基于改進暗通道先驗?zāi)Ｐ偷倪b感圖像去霧算法

李校林，王屈橋，燕歷科

(1.重慶郵電大學(xué) 通信新技術(shù)應(yīng)用研究中心，重慶 400065；2.重慶重郵信科集團股份有限公司，重慶400065)

基于改進暗通道先驗?zāi)Ｐ偷倪b感圖像去霧算法

李校林1，2，王屈橋1，燕歷科1

(1.重慶郵電大學(xué) 通信新技術(shù)應(yīng)用研究中心，重慶 400065；2.重慶重郵信科集團股份有限公司，重慶400065)

無人機航拍技術(shù)因其諸多優(yōu)勢，已被應(yīng)用在越來越多的場景中。但因空氣污染或氣候原因使得某些地區(qū)霧霾較多，導(dǎo)致拍攝的圖像降質(zhì)明顯。針對該問題，同時對于無人機遙感圖像較高的去霧速度要求，提出了一種基于改進暗通道先驗?zāi)Ｐ偷臒o人機遙感圖像去霧算法。首先使用下采樣法和插值算法改進暗原色先驗?zāi)Ｐ偷耐干渎视嬎?，大幅降低了計算?fù)雜度；然后針對圖像偏白色區(qū)域的去霧處理，采用結(jié)合容差機制恢復(fù)無霧圖像的方法，減少了偏色現(xiàn)象；最后對去霧圖像采用自動色階算法進行圖像增強處理，提升了去霧后圖像的亮度。實驗表明，該算法在圖像去霧的精確性和效率上均優(yōu)于原算法。

無人機；圖像去霧；暗通道先驗；處理速度

因空氣污染或天氣原因使得某些地區(qū)霧霾較多，大氣中漂浮著許多懸浮顆粒，這些懸浮顆粒導(dǎo)致了在霧天拍攝圖像的降質(zhì)問題，使得拍攝的圖像模糊，無法滿足人們對于高清圖像的需求。而無人機作為目前新興的攝影工具，以其低廉的市場價格、簡單的操作模式以及靈活的拍攝角度等特點被越來越廣泛地應(yīng)用于各種場景中。由于無人機航拍的廣泛應(yīng)用，霧天圖像的降質(zhì)問題函待解決。通過圖像去霧處理得到高清的圖像一直是具有較高難度的研究內(nèi)容，因為圖像中霧的厚度是未知的，導(dǎo)致去霧的研究較為復(fù)雜。而無人機遙感圖像去霧需要實現(xiàn)去霧的實時性，因此對圖像去霧提出了更高的要求。

近年來，國內(nèi)外的研究人員在圖像去霧方向進行了大量的研究，目前圖像去霧方法主要分為兩種：一種是通過圖像增強實現(xiàn)去霧的方式，經(jīng)典的算法有全部或局部直方圖均衡算法[1-2]，通過調(diào)節(jié)圖像灰度分布實現(xiàn)增強圖像整體效果的目的。其中全局直方圖均衡化方法容易引起散斑效應(yīng)，從而導(dǎo)致圖像去霧的效果較差。而局部直方圖均衡算法雖然能夠克服這一缺點，但其時間復(fù)雜度過高，無法保證圖像去霧的實時性。基于Retinex的去霧算法[3]是目前通過圖像增強方式實現(xiàn)去霧中的主流算法，其對于薄霧的處理具有很好的效果。另一種是通過大氣散射模型實現(xiàn)去霧的方式，近年來該去霧技術(shù)取得了明顯的突破。Tan[4]觀察到有霧圖像比無霧圖像的對比度更低，于是他采用擴大復(fù)原圖像的局部對比度對圖像進行去霧處理。通過這種方式處理后的圖像具有很好的視覺效果，但因為沒有按照物理模型進行處理，導(dǎo)致恢復(fù)的圖像色彩飽和度過高；Fattal[5]通過估測景物的反射率來推斷透射率，其方法在處理薄霧的時候效果較好，但由于霧濃度較大時顏色信息較少，容易導(dǎo)致統(tǒng)計偏差，因此在霧濃度較大時處理效果有限；Tarel[6]通過使用中值濾波估測大氣消散函來實現(xiàn)去霧處理，Tarel的方法雖然速度較快，但去霧后圖像的效果較差；He[7]提出基于暗通道先驗的去霧算法，該算法在去霧效果上有顯著提升，但因為無法準(zhǔn)確估算明亮區(qū)域的透射率，容易引起去霧圖像的失真，由于算法在透射率計算中采用軟摳圖處理，導(dǎo)致算法具有較高的時空復(fù)雜度，無法實現(xiàn)實時去霧。

