霧霾天氣下降質(zhì)圖像的清晰化處理*

宋曉敏，趙紅東，盧 俏，夏士超，席瑞媛，李夢宇，肖夢琪(河北工業(yè)大學(xué)電子信息工程學(xué)院,天津300401)

?

霧霾天氣下降質(zhì)圖像的清晰化處理*

宋曉敏，趙紅東**，盧 俏，夏士超，席瑞媛，李夢宇，肖夢琪
(河北工業(yè)大學(xué)電子信息工程學(xué)院,天津300401)

Foundation Item:The Natural Science Foundation of Hebei Province(F2013202254)

**通信作者:zhaohd@ hebut. edu. cn Corresponding author:zhaohd@ hebut. edu. cn

摘 要:針對霧霾天氣條件下大氣散射和懸浮顆粒物引起的圖像對比度、清晰度降低問題,提出通過采用獨立分量分析(ICA)算法分解圖像中具有相互獨立分量的混合像元,估計圖像有用信息分量。因乘性噪聲信息的存在,會導(dǎo)致估計的圖像有用信息有一定的偏差；采用基于噪聲檢測的局部自適應(yīng)中值濾波對估計的圖像有用信息進(jìn)行了進(jìn)一步校正。實驗結(jié)果證明:新算法能有效去除霧霾,提高圖像的清晰度和對比度。

關(guān)鍵詞:霧霾圖像處理；去霧；獨立分量分析；噪聲檢測；自適應(yīng)中值濾波

1 引 言

霧霾天氣嚴(yán)重影響人們的工作生活,在智能車輛監(jiān)控、視屏監(jiān)控、道路交通等方面尤其明顯。為有效提取圖像目標(biāo)信息,禹晶等[1]提出暗原色先驗去霧算法,依據(jù)戶外無霧圖像的統(tǒng)計規(guī)律建立去霧模型,估計出霧霾濃度,實現(xiàn)對圖像的去霧處理,但在建立去霧模型時無法準(zhǔn)確估計物體的透射率,導(dǎo)致去霧效果不佳。胡媛媛[2]提出在HSI(Hue-Saturation-Intersity)空間上采用局部直方圖均衡化法實現(xiàn)圖像的清晰化處理,雖然能保護(hù)圖像部分邊緣細(xì)節(jié)信息,但存在色彩失真問題。梁天全等[3]提出了一種基于偏振信息的去霧算法,通過合成不同偏振旋轉(zhuǎn)方位角度圖像實現(xiàn)圖像的去霧處理,因表面光滑目標(biāo)反射光的偏振特性較強(qiáng),會造成建立的圖像合成模型出現(xiàn)偏差。

對圖像進(jìn)行去霧處理的目的是提高圖像的對比度和減少場景顏色偏移。目前對圖像去霧算法的研究主要是基于圖像復(fù)原和圖像增強(qiáng)的[4],不能實現(xiàn)對景深和邊緣細(xì)節(jié)信息的精確處理。因此,本文從分解圖像混合像元的角度出發(fā),提出了一種基于獨立分量分析和自適應(yīng)中值濾波的圖像去霧算法。獨立分量分析算法在盲信號分離、通信、人臉識別中得到了廣泛的應(yīng)用,但其在圖像去霧方面的應(yīng)用還相對較少。實驗證明,獨立分量分析算法能夠?qū)崿F(xiàn)對圖像混合像元的分離,獲取圖像有用信息。由于霧霾圖像中包含的噪聲并不全部是獨立的,分離出的圖像有用信息中仍包含噪聲,對此,本文采用基于噪聲檢測的自適應(yīng)中值濾波算法抑制這些噪聲。

2 算法的基本原理

2. 1 獨立分量分析算法

獨立分量分析是從多元統(tǒng)計數(shù)據(jù)中尋找其內(nèi)在成分或因子的一種方法[5]。它是在遵循統(tǒng)計獨立原則的前提下,使用優(yōu)化算法,把多維觀測信號分解成多個相互獨立的成分,而這些獨立成分是對信號源近似的估計[6]。獨立分量分析的模型可描述為:經(jīng)過線性系統(tǒng)A,n個未知的獨立的源信號s(t)= [s1(t),s2(t),…,sn(t)]T混合在一起,得到m個觀測信號x(t)= [x1(t),x2(t),…,xm(t)]T,觀測信號與源信號之間滿足:

