霧霾天氣下交通監(jiān)控圖像的一種去霧算法

摘 要：為提高霧霾天氣下交通監(jiān)控圖像的清晰化程度，采用暗原色先驗與MSR算法相結(jié)合的方式，在處理過程中用雙邊濾波代替MSR算法中的高斯濾波來保持邊緣細節(jié)特性。實驗結(jié)果表明，該算法處理的霧霾圖像有效地消除了Halo效應(yīng)，亮度均值適中，圖像標準差提高，信息熵增大，總體效果較好，可在一定程度上提高霧霾圖像的清晰度。

關(guān)鍵詞：交通監(jiān)控;去霧算法;暗原色先驗;MSR算法;雙邊濾波

中圖分類號：TP391

文獻標識碼： A

霧霾天氣是一種大氣污染狀態(tài)，由于大氣中懸浮的顆粒物以及小水滴對光線的吸收、散射和折射等作用，導(dǎo)致大氣渾濁、能見度降低、設(shè)備捕獲到的圖像色調(diào)偏移、分辨率下降，給交通監(jiān)控帶來極大的影響，為了能夠準確地獲得圖像的特征信息，于是針對霧霾天氣降質(zhì)圖像清晰化處理技術(shù)展開研究。

目前國內(nèi)外主要的去霧算法包括兩個方面，基于物理模型的圖像復(fù)原算法，以及基于非物理模型的圖像增強算法[1-4]。其中基于物理模型的暗原色先驗理論最早由何愷明提出[5-7]，經(jīng)過該算法處理后的霧霾圖像更自然，但圖像亮度偏暗，從而導(dǎo)致圖像失真。非物理模型的圖像增強算法能提高圖像的對比度，增強視覺效果，常用的算法包括直方圖均衡算法、自動顏色均衡算法、Retinex算法[8-10]、線性對比度拉伸[11]等，其中單尺度Retinex（Single Scale Retinex，SSR）和多尺度Retinex（Multi-Scale Retinex，MSR）算法中核心函數(shù)采用高斯濾波來對圖像進行處理，然而高斯濾波在處理圖像過程中只針對圖像像素間的位置關(guān)系進行處理，在圖像中心區(qū)域處理結(jié)果較好，但在圖像邊緣處的處理效果不甚理想。

本課題組研究，首先對交通監(jiān)控捕獲到的霧霾圖像采用暗原色先驗進行圖像復(fù)原，然后用雙邊濾波算法替換MSR中的高斯濾波。用改進的MSR算法進行圖像增強，經(jīng)過處理后的圖像對比度得到改善，信息熵得到提高，邊緣處理效果得到增強，使霧霾圖像更加清晰。

1 暗通道先驗與Retinex理論

1.1 暗通道先驗

1.2 Retinex相關(guān)理論

Retinex理論是由Edwin Land提出的基于色彩恒常的計算理論，Retinex理論包含兩方面內(nèi)容：第一，物體的顏色跟光照的非均勻性無關(guān)，顏色具有一致不變性，因此可以通過改變圖像的對比度，在一定程度上還原圖像本來的顏色[14];其次，物體顯示出來的顏色取決于物體對光波吸收和反射的能力，物體顯示出某種顏色是由于物體不吸收這種顏色的光波，因此該理論認為人眼觀察到的物體顏色跟入射到人眼的光譜特性關(guān)系不大。除此之外，物體顏色的變化跟光線的照度也有關(guān)系，顏色隨著光照強度的變化而均勻地變化。

根據(jù)Retinex理論，人眼看到或設(shè)備捕獲到的圖像：

2 基于暗原色先驗和MSR相結(jié)合的去霧算法

基于暗原色先驗理論，假設(shè)透射率λ（x，y）在局部區(qū)域內(nèi)是不變的，然而在實際中，對于遠景和近景交界邊緣區(qū)域內(nèi)的透射率λ（x，y）卻是變化的，尤其是在交匯點的透射率數(shù)值上會產(chǎn)生突變，因此經(jīng)過算法處理后在這些區(qū)域內(nèi)會出現(xiàn)光暈現(xiàn)象，而且圖像在整體上的亮度偏暗?；诜俏锢砟Ｐ偷膱D像增強算法，主要目的是為了突顯圖像的局部特征，提高圖像的局部對比度和細節(jié)可見度，恢復(fù)圖像色彩，提高視覺效果。

MSR算法在圖像細節(jié)提取和色彩保真這兩方面優(yōu)勢較為明顯，但由于算法中采用了高斯濾波來去噪，對圖像邊緣的處理不是很理想，會丟失一些信息，因此，本文采用雙邊濾波來代替高斯濾波函數(shù)，使得濾波的權(quán)重和像素強度值跟各個像素之間的空間距離有關(guān)，這樣計算出的權(quán)重值的大小可以按照邊緣梯度的變化自適應(yīng)改變，從而使圖像邊緣更平滑，并能在一定程度上還原圖像原有的邊緣信息。

2.1 改進MSR算法

2.2 MSR改進算法的處理過程

首先采用暗原色先驗理論方法，對交通監(jiān)控設(shè)備捕獲的霧霾圖像S（x，y）進行處理。首先假設(shè)大氣光成分強度T為常數(shù)，對于透射率λ（x，y）在環(huán)境的局部區(qū)域內(nèi)保持不變，也假設(shè)是一個恒定的數(shù)值，在此實驗中λ0取值為0.1，由公式（7）可以得到復(fù)原圖像D（x，y），然后再將這個復(fù)原圖像作為改進MSR算法的輸入圖像進行處理，首先將輸入圖像分解為R、G、B三幅灰度圖像，在數(shù)值上將各個像素點的數(shù)值轉(zhuǎn)換成double型，并進行進一步處理，在此選取的權(quán)值θ1=θ2=θ3=13，從而滿足求解公式中的歸一化條件，再利用公式（13）計算RMSRi（x，y），對輸出圖像R（x，y）進行拉伸還原，即為清晰化去霧圖像。

