基于天空分割的改進(jìn)型霧天圖像增強方法

劉佳嘉+劉建華

摘 要： 在大霧條件下圖像對比度較低，近景能夠分辨出的輪廓和顏色，而遠(yuǎn)景則往往隱藏于大霧當(dāng)中，故提出一種改進(jìn)型基于天空分割的局部直方圖增強算法。該算法綜合了天空分割、局部直方圖算法和信息融合的優(yōu)點。首先分割出天空區(qū)域，除掉干擾信息，定義天空顏色，再利用移動模板進(jìn)行塊重疊直方圖均衡化處理，最后使用信息融合與原圖加權(quán)的方法進(jìn)一步完善圖像細(xì)節(jié)。實驗表明，該算法使原來失真的邊界更柔和，視覺效果更好。

關(guān)鍵詞： 霧天圖像； 天空分割； 移動模板； 信息融合

中圖分類號： TN911.73?34； TP409.2 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2017）13?0053?04

Abstract： The image contrast is low under heavy foggy condition， so the outlines and colors in distant shot image are hidden in the heavy fog， though they can be distinguished in close shot image， an improved local histogram enhancement algorithm based on sky segmentation is proposed. The advantages of sky segmentation， local histogram algorithm and information fusion are synthesized in the algorithm. The sky area is segmented to eliminate the interference information， and definite the sky color. The mobile template is used to conduct the block overlapping histogram equalization. The methods of information fusion and original map weighting are used to further perfect the image detail. The experimental results show that the algorithm makes the border of the original distortion softer， and visual effect better.

Keywords： foggy image； sky segmentation； mobile template； information fusion

0 引 言

在霧天情況下捕獲的圖像不僅對比度降低，色彩退化，景物特征也被覆蓋或模糊，因此去霧研究實踐意義重大。目前圖像去霧技術(shù)分為基于大氣模型的復(fù)原方法[1]和增強對比度方法[2]兩類。其中增強方法基本都是全局處理的方式，由于霧氣中的大氣粒子具有散射作用，因此圖像中的景物會隨著景深增加對比度呈指數(shù)形式降低，這是全局增強算法不能解決的問題。

同時，全局霧天圖像增強方法的特點是需要整張圖像所有像素點都參與處理，而實際情況中，常常僅需對關(guān)心的局部區(qū)域信息進(jìn)行增強，這時再使用全局方法就不能保證局部區(qū)域得到充分凸顯，為解決這一問題，許多局部增強算法[3]應(yīng)運而生。它比全局增強多一個明確感興趣區(qū)域的過程。其中基于天空分割方法是一種霧天圖像局部增強的新思路，意在將天空和近景分割開后，只處理退化的景物。

文獻(xiàn)[4]利用閾值及引入?yún)?shù)進(jìn)行天空分割，再進(jìn)行增強。結(jié)果只是提高了處理速度，但是效果并沒有明顯變化。文獻(xiàn)[5]首先利用均值漂移與嵌入置信度分割圖像，后用膨脹與腐蝕二值化區(qū)分天空和景物，再對不同區(qū)域使用不同增強方法。這種處理方法非常復(fù)雜，把重點放在了分割天空區(qū)域上，在增強處理上相對較弱。

總體來看，基于天空分割的霧天圖像增強算法處理效果較為理想，能極大的避免干擾，突出重點，基于這種優(yōu)勢，本文針對一種已有的天空分割移動模板的局部直方圖均衡增強算法進(jìn)行改進(jìn)，不僅去除掉了模板內(nèi)的干擾信息，定義了天空的顏色，且通過提高步長加快了運算速度，還使用信息融合以及與原圖加權(quán)的方法進(jìn)一步完善圖像細(xì)節(jié)，將原來失真的邊界部分變得更柔和，視覺效果更好。

1 基于天空分割的霧天景物影像的清晰化方法

文獻(xiàn)[2]首先分割天空區(qū)域，再利用移動模板增強霧天影像。實現(xiàn)步驟分兩步：天空分離；移動模板增強處理。下面對該方法給出詳細(xì)的步驟描述。