本文針對He算法去霧處理時間較長、無法準(zhǔn)確估算明亮區(qū)域的透射率、去霧恢復(fù)后圖像偏暗的問題，同時結(jié)合無人機航拍圖像去霧速度的要求，提出一種基于改進暗通道先驗?zāi)Ｐ偷臒o人機遙感圖像去霧算法。首先采用下采樣法和插值法改進透射率的計算，同時采用結(jié)合容差機制恢復(fù)圖像的方法對圖像進行恢復(fù)，最后采用自動色階的方法對去霧后恢復(fù)的圖像進行圖像增強處理。通過實驗驗證，本文算法不僅大幅提升了去霧速度，而且去霧效果也優(yōu)于原算法。

1 大氣散射模型

首先，在數(shù)字圖像處理中，Koschmieder模型方程[8-10]所描述的霧對圖像的退化過程被廣泛使用

I(x,y)=J(x,y)t(x,y)+A(1-t(x,y))

(1)

式中：A為全球大氣光強度；J(x,y)為恢復(fù)的無霧圖像；I(x,y)為待去霧的圖像；t(x,y)為介質(zhì)透射率稱為透射率或傳輸圖，其定義為

t(x,y)=e-βd(i,j)

(2)

式中：d(x,y)為場景點到觀測點的距離；β為大氣的散射系數(shù)。由式(1)變換可得

(3)

由式(3)可知，若已知全球大氣光強度A與透射率t(x,y)，便可求得恢復(fù)的無霧圖像，但若t(x,y)為0時，將出現(xiàn)計算錯誤，故將式(3)改寫為

(4)

式中：t0為透射率的最小閾值，本文取為0.1。

2 暗通道先驗去霧的基本原理

暗通道先驗是通過觀察得出的一種統(tǒng)計規(guī)律，它指出在絕大多數(shù)非天空的區(qū)域中光強度的最小值是一個很小的數(shù)，近似接近于0[7]。對于輸入的任意圖像J(x,y)，其暗通道強度表示如下

(5)

式中：Jc(x,y)為輸入圖像的某一個通道的強度值；φ(x,y)為以像素(x,y)為中心的一個窗口，為該窗口內(nèi)的任意一個像素點；c為RGB色彩通道的索引值。如果Jc(x,y)是無霧圖像，把Jdark(x,y)稱為Jc(x,y)的暗原色。

暗通道先驗的原理指出，除了天空區(qū)域，Jdark(x,y)的強度值總是趨近于0，即

Jdark(x,y)→0

(6)

然后，將式(1)進行變換，得到

(7)

(8)

根據(jù)暗原色先驗理論有

(9)

(10)

由式(10)估算的透射率是假定某一區(qū)域φ(x,y)的透射率恒定的基礎(chǔ)上進行的，所得的透射率是不精確的。為了提升計算精度，對像素點的透射率進行準(zhǔn)確估算，He在算法中采用了軟摳圖方法細(xì)化了透射率的求取[7]。但是，軟摳圖方法計算復(fù)雜度較高，無法保證去霧的實時性。此外，式(10)是在暗通道先驗成立的基礎(chǔ)上進行計算的。但是，對于含有偏白色景物、天空等大面積明亮區(qū)域的特殊圖像時，即使是在無霧的情況下，白色區(qū)域的像素值也較大，可能會出現(xiàn)在部分區(qū)域內(nèi)找不到像素值接近0的暗原色點，使得暗通道先驗在這種情況下不成立，導(dǎo)致恢復(fù)的無霧圖像也是不精確的。為了解決He的去霧算法中存在的問題，需對原始算法進行改進，以提升算法的實時性和魯棒性。

3 改進的暗原色先驗去霧原理

3.1 基于下采樣方法快速計算透射率

采用基于暗通道先驗的去霧算法求取的透射率圖精度比其他算法更高，但透射率的求取處理時間太長，導(dǎo)致算法無法實現(xiàn)實時去霧。如果在一定范圍內(nèi)略微降低精度以提升處理速度，去霧后的視覺效果理論上和原算法沒有較大的差別，還可以實現(xiàn)無人機遙感圖像去霧的實時性要求。本文依據(jù)這一原則，提出一種基于下采樣和插值算法的透射率求取方法，具體實現(xiàn)方式如下：

1)對輸入圖像進行下采樣操作，將其尺寸縮小為輸入圖像的1/8；

2)采用原算法透射率的求取方式，計算得到縮小后圖像的透射率；

3)采用插值算法得到輸入圖像的透射率。

通過實驗驗證，采用基于下采樣和插值算法的方式求取透射率在處理速度上相比原算法有明顯提升，而圖像去霧后的視覺效果與原算法差別很小。但在本算法的實踐過程中發(fā)現(xiàn)，如果采樣率設(shè)置不合理，比如僅僅將尺寸縮小為原來的一半，在處理速度上的提升很小。因此，在采樣率的選取過程中，要選取較大的縮小比例對處理速度才會有明顯提升。

