基于明亮區(qū)域和天空識(shí)別的圖像去霧算法

于平平 徐建格 劉學(xué)孔 秦亞龍 常宇峰

摘要：針對(duì)去霧算法對(duì)存在大面積明亮區(qū)域的圖像去霧效果不佳的問題，根據(jù)暗原色先驗(yàn)原理提出了一種基于明亮區(qū)域和天空區(qū)域識(shí)別的圖像去霧算法。根據(jù)天空區(qū)域和明亮區(qū)域的特點(diǎn)，建立了明亮區(qū)域和天空區(qū)域的判別機(jī)制，對(duì)不同類型的圖像采用不同方法求取大氣光值;基于點(diǎn)暗原色原理，采用中值濾波和雙邊濾波對(duì)點(diǎn)透射率進(jìn)行細(xì)化，與塊透射率相比，采用點(diǎn)透射率可以保留更多的圖像細(xì)節(jié)。結(jié)果顯示，采用均方誤差、峰值信噪比、可見邊梯度和結(jié)構(gòu)相似性4個(gè)參數(shù)作為圖像去霧效果的客觀評(píng)價(jià)指標(biāo)，優(yōu)化后算法的綜合評(píng)價(jià)指標(biāo)均優(yōu)于其他算法。所提出的算法對(duì)不同類型圖像均可取得較好的去霧效果，消除了去霧圖像的光暈、塊效應(yīng)和天空區(qū)域過飽和現(xiàn)象。

關(guān)鍵詞：圖像處理;圖像去霧;明亮區(qū)域;天空區(qū)域;點(diǎn)暗原色

中圖分類號(hào)：TP391文獻(xiàn)標(biāo)志碼：A

doi：10.7535/hbgykj.2019yx03009

文章編號(hào)：1008-1534（2019）03-0200-06

有霧天氣下采集到的圖像對(duì)比度下降、動(dòng)態(tài)范圍縮小、顏色發(fā)生偏移和失真等，對(duì)依賴于圖像信息的計(jì)算機(jī)視覺系統(tǒng)造成很大的影響。因此，簡單高效的圖像去霧算法是計(jì)算機(jī)視覺領(lǐng)域的重要研究內(nèi)容[1-3]。

近年來，基于圖像退化先驗(yàn)知識(shí)的圖像去霧算法層出不窮，NARASIMHAN等[4]通過在同一場景下獲取多幅不同天氣條件下的圖像來計(jì)算當(dāng)前場景的景深，以此來恢復(fù)無霧圖像。SHWARTZ等[5]通過在同一場景下獲取多幅偏振光圖像來估計(jì)環(huán)境光和景深信息。以上算法雖在去霧中取得了較好的結(jié)果，但需要輸入額外的圖像，限制了其實(shí)際應(yīng)用。TAN[6]提出增強(qiáng)圖像局部對(duì)比度的方法實(shí)現(xiàn)單幅圖像去霧，該方法恢復(fù)的去霧圖像顏色易于過飽和。FATTLE[7]假設(shè)景物表面投影和透射率在局部區(qū)域不相關(guān)來估算景物表面的反射率，從而推演場景的透射率，該方法處理濃霧圖像時(shí)會(huì)產(chǎn)生較大的失真。HE等[8]通過對(duì)大量的無霧圖像分析，提出了暗通道先驗(yàn)理論，該方法在單幅圖像去霧處理中取得了良好的效果，但算法采用軟摳圖來細(xì)化透射率，復(fù)雜度較高，迭代時(shí)間長，且在明亮區(qū)域會(huì)出現(xiàn)失真現(xiàn)象。蔣建國等[9]對(duì)暗原色先驗(yàn)算法進(jìn)行分析，指出明亮區(qū)域估計(jì)的透射率偏小是導(dǎo)致圖像出現(xiàn)色彩失真的根本原因，并提出引入容差機(jī)制對(duì)明亮區(qū)域的估值偏小的透射率進(jìn)行糾正。曾接賢等[10]通過引入雙邊濾波和最大值濾波聯(lián)合的方法對(duì)暗通道HE等[8]算法中的透射率有針對(duì)性地進(jìn)行改進(jìn)，有效地保持了圖像邊緣信息，但仍然存在計(jì)算量大、實(shí)時(shí)性差的問題。KIM等[11]提出基于四叉樹子矩陣分割的分層遍歷方法來計(jì)算大氣光值，該方法將圖像看作一個(gè)大矩陣，將大矩陣分為4個(gè)大小相等的子矩陣，對(duì)各子矩陣所有像素均值與標(biāo)準(zhǔn)差的差值進(jìn)行評(píng)分，選取最高得分的子矩陣?yán)^續(xù)進(jìn)行劃分和計(jì)算，直至得到的子矩陣差值小于閾值，將該子矩陣中最大的像素值歸一化后作為大氣光值的估計(jì)值。

