應(yīng)用于霧天行車視頻實(shí)時(shí)處理的改進(jìn)去霧算法

張紅莉 李展鵬 何宗倫 董明軒

【摘要】霧、霾天氣的情況下，采集圖像時(shí)會(huì)受到大氣粒子散射的影響，導(dǎo)致圖像細(xì)節(jié)模糊，色彩失真，可視距離較低。現(xiàn)針對(duì)圖像視頻去霧的算法已被提出，但存在去霧實(shí)時(shí)性差，天空及大量明亮區(qū)域處理效果不理想，復(fù)原圖像偏暗等問題，為此基于暗原色先驗(yàn)理論提出了一種改進(jìn)的有效實(shí)時(shí)視頻去霧算法。首先，采用逐像素式濾波估計(jì)透射率，消除塊效應(yīng)；其次，采用自適應(yīng)亮度調(diào)整的方法解決圖像偏暗的問題；而后，在視頻中取出必要的幀數(shù)顯示處理，考慮對(duì)屏幕從上到下五分之三的位置進(jìn)行去霧處理，余下部分不進(jìn)行去霧處理（因?yàn)橐话憬幦レF效果不明顯，遠(yuǎn)處明顯），提高圖像處理速度。本文中的改進(jìn)去霧算法可以實(shí)時(shí)地進(jìn)行視頻去霧，并且提高了圖像對(duì)比度，清晰度，可視距離加長(zhǎng)。并可應(yīng)用在Android平臺(tái)APP中，在手機(jī)移動(dòng)端實(shí)現(xiàn)視頻實(shí)時(shí)去霧。

【關(guān)鍵詞】實(shí)時(shí)視頻去霧技術(shù) 暗通道先驗(yàn) 逐像素式最小濾波 自適應(yīng)亮度調(diào)整

引言

近年來(lái)，霧霾天氣頻繁，該天氣導(dǎo)致能見度降低，對(duì)比度差，對(duì)人們的日常生活尤其是交通安全方面有惡劣影響。實(shí)時(shí)地進(jìn)行視頻去霧處理有重要的實(shí)際意義。

目前的去霧算法主要分兩類：一種是圖像增強(qiáng)的方法，主要有直方圖均衡化、Retinex算法、局部對(duì)比度增強(qiáng)等，根據(jù)主觀視覺效果來(lái)進(jìn)行對(duì)比度調(diào)整優(yōu)化。另一種是圖像復(fù)原的方法，通過分析圖像在霧天的降質(zhì)過程建立圖像退化模型，進(jìn)而求解無(wú)霧圖像。圖像增強(qiáng)的方法未考慮圖像退化因素，導(dǎo)致不能完全達(dá)到去霧功能。所以相較而言圖像復(fù)原的方法得到的圖像更加清晰自然，是當(dāng)前去霧研究的熱點(diǎn)。

2009年，He Kaiming等人提出基于暗原色先驗(yàn)理論的去霧算法[1]，取得了相當(dāng)好的去霧效果。但是此算法對(duì)天空區(qū)域處理效果并不理想，而且算法復(fù)雜度高，實(shí)時(shí)性差。本文針對(duì)于霧天中交通視頻實(shí)時(shí)處理提出了一種改進(jìn)的去霧算法，采用逐像素式濾波對(duì)粗略透射率進(jìn)行精細(xì)化，合理估計(jì)了大氣光值，利用自適應(yīng)方法對(duì)視頻圖像進(jìn)行了亮度調(diào)整，并對(duì)圖像進(jìn)行分割處理，針對(duì)遠(yuǎn)處圖像進(jìn)行去霧，提高處理速度，適用于行車交通視頻的實(shí)時(shí)去霧顯示。

1 本文算法

1.1 大氣散射模型

大氣散射模型[2]對(duì)于霧或者霾條件下的成像都適用，是眾多圖像去霧算法的理論基礎(chǔ)，描述為：

式中，I（x）為霧天圖像，J（x）為無(wú)霧圖像，t（x）為透射率，A（x）為大氣光強(qiáng)。

1.2 暗通道先驗(yàn)規(guī)律

He等人通過統(tǒng)計(jì)大量的戶外無(wú)霧圖像特性，得到暗原色先驗(yàn)規(guī)律：清晰圖像至少在某一個(gè)顏色通道上存在一些強(qiáng)度值非常低的像素點(diǎn)。圖像暗通道可以表示為：

式中， 為J的一個(gè)顏色通道，c為圖像r，g，b三個(gè)通道中的任意一個(gè)， 為以x為中心的一個(gè)局部區(qū)域，為圖像J的暗通道。

暗原色先驗(yàn)規(guī)律即為圖像的非天空區(qū)域總是趨向于零的，即：

利用暗原色先驗(yàn)規(guī)律，結(jié)合大氣散射模型即可得到透射率的估計(jì)：

式中，為一個(gè)常數(shù)，為了保留一定的霧氣使得圖像更加真實(shí)，我們?nèi)≈?.9。另外我們?cè)O(shè)置一個(gè)下限值防止t（x）為0，最終去霧圖像為：

1.3 求解透射率

He的暗原色先驗(yàn)去霧算法中是將圖像分塊再進(jìn)行最小值濾波，其中分塊的大小將直接影響透射率值的估計(jì)。若是較小會(huì)使透射率估計(jì)細(xì)節(jié)較多，不夠平滑，局部錯(cuò)誤增多；若是較大減少了局部錯(cuò)誤，透射率估計(jì)又不足夠細(xì)致。而多數(shù)有霧圖像的霧氣分布都是不均勻的，分塊大小難以穩(wěn)定，導(dǎo)致去霧效果不理想，不適于實(shí)時(shí)視頻去霧處理。

