霧天圖像的邊緣檢測(cè)及其應(yīng)用

王小麗

（西華大學(xué)計(jì)算機(jī)與軟件工程學(xué)院，成都610039）

0 引言

隨著社會(huì)的不斷發(fā)展，我國經(jīng)濟(jì)不斷發(fā)展，人們的生活水平提高，生活質(zhì)量得到提高。但隨之而來的是環(huán)境惡化、全球氣候變暖等問題，給人類的可持續(xù)發(fā)展帶來了巨大的挑戰(zhàn)。因環(huán)境的惡化，霧霾歷經(jīng)天數(shù)越來越多，覆蓋范圍也越來越廣，給人類的生產(chǎn)生活造成影響。

在霧霾天氣條件下，因空氣中霧霾顆粒影響，人眼可見度低，使道路監(jiān)控、航空遙感和軍事觀測(cè)等領(lǐng)域的戶外成像設(shè)備采集到的圖像退化嚴(yán)重，具有對(duì)比度低、亮度偏暗、清晰度差等缺陷。降質(zhì)的圖像不僅增加了圖像處理系統(tǒng)的復(fù)雜性，也給人們的生活和出行帶來不便。例如：在霧霾天氣條件下，可見度低，光照弱，行駛的車輛無法看清路況及來往車輛，導(dǎo)致交通事故的發(fā)生；因霧霾的影響，飛機(jī)無法正常起飛，導(dǎo)致人類的出行推遲延期，造成諸多不便；軍事應(yīng)用中對(duì)成像設(shè)備精度要求很高，如果獲取了降質(zhì)的圖像，就無法識(shí)別敵我目標(biāo)，對(duì)國家和人民的安全帶來嚴(yán)重的后果。因此，對(duì)霧霾天氣下采集到的圖像、視頻進(jìn)行去霧增強(qiáng)處理是十分必要的。

進(jìn)行圖像去霧之后，能夠提高圖像的對(duì)比度，增加圖像的人眼可識(shí)別性。但往往還不夠，還需要對(duì)去霧后的圖像作進(jìn)一步處理，如邊緣檢測(cè)。邊緣檢測(cè)就是將圖像中的邊緣點(diǎn)（邊緣點(diǎn)即：是圖像中像素灰度急劇變化的點(diǎn)）檢測(cè)出來，將圖像中的物體與背景分離開來。圖像中的邊緣不僅是圖像的基本特征，它也包含了圖像中大部分信息，對(duì)于整體場(chǎng)景的識(shí)別具有十分重要的作用。邊緣檢測(cè)是圖像處理中目標(biāo)識(shí)別、特征提取、圖像分析等的重要前提，也是計(jì)算機(jī)視覺和圖像分析理解中不可分割的一部分。

1 去霧算法

圖像去霧是去除或減少懸浮顆粒對(duì)圖像質(zhì)量造成的影響，還原圖像的真實(shí)色彩，提高圖像的對(duì)比度，以便后期處理。一方面，圖像去霧不僅提高了視覺效果；另一方面，圖像去霧為后續(xù)的邊緣檢測(cè)、模式識(shí)別等奠定了基礎(chǔ)，起預(yù)處理的作用。

現(xiàn)有的去霧算法主要分為基于圖像恢復(fù)的方法和基于圖像增強(qiáng)的方法。其中基于復(fù)原的去霧算法是利用物理模型（大氣散射模型[1]），通過求解圖像降質(zhì)的逆過程來恢復(fù)清晰圖像，例如基于暗通道先驗(yàn)理論[2]等，它的目的是使估計(jì)圖像盡可能逼近真實(shí)圖像。而基于增強(qiáng)的去霧算法是用一些算法來提高帶霧圖像的對(duì)比度，突出或弱化某些信息，減少霧對(duì)圖像造成影響，使去霧后的圖像便于用以機(jī)器識(shí)別或主觀視角觀察。包括直方圖均衡化及其改進(jìn)算法[3]，Retinex 方法及改進(jìn)Retinex 方法[4]等算法。

1.1 基于大氣散射物理模型原理

在有霧的天氣條件下，物體的反射光線會(huì)因空氣中的小顆粒發(fā)生散射，使光線在傳播過程中受到衰減，導(dǎo)致圖像采集設(shè)備采不到完整的物體反射光線。大氣散射模型的提出很好地表示圖像經(jīng)過空氣衰減到達(dá)采集設(shè)備的這一過程，其表達(dá)式：