3.2 利用容差機制優(yōu)化透射率

由于基于暗原色先驗的去霧算法在天空、白色景物等明亮區(qū)域?qū)ν干渎实墓罍y偏低，而無人機遙感圖像中天空出現(xiàn)頻率較高，因此在圖像去霧的處理中，本文采取文獻[11]提出的利用容差機制算法優(yōu)化透射率的方法恢復(fù)圖像，從而得到新的恢復(fù)圖像公式

(11)

式中：A是全球大氣光強度；J(x,y)為恢復(fù)的無霧圖像；I(x,y)為待去霧的圖像；t(x,y)為介質(zhì)透射率；t0為透射率的最小閾值；K為容差，若像素各通道的差小于K，則認(rèn)為不滿足暗通道先驗。

由式(11)可知，采取該算法對去霧圖像的明亮區(qū)域恢復(fù)時，會弱化對偏白位置的處理，從而降低圖像偏色。

3.3 去霧處理后圖像增強

He在文獻[7]中指出，利用暗通道先驗恢復(fù)的圖像相比于原圖像偏暗，所以需要對恢復(fù)的圖像進行圖像增強處理。本文對于無人機遙感圖像去霧的實時性要求較高，采用自動色階算法對去霧圖像進行增強處理。自動色階算法可以自動去掉圖像中的過亮區(qū)域和過暗區(qū)域，達到調(diào)節(jié)圖像亮度的目的，其算法流程如下：

1)統(tǒng)計原始圖像的直方圖；

2)根據(jù)直方圖計算出上下閾值，并得出閾值差d=上閾值-下閾值；

3)若原圖圖像像素值≤下閾值，則將該像素值賦值為0；

4)若原圖圖像像素值≥上閾值，則將該像素值賦為255；

5)若介于上下閾值之間，則該點像素值=原像素值×255/d；

6)得到處理后的圖像。

采用自動色階算法對去霧后的恢復(fù)圖像進行處理，該算法不僅對圖像增強有明顯效果，而且復(fù)雜度低，可以實現(xiàn)圖像的實時化處理。

4 算法實現(xiàn)及結(jié)果分析

本文采用C語言在VisualStudio2010平臺仿真本文算法。采用Windows7系統(tǒng)，所使用計算機硬件為Corei5-3210MCPU@ 2.50GHzwith4GbyteRAM。算法的參數(shù)設(shè)置為：最小的操作模板blockb=12，blocks=4，去霧修正因子ω=0.96，剩余參數(shù)已在上文中設(shè)置。

4.1 主觀比較

使用上述設(shè)置，將本文算法所得到的去霧效果與He的原算法進行對比，圖1給出了本文算法和原算法的去霧效果情況。原圖中包含了濃霧，He的原算法通過處理后得到的恢復(fù)圖像較暗，景物顏色不夠鮮明，本文算法的去霧后圖像整體較明亮，景物更為逼真。

4.2 客觀評估

為了更客觀地說明改進算法的去霧效果，采用圖像平均梯度、標(biāo)準(zhǔn)差和信息熵來衡量去霧后恢復(fù)圖像的效果，表1給出了指標(biāo)的具體情況。分析表1可以得出，本文算法在圖像效果指標(biāo)上優(yōu)于He的原算法，客觀地說明了改進算法的去霧能力相比于He的原算法有所提升。

同時，對于不同圖像分辨率情況下改進算法與原算法的處理速度也進行了客觀測量，如表2所示。由表2分析可得，本文算法相比于原算法處理時間提升了一倍左右，尤其是在處理分辨率較高圖片時，能大幅度提升處理效率。

圖1 本文算法與He算法去霧效果對比

算法平均梯度標(biāo)準(zhǔn)差信息熵有霧原圖6.225340.22736.8672He算法11.218741.36826.9621本文算法13.562543.18737.0253

表2 算法計算速度對比

分辨率He算法處理時間/s本文算法處理時間/s175×2834.132.19263×4156.393.21362×5369.265.13446×62313.536.82

