原色先验的遥感图像去雾方法[J]. 光学学报， 2017， 28（3）：348-354.

[3] KAI-MING HE， JIAN SUN， XIAO-OU TANG. Single image haze removal using dark channel prior，Pattern Analysis and Machine Intelligence， 2011. 33（12）：2341-2353

[4] 胡之惠， 孟银阔. 基于光照补偿和颜色统计的汽车牌照定位方法[J]. 计算机工程与设计， 2013， 10： 3568-3573.

[5] 禹晶， 李大鹏， 廖庆敏. 基于物理模型的速单幅图像去雾方法[J]. 自动化学报，2011，2： 143-149.endprint