公式（1）中，I（x）表示采集到的圖像，t（x）表示透射率；A 代表大氣光強(qiáng)度；J（x）代表真實(shí)的圖像。

1.2 暗通道先驗(yàn)原理

何凱明提出的暗通道先驗(yàn)理論是通過統(tǒng)計(jì)大量的無霧圖像，發(fā)現(xiàn)：每一幅圖像的RGB 三個(gè)顏色通道中，總有一個(gè)通道的灰度值很低，幾乎趨向于零。因此，在這個(gè)“幾乎”作為先驗(yàn)條件下，可以粗略估算出透射率。暗通道先驗(yàn)數(shù)學(xué)表達(dá)式如下：

其中，Jc可以分別表示r，g，b 三個(gè)顏色通道，而c表示三個(gè)顏色中的一個(gè)，Ω（x）表示以像素X 為中心的一個(gè)窗口。在暗通道先驗(yàn)的理論，核心“幾乎”則表明：Jdark→0。

1.3 Retinex理論原理

Retinex 理論的基本內(nèi)容：物體固有的色彩并不受光照非均性的影響，是由物體對(duì)不同波長光線的反射能力決定，而不是由物體反射光強(qiáng)的絕對(duì)值決定，它具有一致性。

Retinex 理論是以色感一致性（顏色恒常性）為基礎(chǔ)的。它的基本假設(shè)：原始圖像S 是通過光照?qǐng)D像L和反射率圖像R 的乘積來得到的，通過轉(zhuǎn)換到對(duì)數(shù)域上，將兩數(shù)乘積轉(zhuǎn)化為兩數(shù)之和。而它的核心就是估測(cè)光照?qǐng)D像，從原始圖像中估測(cè)光照?qǐng)D像分量，并去除光照?qǐng)D像分量，得到原始反射圖像分量。

隨著機(jī)器視覺的發(fā)展，廣大學(xué)者對(duì)霧霾的特點(diǎn)進(jìn)行細(xì)致研究，使圖像去霧技術(shù)取得了進(jìn)展，同時(shí)產(chǎn)生了很多新的方法，如深度學(xué)習(xí)[5]、圖像融合等。除此之外，多數(shù)學(xué)者們不再滿足一種圖像去霧算法了，而是通過結(jié)合多種不同去霧的方法相結(jié)合的方式（一般是物理模型與圖像增強(qiáng)相結(jié)合的方式），例如改進(jìn)的大氣散射模型[6]、基于暗通道的改進(jìn)算法[7]、暗通道與Retinex 理論結(jié)合[8]等。單一的算法去霧時(shí)，在某個(gè)參數(shù)（如：透射率估計(jì)、景深等）上占有優(yōu)勢(shì)，而整體去霧效果卻不占有優(yōu)勢(shì)，因此將多種方法結(jié)合的方式能夠比單一算法獲得更好的去霧效果，但與此同時(shí)增加了計(jì)算量和復(fù)雜度。隨著霧霾天氣的多變，天氣中顆粒物的大小、太陽光強(qiáng)度、圖像景深等參數(shù)的多變性，研究一種簡單的、應(yīng)用廣泛的以及去霧效果明顯的去霧算法是廣大學(xué)者致力學(xué)習(xí)的。

2 邊緣檢測(cè)

圖像的邊緣檢測(cè)指的是將數(shù)字圖像中的邊緣點(diǎn)檢測(cè)標(biāo)識(shí)出來。在圖片中，邊緣不僅是圖像最基本的特征，也集中了圖像中大部分信息，邊緣的確定和提取對(duì)整個(gè)場(chǎng)景的識(shí)別是十分重要的。邊緣檢測(cè)在機(jī)器視覺、圖像處理等應(yīng)用中是重要的前提，同時(shí)也是圖像分析與模式識(shí)別的重要環(huán)節(jié)。

邊緣檢測(cè)算子檢查每個(gè)像素及其直接鄰域，對(duì)灰度變化率和方向進(jìn)行計(jì)算和確定。邊緣檢測(cè)算子一般是通過邊緣檢測(cè)算子與圖像做卷積運(yùn)算，選取卷積后的結(jié)果（最大值）作為該像素點(diǎn)的輸出值；再將其中超過某個(gè)閾值（單閾值或雙閾值）的點(diǎn)視為邊緣點(diǎn)，以得到圖像中物體的邊緣。經(jīng)典的邊緣檢測(cè)算子，Kirsch算子、Prewitt 算子及其改進(jìn)算法、Roberts 算子、Sobel 算子及其改進(jìn)算法[9]、Laplace 算子、LoG 算子及其改進(jìn)算法、Canny 算子[10]等，數(shù)學(xué)形態(tài)學(xué)方法[11]，近幾年出現(xiàn)的新邊緣檢測(cè)方法深度學(xué)習(xí)[12]。邊緣檢測(cè)在機(jī)器視覺和圖像處理中是不可或缺的部分，一直以來都是廣大學(xué)者致力于學(xué)習(xí)和研究的熱點(diǎn)之一。