5 結(jié)語

本文提出一種基于改進暗通道先驗?zāi)Ｐ偷臒o人機遙感圖像去霧算法，采用下采樣和插值算法改進暗原色先驗?zāi)Ｐ偷耐干渎视嬎?，大幅降低了計算?fù)雜度，提高了圖像去霧的實時性；針對圖像偏白色區(qū)域的去霧處理，采用結(jié)合容差機制恢復(fù)無霧圖像的方法，減少了偏色現(xiàn)象；最后對去霧圖像采用自動色階算法進行圖像增強處理，提升了去霧后圖像的亮度，保證了去霧圖像的魯棒性。實驗結(jié)果顯示，該算法同時兼顧了圖像去霧的精確性和效率，對于無人機遙感圖像去霧處理具有很高的實用性。圖像去霧技術(shù)目前仍是數(shù)字圖像處理領(lǐng)域一個重要的研究方向，在以后的研究中，該算法的圖像去霧效率將是下一步的研究重點。

[1]STARKJA.Adaptiveimagecontrastenhancementusinggeneralizationsofhistogramequalization[J].IEEEtransactionsonimageprocessing，2000，9(5)：889-896.

[2]XUZ，LIUX，JIN.Fogremovalfromcolorimagesusingcontrastlimitedadaptivehistogramequalization[C]//Proc. 2ndInternationalCongressonImageandSignalProcessing.[S.l.]：IEEE，2009：1-5.

[3]PARTHASARATHYS，SANKARANP.ARETINEXbasedhazeremovalmethod[C]//Proc. 2012IEEE7thInternationalConferenceonIndustrialandInformationSystems(ICIIS). [S.l.]：IEEE，2012：1-6.

[4]TANRT.Visibilityinbadweatherfromasingleimage[C]//Proc.theIEEECVPR. [S.l.]：IEEE， 2008，1-8.

[5]FATTALR.Singleimagedehazing[J].ACMtransactionsongraphics，2008，27(3)：1-9.

[6]TARELJP，HAUTIEREN.Fastvisibilityrestorationfromasinglecolororgraylevelimage[C]//Proc.IEEEInternationalConferenceonComputerVision. [S.l.]：IEEE，2009：2201-2208.

[7]HEK，SUNJ，TANGX.SingleImagehazeremovalusingdarkchannelprior[C]//Proc.ConferenceonComputerVisionandPatternRecognition. [S.l.]：IEEE，2011：2341-2353.

[8]BUITM，TRANHN，KIMW，etal.Segmentingdarkchannelpriorinsingleimagedehazing[J].Electronicsletters，2014，50(7)：516-518.

[9] LI B， WANG S， ZHENG J， et al. Single image haze removal using content-adaptive dark channel and post enhancement[J]. Iet computer vision，2013，8(2)：131-140.

[10]褚宏莉，李元祥，周則明，等. 基于黑色通道的圖像快速去霧優(yōu)化算法[J].電子學(xué)報， 2013，41(4)：791-797. [11]YU L，YAN P，YAN X. Video defogging based on adaptive tolerance[J]. Telkomnika indonesian journal of electrical engineering，2012，10(7)：1644-1654.

責(zé)任編輯：閆雯雯

UAV remote sensing image de-hazing algorithm based on improved dark channel prior model

LI Xiaolin1，2，WANG Quqiao1，YAN Like1

(1.ApplicationofNewTechnologiesofCommunicationResearchCenter，ChongqingUniversityofPostandTelecommunications，Chongqing400065，China；2.ChongqingInformationTechnology(Group)Co.，Ltd.，Chongqing400065，China)

UAV aerial photography technologies， for its many advantages， are more and more widely used. But in some areas， due to weather conditions or air pollution and other factors，there are often fog and haze in the air， so that the quality of the captured images is lowered severely. To solve this problem， at the same time to meet the requirement of defogging speeds of UAV aerial photography， a fast algorithm to defog based on the dark channel prior algorithm is proposed in this paper. Firstly， sampling and interpolation algorithm is used to improve transmission rate calculation of dark colors prior model， so that the computational complexity is reduced significantly. Then for the defogging process of the areas where images are whitish， the method of combining with tolerance mechanisms is adopted to restore the image without fog， and the phenomenon of color cast is reduced. Finally， auto-levels algorithm is adopted to treat the defogging image， and the brightness of the image after defogging is enhanced. Experiment shows that the algorithm proposed in this paper are better than the original algorithm both in the accuracy and efficiency of the image defogging.

UAV；haze removal； dark channel prior； processing speed

李校林，王屈橋，燕歷科. 基于改進暗通道先驗?zāi)Ｐ偷倪b感圖像去霧算法[J].電視技術(shù)，2017，41(1)：14-17. LI X L，WANG Q Q，YAN L K. UAV remote sensing image de-hazing algorithm based on improved dark channel prior model[J]. Video engineering，2017，41(1)：14-17.

TN911.73

A

10.16280/j.videoe.2017.01.003

2015年重慶市研究生科研創(chuàng)新項目(CYS15166)

2016-04-15