1.1 天空區(qū)域分離

文獻(xiàn)[2]通過研究分析霧天圖像的灰度級分布特點，從灰度圖中找到了能實現(xiàn)分離圖像天空區(qū)域的方法。圖1（a）為霧天圖像，圖1（b）為對應(yīng)的灰度直方圖。在直方圖的右邊有一個陡峭的峰，這在霧天圖像中較普遍，圖中兩個箭頭之間的部分對應(yīng)圖中的天空區(qū)域，且此峰近似正態(tài)分布。

基本可以認(rèn)為這樣一個靠近直方圖右端的陡峰所在近似正態(tài)分布的區(qū)域是原圖天空區(qū)域，以此剝離出天空部分，達(dá)到減少此類灰度變換區(qū)域的誤增強，影響后面景物清晰化處理的目的。處理的步驟就是不斷求取正態(tài)分布于原輪廓之間的差異，直到最小時即可得到相應(yīng)的方差。

找到天空區(qū)域分割閾值是實現(xiàn)分割的關(guān)鍵。步驟如下：

（1） 標(biāo)記最高峰，且坐標(biāo)值為均值，可得：

（2） 構(gòu)造出的正態(tài)分布與實際的灰度分布曲線之間的偏差為其中表示高斯函數(shù)在第灰度級的取值；表示第個灰度頻數(shù)。

（3）如果滿足，就令其為方差。

搜索步驟如下：

（1） 給定一個任意的偏小方差代入得初始的正態(tài)分布同時計算。

（2）令代入得新正態(tài)分布計算。

（3） 如果令并轉(zhuǎn)到步驟（1），否則當(dāng)前的為最佳近似正態(tài)分布。

（4） 當(dāng)分布范圍在時，其概率分布占到總分布的95%左右，為絕大部分的范疇，因此在灰度級數(shù)上取最小值為最大值為的范疇，即可提取出圖像中的天空區(qū)域。

利用上述方法，進(jìn)行大量霧天圖像的天空區(qū)域分離實驗處理，現(xiàn)給出一組示例，如圖2所示。

1.2 清晰化方法實現(xiàn)

移動模板進(jìn)行局部直方圖均衡的理論分析參見文獻(xiàn)[2]，這里不再重復(fù)。此處只羅列出基本的算法步驟。

設(shè)霧天圖像大小為結(jié)果圖大小為移動模板的大小為天空圖像，步驟如下：

（1） 初始化：；

（2） 判斷當(dāng)前點是否處在天空范疇，如果是保持不變，轉(zhuǎn)步驟（6），否則繼續(xù)下一步；

（3） 按尺寸取出中子塊

（4） 對進(jìn)行直方圖均衡處理得

（5） 將復(fù)制到內(nèi)對應(yīng)區(qū)域；

（6） 平移一個像素，判斷：

如則

如且則

如且則結(jié)束。

此方法首先分割天空和近景，再使用塊重疊直方圖均衡增強。不僅能在很大程度上改善每個局部區(qū)域內(nèi)的對比度，同時也能在一定程度上避免景物失真，達(dá)到巧妙利用移動模板優(yōu)勢實現(xiàn)退化景物增強的效果。但也存在一些不足，比如運算時間過長，處理效果經(jīng)常會出現(xiàn)過增強等，針對這些問題，文獻(xiàn)[6]給出了改進(jìn)方法。

2 基于天空分割的景物影像清晰化方法的改進(jìn)

針對上述方法存在的兩個缺陷：計算過程復(fù)雜，計算量較大，仍無法達(dá)到實時的要求；模板的大小會直接影響到算法計算時間的長短以及處理效果是否清晰。文獻(xiàn)[6]考慮到運算效率及避免誤增強天空區(qū)域這兩方面，結(jié)合以下兩個修改點來彌補原方法的缺陷。具體需要修訂的地方如下：