當(dāng)圖像中包含天空、白色物體、水面等明亮區(qū)域時(shí)，圖像做去霧處理后會(huì)出現(xiàn)顏色失真現(xiàn)象，針對(duì)這一問題提出了一種基于明亮區(qū)域和天空區(qū)域識(shí)別的圖像去霧算法。本文將圖像分為3種類型：有明亮區(qū)域圖像、無明亮有天空區(qū)域圖像和無明亮無天空區(qū)域圖像，并給出了判斷條件，不同類型圖像大氣光值計(jì)算方法不同。同時(shí)利用點(diǎn)暗原色可以很好地保持圖像細(xì)節(jié)的特性，采用點(diǎn)暗原色估計(jì)透射率，并采用中值濾波和雙邊濾波進(jìn)一步細(xì)化透射率。實(shí)驗(yàn)結(jié)果表明，本文算法對(duì)不同類型圖像均可取得良好的去霧效果，有效降低了天空區(qū)域的失真現(xiàn)象。

圖像去霧的關(guān)鍵在于大氣光值A(chǔ)和透射率t的求取，若這2個(gè)參數(shù)求取不當(dāng)，去霧圖像就會(huì)產(chǎn)生顏色失真。

2改進(jìn)算法

2.1大氣光值估計(jì)中存在的問題

已有的圖像去霧算法大多基于HE等[8]的算法，選取暗原色圖中像素亮度值最大的前0.1%像素的亮度均值作為大氣光值A(chǔ)。但如果圖像中存在明亮非天空區(qū)域（例如點(diǎn)光源或偏白色物體等）時(shí)，大氣光值基本會(huì)落在這些明亮區(qū)域，導(dǎo)致錯(cuò)誤估計(jì)[9]。為了對(duì)存在明亮區(qū)域時(shí)的大氣光值進(jìn)行更加準(zhǔn)確的估計(jì)，王殿偉等[13]提出基于統(tǒng)計(jì)截?cái)嗟拇髿夤庵倒烙?jì)方法。將亮度圖像中大于平均亮度的像素點(diǎn)作為備選像素點(diǎn)，計(jì)算其均值μ和方差δ，選取在[μ-δ，μ+δ]之間的像素點(diǎn)，進(jìn)一步計(jì)算其均值和方差，不斷重復(fù)這個(gè)過程，直到備選像素點(diǎn)個(gè)數(shù)小于0.1N（N為圖像總的像素點(diǎn)個(gè)數(shù)），此方法可以很好地過濾掉帶有點(diǎn)光源或偏白色物體的非天空區(qū)域。但是，對(duì)于沒有光源或偏白色物體的圖像來說，此方法得到的A值偏小，當(dāng)遇到像素值比A大的區(qū)域時(shí)，式（6）計(jì)算得到的去霧像素值J（p）將會(huì)大于等于255，即像素值達(dá)到飽和。如圖1c）所示，天空全部飽和，甚至丟失了天空區(qū)域附近的圖像信息，雖然王殿偉等[13]對(duì)天空區(qū)域做了容差修正，但依然改變不多，如圖1所示。

