關(guān)于霧霾天氣圖像觀測信息優(yōu)化仿真

鄧從龍+朱成杰

摘要：霧天條件下的大氣散射使圖像中的特征提取變得困難，進(jìn)而導(dǎo)致以特征提取為基礎(chǔ)的機(jī)器視覺系統(tǒng)的失效。針對暗原色先驗算法去霧之后圖像整體偏暗以及同態(tài)濾波算法去霧后能夠還原原始圖像面貌等特點，提出了將兩者相融合的圖像去霧算法。首先，使用暗原色先驗算法對圖像進(jìn)行初步去霧處理；然后，采用同態(tài)濾波算法消除圖像整體偏暗問題；最后，通過Matlab軟件對融合之后算法有效性進(jìn)行驗證。實驗結(jié)果表明：融合之后的算法不僅能夠有效提高圖像的對比度還能夠突出圖像的細(xì)節(jié)，具有較高的精確性和應(yīng)用價值。

關(guān)鍵詞：特征提??；大氣散射；暗原色先驗；同態(tài)濾波

中圖分類號：TP391.9； 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2017）25-0253-02

1 概述

在霧霾天氣下，因為空氣中存在著大量霧氣與氣溶膠，使得圖像采集設(shè)備采集圖像時受到外界因素的干擾，所以采集到的圖像具有低對比度、顏色失真并且圖像模糊不清等特點。霧天圖像的降質(zhì)，它從某方面直接對圖像中有用的信息提取帶來困難，進(jìn)而間接導(dǎo)致了以提取圖像中有用特征為基礎(chǔ)的視覺應(yīng)用系統(tǒng)失常。因此，圖像去霧技術(shù)一直是圖像與視覺領(lǐng)域里面國內(nèi)外學(xué)者研究的重要課題。

暗原色先驗算法去霧的效果非常明顯，但是缺點就是圖像整體偏暗、細(xì)節(jié)沒有突出。同態(tài)濾波算法能夠解決光照不平衡所產(chǎn)生的黑斑暗影問題以及還原圖像本來面貌。針對暗原色去霧之后圖像偏暗的缺點，結(jié)合同態(tài)濾波去霧的優(yōu)點，本文提出了將兩者相融合的圖像去霧算法。

2 暗原色先驗原理與模型參數(shù)估計

2.1 暗原色先驗原理

2.2 模型參數(shù)估計

參數(shù)A估計：在算法的實現(xiàn)過程中通常對暗原色圖像亮度從大到小進(jìn)行排序，找出最大的前0.1%的像素點，然后取其最大亮度的像素點作為參數(shù)A的估計值。

同態(tài)濾波算法能夠消除原圖像上光照不均勻產(chǎn)生的問題，增強(qiáng)圖像中暗區(qū)域的細(xì)節(jié)，同時又不會損失原圖像中的明亮區(qū)域的亮度信息[4]。該算法不僅適用于彩色圖像還適用于灰度圖像，它是以圖像的照明反射模型作為基礎(chǔ)的一種綜合類型的圖像增強(qiáng)技術(shù)。

3 融合算法

綜合暗原色先驗算法與同態(tài)濾波算法，本文融合算法的描述過程如下：

1） 將有霧的圖像分割成若干個大小的區(qū)域塊，計算每個區(qū)域塊的暗通道值，然后得出原有霧圖像的暗原色圖像；

2） 估計大氣光值A(chǔ)與透射率t；

3） 根據(jù)2）估計的值，依據(jù)相應(yīng)公式復(fù)原去霧之后的圖像；

4） 用同態(tài)濾波算法對3）得到的圖像處理，增強(qiáng)亮度與對比度。

4 實驗結(jié)果與分析

為了對融合之后去霧算法的效果進(jìn)行驗證，將其與暗原色先驗算法、文獻(xiàn)[5]中的方法進(jìn)行對比分析。直觀上來看，圖2比圖1在對比度、亮度、層次感這三個方面有所提高；圖3所用的算法處理之后的效果比圖1效果好點。另外，為了客觀評價圖像效果，本文主要選擇MSE、PSNR、平均梯度、熵值指標(biāo)來評價圖片的質(zhì)量。表1中暗去霧、禹去霧、融去霧分別代表暗原色先驗去霧、禹晶方法去霧、融合去霧。通過表1各項指標(biāo)的分析，可以看出融合之后的算法處理效果好。

5 結(jié)論

近年來，環(huán)境污染是越來越嚴(yán)重，各大城市相繼上演霧霾大戰(zhàn)。圖像去霧技術(shù)一直是近年來研究的熱點，已經(jīng)在國內(nèi)外取得了顯著的成果。本文分析了對暗原色先驗以及同態(tài)濾波算法及其優(yōu)缺點，以此為基礎(chǔ)提出了融合算法，實驗結(jié)果表明具有較好的效果。但是，融合算法存在參數(shù)難以確定的問題，今后的研究工作將注重對參數(shù)進(jìn)行自適應(yīng)調(diào)整。

參考文獻(xiàn)：

[1] 吳迪， 朱青松. 圖像去霧的最新研究進(jìn)展[J]. 自動化學(xué)報， 2015， 2： 221-239.

[2] 代書博， 徐偉， 樸永杰， 等. 基于暗原色先驗的遙感圖像去霧方法[J]. 光學(xué)學(xué)報， 2017， 28（3）：348-354.

[3] KAI-MING HE， JIAN SUN， XIAO-OU TANG. Single image haze removal using dark channel prior，Pattern Analysis and Machine Intelligence， 2011. 33（12）：2341-2353

[4] 胡之惠， 孟銀闊. 基于光照補(bǔ)償和顏色統(tǒng)計的汽車牌照定位方法[J]. 計算機(jī)工程與設(shè)計， 2013， 10： 3568-3573.

[5] 禹晶， 李大鵬， 廖慶敏. 基于物理模型的速單幅圖像去霧方法[J]. 自動化學(xué)報，2011，2： 143-149.endprint