（l） 判斷處理點是否屬于天空區(qū)域

如果不排除天空點，有可能在模板內(nèi)還存在天空部分時就進(jìn)行增強，這樣少部分天空區(qū)域會因為噪聲被放大而干擾整體效果，此外，使用直方圖均衡化進(jìn)行對比度拉伸的結(jié)果與原模板內(nèi)所有像素點的灰度值也有直接關(guān)系，因為處理時需要對模板內(nèi)全部像素點一起處理，沒有排除處理中模板內(nèi)的天空點，如果存在天空點，由于那些點的顏色偏白，灰度值較高，會導(dǎo)致模板內(nèi)的灰度范圍擴(kuò)展，拉伸程度變小。反之，在沒有天空點的情況下，灰度范圍相對較小，那么拉伸的程度就會擴(kuò)大。所以，是否排除天空點，會大大影響處理效果。因此判斷并排除模板內(nèi)的天空點非常重要[6]。

（2） 提高運算效率

在具體過程中，原算法實現(xiàn)直方圖增強和天空區(qū)域的判斷是同時進(jìn)行。另一方面，模板是逐點移動，實質(zhì)上是按步長為1進(jìn)行塊重疊直方圖均衡，計算量非常大，因此在實際運算時可以加大步長。

這樣改進(jìn)的優(yōu)點是提高了效率，排除了干擾點。 缺點是在天空與景物交接的邊緣較為突兀，界限明顯，且當(dāng)步長較大時，會有明顯的塊狀方格出現(xiàn)在圖像中 。因此，本文在文獻(xiàn)[6]的基礎(chǔ)上，結(jié)合信息加權(quán)的思路，彌補以上缺點。

3 信息融合加權(quán)

由于處理后的結(jié)果是屬于局部區(qū)域信息的增強，雖然目標(biāo)物體和天空背景都得到了增強，但在觀察圖像時，首先是區(qū)分出景物和背景，人眼的注意力主要是景物，而上述方法使景物和背景同樣清晰，天空區(qū)域被過增強之后可能導(dǎo)致背景過于突出，使得人眼在判斷距離時易產(chǎn)生誤差。另外，處理后天空與景物交界處會留下非常明顯的邊界，要解決以上兩個問題，可簡單與原圖進(jìn)行加權(quán)，或采用漸變處理方法。后者思路是使離邊界較近的像素灰度值改變少一些，而遠(yuǎn)離邊界的像素灰度值改變多一些，即文獻(xiàn)[7]中的漸變?nèi)诤戏椒ǎ赃_(dá)到消除邊界效應(yīng)及克服噪聲的效果。具體理論及其操作步驟不再重復(fù)。

在本文中，綜合以上步驟，通過以下4個修改點來克服噪聲干擾和過增強現(xiàn)象，使結(jié)果更自然。具體改進(jìn)如下：

（1） 首先分離天空區(qū)域，將天空區(qū)域直接賦為255，認(rèn)為天空為白色；

（2） 在對模板內(nèi)的直方圖均衡化之前，先判斷模板內(nèi)是否存在屬于天空范疇的像素點；

（3） 實際處理中，可嘗試令模板移動步長大于1，本文處理的圖片中通常按經(jīng)驗取值是3～8，可提高處理效率，縮短運行時間。

（4） 對處理結(jié)果采用距離漸變加信息融合的方法消除邊界效應(yīng)和過增強現(xiàn)象，也可采用簡單的與原圖加權(quán)的方法，加權(quán)比例按照實際情況來判定。

4 實驗結(jié)果及其分析

改進(jìn)算法之后的去霧效果圖，如圖3所示。圖3（a）為霧天降質(zhì)圖像；圖3（b）是全局直方圖處理結(jié)果，此方法只是將整張圖灰度級“拉開”，沒有考慮景深退化規(guī)律，所以近景出現(xiàn)了過增強，遠(yuǎn)景處又增強不夠。圖3（c）是在不分割天空的情況下對整張圖像進(jìn)行塊重疊直方圖的效果，模板大小為64×48。

