基于二色散射模型的激光高速相机成像去烟雾

文/李运

在武器弹药测试方面经常需要对复杂环境下的目标进行拍摄，特别是一些成像条件恶劣的环境，例如雾霾天气、强烟雾目标等。由于存在烟雾的干扰，使捕获目标的图像品质很难满足需求。随着数字图像处理的发展，应用图像复原增强技术来处理此类问题成为一大热点。

图1：系统原理框图

图像复原通常根据图像的退化模型，采用相反的过程进行处理，以便恢复出原图像，一般采用各种反退化处理方法，如维纳滤波、中值滤波等。但大多数图像复原技术都需提前预知图像退化模型，对于拍摄过程不可重复的目标，很难提前预知其退化模型。故而基于单幅图像退化模型复原的图像处理技术逐渐成为人们关注的热点。

1 系统原理分析

图2：系统工作示意图

图3：数据处理前后对比图

该系统主要由激光照明光源、高速摄影相机、系统同步控制器、数据处理系统组成。系统运行时，由同步控制器控制高速摄影相机和激光照明光源协同工作，激光照明光源提供两组激光，绿光提供高亮度且亮度均匀的照明，近红外波段激光提供高透烟雾光源，高速摄影相机在微秒级的曝光时间内拍摄两组瞬态图像，将拍摄的图像数据交给数据处理系统，经图像融合得到初步去烟雾图像，结合二色散射复原模型得到去烟雾复原图像，再通过图像增强算法，最终得到清晰的图像。如图1所示。

2 理论分析

对于强烟雾中的物体，物体发出的光迅速衰减，而背景光随着物体到相机的路径增加而增加，利用这一特点获取目标景深信息。令深度d处景物点产生的背景光辐射为L(d,λ)，设相机的光谱相应为s(λ)，λ表示光的波长，g便是在景物点亮度和图像照度之间的比例常数，景物点的最终亮度为：

结合背景光模型可知，对任何给定路径长度d，背景光的辐射强度为：

将式（2）带入式（1）可知景物点最终的亮度为：

则景物深度可表示为：

p，q是标量，p表示直接传输的幅值，q表示背景光的幅值，R为清晰图像的辐射度，是背景的散射系数，d是场景点的深度。

从图像中选择一个背景区域，分别计算R、G、B图像平面该区域的亮度平均值

该区域的背景亮度平均值 ：

其中，m为选中背景区域像素点的总数，EiR、EiG、EiB为R、G、B图像平面区域内的亮度。令则表示背景光色度方向的单位向量 表示为：

其中，d为景物点深度，E'为景物点在原图像中的亮度，m1为决定整体亮度的调节参数，m2为决定亮度调节范围的参数，通过调节m1、m2、m3对复原后的图像进行调整，使复原增强后的图像效果更接近于无烟雾是实际场景图像。

3 实验研究

为了验证上述方法对去除烟雾影响的有效性，开展了相关的实验研究。首先对整个系统进行标定和校准，当飞行物体经过相机视场时，同步控制系统控制激光照明系统与高速摄影系统协同工作，绿光提供高亮度且亮度均匀的照明，近红外波段激光提供高透烟雾光源，高速摄影相机在微秒级的曝光时间内拍摄两组瞬态图像，将拍摄的图像数据交给数据处理系统，经图像融合得到初步去烟雾图像，经图像复原处理得到去烟雾复原图像，再通过图像增强算法，最终得到清晰的图像，系统工作的示意图如图2所示。

试验中对弹丸出膛瞬间图像进行捕获。图3为本文算法的效果对比图，其中图a为绿光波段下，高速相机拍摄的运动目标的瞬态图像；图b为双波段获得图像融合后的初步去烟雾图像；图c为经本文算法图像复原及图像增强后的去烟雾图像。对比3幅图像可以看出，在绿光可见光下拍摄的图像（图a）烟雾干扰严重，目标无法辨认。通过图像融合技术，将近红外波段与绿光可见光下拍摄的图像进行融合得到初步去烟雾图像（图b），相比图a有了一定的去烟雾效果，目标及参照物可辨认且细节信息有所提高。

在结合本文算法的图像复原和图像增强处理，得到最终的去烟雾图像（图c），分析可知去烟雾效果明显，目标及参照物信息清晰。

4 结论

通过前期图片采集和后期图像处理相结合的手段对无法预先得到退化信息的目标进行处理，可很好的去除烟雾影响、还原目标图像信息。实验结果表明：本文提出的方法在目标高品质图像获取方面效果显著，具有一定的参考价值。