基于改进暗通道先验的图像去雾算法

辛娇娇， 陈本豪， 郭元术， 张红丽， 高 洁

(长安大学 信息工程学院 陕西 西安 710000)

0 引言

计算机视觉系统如今广泛应用于各个领域，如交通监控、航天航空、医药工程等，这些应用场景都对采集的图像视觉质量要求较高。然而近年来，每到冬季我国的大部分地区经常出现大面积雾霾天气，恶劣天气严重影响着人们的日常出行和生产活动。尤其在雾霾条件下，自然光因光线在雾霾天气中被散射而使色调发生偏移[1]，获取的图像因此丢失了大量细节信息，导致拍摄出的图片出现对比度低、细节信息丢失、图像失真、可利用价值低等问题[2-3]，因此消除雾霾天气所导致的图像负面效果从而恢复出相应的无雾图像有着显著的研究意义和应用价值[4-5]。

目前，主流的去雾方法根据原理的不同可分为两类：一类是基于图像增强的方法，例如直方图均衡化、Retinex算法[6]、同态滤波、小波变换等，这类方法通过增强图像对比度，改善整体视觉效果，实现图像去雾，但是没有考虑雾天图像降质的本质问题，去雾效果不理想。另一类是基于物理模型的图像复原方法，例如Tan[7]根据有雾图像对比度普遍较低的先验条件使用最大化复原图像的局部对比度的方法进行去雾，得到的去雾图像存在过饱和的问题。Tarel[8]等假设在某个区域内，大气耗散函数逼近最大值，然后根据中值滤波估计其取值，因为在景深突变区域，中值滤波的去雾能力较弱，可能出现光晕现象。Fattal[9]通过独立成分分析的方法估计透射率，该方法对浓雾图像处理效果不好，而且不能处理灰度图像。目前，基于图像复原的主流去雾方法是基于He[10]的先验知识理论的去雾算法，根据暗通道先验理论估计出初始透射率，利用引导滤波算法优化初始透射率，从而达到去雾的目的。 但是当图像中出现大片天空、浓雾、白色、非均匀光照区域时，去雾效果不好，并且大气光强有时估值过高，导致去雾后图像色度偏暗。

针对这些问题，本文提出了一种基于暗通道先验理论，利用局部阈值分割图像和自适应参数优化相结合的去雾算法，该算法有效解决了浓雾、高亮、光照不均匀区域的去雾问题。同时去雾后的图像具有较好的清晰度以及较高的图像对比度，去雾鲁棒性好、精准性强，可有效实现去雾。

1 暗通道先验算法理论

1.1 基于暗通道的去雾算法

文献[10]通过对户外无雾图像进行大量的统计实验后，得到了一个客观的统计规律，即暗通道先验知识。该思想内容是：在绝大多数户外无雾图像的任意区域内，总有某些像素在某个颜色通道上有一个很小的值，这个值为0或者接近于0，称之为暗通道先验知识。对于暗通道的求解，首先需要将一幅彩色图像在RGB颜色空间中进行分解，并取其最小值，以便求得R、G、B三个颜色通道中最小分量通道，其公式为

(1)

式中：c表示R、G、B三通道的某个通道；Ω(x)表示以像素为中心点的局部区域；Jc(y)表示在Ω(x)区域中的某个像素值通道；Jdark(x)表示暗通道值，根据前文介绍在无雾图像中暗通道值是一个很小的值，其总是接近于0或者等于0。

(2)

晚明官箴书不仅在数量发生了骤增，而就单部官箴书的规模来说，相比于宋元及明代中前期，总体上也有所增大，出现了祁承爜《牧津》44卷、鲁论《仕学全书》35卷、陈龙正《政书》20卷、苏茂相《大明律例临民宝镜》16卷、吕坤《实政录》10卷[注]④《实政录》有三种版本：7卷本、9卷本、10卷本。、佘自强《治谱》10卷、曹璜《治术纲目》10卷等大部头官箴书，以及达50卷规模的丛书《官常政要》。

(3)

(4)

为了更直观地观察到去雾算法，将公式变形为

(5)

