雾霾天气图像去雾霾方法比较研究*

成晋军，张晓娟

(1. 山西大学商务学院 信息中心，山西 太原 030031；2. 山西大学商务学院 信息学院，山西 太原 030031)

1 问题的提出

雾霾天气下，由于悬浮在空气中的颗粒物积累形成霾，霾粒子的直径约在0.001 μm到10 μm之间，远远大于可见光的波长，此时，所有波长的可见光将被空气中的霾粒子均匀反射，这将导致雾霾天气拍摄到的照片灰蒙蒙的、不清晰、对比度低，将对智能图像识别产生很大的影响。

雾霾天气拍摄到的照片从视觉上来看对比度下降，如图1所示；从图像能量来看，图像的灰度主要集中在较高的一端，从而导致对比度低，如图2所示。

图1 雾霾天气图像

图2 雾霾天气图像直方图

2 雾霾天气图像去雾霾方法概述

针对雾霾天气拍摄的图像如何进行去雾的方法的研究主要可以从两个方面进行。一方面，针对雾霾图像能量集中于直方图一端的特点，对直方图进行图像的全部或只针对局部进行的均衡化。通过针对直方图进行均衡化的方法，使得雾霾天气图像中的像素的灰度值均衡分布，从而达到增强图像对比度、去除雾霾影响的目的。另一方面，从雾霾天气拍摄到的图像各个像素点之间的对比度相对较低的形成原因来考虑，与晴朗天气拍摄到的图像相比较，由于图像质量较差的原因是因雾霾天气的时候漂浮在空气中的形成雾霾的颗粒物相对较多，从而导致光线更多地被大气中的颗粒物所反射，以致雾霾天气拍摄到的图像的像素点之间对比度相对较低。如果能够通过一定的方法估算得到环境光线对图像的影响程度，即可计算得到在无雾霾天气下的图像效果。

3 基于图像处理的雾霾天气图像去雾霾方法

基于图像处理的图像去雾方法并不考虑雾霾导致图像降质的原因，而是从图像亮度直方图来考虑图像降质的原因，如文献[1]。

在Matlab中，可以通过函数imhist()来形成图像的直方图[2]。数字图像处理中，采用直方图像来描述图像中所有像素的灰度分布情况，通过直方图像可以看出图像中不同灰度等级的像素点的数目与它们之间的对比关系。通过如图2所示的雾霾天气图像可以看出，雾霾天气图像中的所有像素的灰度值较高，主要集中于0～255等级中接近最亮值255的部分，导致图像中像素点的亮度较高，像素点之间的对比度较低。为了提升图像中像素点的对比度，可以对直方图进行均衡化或将像素点间的对比度进行拉伸[3]。对直方图进行均衡化的方法如图3所示。

图3 图像的直方图均衡化

通过公式(1)可以得出原始的雾霾天气图像的直方图经过均衡化后各个像素的灰度值sk

(1)

我们在Matlab平台上使用上述提出的采用直方图均衡化的方法对雾霾天气图像进行去雾霾的方法进行了仿真，图4为经过基于图像处理的雾霾天气图像去雾方法后图1中的雾霾天气图像的去雾霾效果，图5为经过基于图像处理的雾霾天气图像去雾方法后图2中的雾霾天气图像的直方图。

图4 基于图像处理的图像去雾霾效果

图5 雾霾天气图像去雾后直方图

通过上述实验可以看出，使用直方图进行均衡化的方法对雾霾天气图像去雾霾有一定的效果，通过肉眼能够明显看出图像对比度的增强。

4 基于物理模型的雾霾天气图像去雾霾方法

基于物理模型的去雾霾方法则需要充分考虑到雾霾天气导致图像不清晰的物理成因。雾霾天气图像的物理模型表示为：

I(x)=J(x)t(x)+A(1-t(x)) .

(2)

式(2)中，x是像素点，I是雾霾天气图像，t是照相机拍摄到的光线的传播率，A是大气光线，J是去雾霾后的图像。

通过何凯明博士提出的暗原色先验DCP理论[4]，我们在Matlab平台上进行仿真实验，选取雾霾天气图像的三个通道中暗元素最多的通道中最亮的前0.2% 个像素点的R、G、B分量中的最大值来估算出A；将图像划分成2*2的小区域后，在这些小区域中求取最小的运算值，即可得到t。将这两个值带入公式(2)：

(3)

即可求得雾霾图像去雾霾的效果。

图6 基于物理模型的去图像雾霾效果

5 结束语

由于对于图像的质量没有统一衡量办法[5]，因而多数采用主观的方法进行评价。通过对比图4和图6不同的雾霾天气图像去雾霾效果的仿真图可以看出，图4中采用的基于图像处理的雾霾图像去雾霾方法并没有真正意义上进行图像去雾霾，而是仅仅从图像处理的方法出发对图像做了对比度的变化，只是眼睛看起来图像效果增强了；而图6中基于物理模型的图像去雾霾方法从雾霾天气图像形成的最根本原因考虑，最终去除了大气光对图像的影响，得到的效果更自然，真正做到了图像的去雾霾效果。

[1] 杨骥,杨亚东,梅雪,等.基于改进的限制对比度自适应直方图的视频快速去雾算法[J].计算机工程与设计,2015(1):221-226.

[2] 李佳童,章毓晋.图像去雾算法的改进和主客观性能评价[J].光学精密工程,2017,25(3):735-741.

[3] 肖进胜,高威,邹白昱,等.基于天空约束暗通道先验的图像去雾[J].电子学报,2017,45(2):346-352.

[4] 崔运前.图像去雾技术研究与实现[D].南京：南京理工大学,2017.

[5] 刘春辉,齐越,丁文锐.基于大气光鲁棒估计的无人机图像去雾方法[J/OL].北京航空航天大学学报,2017,43(6):1105-1111.