機(jī)場(chǎng)跑道圖像去霧增強(qiáng)技術(shù)研究

陳清早， 于　曦， 陳紹祥， 羅正華

(1.電信科學(xué)技術(shù)第五研究所， 四川 成都　610020；2.成都大學(xué) 信息科學(xué)與工程學(xué)院， 四川 成都　610106)

?

機(jī)場(chǎng)跑道圖像去霧增強(qiáng)技術(shù)研究

陳清早1， 于曦2， 陳紹祥2， 羅正華2

(1.電信科學(xué)技術(shù)第五研究所， 四川 成都610020；2.成都大學(xué) 信息科學(xué)與工程學(xué)院， 四川 成都610106)

摘要：隨著計(jì)算機(jī)視覺的發(fā)展，圖像去霧已成為計(jì)算機(jī)視覺的重要研究方向.在霧、霾等惡劣天氣下采集的圖像會(huì)由于大氣散射的作用而被嚴(yán)重降質(zhì)，其圖像對(duì)比度低，物體特征難以辨認(rèn)，此類圖像不僅視覺效果差、圖像觀賞性低、后期處理的難度加大，更甚者在特殊場(chǎng)景下，會(huì)帶來一些安全隱患.因此，圖像去霧增強(qiáng)就顯得尤為重要.本研究基于機(jī)場(chǎng)跑道霧天環(huán)境，對(duì)引入一定噪聲的引導(dǎo)濾波算法進(jìn)行改進(jìn)，實(shí)現(xiàn)圖像去霧增強(qiáng).實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的引導(dǎo)濾波無論是增強(qiáng)效果還是處理速度都有明顯優(yōu)勢(shì).

關(guān)鍵詞：去霧增強(qiáng)；引導(dǎo)濾波；改進(jìn)后的引導(dǎo)濾波

0引言

隨著計(jì)算機(jī)視覺系統(tǒng)的發(fā)展及其在軍事、交通以及安全監(jiān)控等領(lǐng)域的應(yīng)用，圖像去霧增強(qiáng)已成為計(jì)算機(jī)視覺領(lǐng)域的重要研究方向[1].在霧、霾之類的惡劣天氣下拍攝圖像時(shí)，由于受到大氣散射作用的影響，使圖像顏色偏灰白色，圖像的顏色和對(duì)比度會(huì)出現(xiàn)退化現(xiàn)象，物體特征難以辨認(rèn)，不僅使視覺效果變差，圖像觀賞性降低，還會(huì)影響圖像后期的處理，如機(jī)場(chǎng)跑道異物識(shí)別等.因此，需要圖像去霧增強(qiáng)技術(shù)來增強(qiáng)或修復(fù)，以改善視覺效果和方便后期處理.傳統(tǒng)的基于圖像處理的增強(qiáng)方法往往只能有限地提升降質(zhì)圖像的清晰度，由于忽略了圖像霧氣分布不均的事實(shí)，而以整體統(tǒng)一處理的方式去霧，致使圖像某些部分顯得不夠清晰，而某些部分卻因過度處理而失真.近年來，學(xué)者們致力于如何針對(duì)單幅降質(zhì)圖像，依據(jù)相關(guān)先驗(yàn)信息，采用基于大氣散射模型的復(fù)原方法以達(dá)到徹底去霧的效果[2].在眾多的此類方法中，基于暗原色原理的He方法和基于大氣耗散函數(shù)的Tarel方法最為引人注目，這兩種方法優(yōu)點(diǎn)突出且各具特點(diǎn)[3-5].在此基礎(chǔ)上，本研究根據(jù)He利用引導(dǎo)濾波代替軟摳圖進(jìn)行處理時(shí)的啟發(fā)，針對(duì)引導(dǎo)濾波算法引入大量噪聲，并對(duì)效率低的情況作了進(jìn)一步的改進(jìn).改進(jìn)后的引導(dǎo)濾波無論是處理效果還是處理效率都明顯優(yōu)于引導(dǎo)濾波.