式(5)中，t0是为了避免透射率过小而设置的一个阈值，防止因t(x)太小而导致图像复原出现失真，经验值t0=0.1。

根据上述暗通道先验知识，对一些有雾图像能取得较好的去雾效果，但是并不能满足所有的情况。文献[10]取原图所对应暗通道内前0.1%最大像素点的值作为大气光强，而当一张图像中有大面积浓雾、亮白、非均匀光照区域时，会导致大气光强估计不准确。因为在这些区域，其暗通道值不为0或者不接近于0，很可能这些值都会很大，所以有雾图像中的暗元素是准确获取透射率的关键，然而在处理天空区域时，由于这部分区域几乎不包含暗元素，从而导致该区域的透射率估值小。因此有必要针对浓雾、亮白、天空和因雾霾影响造成的非均匀光照等区域改进算法，使得其大气光强、传输透射率鲁棒性更强，适用范围更大，去雾效果更好。

2 本文算法

针对上述问题，本文提出了一种基于改进的暗通道先验的自适应局部阈值分割和参数优化的去雾算法。该方法通过局部阈值精准分割图像，提高大气光强获取的准确度以及加权求取透射率来达到去雾效果。整个算法主要分为以下步骤：利用局部阈值的方法精准分割成二值图像；通过暗亮通道图求取自适应程度更高的大气光强；将大气光强作为阈值，求取加权的透射率，再通过引导滤波算法，得到细化的透射率；最后基于雾天图像降质模型反演出去雾图像。

2.1 局部阈值分割图像

阈值分割方法[11]是常用的图像分割[12]方法之一，本文采用局部阈值法，即用与像素位置相关的一组阈值对图像各区域分别进行有效分割，将图像划分为若干个小图像，先对分割的小图像进行处理，再将分割后的图像连接起来，就能有效完成整张图像的阈值分割。其具体步骤如下。

23.习近平在纪念马克思诞辰200周年大会上发表重要讲话指出，在人类思想史上，没有一种思想理论像马克思主义那样对人类产生了如此广泛而深刻的影响。马克思主义极大推进了人类文明进程，至今依然是具有重大国际影响的思想体系和话语体系。马克思主义对人类文明发展的深远影响，来自于它：

主观分析是以观察者对图像的认知作为评价标准，主要分为两种。

式中：Idl(x)为在暗亮通道图中的像素值。

3) 对每个子块图像分别进行阈值分割，并最终将子块合并到一起，进而完成整幅图像的分割。

赵雪梅 女，1989年9月出生于辽宁省阜新市，2012 年于辽宁工程技术大学获得学士学位，2017年于辽宁工程技术大学获得博士学位，现于中国科学院遥感与数字地球研究所做博士后研究工作，主要研究方向为遥感图像分割及基于深度学习的Landsat图像分类.

局部阈值的好处在于每个像素位置处的阈值不是固定不变的，而是由其周围邻域像素的分布来决定的，亮度较高的图像区域的二值化阈值通常会较高，亮度较低的图像区域的二值化阈值通常会较低。这样对于不同亮度、对比度、纹理的局部图像区域将会拥有相对应的阈值，最终有效分割出复杂背景图像的非亮白区域与亮白区域。

2.2 改进的加权大气光强

在本文前面内容，可以看到暗通道先验不适合大面积浓雾、亮白和非均匀光照区域，在这些区域中，暗通道值普遍较高，不满足暗通道先验理论。针对这些问题，在文献[12]的基础上提出了暗亮通道先验的算法。文献[13]提出了暗通道与亮通道的概念，该文献取通道的最大值，认为这些值接近于1或者等于1，称之为亮通道。当一幅图像中包含大面积的浓雾、亮白、非均匀光照区域时，这些区域符合上述特性，其像素通道值接近于1或者等于1。对于上述区域，本文提出了一种亮通道先验理论。

异位发酵床是独立于猪舍而建造的一种猪粪污处理设施，在多种类型的猪舍中也能获得良好的应用效果。在应用异位发酵床技术时，要求猪群不得与垫料直接进行接触，并需要在猪场外围进行异位发酵床的构建，通过管道将猪舍的粪污送到异位发酵床中，并对其进行统一发酵处理。此外，垫料的选择范围比较大，处理周期也相对比较灵活。若是进行有机肥的生产，则可以将发酵时间控制在45 d左右，在取出有机肥后，进行垫料的补充，以继续进行猪粪尿的处理。