2.1 Sobel邊緣檢測(cè)

基于Sobel 算子的邊緣檢測(cè)在水平和垂直兩個(gè)方向上求導(dǎo)，得到的是圖像在X 方向與Y 方向梯度圖像。通過3×3 區(qū)域的內(nèi)核Gx和內(nèi)核Gy與圖像中的像素點(diǎn)做平面卷積運(yùn)算。在實(shí)際應(yīng)用中，將兩個(gè)卷積結(jié)果中的最大值作為該像素點(diǎn)的輸出值；然后將改區(qū)域內(nèi)所有超過某個(gè)閾值的點(diǎn)視為邊緣點(diǎn)。

Sobel 邊緣檢測(cè)算子：

Sobel 算子檢測(cè)方法對(duì)噪聲有一定的抑制能力，邊緣定位也比較準(zhǔn)確完整，但Sobel 算子對(duì)邊緣的檢測(cè)結(jié)果中易出現(xiàn)偽邊緣。

2.2 Canny邊緣檢測(cè)原理

Canny 邊緣檢測(cè)算子是一種多級(jí)檢測(cè)算法，它的目標(biāo)是找到一個(gè)最優(yōu)的邊緣檢測(cè)算法。在Canny 邊緣檢測(cè)方法提出的同時(shí)，也提出了一個(gè)對(duì)于邊緣檢測(cè)算法的評(píng)價(jià)標(biāo)準(zhǔn)：第一，以低的錯(cuò)誤率檢測(cè)邊緣，這意味著需要盡可能準(zhǔn)確的捕獲圖像中盡可能多的邊緣；第二，實(shí)際檢測(cè)的邊緣和真實(shí)邊緣的偏差要最?。坏谌?，只標(biāo)記一次圖像的給定邊緣，盡可能使圖像噪聲不產(chǎn)生偽邊緣。

Canny 邊緣檢測(cè)算法，首先使用高斯濾波器以平滑圖像，濾除噪聲；然后采用一階微分邊緣檢測(cè)算子來計(jì)算平滑后圖像各點(diǎn)處的梯度強(qiáng)度和梯度方向；再利用非極大值抑制，保留梯度強(qiáng)度中的局部最大值以消除邊緣檢測(cè)帶來的雜散響應(yīng)；隨后采用雙閾值法來檢測(cè)出圖像中的強(qiáng)、弱兩類邊緣像素；最后，通過抑制孤立的邊緣，檢測(cè)和連接最終的邊緣，完成圖像的邊緣檢測(cè)。

Canny 檢測(cè)算法相對(duì)于傳統(tǒng)邊緣檢測(cè)算子，它是效果較好的算子之一。使用高斯濾波可以很好地去除噪聲，但也容易去除一些邊緣信息；使用高閾值和低閾值來檢測(cè)出圖像中的強(qiáng)邊緣和弱邊緣，并且只有當(dāng)弱邊緣和強(qiáng)邊緣相連時(shí)，才將弱邊緣視為邊緣點(diǎn)包含在輸出圖像中，但與此同時(shí)，增加了計(jì)算量和復(fù)雜度。

在對(duì)邊緣檢測(cè)進(jìn)行優(yōu)化，一般是從檢測(cè)前和邊緣檢測(cè)算子方向以及檢測(cè)后三個(gè)方面進(jìn)行優(yōu)化。邊緣檢測(cè)前：進(jìn)行圖像的預(yù)處理，例如圖像的去噪（高斯濾波、同態(tài)濾波等），加強(qiáng)圖像的細(xì)節(jié)信息以及根據(jù)圖像的高頻和低頻部分（小波變換）進(jìn)行不同處理；為了取得更好的邊緣檢測(cè)結(jié)果，除了水平方向和垂直方向外，會(huì)更加檢測(cè)檢測(cè)方向45 度、90 度、135 度等；邊緣檢測(cè)后：采用不同的閾值估計(jì)方法（單閾值或雙閾值法），來進(jìn)行邊緣點(diǎn)的確定，盡可能準(zhǔn)確的與圖像中物體的真實(shí)邊緣相對(duì)應(yīng)。

3 交通場(chǎng)景的應(yīng)用

近年來，受霧霾天氣的影響，交通事故頻發(fā)，在霧霾天氣條件下出行，要時(shí)刻警惕來往車輛和道路上存在的障礙物等影響交通安全的隱患。隨著去霧算法和邊緣檢測(cè)算法的不斷完善，將去霧算法和邊緣檢測(cè)算法相結(jié)合來解決在交通、航空等領(lǐng)域遇到的實(shí)際問題也逐漸受到廣大學(xué)者的關(guān)注和廣泛研究。