本文的算法采用的是逐像素式的最小值濾波方法[4]。在He算法中塊的移動(dòng)步長(zhǎng)為分塊寬度，本文中塊的移動(dòng)步長(zhǎng)為一個(gè)像素點(diǎn)。這樣得到的點(diǎn)暗原色圖細(xì)節(jié)豐富又平滑過渡。

1.4求解大氣光值

圖像中最不透明，亮度最強(qiáng)的像素被看作大氣光。大氣光值的估計(jì)會(huì)影響圖像在極遠(yuǎn)處的細(xì)節(jié)信息，估計(jì)過小時(shí)會(huì)使極遠(yuǎn)處圖像過亮，圖像動(dòng)態(tài)范圍受到壓縮；估計(jì)過大時(shí)會(huì)使近處圖像偏暗，影響圖像還原效果。大氣光值的估計(jì)應(yīng)當(dāng)在霧氣最濃處，通常情況下在圖像的上部分天空區(qū)域或極遠(yuǎn)處。本文中對(duì)大氣光值的估計(jì)如下：

1）天空區(qū)域一般位于視頻幀的上半部分，故對(duì)視頻幀的前1/2進(jìn)行下采樣，得到較小分辨率的天空部分。對(duì)求出暗通道圖

2）在中取亮度最大的像素點(diǎn)，將下采樣后的視頻幀的對(duì)應(yīng)位置作為中心，進(jìn)行半徑為1/30的最大值濾波，取最大值位置上的RGB通道的最大值為大氣光值A(chǔ)。

1.5自適應(yīng)亮度調(diào)整

圖像中大多數(shù)區(qū)域的像素強(qiáng)度要比估計(jì)的大氣光值低，得到的無(wú)霧圖像會(huì)偏暗，因此需要對(duì)初步去霧的圖像進(jìn)行亮度調(diào)整。在RGB空間中，如果兩像素點(diǎn)的各通道對(duì)應(yīng)成比例，則兩點(diǎn)應(yīng)顏色相同。本文中對(duì)初步去霧后圖像的各像素點(diǎn)RGB三個(gè)通道進(jìn)行同比例增強(qiáng)，保持圖像顏色同時(shí)提高亮度[4]。

亮度增量k（x）根據(jù)輸入圖像的三通道均值計(jì)算?？紤]實(shí)際RGB范圍為0～255，先計(jì)算圖像每個(gè)像素點(diǎn)三通道的最大值

則該點(diǎn)增強(qiáng)的比例應(yīng)限制在270/以下，從而保持顏色。

2 實(shí)驗(yàn)結(jié)果及分析

本文在操作系統(tǒng)Windows 8.1 專業(yè)版，配置為Intel（R） Core（TM）i5-5200U CPU@2.20GHZ，4.00GB內(nèi)存的計(jì)算機(jī)運(yùn)行得到，開發(fā)語(yǔ)言為C語(yǔ)言和OpenCV，開發(fā)平臺(tái)為codeblocks。對(duì)三幅典型圖像分別采用He的算法與本人算法進(jìn)行處理對(duì)比，效果圖如下：

如圖5所示，He的算法去霧效果明顯，但是去霧后的圖像偏暗，且天空區(qū)域容易失真.本文算法在He算法的基礎(chǔ)上進(jìn)行了改進(jìn)，使得去霧處理效果較優(yōu)的同時(shí)視覺效果更好，處理速度更快，更加適合于交通行車中實(shí)時(shí)進(jìn)行視頻去霧處理。為了進(jìn)一步驗(yàn)證算法有效性，采用了方差、平均梯度、信息熵、運(yùn)行時(shí)間作為度量指標(biāo)，分別反映出圖像像素點(diǎn)離散程度、清晰度、信息含量、處理速度。其結(jié)果如下表：

從表1中可以看出，本文算法很大程度上提升了去霧處理的速度。

3結(jié)語(yǔ)

本文基于He的暗通道先驗(yàn)去霧算法進(jìn)行研究改進(jìn)，采用逐像素式濾波進(jìn)行透射率估計(jì)，得到的點(diǎn)暗原色圖細(xì)節(jié)豐富，并且平滑了透射率消除塊效應(yīng)；將大氣光值進(jìn)行合理估計(jì)，并優(yōu)化視覺效果，降低算法復(fù)雜度，提高運(yùn)行效率，達(dá)到實(shí)時(shí)進(jìn)行視頻去霧處理的效果。但是本文改進(jìn)的算法還僅對(duì)陸地汽車交通行進(jìn)的視頻實(shí)時(shí)處理有良好效果，算法的復(fù)雜度及去霧效果還有待進(jìn)一步加強(qiáng)。

參考文獻(xiàn)：

[1] He Kaiming，Sun Jian，Tang Xiaoou. Single image haze removal using dark channel prior [C]. IEEE Conference on Computer Vision and Pattern Recognition， CVPR 2009，IEEE，2009：1956-1963。

[2] McCartney E J. Optics of the atmosphere： Scattering by molecules and particles[M]. New York： John Wiley and Sons，1976：23-32。

[3]李春江，禹素萍，許武軍，范紅.《基于暗原色先驗(yàn)圖像去霧的改進(jìn)算法》[J]. 微型機(jī)與應(yīng)用，2017（16）。

[4]張冰冰，戴聲奎，孫萬(wàn)源.《基于暗原色先驗(yàn)?zāi)Ｐ偷目焖偃レF算法》[J]. 中國(guó)圖象圖形學(xué)報(bào)，2013（02）。