(6)

则暗通道图中的最大像素值Id_max可表示为

(7)

亮白区域像素通道最大值的中值Lmedia为

根据暗通道先验知识，Jc(y)近似为0，式(2)可变形为

Lmedia=media[max(L(x))]，

(8)

改进的大气光强可表示为

A=kLmedia+(1-k)Id_max，

(9)

式中：k=m/M，表示亮白区域的权值。此时求得的大气光强更加精准且鲁棒性更强。

王世贞的《曲藻》虽然也以元人作品为曲体楷式，认为“‘暗想当年、罗帕上把新诗写’南北大散套，是元人作。学问才情，足冠诸本”[17](P34)，并标举主要作家如马致远、贯云石、关汉卿、张可久等人的才情、声律融汇之处，“富有才情，兼喜声律，以故遂擅一代之长，所谓宋词、元曲，殆不虚也”[17](P25)。但也以“大江以北，渐染胡语，时时采入，而沈约四声遂阙其一”[17](P25)来标识元代北曲实际并非《中原音韵》所述的“正音”。

更何况，国内的便利店人工成本所占比例不算高。以7-E leven为例，人工只占其营收的1.8%。而当下无人便利店用于识别货品和支付RFID标签，却面临高成本的问题。RFID标签每个成本约0.5元，这对于客单价平均10元的便利店而言是一笔不小的成本。声称通过新技术、新模式可以降低成本，实则增加了成本的何止无人便利店还有盒马鲜生。

2.3 暗亮通道先验算法

本文使用加权平均求取大气光强A的方法。将有雾图像设为I(x)，亮白区域为L(x)，像素总数为M，亮白区域像素数目为m，由前文可知雾天图像的暗通道为

根据前面内容描述的大气光强的特征，只要暗通道数值大于大气光强的区域，定义为亮通道区域，然后根据暗亮通道先验分别求得初始透射率，将这两个初始透射率进行区间判断，求得各自符合暗亮通道区域的初始透射率，同时对式两边取颜色通道最大值，可得

设计变更后，桩比原来的更深，桩径更大，原先使用的16台GPS—15型钻机不能满足施工要求，后调整为18台GPS—20型回旋钻机成孔。但每根桩成孔还需4~5天，清孔需2~3天，单桩完成需7天左右，远不能满足工期的要求。现场又增加了1台套AF—220旋挖钻机钻孔进行施工，该钻机施工速度快，平均一天成孔1~2孔，大大地加快了工程进度。

(10)

式中各参数所表示的内容与前面提到的相同。然后对式(10)两边求区域最大值，并且将Jlight(x)→1代入，也加入ω来保留少量的雾气来提高视觉上的真实性，可得

(11)

将式(11)与式(4)相结合，并根据前面求得的暗亮通道先验图和大气光强，最终求得的初始透射率tdl(x)为

(12)

2) 对每个子块图像分别计算其分割阈值。

如果用初始透射率处理有雾图像，反演出来的去雾图像在边缘处会有白色雾状现象产生，并且在中间的平滑区域也会有方块效应的出现。所以采用引导滤波[14]算法细化初始透射率，最终恢复出的无雾图像视觉上更加清晰自然。相较于暗通道先验求取的透射率，本文改进的透射率对大片的浓雾、亮白、非均匀光照区域去雾效果大为改进。

3 实验结果及性能分析

1) 绝对评价：以原始图像作为参考图像，以人的肉眼观察作为评价标准。

图1 实验图像Figure 1 Experimental image

3.1 主观分析

1) 将图像分为m块，其中各个子块图像面积可以不相等。

1.5 个人账户补缴，很多单位的退休职工对于退休的时间的确定有很多不确定的因素，很多职工的个人账户里会有缴费偏差的现象，因此需要根据实际情况，对缴费的情况进行整改。

实验所用软件为Matlab2016a,操作系统为64位Windows 10，硬件采用的处理器为英特尔第三代酷睿i5-3337U、CPU 1.80 GHz、4.0 GB内存。所用引导滤波窗口大小为r=60，滤波参数为esp=10-6。本文将用文献[10]的算法、文献[9]的算法、文献[6]算法与本文算法进行对比实验，选取了两张图片进行去雾效果比对，如图1 的(a)、(b)所示。