根據(jù)以上分析可知：HE等[8]方法選取的大氣光值A(chǔ)偏大，造成圖像顏色失真，且如果圖像中存在明亮區(qū)域，則會(huì)造成大氣光值錯(cuò)誤估計(jì);王殿偉等[13]方法在圖像中存在明亮區(qū)域時(shí)有效，但對(duì)于沒有存在明亮區(qū)域的圖像，大氣光值估計(jì)偏小，造成圖像部分區(qū)域過飽和。

2.2基于明亮區(qū)域和天空區(qū)域識(shí)別的大氣光值估計(jì)

針對(duì)以上問題，本文提出了基于天空區(qū)域和明亮區(qū)域識(shí)別的大氣光值計(jì)算方法。將圖像分為3類：存在明亮區(qū)域圖像、無明亮有天空區(qū)域圖像和無明亮無天空區(qū)域圖像。

通過觀察可知，天空區(qū)域一般位于圖像上方，具有面積大、灰度值較大且平滑的特點(diǎn)，明亮區(qū)域具有亮度值大且接近飽和的特點(diǎn)。基于此，通過平滑度和亮度值判斷是否存在明亮區(qū)域和天空區(qū)域，判斷步驟和大氣光值計(jì)算方法如下。

3）首先進(jìn)行明亮區(qū)域檢測。根據(jù)明亮區(qū)域具有連續(xù)性且亮度接近飽和值的特點(diǎn)，明亮區(qū)域的識(shí)別條件為Va=255。若檢測到Gi中有連續(xù)n個(gè)（本文中取n>2）模板方塊滿足該條件，則判斷圖像中存在明亮區(qū)域。大氣光值也按照基于統(tǒng)計(jì)截?cái)嗟姆椒ㄇ笕　?/p>

4）若未檢測到明亮區(qū)域，則繼續(xù)進(jìn)行天空區(qū)域檢測。根據(jù)天空區(qū)域平滑且灰度值較大的特點(diǎn)，天空區(qū)域的識(shí)別條件為

在模板遍歷中若檢測有連續(xù)m個(gè)（文中取m>20）模板方塊滿足該條件，則判斷圖像中存在天空區(qū)域。選取該區(qū)域亮度最大的1%的像素灰度值均值Vmean，大氣光值取0.9Vmean。

5）若未檢測到天空區(qū)域和明亮區(qū)域，則圖像為非明亮非天空區(qū)域。選取該區(qū)域亮度最大的1%的像素灰度值均值作為大氣光值。

明亮區(qū)域和天空區(qū)域識(shí)別的二值化圖像如圖2所示。

2.3基于雙邊濾波的點(diǎn)透射率優(yōu)化

傳統(tǒng)的去霧方法是在局部范圍內(nèi)估計(jì)透射率，透射率在該局部內(nèi)是恒定的，稱為“塊透射率”。分塊的大小直接影響去霧的效果。當(dāng)圖像塊較大時(shí)，去霧圖像中“光暈”較為明顯，如圖1b）中左上角樹葉和山輪廓處;當(dāng)圖像塊較小時(shí)，“光暈”現(xiàn)象減弱，光暈主要產(chǎn)生在場景深度突變的區(qū)域（圖像的邊緣）。因此，去除光暈的關(guān)鍵是細(xì)化邊緣區(qū)域的透射率。WANG等[15]求取單個(gè)像素點(diǎn)R，G，B通道中的最小值作為點(diǎn)暗原色，由此求出的透射率稱為“點(diǎn)透射率”。點(diǎn)暗原色圖包含了更多的原始圖像信息，更能清晰地反映原始圖像中物體的邊緣，但是卻較為粗糙，而透射率圖越平滑，恢復(fù)的圖像細(xì)節(jié)越多。為了更接近實(shí)際的透射率和保留更多的圖像細(xì)節(jié)，需要對(duì)透射率圖進(jìn)一步細(xì)化。因此本文對(duì)點(diǎn)透射率圖先進(jìn)行中值濾波，再采用雙邊濾波[16]進(jìn)一步平滑和去噪。采用點(diǎn)透射率的表達(dá)式為