式中:A是一個未知的m×n維的矩陣;在m≥n的前提下,當(dāng)源信號s(t)的各個分量之間相互獨立,混合矩陣A為列滿秩時,可求得一個分離矩陣w,使得

式中:y(t)是對源信號的估計。

為求解分離矩陣w,需要設(shè)置一個目標(biāo)函數(shù)對信號的非高斯性進(jìn)行極大化處理。峭度可實現(xiàn)對信號非高斯性的度量[7],峭度kurt(y)的定義為

對觀測信號去均值和白化處理之后后,可將公式(3)簡化為

均值化處理是通過將每個像素點減去均值實現(xiàn)的,白化是通過主成分分析變換實現(xiàn)的,對式(4)表述的目標(biāo)函數(shù)求梯度并簡化,得

在約束條件‖w‖=1下,式(5)簡化為

使用固定點迭代法即

對權(quán)值w0進(jìn)行初始化,既而求得分離量w的第P個解為

2. 2 基于噪聲檢測的自適應(yīng)中值濾波

為有效抑制圖像噪聲,需要對圖像進(jìn)行噪聲檢測[8]。假設(shè)待檢測像素點的灰度值I(i,j),以該像素點為中心構(gòu)建5×5的噪聲檢測窗口,噪聲檢測窗口中平均值為M,如果檢測點的灰度值I(i,j)與M的差值大于閾值Td,并且等于檢測窗口的最小值Min或者最大值,即

則被認(rèn)為是噪聲點。其中:Td是設(shè)置的噪聲檢測閾值。

將檢測出的噪聲點進(jìn)行標(biāo)記,待檢查完所有的像素點后,將標(biāo)記的噪聲點灰度值設(shè)為1,設(shè)置濾波最小窗口5×5對圖像進(jìn)行自適應(yīng)中值濾波。自適應(yīng)中值濾波包括兩部分,第一部分為

第二部分為

式中:Zmed、Zmin和Zmax分別是濾波窗口所有像素的中值、最小值和最大值;Zxy為濾波窗口中某一像素的值。

當(dāng)A1＞0、A2＞0時,則轉(zhuǎn)到第二部分,反之,增加濾波窗口尺寸[9];重復(fù)第一層,否則輸出Zmed;當(dāng)B1＞0、B2＞0時,就輸出Zij,否則輸出Zmed。

3 實驗分析與結(jié)論

為驗證本文算法的有效性和可靠性,本文選用了景區(qū)圖像進(jìn)行實驗,為這兩幅圖像人為添加不同的加性噪聲和乘性噪聲。

首先將兩幅帶不同噪聲的圖像作為觀測圖像輸入,并對圖像進(jìn)行均值化和白化處理以方便后續(xù)處理,處理后圖像的各分量非相關(guān)的。對處理之后的圖像進(jìn)行獨立分量分析變換,實現(xiàn)圖像混合像元的分離,求得解混矩陣w,w就是求解的噪聲信息分量和圖像有用信息分量矩陣。用獨立分量分析變換分解的各個分量在獨立的狀態(tài)下,每個分量的非高斯性是最大的,此時分離的去噪分量的誤差是最小的,實現(xiàn)了對圖像加性噪聲的抑制。

但由于人為添加了乘性噪聲,對圖像有用信息的估計存在一定偏差,采用上述的基于噪聲檢測的自適應(yīng)中值濾波對估計的圖像有用信息分量進(jìn)一步去噪處理。圖1給出了新算法提取的圖像有用信息分量結(jié)果。為進(jìn)行對比,實驗中也給出了HSI空間的局部直方圖均衡化算法的去噪結(jié)果,如圖2所示。

圖1 景區(qū)圖像處理結(jié)果Fig. 1 Processing results of the scenic image

圖2 景區(qū)圖像的直方圖曲線擬合圖Fig. 2 Histogram curve fitting of the scenic image

從圖1和圖2中可以看出,文獻(xiàn)[2]采用的基于HSI空間的局部直方圖均衡化法的去噪效果相對較差,其在消除噪聲的同時還消除了圖像部分邊緣細(xì)節(jié)信息,圖像色彩也存在失真現(xiàn)象。而本文所提算法不但能保護(hù)圖像邊緣細(xì)節(jié)信息,還避免了圖像色彩失真。為客觀描述算法的可靠性,定義了均方誤差(Mean Square Error,MSE):