3 實驗與結(jié)果分析

3.1 實驗

實驗過程是在Windows7操作系統(tǒng)下，使用VS2010+opencv2.2作為開發(fā)環(huán)境，分別采用常用的直方圖均衡去霧算法、MSR算法和本文所述MSR改進算法分別對霧霾天退化圖像進行處理。實驗樣本如圖1、圖2所示，樣本經(jīng)處理后的圖片如圖3、圖4所示。

通過圖3、圖4中（a）、（b）、（c）圖片效果的比較，經(jīng)過直方圖均衡算法處理后的圖像相比原圖像有增強效果，但圖像對比度偏暗，經(jīng)過常規(guī)MSR算法處理后的圖像對比度有所提高，但邊緣處的圖像信息熵并沒有提高，而用MSR改進算法獲取的圖像要清晰得多，尤其是在圖像邊緣處的信息量有所提高。

3.2 實驗結(jié)果分析評價

衡算法處理后的圖像偏暗，圖像亮度和對比度數(shù)值在直觀上較低，采用MSR算法處理的圖像亮度和對比度有所增大，但在一些邊緣處會丟失一些圖像原有的信息，而采用MSR改進算法處理的霧霾圖像清晰度較高，圖像整體層次明顯，亮度動態(tài)范圍得到一定的提升。在信息熵方面，MSR算法與MSR改進算法處理的圖像的信息熵數(shù)值均得到了提高。通過數(shù)據(jù)及圖像效果對比可以看出，采用MSR改進算法獲取的圖片清晰度較高，較好地復(fù)原了圖像真實場景的顏色，視覺效果最好。

4 結(jié)語

本文針對霧霾圖像提出了一種圖像去霧算法，該算法基于暗通道先驗和MSR算法，并進一步對MSR算法進行改進，消除了常規(guī)去霧算法中Halo效應(yīng)，結(jié)合雙邊濾波對圖像的邊緣信息進行了平滑處理和保持。從主觀上評價，MSR改進算法獲取的圖片，在視覺主觀感觸上更接近原始圖像;從客觀方面評價，實驗數(shù)據(jù)表明，MSR改進算法獲取的圖片的圖像亮度均值、對比度、信息熵均得到了提高。

霧霾圖像的清晰化還原，在交通監(jiān)控中有著比較重要的意義，MSR改進算法獲取的圖片，在還原圖像真實場景、保持圖像色彩方面有所增強，更符合人的視覺感觸。經(jīng)MSR改進算法處理過的霧霾圖像能夠更好地分辨出車輛的車型、車牌等信息，提高了交通監(jiān)控的識別率。

本文所述MSR改進算法，在算法處理的效率上還有待提高，算法處理的實時性將是本團隊下一步研究的重點。

參考文獻：

[1]Yu Jing，Xu Dongbin，Liao Qingmin.Image defogging：a survey[J].Journal of Image and Graphics，2011，16（9）：1561-1576.

[2]禹晶，李大鵬，廖慶敏.基于物理模型的快速單幅圖像去霧方法[J].自動化學(xué)報，2011，37（2）：143-149.

[3]郭璠，蔡自興，謝斌， 等. 圖像去霧技術(shù)研究綜述與展望[J]. 計算機應(yīng)用， 2010， 30（9）：2417-2421.

[4]吳迪，朱青松.圖像去霧的最新研究進展[J].自動化學(xué)報，2015，41（2）：221-239.

[5]HE K，SUN J，TANG X.Single Image Haze Removal Using Dark Channel Prior [J].Pattern Analysis and Machine Intelligence，2011，33（12）：2341-2353.

[6]HE Kaiming，SUN Jian，TANG xiaoou.Sing Image Haze Removal Using Dark Channel Prior[C]//CVPR 2009.Miami，F(xiàn)lorida：IEEE，2009：1956-1963.

[7]汪榮貴，傅劍峰，楊志學(xué)，等.基于暗原色先驗?zāi)Ｐ偷腞etinex算法[J].電子學(xué)報，2013，41（6）：1188-1192.

[8]Land E H.The retinex[J].American Scientist，1964，52（2）：247-264.

[9]Jobson D J，Rahman Z，Woodel G A.Properties and performance of a center /surround retinex[J].IEEE Transactions on Image Process-ing，1997，6（3）： 451-462.

[10]Jobson D J，Rahman Z U，Woodell G A.Multiscale retinex for bridging the gap between color images and the human observation of scenes[J].IEEE Transactions on Image Processing，1997，6：965-976.

[11]史延新.一種基于Retinex 理論的圖像增強算法[J].電子科技，2007，17（12）： 32-35.

[12]McCartney E J.Optics of the atmosphere： scattering by molecules and particles[J]. New York，John Wiley and Sons， Inc，1976：23-32.

[13]甘佳佳，肖春霞.結(jié)合精確大氣散射圖計算的圖像快速去霧[J].中國圖象圖形學(xué)報，2013，18（5）：583-590.

[14]李福文，金偉其，陳偉力，等.基于Retinex 模型的彩色圖像全局增強算法[J].北京理工大學(xué)學(xué)報，2010，30（8）：947-951.

[15]Guo Fan， Cai Zi-Xing. Objective assessment method for the clearness effect of imag defogging algorithm. Acta Auto-matica Sinica， 2012， 38（9）： 1410-1419.

（責(zé)任編輯：曾 晶）