1改進(jìn)的引導(dǎo)濾波

1.1引導(dǎo)濾波

引導(dǎo)濾波能夠較為廣泛地處理霧化的圖像.在濾波效果上，引導(dǎo)濾波和雙邊濾波差別不大，但細(xì)節(jié)方面，引導(dǎo)濾波較好.引導(dǎo)濾波最大優(yōu)勢(shì)在于用到了局部線性模型，可以寫出時(shí)間復(fù)雜度與窗口大小無關(guān)的算法，因此，在使用大窗口處理圖片時(shí)，其效率更高.假設(shè)原圖像(I)為引導(dǎo)圖像，圖像(p)為濾波輸入，圖像(q)為輸出，引導(dǎo)濾波原理如下：

像素點(diǎn)i處的濾波結(jié)果是被表達(dá)成一個(gè)加權(quán)平均，

(1)

假設(shè)導(dǎo)向?yàn)V波器在導(dǎo)向圖像I和濾波輸出q之間是一個(gè)局部線性模型，

qi=akIi+bkVi∈ωk

(2)

式中，ak與bk是最終需要的線性系數(shù)，在現(xiàn)實(shí)意義上，它們分別代表圖像的前景和背景顏色.為了確定這組線性參數(shù)，并滿足使得q與p的差別最小，將其轉(zhuǎn)化為優(yōu)化問題：

(3)

采用最小似然法解得：

(4)

(5)

(6)

1.2改進(jìn)的引導(dǎo)濾波

引導(dǎo)濾波的示意圖如圖1所示.

圖1引導(dǎo)濾波示意圖

在引導(dǎo)濾波的理論基礎(chǔ)上，考慮到系數(shù)a和b直接影響引導(dǎo)濾波的處理效率，本研究提出采用雙線性插值算法對(duì)系數(shù)a和b進(jìn)行縮放改進(jìn)，以提高處理的效率.

雙線型插值算法就是在垂直與水平2個(gè)方向進(jìn)行線性插值計(jì)算.

假設(shè)函數(shù)f(x)與函數(shù)上已知的4個(gè)點(diǎn)的值：Q11=(x1,y1)，Q12=(x1,y2)，Q21=(x2,y1)，Q22=(x2,y2)，在函數(shù)f(x)上點(diǎn)p=(x,y)，可通過線性插值近似求出.

首先，在x方向進(jìn)行線性插值，得到，

(7)

R1=(x,y1)

(8)

(9)

R2=(x,y2)

(10)

然后，在y方向進(jìn)行線性插值，得到，

(11)

R1=(x,y1)

(12)

R2=(x,y2)

(13)

式中，F(xiàn)(Q11)、F(Q21)、F(Q12)、F(Q22)分別代表輸入像素在相鄰4個(gè)子塊中均衡后的直方圖的灰度值，其系數(shù)分別表示輸入像素點(diǎn)到相鄰塊的距離.

由式(7)～(13)可以看出，利用雙線性插值計(jì)算，得到一個(gè)輸出像素的值，只需要進(jìn)行簡(jiǎn)單的乘法和加法運(yùn)算即可，算法復(fù)雜度遠(yuǎn)遠(yuǎn)小于一個(gè)子塊內(nèi)進(jìn)行的一次運(yùn)算.這樣，在引導(dǎo)濾波的過程中，就大大減少了運(yùn)算量，提高了運(yùn)算效率.

此外，根據(jù)引導(dǎo)濾波的原理[3]，求均值貫穿整個(gè)引導(dǎo)濾波過程，經(jīng)過引導(dǎo)濾波處理后，相當(dāng)于對(duì)圖像f濾波后(x)進(jìn)行了分塊均值化，因此，f濾波后(x)是一副比較模糊的圖像，失去了一些細(xì)節(jié).要實(shí)現(xiàn)增強(qiáng)效果，采用一個(gè)線性的組合，線性組合公式如下，

D=?S-f濾波后(x)」×a+f濾波后(x)×b

(14)

式中，D為增強(qiáng)后的圖像，S為原始圖像，a、b為整數(shù)，a、b的值可以根據(jù)圖像具體情況進(jìn)行調(diào)整變動(dòng)，如：a、b的值越大其圖像輪廓越清晰，但隨著a、b值的增大，其圖像會(huì)產(chǎn)生顏色失真.實(shí)驗(yàn)證明，控制a的值在[4,7]之間，b的值在[1,4]之間，獲得的圖像質(zhì)量最好.

由式(14)可以看出，由于原圖像S減去f濾波后(x)后乘以系數(shù)a的強(qiáng)化過程，導(dǎo)致引入了部分噪聲，而中值濾波是一種非線性平滑濾波，將每一像素點(diǎn)的灰度值設(shè)置為該點(diǎn)某鄰域窗口內(nèi)的所有像素點(diǎn)灰度值的中值，達(dá)到去噪的效果.因此，通過在引導(dǎo)濾波的基礎(chǔ)上加入了中值濾波，圖像增強(qiáng)效果有了一定的改善.