式中:f(i,j)為清晰圖像矩陣;^f(i,j)為去噪后的圖像矩陣;M×N為圖像矩陣大小。

表1 均值方差評價景區(qū)圖像處理效果Tab. 1 Evaluation of the scenic image processing based on mean variance

從表1中可看出,對添加的相同乘性噪聲和加性噪聲,基于HSI空間的局部直方圖均衡算法的圖像和清晰圖像之間的誤差較大。由圖2可知,本文算法去噪之后的圖像直方圖擬合結(jié)果幾乎和清晰圖像的相同,去噪效果較好。

霧霾圖像中具有包含圖像有用信息和加性噪聲信息分量的混合像元以及乘性噪聲,可將新算法應(yīng)用到圖像去霧中。用于獨立分量變換的觀測圖像是兩幅用同一照相機(jī)在同一位置于2014年2月12日的不同時間點拍攝的帶霧濃度不同的圖像,圖3為本文算法分離的圖像有用信息以及文獻(xiàn)[2]采用算法對兩幅霧霾圖像的處理結(jié)果。

圖3 霧霾圖像處理結(jié)果Fig. 3 Processing results of the haze image

表2 均方誤差評價圖像去霧效果Tab. 2 Evaluation of the haze image processing based on mean variance

圖4 霧霾圖像直方圖擬合曲線圖Fig. 4 Histogram fitting curve of the haze image

從圖3、圖4和表2可知,新算法能夠?qū)崿F(xiàn)對霧霾圖像混合像元的分解,獲取圖像有用信息分量,實現(xiàn)了對加性噪聲和乘性噪聲的抑制,圖像去霧效果較好。

仿真結(jié)果表明:本文提出的基于獨立分量分析和自適應(yīng)中值濾波新算法去噪性能優(yōu)于基于HIS空間的直方圖均衡化算法,其在景深與圖像邊緣細(xì)節(jié)信息的處理上更加精細(xì)。

參考文獻(xiàn):

[1] 禹晶,李大鵬,廖慶敏.基于物理模型的快速單幅圖像去霧方法[J].自動化學(xué)報,2011,37(2):143-149. YU Jing,LI Dapeng,LIAO Qingmin. Pysics-based fast single image fog removal [ J]. Acat Automatica Sinica, 2011,37(2):143-149. (in Chinese)

[2] 胡媛媛.霧霾圖像清晰化處理算法的研究[D].南京:南京理工大學(xué),2014. HU Yuanyuan. Research on clearness process of haze image [ D]. Nanjing: Nanjing University of Science and Technology,2014. (in Chinese)

[3] 梁天全,趙強(qiáng),孫曉兵,等.霧霾天氣條件下偏振遙感圖像復(fù)原研究[J].武漢大學(xué)學(xué)報(信息科學(xué)版), 2014,39(2):244-247. LIANG Tianquan,ZHAO Qiang,SUN Xiaobing,et al. Research on image restoration by polarized remote sensing through haze[J]. Geomatics and Information Science of Wuhan University,2014,39(2):244-247. (in Chinese)

[4] 李權(quán)合,畢篤彥,許悅雷,等.霧霾天氣下可見光圖像場景再現(xiàn)[J].自動化學(xué)報,2014,40(4):744-750. LI Quanhe,BI Duyan,XU Yuelei,et al. Haze degraded image scene rendition[J]. Acat Automatica Sinica,2014, 40(4):744-750. (in Chinese)

[5] 朱文龍,周建中,肖劍,等.獨立分量分析–經(jīng)驗?zāi)B(tài)分解特征提取在水電機(jī)組振動信號中的應(yīng)用[J].中國電機(jī)工程學(xué)報,2013,33(29):95-102. ZHU Wenlong,ZHOU Jianzhong,XIAO Jian,et al. An ICAEMD feature extraction method and its application to vibration signals of hydroelectric generating units[J]. Proceedings of the CSEE,2013,33(29):95-102. (in Chinese)

[6] YANG J,CHENG Q M. A comparative study of independent component analysis with principal component analysis in geological objects identification,Part I:simulations[J]. Journal of Geochemical Exploration,2014,149(11):127-135.