該方法得到的去霧圖像可以很好地消除光暈和塊效應(yīng)，如圖3d）所示，與圖1c）相比，消除了左上角樹葉和山輪廓處的光暈，降低了天空的塊效應(yīng)，如圖3所示。

3實(shí)驗(yàn)結(jié)果分析

為了驗(yàn)證本文算法的有效性，選取有代表性的7幅圖片，分別采用HE等[8]的算法、Retinex方法[17]、王殿偉等[13]的方法和本文算法進(jìn)行去霧處理，其結(jié)果如圖4所示。對(duì)比4組實(shí)驗(yàn)結(jié)果可以看出，采用HE等[8]算法處理后圖像的飽和度較高，塊效應(yīng)較嚴(yán)重;Retinex方法處理后圖像顏色顯冷色調(diào)，飽和度不夠;王殿偉等[13]的方法對(duì)無天空區(qū)域和有點(diǎn)光源時(shí)圖像去霧效果較好，但是對(duì)于含有大面積灰白色天空區(qū)域的圖像或者天空區(qū)域有云的圖像，會(huì)出現(xiàn)過飽和現(xiàn)象，丟失一部分圖像信息。本文算法克服了上述缺點(diǎn)，對(duì)含有明亮區(qū)域或大面積天空區(qū)域的圖像采用不同的大氣光值計(jì)算方法，得到很好的去霧效果。

為了客觀評(píng)價(jià)去霧效果，本文選用均方誤差、峰值信噪比、可見邊梯度法和結(jié)構(gòu)相似性4個(gè)方面評(píng)價(jià)去霧圖像和原圖像的差異。其中均方誤差和峰值信噪比是評(píng)價(jià)像素上的差異;可見邊梯度法是對(duì)比去霧圖像與原圖像的可見邊數(shù)量

（e）和平均梯度比（r）來客觀的評(píng)價(jià)圖像的去霧效果，一般情況，e和r的值越大，表明處理后的圖像邊緣強(qiáng)度越大，數(shù)量越多。其計(jì)算公式為

4結(jié)語

提出了一種基于明亮區(qū)域和天空識(shí)別的圖像去霧算法，根據(jù)明亮區(qū)域和天空區(qū)域的特點(diǎn)，建立判斷機(jī)制，對(duì)不同類型的圖像采取不同的大氣光值計(jì)算方法。基于點(diǎn)暗原色估計(jì)透射率，采用中值濾波和雙邊濾波對(duì)點(diǎn)透射率圖進(jìn)行平滑去噪，保留更多的圖像細(xì)節(jié)。實(shí)驗(yàn)結(jié)果，表明針對(duì)不同類型的圖像，本文算法都有很好的去霧效果，有效降低了天空區(qū)域的失真現(xiàn)象。將進(jìn)一步研究改善圖像恢復(fù)過程中的失真現(xiàn)象，力求達(dá)到更好的視覺效果。

參考文獻(xiàn)/References：

[1]吳迪，朱青松.圖像去霧的最新研究進(jìn)展[J].自動(dòng)化學(xué)報(bào)，2015，41（2）：221-239.

WUDi，ZHUQingsong.Thelatestresearchprogressofimagedehazing[J].ActaAutomaticaSinica，2015，41（2）：221-239.

[2]TARELJP，HAUTIEREN.Fastvisibilityrestorationfromasinglecolororgraylevelimage[C]//IEEE12thInternationalConferenceonComputerVision.Kyoto：[s.n.]，2009：2201-2208.