文獻(xiàn)[13]中石曉婧以霧霾天氣下的交通圖像為目標(biāo)，針對(duì)霧霾天氣下低能見度的交通圖像進(jìn)行對(duì)比度的提高，并在霧霾交通圖像增強(qiáng)的基礎(chǔ)上進(jìn)行邊緣檢測(cè)。她提出一種基于霧氣遮罩理論的圖像增強(qiáng)算法，通過對(duì)飽和度分量采取分段非線性變換，并在Retinex算法處理時(shí)采用雙邊濾波代替高斯濾波，更好的保持了圖像的邊緣和紋理特征；然后改進(jìn)了Canny 自適應(yīng)算法來提取圖像邊緣。經(jīng)過處理后的圖像邊緣連續(xù)性好、能抑制噪聲，但是增加了復(fù)雜度，并且增強(qiáng)后的圖像本身會(huì)有像素點(diǎn)的缺少，檢測(cè)出的圖像邊緣整體偏暗，強(qiáng)度有所欠缺。

文獻(xiàn)[14]中劉振在霧霾條件下進(jìn)行交通標(biāo)志的檢測(cè)與識(shí)別，在圖像復(fù)原技術(shù)基礎(chǔ)上，通過結(jié)合大氣光衰減模型和環(huán)境光模型得到大氣霧霾圖像成像的數(shù)學(xué)模型，然后根據(jù)模型的反推來恢復(fù)出清晰無霧圖像；在交通標(biāo)志定位方面，提出了一個(gè)改進(jìn)的基于顏色信息分割和形狀特征定位的交通標(biāo)志檢測(cè)法，在顏色空間進(jìn)行RGB 圖像分割得到二值圖像，結(jié)合數(shù)學(xué)形態(tài)開閉運(yùn)算和Canny 邊緣檢測(cè)得到輪廓信息以進(jìn)行交通標(biāo)志的粗分類，最終通過候選區(qū)域Hough 變換直線圓檢測(cè)，最終定位交通標(biāo)志。該處理方法綜合了顏色和形狀兩者的優(yōu)點(diǎn)，并且抗干擾能力強(qiáng)，但算法對(duì)噪聲較敏感且復(fù)雜性高，不能保證實(shí)時(shí)性。

文獻(xiàn)[18]中張群在車牌自動(dòng)識(shí)別算法中引入暗原色先驗(yàn)去霧算法，通過指導(dǎo)濾波對(duì)透射率進(jìn)行優(yōu)化改進(jìn)，保證了去霧效果的同時(shí)縮短了處理時(shí)間，提高了實(shí)時(shí)性。對(duì)去霧后的圖像，采用灰度化處理（便于后續(xù)邊緣檢測(cè)閾值的選?。?，再進(jìn)行Roberts 邊緣檢測(cè)確定車牌的上下邊界，再通過先驗(yàn)知識(shí)確定左右邊界，完成車牌定位。該文通過邊緣檢測(cè)來確定車牌的上下邊界，為后續(xù)車牌識(shí)別做好準(zhǔn)備。

在多數(shù)的研究中，通過去霧算法以提高還原圖像真實(shí)的色彩，然后通過邊緣檢測(cè)將圖像中感興趣的區(qū)域標(biāo)識(shí)出來，然后提取出圖像中的目標(biāo)，然后再對(duì)目標(biāo)進(jìn)行進(jìn)一步分析或處理。隨著去霧算法和邊緣檢測(cè)算法的不斷研究和發(fā)展，將兩種不同的方法結(jié)合使用以解決更多實(shí)際性的問題，會(huì)成為越來越熱的研究點(diǎn)，在不同的場(chǎng)景中應(yīng)用并能夠達(dá)到實(shí)時(shí)地應(yīng)用。

4 結(jié)語

本文簡單介紹了經(jīng)典的去霧算法和經(jīng)典邊緣檢測(cè)算法以及兩種方法的改進(jìn)算法。在實(shí)際中為了取得更好的效果往往不再局限于一種算法，而是將多種算法結(jié)合以獲得理想的效果，在獲得好的效果的同時(shí)也增加了計(jì)算量和復(fù)雜度，因而尋求一種簡單并且效果佳的方法任然是需要廣大學(xué)者努力的方向。霧天條件下的邊緣檢測(cè)在交通領(lǐng)域的應(yīng)用，有利于交通管理和減少交通事故的發(fā)生，但在實(shí)際中，時(shí)效問題還是現(xiàn)在的研究熱點(diǎn)。