2) 相对评价：没有原始图像作为参考图像，以其他相关去雾算法的结果和本文算法进行对比。最终的去雾图如图2、3所示。

图2 高楼图像的相关去雾算法和本文算法的去雾效果对比Figure 2 Comparison of defogging algorithms for high building images

通过图2可以看出，文献[10]的算法天空区域呈现蓝色，文献[9]的算法天空区域过亮，且建筑出现蓝色，两者都出现较为明显的失真。文献[6]的算法天空区域呈现暗灰色，整体图像偏暗。相比较而言，本文算法图片恢复较好，失真度较小，图片清晰明亮，视觉效果最好。

图3 池塘图像的相关去雾算法和本文算法的去雾效果对比Figure 3 Comparison of defogging algorithms for pond images and defogging effects of the algorithms

通过观察图3可以得到，文献[9]算法的图像出现严重的失真，文献[10]算法和文献[6]算法去雾效果较好。但是文献[10]算法整体图像偏暗，文献[6]算法在水面部分和左上角建筑呈现黑色，图像出现少量失真。 相比较而言，本文算法在去雾后最大程度保留了原有色彩，失真程度最低，视觉效果最佳。

3.2 客观分析

主观分析因为不同的观察者、不同的图像类型、环境等有较大的感官差异，因此也需要根据客观分析对图像质量作出评价，本文将采用3种评价指标，分别是峰值信噪比、结构相似性、信息熵。

1) 峰值信噪比反映图像失真程度，其值越大，代表图像失真越小，即图像的质量越好。

2) 结构相似性的取值范围是[0,1],越接近于1，则表明二者结构相似性越高，失真也就越小，图像质量越好。

查阅了大量的参考文献不难发现，如今的建筑工程施工项目中安全事故的发生大多是因为没有对项目的安全管理[1]进行足够的资金投入，安全管理水平的低下极易造成不可控的生产安全事故，进而造成人员的伤亡。所以，构建一套科学且有效的安全管理模式就显得十分重要，而施工安全管理挣值法[2]是一种既可进行微观安全管理又可进行宏观安全控制的管理方法，同时还能够将安全控制所需要的成本降到最低。

3) 对图像而言，信息熵越大，表示图像的信息量越大，即图像细节越丰富。

图2、3的客观评价比较结果如表1所示。

表1 图像去雾后客观评比结果Table 1 Objective evaluation results after image defogging

对比高楼图像去雾评价指标可以看出，本文算法的信息熵略低于文献[11]的算法，但却提供了最高的峰值信噪比和结构相似性。说明此图中本文算法失真程度最小，去雾效果最为真实自然，这与主观评价结果一致。

我将创作草稿拍照，上传微信群，并说：“方法不难——拓展成上句，套改得下联。思考有个过程，句子离不开修改琢磨。”而后，我也试作三联晒在群里。

对比池塘图像去雾评价指标可以看出，虽然本文算法的信息熵略低于文献[6]的算法，但是通过观察文献[6]的去雾图像可以看出，其牺牲了图像的失真度来保持图像的信息量。综合来看，本文提供了最高的峰值信噪比和结构相似性，说明此图中本文算法失真程度最小。

（2）新兴材料纳标不及时。对于新兴材料的采标纳标要求，目前我国尚没有明确的成文规定。据有关资料显示，许多已经设计、研发、制造成功且技术成熟的新兴材料，多年来都没有纳入规范的行业及以上标准。如此一来，严重妨碍了产品生产制造过程中的质量控制和过程控制，阻碍了新材料的推广使用进程。

4 结论

针对已有的去雾算法不能有效解决含有大面积浓雾、亮白、非均匀光照区域等复杂背景图像，以及大面积的高像素值带来的大气光强估值不准确的问题，本文提出了基于改进暗原色先验的局部阈值分割和自适应参数优化的去雾算法。该算法有效解决了原有算法不适用于大面积浓雾、亮白、非均匀光照区域和去雾后图像偏暗的问题，去雾效果良好、图像对比度高、色彩明亮、边缘信息保持良好且在视觉效果上更加真实自然。