[3]GAOYuanyuan，HUHaimiao，WANGShuhang，etal.Afastimagedehazingalgorithmbasedonnegativecorrection[J].SignalProcessing，2014，103（10）：380-398.

[4]NARASIMHANSG，NAYARSK.Contrastrestorationofweatherdegradedimages[J].IEEETransactionsonPatternAnalysisandMachineIntelligence，2003，25（6）：713-724.

[5]SHWARTZS，NAMERE，SCHECHNERYY.Blindhazeseparation[C]//ProceedingsofIEEEComputerVisionandPatternRecognition.[S.l.]：[s.n.]，2006：1984-1991.

[6]TANRT.Visibilityinbadweatherfromasingleimage[C]//IEEEComputerSocietyConferenceonComputerVisionandPatternRecognition.Anchorage：[s.n.]，2008：1-8.

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

[8]HEKaiming，SUNJian，TANGXiaoou.Singleimagehazeremovalusingdarkchannelprior[C]//IEEEConferenceonComputerVisionandPatternRecognition.[S.l.]：[s.n.]，2011：1956-1963.

[9]蔣建國，侯天峰，齊美彬.改進(jìn)的基于暗原色先驗(yàn)的圖像去霧算法[J].電路與系統(tǒng)學(xué)報(bào)，2011，16（2）：7-12.

JIANGJianguo，HOUTianfeng，QIMeibin.Improvedalgorithmonimagehazeremova1usingdarkchannelprior[J].JournalofCircuitsandSystems，2011，16（2）：7-12.

[10]曾接賢，余永龍.雙邊濾波與暗通道結(jié)合的圖像保邊去霧算法[J].中國圖象圖形學(xué)報(bào)，2017，22（2）：147-153.

ZENGJiexian，YUYonglong.Imagedefoggingandedgepreservingalgorithmbasedondarkchannelprior

andbilateralfiltering[J].JournalofImageandGraphics，2017，22（2）：147-153.

[11]KIMJH，JANGWD，SIMJY，etal.Optimizedcontrastenhancementforreal-timeimageandvideodehazing[J].JournalofVisualCommunicationandImageRepresentation，2013，24（3）：410-425.

[12]MCCARTNEYEJ，HALLFF.Opticsoftheatmosphere：Scatteringbymoleculesandparticles[J].PhysicsToday，1971，30（5）：76.

[13]王殿偉，閆偉超，劉穎，等，基于暗原色先驗(yàn)的快速單幅圖像去霧算法[J]，計(jì)算機(jī)應(yīng)用研究，2018，35（12）：3836-3840.

WANGDianwei，YANWeichao，LIUYing，etal.Fastsingleimagedehazingalgorithmbasedondarkchannelprior[J].ApplicationResearchofComputers，2018，35（12）：3836-3840.

[14]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(dòng)化學(xué)報(bào)，2011，37（2）：143-149.

YUJing，LIDapeng，LIAOQingmin.Physics-basedfastsingleimagefogremoval[J].ActaAutomaticaSinica，2011，37（2）：143-149.

[15]WANGZhongliang，F(xiàn)ENGYan.Fastsinglehazeimageenhancement[J].ComputersandElectricalEngineering，2014，40（3）：785-795.

[16]王一帆，尹傳歷，黃義明，等，基于雙邊濾波的圖像去霧[J].中國圖象圖形學(xué)報(bào)，2014，19（3）：386-392.

WANGYifan，YINChuanli，HUANGYiming，etal.Imagehazeremovalusingabilateralfilter[J].JournalofImageandGraphics，2014，19（3）：386-392.

[17]BISWASB，ROYP，CHOUDHURIR，etal.Microscopicimagecontrastandbrightnessenhancementusingmulti-scaleretinexandcuckoosearchalgorithm[J].ProcediaComputerScience，2015，70：348-354.