圖3（d）是改進(jìn)點處理過后的結(jié)果，并沒有使用信息融合加權(quán)，步長為1，天空設(shè)定為255，在模板內(nèi)排除了天空點，模板大小同樣為64×48。對比圖3（c）和圖3（d）進(jìn)行同大小的塊重疊直方圖處理，但是效果差別很大，后者整體效果更好，視覺效果也更佳。不僅極大地降低了噪聲，且近景的過增強現(xiàn)象明顯減弱，遠(yuǎn)處樓房和樹木變得更清晰。

圖3（e）和圖3（f）同樣采用改進(jìn)方法，且均采用與原圖加權(quán)方式處理，其他如模板大小等所有條件相同，僅步長大小有不同。

圖3（e）步長為4，運行時間為3.818 s，圖3（f）步長為8，運行時間為1.677 s。兩者都產(chǎn)生了塊效應(yīng)，后者雖然效率高一些，但塊效應(yīng)更嚴(yán)重，前者相對圖3（d）效果還能接受。所以提高運行效率是以犧牲處理效果為代價的，因此在實際操作時，應(yīng)按照實時的需求調(diào)整步長。

從圖3（d）～（f）可以看出，如果合理設(shè)置模塊大小和步長大小，不僅可以提高運算速度，還能降低噪聲干擾，但同時發(fā)現(xiàn)遠(yuǎn)處噪聲干擾仍較強，且在天空與景物之間的邊界效應(yīng)明顯。因此對邊界部分的處理具有實際意義。圖3（g）通過對圖3（d）采用距離變換進(jìn)行漸變處理，抑制了噪聲，并消除了處理時產(chǎn)生的邊界效應(yīng)，使得景物與天空交接的地方變得柔和，過渡自然，從結(jié)果可知，在邊界處已沒明顯的邊界效應(yīng)。圖3（h）是信息綜合處理后的效果圖，是通過將圖3（d）與原圖3（a）按11的比例疊加得到的效果。

5 結(jié) 語

本文研究了基于部分增強的霧天圖像清晰化方法，并針對一種已有的基于天空分割的移動模板的局部直方圖均衡增強算法進(jìn)行改進(jìn)，不僅去除掉了模板內(nèi)的干擾信息，定義了天空的顏色，且通過提高步長加快了運算速度，還使用信息融合與原圖加權(quán)的方法進(jìn)一步完善了圖像細(xì)節(jié)，使原來失真的邊界部分更柔和，視覺效果更好。

參考文獻(xiàn)

[1] 朱淼良，錢徽.自然景物中大氣退化模型的研究[J].計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報，2001，13（9）：793?799.

[2] 祝培，朱虹，錢學(xué)明，等.一種有霧天氣圖像景物影像的清晰化方法[J].中國圖象圖形學(xué)報，2004，9（3）：124?128.

[3] PIRODDA L. Enhancing visibility through fog [J]. Optics & laser technology， 1997， 29（6）： 293?299.

[4] 蘇晉鵬，陳恩俊，景嘉帥，等.基于閾值分割的暗原色先驗圖像去霧方法[J].計算機(jī)工程與應(yīng)用，2017（3）：205?210.

[5] 雷琴，施朝健，陳婷婷.基于天空區(qū)域分割的單幅海面圖像去霧方法[J].計算機(jī)工程，2015，41（5）：237?242.

[6] 翟藝書，柳曉鳴，涂雅瑗，等.一種改進(jìn)的霧天降質(zhì)圖像的清晰化算法[J].大連海事大學(xué)學(xué)報，2007，33（3）：55?58.

[7] 丁家銳，李中健，安錦文，等.基于數(shù)學(xué)形態(tài)學(xué)的灰度圖像連接物體分割方法[J].計算機(jī)測量與控制，2007，15（12）：1763?1765.

[8] 翟藝書.霧天降質(zhì)圖像的清晰化研究[D].大連：大連海事大學(xué)，2009.