[7] 湯寶平,董紹江,馬靖華.基于獨立分量分析的EMD模態(tài)混疊消除方法研究[J].儀器儀表學(xué)報,2012,33 (7):1477-1482. TANG Baoping,DONG Shaojiang,MA Jinghua. Study on the method for elimination mode mixing of empirical mode decomposition based on independent component analysis [J]. Chinese Journal of Scientific Instrumen,2012,33 (7):1477-1482. (in Chinese)

[8] 陳健,鄭紹華,余輪,等.基于方向的多閾值自適應(yīng)中值濾波改進(jìn)算法[J].電子測量與儀器學(xué)報,2013,27 (2):156-161. CHEN Jian,ZHENG Shaohua,YU Lun,et al. Improved algorithm for adaptive median filter with multi -threshold based on directional information[J]. Journal of Electronic Measurement and Instrument,2013,27 (2):156 -161. (in Chinese)

[9] 申俊琦,胡繩蓀,馮勝強(qiáng).自適應(yīng)中值濾波在焊縫視覺跟蹤中的應(yīng)用[J].焊接學(xué)報,2011,32(3):57-60. SHEN Junqi,HU Shengsun,FENG Shengqiang. Application of adaptive median filtering in vision seam tracking [J]. Transactions of the China Welding Institution,2011, 32(3):57-60. (in Chinese)

宋曉敏(1990—),女,河北保定人,碩士研究生,主要研究方向為遙感圖像處理;

SONG Xiaomin was born in Baoding,Hebei Province, in 1990. She is now a graduate student. Her research concerns remote sensing image processing.

Email:xiaomin127@126. com

趙紅東(1968—),男,天津人,教授、博士生導(dǎo)師,主要研究方向為光電信息處理、遙感圖像處理、網(wǎng)站開發(fā);

ZHAO Hongdong was born in Tianjin,in 1968. He is now a professor and also the Ph. D. supervisor. His research concerns optical information processing,remote sensing image processing and website development.

Email:zhaohd@ hebut. edu. cn

盧 俏(1988—),女,河北保定人,碩士研究生,主要研究方向為遙感圖像處理;

LU Qiao was born in Baoding,Hebei Province,in 1988. She is now a graduate student. Her research concerns remote sensing image processing.

夏士超(1988—),女,河北保定人,碩士研究生,主要研究方向為嵌入式圖像處理;

XIA Shichao was born in Baoding, Hebei Province, in 1988. She is now a graduate student. Her research concerns embedded image processing.

席瑞媛(1990—),女,河北張家口人,碩士研究生,主要研究方向為網(wǎng)站開發(fā)。

XI Ruiyuan was born in Zhangjiakou,Hebei Province,in 1990. She is now a graduate student. Her research concerns website development.

李夢宇(1990—),女,河北人,碩士研究生,主要研究方向為圖像處理;

LI Mengyu was born in Hebei Province,in 1990. She is now a graduate student. Her research concerns image processing.

肖夢琪(1994—),女,河北人,主要研究方向為圖像處理。

XIAO Mengqi was born in Hebei Province,in 1994. Her research concerns image processing.

Clearness Processing of Haze-degraded Images

SONG Xiaomin,ZHAO Hongdong,LU Qiao,XIA Shichao,XI Ruiyuan,LI Mengyu,XIAO Mengqi
(School of Electronic Information Engineering,Hebei University of Technology,Tianjin 300401,China)

Abstract:The contrast and clarity of images are reduced in the hazy weather because of the atmospheric scattering and the suspended particulate matter. The independent component analysis(ICA) algorithm is used to estimate the useful information of image by disintegrating the mixed pixels which include many independent components. The adaptive median filter algorithm with noise detection is employed to eliminate the multiplicative noise information. Experimental results show that the new algorithm can meet the defogging goal and improve the contrast and clarity.

Key words:haze imaging processing;defogging;independent component analysis;noise detection;adaptive median filter

doi:10. 3969/ j. issn. 1001-893x. 2016. 02. 018引用格式:屈文星,楊文革,張若禹.雙天線旋轉(zhuǎn)目標(biāo)微多普勒特征分析[J].電訊技術(shù),2016,56(2):212-217. [QU Wenxing,YANG Wenge,ZHANG Ruoyu. Micro-Doppler signatures analysis of spinning target with double-antenna[J]. Telecommunication Engineering,2016,56(2):212-217. ]

作者簡介:

中圖分類號:TP751

文獻(xiàn)標(biāo)志碼:A

文章編號:1001-893X(2016)02-0208-04

基金項目:河北省自然科學(xué)基金資助項目(F2013202254)

*收稿日期:2015-06-10;修回日期:2015-09-24 Received date:2015-06-10;Revised date:2015-09-24