暗原色雾天图像增强方法改进

曹 维 祥

(六安职业技术学院， 安徽 六安 237158)

在雾天环境下获得的图像往往具有景物不清楚、对比度较低、颜色暗淡等缺陷[1]。基于图像增强思想的非模型方法和基于图像恢复思想的大气退化模型的方法，是目前针对雾天图像去雾的2种主要清晰化处理方法。有雾图像通常具有低对比度和低亮度的特征，对此采用相应的增强处理方法，属于图像增强范畴。图像增强时按不同场景突出图像中的特定信息，并削弱或者去除图像中某些不需要的信息，一般不考虑其退化原因。这种处理的主要目的是，使处理后的图像更适合人类的视觉特性或机器的识别系统，但有可能损失一些其他信息[2]。图像复原通常是据图像物理成因分析大气散射作用的影响，并建立对应模型，找出图像退化的原因；同时，依据退化过程的先验知识，结合相应的退化数学模型，进行反向推演处理，最终重建或恢复退化前的图像。图像复原的过程基本上是一个探索的过程，利用各种模型的限制信息提高图像质量，直到接近真实无雾的图像为止[3]。

目前，针对图像去雾的算法研究通常利用多幅图像来实现增强处理。但长远来看，不需要大气条件和景深等辅助信息的单幅图像去雾应用，因限制条件少，具有更为广阔的应用场景，成为热门的研究新方向[4-7]。本次研究将针对图像暗原色先验去雾算法的不足，提出改进方法。

1 原去雾模型

散射的物理本质非常复杂。1975年，McCartney提出了大气散射模型[5]，该模型主要部分是衰减模型和环境光模型。衰减模型描述了光波从场景反射点传播到观测点间的削弱过程。景物反射光中的一部分会因为大气中微粒的散射作用而改变方向，这样造成最终只有一部分景物反射光能到达观测点。光路上的大气微粒同样会反射或折射周围环境的光，可视其为大气产生的光源；光源中部分光会沿着其他路线射向观察者，而且这部分光照通常较为均匀，称为环境光。环境光经过大气中微粒的散射作用后，会影响到观测点接收到的光强。环境光经过散射后，只有部分光线会到达观察点。

雾天情况下，观测者接收到的点光强，由场景点经过衰减到达观测点的光强和周围环境光到达观测点的光强组成。雾天光强的物理模型为：

I(x)=J(x)t(x)+A[1-t(x)]

(1)

式中：I为观测图像的光线强度；t为透射率；J为景物光线的强度；A为无穷远处大气光的值。去雾的目标就是从I中复原J。

Kopf等人利用了3D模型和景物的纹理贴图，这些附加信息来自Google Earth和一些卫星图片，取得了很好的效果[6]。此方法对于一般户外景物中没有三维信息，或者无雾且浓度不均匀的图像无法处理。He等人对户外无雾图像数据库进行了统计分析，提出一种单一图像暗原色先验去雾方法[7]。该方法简单有效，去雾处理效果更强。暗原色先验法基于观察经验总结而成：绝大多数户外无雾图像的局部区域中，总会有某些像素至少存在一个颜色通道低值。统计结果和最终的暗原色图像子块都证实了暗原色的有效性。暗原色数值可以用Jdark表示：

(2)

式中：Ω(x)是以x为中心的一块方形区域值；Jc为J的某颜色通道值。统计数据显示，Jdark的强度总是很低并且趋近于0：

(3)

假设大气光A值已知， 将式(2)代入式(1)并取最小运算，可简单估算出透射率t：

(4)

(5)

式中：L为抠图拉普拉斯矩阵；U为单位矩阵；λ为修正参数。

根据完善后的透射函数，可以通过式(6)计算并得到去雾后的图像：

(6)

式(6)中大气光A主要受天空亮度的影响，造成大气光A偏差的因素有白色汽车、白色建筑等。大气光A计算方法是：首先取暗原色中亮度最大的0.1%的部分像素，再将这些像素对应于原图I中的最大值作为大气光A的值[8]。图1、图2分别是文献[7]中一幅有雾图像及其复原图像。

图1 有雾图像

图2 复原图像

文献[7]中，使用软抠图粗略地修复整幅图像的透射率。经过处理后的透射率分布弥补了尖锐边缘的不连续性，也能较好地勾勒出物体的轮廓；但是软抠图算法的缺陷是，耗费了太多的计算机内存和计算时间。图2显示，处理后的图片中去雾并不彻底，并且复原图像中有部分失真现象。本设计中将尝试解决这些问题。

2 改进算法

有雾图像中含有大气光的分量，导致暗像素的强度值受大气光分量影响而变高。暗原色先验的去雾方法是对基于雾天图像的物理模型进行反变换，将原本不满足暗原色规律的有雾图像处理成满足暗原色规律的图像，这样变换后的图像中某些像素的灰度值就会变为0。

找出变换后像素灰度值可能为0的点，取名为“置信点”，标记为z。置信点一定是某个局部区域内像素某通道灰度值最小的点，可用式(7)表示：

(7)

式中：z为y区域中的点，其坐标为(i,j)。图3所示为一幅图像置信点的分布图，其中置信点为图中白色部分。

图3 置信点分布图

这些置信点位置像素的暗通道数值最终会被还原成0，而其他非置信点的还原数值为未知。由于位置相近的点近似为同一个物体，所以其透射率近似相等。观察置信点分布图，发现一幅图中的置信点分布较均匀，每块小区域都存在多个置信点，所以可以将非置信点位置的透射率用最近置信点位置的透射率来代替，进而得到整幅图的透射率，最后得到复原图像。图4所示为改进算法的流程。

对本次改进算法与文献[7]算法进行实验对比。图5所示为复原图像效果对比。图中，左边一组图像为原始的雾天退化图像，中间一组图像为文献[7]去雾复原结果，右边一组图像为改进算法复原图像。从中可以看出，改进算法恢复的细节部分增强效果明显，尖锐突出部分的边缘细节保持更加准确。

图4 改进算法的流程

图5 复原图像效果对比

3 结 语

针对暗原色先验去雾算法，提出了改进算法，有效提高了估算传输图的精度。但实验中发现，改进算法尚存在一定的局限性，如：在没有天空区域时，或图中有面积较大白色物体，会使大气光A值估计存在偏差；在有孔状物体或半透明面时，去雾效果不明显。所提算法仍需进一步优化。

[1] ROBBY T T, NIKLAS P, LARS P.Visibilit yenhaneement for roads with foggy or hazy scenes[C]Proeeedings of IEEE Inielligent Vehieles SymPosium.Canberra, Australian：[s.n.]，2007: 19-24.

[2] 赵莹.基于单幅图像的去雾算法研究[D].天津：天津大学，2006:1-10.

[3] 胡学友.雾天降质图像的增强复原算法研究[D].合肥：安徽大学，2011:10-20.

[4] 陈功,王唐,周荷琴.基于物理模型的雾天图像复原新方法[J].中国图象图形学报, 2008, 13(5): 885-893.

[5] MCCARTNEY E J.Optics of the atmosphere: scattering by molecules and particles[M].New York: John Wiley and Sons, 1976:10-20.

[6] KOPF B,NEUBERT B C, et al.Deep photo: model-based photograph enhancement and viewing [J].ACM Transactions on Graphics, 2008, 27(5):1-10.

[7] HE K M,SUN J,TANG X O.Single image haze removal using dark channel perior[J].IEEE Transactions on Pattern Analysi and Machine Intelligence, 2011, 33(12): 2341-2353.

[8] 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): 7-12.