一种雾霾天降质图像的清晰化算法

何惜琴

(闽南理工学院 电子与电气工程学院，福建 石狮 362700)

户外成像视觉系统常常遭受到雾霾天气的影响，降质图像易出现细节模糊难辨、饱和度下降等问题。近年来，单张雾霾图像的清晰化算法可以归纳为2类：无模型的增强算法[1-4]和有模型的恢复算法[5-7]。基于成像模型的恢复算法逐渐成为该领域的研究热点。文献[5]提出了暗通道设想，并且基于统计的结果验证了大多数无雾自然图像满足这一设想，结合成像模型对图像清晰化处理，取得出众的效果。文献[6]采用正则化估计透射率，并在文献[5]的基础上对环境光的计算方式进行改进。文献[7]使用深度学习的方式计算成像模型中的参数，对于一般自然图像均能够达到清晰化的目的。

本文结合雾霾天气条件下的成像模型求解未知参量，提出一种针对降质图像的清晰化算法。算法中使用最小值通道和开运算操作分别获取图像的边缘细节和亮度特征，结合双边滤波快速计算成像模型中的散射函数；通过远景区域内的直方图统计，提高环境光的计算效率。最终的清晰化结果恢复了图像色彩、增强了图像细节，对比文献[6]、文献[7]，效果有较大提升。

1 清晰化算法

1.1 雾霾天成像模型

当前常用的去雾算法研究中，雾霾天成像模型[8]可描述为：

I(x，y)=J(x，y)t(x，y)+A(1-t(x，y))，

(1)

式中：I(x，y)和J(x，y)分别表示雾化图像和消除雾气影响后的清晰化图像；t(x，y)为透射率，表示光线经空气介质传播时到达接收端的比例；A为环境光，一般设为常量。为了更好地描述光线散射作用导致景物细节的丢失和颜色特征的退化，定义散射函数：

V(x，y)=A(1-t(x，y))，

(2)

将式(2)代入式(1)中，可得到成像模型的另一种表达方式：

(3)

仅有I(x，y)为已知，需要根据图像自身含有的特征信息估计散射函数V(x，y)和环境光A，才能求取清晰图像J(x，y)。

1.2 散射函数的估计

根据雾天成像的过程中，景物色彩是对光能量的吸收和反射作用形成的，对于色彩丰富的场景，至少存在某一反射程度较低的分量，因此采用原始图像的3个色彩分量中的最小值估计散射函数，即：

(4)

(a)最小分量M(x，y) (b)开运算散射函数V(x，y)

该滤波器本质上是由幅值域滤波器和空间域滤波器2部分组成，其中幅值域滤波器作用于结构导向图，将其丰富的边缘信息提取出来，联合输入图像中的强度信息进行输出，滤波结果可表示为：

(5)

(6)

1.3 环境光估计和图像清晰化

在求得散射函数V(x)和环境光A的基础上，根据成像模型式(3)直接计算理想环境下的清晰结果：

(7)

式(7)引入去雾力度控制参数α∈[0，1]，可根据需要调整恢复图像的清晰程度。α=0时表示雾气完全保留；α=1时表示雾气完全去除，此时景物容易呈现偏暗和层次感较差的效果，一般需要留有一定余量的雾气，文中实验取α=0.9。

2 实验分析与对比

仿真实验所需的雾天降质图像均来自互联网，对降质图像1(如图2(a)所示)和降质图像2(如图3(a)所示)进行清晰化处理，并通过与文献[6]算法、文献[7]算法作比较来验证本文算法的可靠性与有效性。从效果上看，降质图像1、2受雾气影响的程度较大，出现细节模糊、对比度低以及颜色暗淡等现象，经过3种算法分别处理后，景物细节的清晰度得到提高，颜色得到增强。从实验对比中可以发现，文献[6]的算法造成了一定程度上的色彩偏离现象，如图2(b)所示；且景物的饱和度过高，如图3(b)中的马路所示；文献[7]算法的去雾不够彻底，处理后的图像视见度较差；本文算法获取的景物颜色更加纯正，清晰化程度更高，视觉效果更优。

(a)降质图像1 (b)文献[6]算法 (c)文献[7]算法 (d)本文算法

(a)降质图像2 (b)文献[6]算法 (c)文献[7]算法 (d)本文算法

用于客观评价的指标有标准差、信息熵和平均梯度，这3项指标的数值越大表明图像的清晰度越高。表1给出了评价的结果，从总体而言，本文算法的指标数据均占一定优势，这也意味着本文算法比文献[6]算法、文献[7]算法具有更高的对比度和更丰富的细节。

表1 客观指标评价

3 结论

本文设计了一种雾霾天降质图像的清晰化算法，显著提升了图像的视觉效果。首先采用最小值运算对散射函数进行粗估计，再通过开运算与联合双边滤波器实现精细化计算，最后统计远景区域的灰度直方图，快速获取环境光成分。仿真实验证明了本文算法能够有效消除雾霾影响，达到清晰化目的，且比其他算法具有一定优势。