图像去雾方法研究

何文超++郭盼++王国健

摘 要：论文介绍了当前单幅图像去雾方法，并着重阐述了大气散射物理模型中各参数的含义以及参数估计方法，采用暗元色先验理论对单幅图像去雾。实验结果表明，基于暗原色先验理论的图像去雾方法有效可行。

关键词：暗原色先验 去雾 图像处理

中图分类号：TP39141 文献标识码：A 文章编号：1672-3791（2017）10（a）-0250-02

雾造成的成像质量退化对人们的生产生活有着直接影响，图像的去雾是恢复图像可视性及可理解性的关键技术，也是图像处理领域的一个研究热点[1]。目前，图像去雾方法主要分为两种，一种是图像增强的方法，改善图像质量。其优点是相关的图像处理算法相对成熟，如直方图均衡化、小波算法等，增强图像对比度、突出图像特征信息。其缺点是会使图像失真。另一种是基于雾气物理退化模型的方法。其中有代表性的方法是基于暗原色先验的图像去雾方法。本文主要介绍暗原色先验的图像去雾算法。

1 暗原色先验图像去雾算法

1.1 大气物理散射模型

本文选用的是McCartney大气散射模型[2]作为物理模型。其表达形式如下：

（1）

式（1）中，I（x）是观测的有雾的退化图像；J（x）表示去雾后的恢复图像；t（x）表征光线穿透大气媒介的能力，即透射率；A是一个常量，表示全球大气光成分。

方程右侧第一项J（x）t（x）称作直接衰减项，描述的是景物反射的光线在传播介质中的衰减，第二项A[1-t（x）]表示周围环境的入射光经雾气散射后的光分量。根据此大气散射模型，只要估计出参数A、t（x），就能从观测图像I（x）中恢复出原图像J（x）。

1.2 暗原色先验原理

香港中文大学信息工程系的He等在2011年提出了暗原色先验规律[3]。通过对大量无雾图片的统计发现，在大多数无雾图像的非天空区域中，会存在大量的像素点，满足RGB通道中至少有一个通道的数据接近于0，称为暗原色。这就是暗原色先验规律。如式（2）：

（2）

其中，Jdark是暗原色，y是像素点的邻域Ω中的元素。

1.3 模型参数的估计

对于大气光成分A，可选取暗原色Jdark中的最大值作为全局估计值。此方法用全局估计值代替了图像的邻域估计值，大大节省了计算量。但当式（2）中邻域取值很小時，A的值取暗原色矩阵Jdark的值。

对式（1）中t（x）的参数估计，可按式（3）方法估计：

max（A） （3）

为了避免t（x）的值为0，引入一个非常小的变量ε，将透射率公式转变为：

1 （4）

本论文选取的ε取值为0.01。

根据估计出的A和t（x），以及公式（1），即可得到去雾后的恢复图像为：

（5）

2 实验结果及分析

用论文中的方法，对含有薄雾的图像进行处理。其中，邻域大小取15×15，结果见图1～5。

图1为含雾图像，图2为透射率t（x）的图像，图3为采用15×15邻域的去雾图像。

图4与图5所得到的恢复图，是在计算暗元素时，式（2）中的Ω取单个像素点得到的。而图4中的A取暗原色Jdark的最大值，图5中的A等于Jdark。由此可知，当估计Jdark时若取单个像素点时，可以避免图像的邻域计算，减少计算量。此时的A取值等于Jdark效果较好。图3与图5相比，采用15×15邻域恢复的图像效果较好，色彩失真较小。而图5中，雾气较重的区域恢复后会变得明亮，但计算量较小。

参考文献

[1] 何晓军，乔寅.基于暗原色的单一图像去雾算法的研究[J].计算机应用研究，2014，31（1）：304-306.

[2] Wang Weixing，Xiao Xiang，Chen Liangqin.Image dark channel prior haze removal based on minimum filtering and guided filtering[J].Optics and Precision Engineeri-ng，2015，23（7）：2100-2108.

[3] He K，Sun J，Tang X.Single image haze removal using dark channel prior[J].IEEE Transactions on Pattern Analysis and Machine Interlligen-ce，2011，33（12）：2341-2353.endprint