直方图均衡化影像雾霾去除及其质量评价

(成都理工大学 四川 成都 610059)

一、引言

雾霾天气下由于大气中微颗粒的散射作用，导致获取的图像亮度低、对比度差，图像中的物体特征难以分辨。近年来，雾霾天气持续时间越来越长，范围逐渐广泛。因此采用有效、快速的去雾方法使图像清晰化具有重要的理论指导和实际应用价值。直方图均衡化是一种最早也最常用的图像增强方法。全局直方图均衡化和局部直方图均衡化[1]有过度放大图像中相同区域噪声以及色彩失真的问题，有限对比度自适应直方图均衡化CLAHE[2][3]能有限的限制这种不利的放大。而基于HSV和基于HSI颜色模型直方图均衡化方法[4]是在CLAHE基础上，结合其颜色模型进行图像去雾。三种方法相比较，基于HSI颜色模型直方图均衡化方法去雾效果最佳。

二、直方图均衡化方法

直方图均衡化又称全局直方图均衡化，是广泛采用的一种图像增强技术。它使得处理后的图像灰度均匀分布，由此来提高图像的对比度。

(一)有限对比度自适应直方图均衡化算法

当图像某个区域中的像素值几乎相似时，其直方图就会呈现尖状，此时图像的整个像素范围会因直方图变换函数被一个小范围内的像素所映射。这将使得直方图均衡化在处理某些平坦区域时过度放大其少量噪声。有限对比度自适应直方图均衡化CLAHE针对每个相关区域都均使用对比度限幅，它能有效解决直方图均衡化的过度放大噪声以及局部色彩暗淡的问题。

CLAHE算法的基本思想：将输入的图像按需求分为若干个相关区域，然后对每个区域逐个进行直方图匹配，通过计算局部直方图，每个小区域都必须使用对比度限幅来重新分布亮度，增强局部细节，最后使用双线性内插法将相邻的区域拼接起来，得到处理后的图像。

CLAHE算法的局部直方图组成：相关区域内的直方图和相关区域外的直方图。

hK(r)=ahB(r)+(1-a)hC(r)

(2-1)

hB(r)是相关区域内的归一化直方图，hC(r)是相关区域外的归一化直方图，且0≤a≤1。想要模拟周围环境对小区域的影响，可以通过a来调节其局部直方图。

CLAHE直接针对图像R、G、B三个分量分别进行处理，然后再重新组合三个分量，重新组合后的图像相比较于原图像会在局部出现颜色失真等问题。

(二)基于HSV和HSI颜色模型直方图均衡化算法

基于HSV颜色模型直方图均衡化方法先把图像从RGB空间转换到HSV空间，再对其分量选择性的进行CLAHE处理，将处理后的新HSV分量转换到RGB空间重新组合成一幅新的彩色图像。相比较于RGB颜色模型，HSV颜色模型更类似于人类感觉颜色的方式。经过这种转换处理后，可以较好地解决有限对比度自适应直方图均衡化技术所导致的图像局部颜色失真的问题，使处理后的图像颜色更均匀。相比较于直方图均衡化方法，本方法计算过程简单快速，无需过多的浮点运算。

基于HSI直方图均衡化算法将增强明度V改为增强强度I,处理图像方法同HSV。

三、直方图均衡化影像质量评价方法

(一)影像的质量评价

影像质量评价分为主观评价和客观评价。主观评价是观察者根据自己的视觉感受对影像做出判断，客观评价方法给出一种或多种特定的、统一的、合理的度量指标来对遥感影像的信息量进行评价，它因不受个人主观意识的影响能公正的作出评价，这对处理后影像的价值评定方面尤为重要。

(二)常见的影像质量客观评价指标

1.信息熵：信息熵是遥感影像信息量最原始、最经典的度量标准，一般来说，图像信息熵越大,其信息量就越丰富，质量就越好。

2.均方误差MSE：处理过后图像的灰度值与原图像灰度值的差平方求和再平均。MSE值越小，表明图像质量越好。

3.峰值信噪比PSNR：PSNR与MSE本质上的相近的，它表示的是信源的最大功率和影响它的噪声功率的比值。PSNR值越大，表明待评图像与参考图像之间的失真较小，图像质量较好。

4.清晰度：影像的清晰度是指影像中的纹理和边界的清晰程度。影像清晰度越高，其纹理和边界越清楚，影像信息量质量越高。

四、直方图均衡化去雾霾实验及其质量评价

本次实验选用含有薄雾霾的图像，使用上述三种不同的直方图均衡化方法对其进行处理，并对其处理后影像质量进行评价。

(一)图像质量评价

1.主观评价。从图像的实验结果中可以看出，CLAHE图像局部暗淡的问题得到了很好的解决，但有些区域颜色略微的暗沉，相比较原图而言，有些失真的效果。基于HSV直方图均衡化和基于HSI图均衡化去雾技术对于图像局部颜色暗淡和失真等问题均有了较好的解决，且基于HSI直方图均衡化从视觉上更加清晰。

2.客观评价。计算原图以及用三种方法处理后图像质量评价指标，结果如下表所示：

表1 原图及处理后图像质量标价指标计算结果

从上表中原图像及处理后图像的计算结果可以看出：(1)经HSI处理后的图像与原图像相比，其信息熵最大，信息量最丰富，质量最好;(2)经HSI理后的图像与原图像相比MSE最小，PSNR最大，表明图像失真较小，图像质量最好;(3)经HSI处理后的图像与原图像相比，其清晰度最高，纹理和边界最清楚，影像信息量质量最高。

(二)结论

本次试验采用三种直方图均衡化算法对图像进行去雾处理，均取得了良好的效果。基于HSI颜色模型直方图均衡化算法与有限对比度自适应直方图均衡化以及基于HSV直方图均衡化方法相比较，算法复杂度相当。但无论主观评价还是客观评价实验结果表明，其去雾视觉效果以及评价效果均更佳。