2仿真結(jié)果對(duì)比

為了驗(yàn)證本研究算法的有效性和實(shí)用性，在仿真實(shí)驗(yàn)中，采用MATLAB在Intel Core i5雙核處理器，4 GB內(nèi)存的PC機(jī)上對(duì)幾幅機(jī)場(chǎng)跑道霧天圖像進(jìn)行了對(duì)比性實(shí)驗(yàn).處理結(jié)果表明，改進(jìn)后的算法對(duì)在霧天條件下，機(jī)場(chǎng)跑道圖像清晰化處理都有明顯的效果且具有較高的處理效率.結(jié)果如圖2、圖3及表1所示.

由圖2、圖3可以看出，中值濾波對(duì)于霧天條件下，沒有很好的圖像去霧增強(qiáng)效果；引導(dǎo)濾波算法，對(duì)于霧天圖像有明顯的增強(qiáng)效果，但有少量噪聲；而經(jīng)改進(jìn)后的引導(dǎo)濾波(加入中值濾波的引導(dǎo)濾波)處理后的圖像輪廓更清晰、更平滑，視覺效果更好，去除了部分噪聲，得到良好的圖像去霧增強(qiáng)效果.

由表1可知，改進(jìn)后的引導(dǎo)濾波對(duì)于機(jī)場(chǎng)跑道霧天圖像不但有很好的增強(qiáng)效果，且處理速度快.

圖2場(chǎng)景1仿真圖

圖3　場(chǎng)景2仿真圖

3結(jié)論

通過分析和仿真實(shí)驗(yàn)，本研究提出的改進(jìn)引導(dǎo)濾波算法處理后的圖像輪廓更平滑，去霧增強(qiáng)效果更好，且算法簡(jiǎn)單效率高.在下一步的研究過程中，擬考慮硬件(DSP、FPGA)算法的移植，以達(dá)到工程應(yīng)用，使算法更具實(shí)用價(jià)值.

參考文獻(xiàn):

[1]郭王番,蔡自興,謝斌,等.圖像去霧技術(shù)研究綜述與展望[J].計(jì)算機(jī)應(yīng)用,2010,30(9):2417-2421.

[2]禹晶,徐東彬,廖慶敏.圖像去霧技術(shù)研究進(jìn)展[J].中國(guó)圖像圖形學(xué)報(bào),2011,16(9):1561-1576.

[3]He K，Sun J，Tang X.Singleimagehazeremovalusingdarkchannelprior[C]//2011IEEEConferenceonComputerVisionandPatternRecognition(CVPR2011).Colorado Springs,Colorado,USA:IEEE Press,2011.

[4]He K,Sun J,Tang X.Guidedimagefiltering[J].IEEE Trans Pattern Anal Mach Intell,2013,35(6):1397-1409.

[5]蔣建國(guó),侯天峰,齊美彬.改進(jìn)的基于暗原色先驗(yàn)的圖像去霧算法[J].電路與系統(tǒng)學(xué)報(bào),2011,16(2):6-11.

Research on Image Defogging Enhancement Technology for Airport Runway

CHENQingzao1，YUXi2，CHENShaoxiang2，LUOZhenghua2

(1.Fifth Institute of Telecommunications Science and Technology, Chengdu 610020, China;2.School of Information Science and Engineering, Chengdu University, Chengdu 610106, China)

Abstract：With the development of computer vision,image defogging has become an important research orientation in computer vision.Due to the atmospheric scattering function of image acquisition in fog,haze and some other adverse weather,the image quality can be seriously degraded.In doing so,image contrast is reduced so that it’s difficult to identify the characteristics of objects.On one hand,the visual effect is poor while on the other hand,the image is not good enough to be appreciated and meanwhile,the post processing will be negatively affected.Even on more special occasions,bad-quality image will bring some security risks,especially on the airport runway.Therefore,image defogging enhancement is particularly important.The paper,based on the foggy environment of airport runway,improves the guided filtering algorithm with some noise in order to enhance the image defogging.The experimental results show that the improved guided filtering has obvious advantages in both effects enhancement and the processing speed.

Key words：defogging enhancement;guided filtering;improved guided filtering

文章編號(hào)：1004-5422(2016)02-0147-03

收稿日期：2016-05-13.

基金項(xiàng)目：四川省科技廳科研計(jì)劃(2016RZ0070)、 成都市科技局科技惠民計(jì)劃(2014-HM01-00075-SF)資助項(xiàng)目.

作者簡(jiǎn)介：陳清早(1991 — )， 女， 碩士研究生， 從事計(jì)算機(jī)數(shù)字圖像處理技術(shù)研究.

中圖分類號(hào)：TP391.41

文獻(xiàn)標(biāo)志碼：A