基于重構(gòu)暗通道的二次正弦衰減的去霧算法

梅 葳, 李 昕

(上海大學(xué)機(jī)電工程與自動(dòng)化學(xué)院, 上海 200072)

0 引 言

在物理學(xué)中,霧是由于水蒸氣的液化而形成的一種液態(tài)氣溶膠凝結(jié)物。當(dāng)大氣中存在霧霾時(shí),空氣中的小水珠發(fā)生凝結(jié)后會(huì)影響光線的傳播從而導(dǎo)致能見度極大地降低。因此,視覺傳感器在有霧天氣下拍攝的圖像存在飽和度差、亮度低、對(duì)比度不高等缺陷[1]。計(jì)算機(jī)視覺的許多應(yīng)用(包括物體識(shí)別和分類、目標(biāo)追蹤、圖像特征提取以及一些其他的實(shí)際應(yīng)用)都會(huì)受到有霧圖像低能見度的影響[2]。因此,消除霧霾得到無霧圖像有非常顯著的研究意義以及應(yīng)用價(jià)值。

近年來,越來越多的計(jì)算機(jī)視覺領(lǐng)域的專家相繼提出一些去霧算法,這些方法在提高圖像的可視化效果上都有突破性的進(jìn)步。其中,Qu[3]等人發(fā)現(xiàn)在霧天情況下由于空氣中存在凝結(jié)物,光的散射會(huì)產(chǎn)生偏振,于是用偏振器獲取圖像不同角度的信息進(jìn)行復(fù)原,但這類算法過程非常復(fù)雜,時(shí)間復(fù)雜度高,不利于實(shí)際去霧的應(yīng)用。Cai[4]等人提出一種基于端對(duì)端的深度學(xué)習(xí)去霧算法,采用基于卷積神經(jīng)網(wǎng)絡(luò)的深層架構(gòu),學(xué)習(xí)有霧圖像和透射率之間的關(guān)系,訓(xùn)練得到透射圖,再根據(jù)大氣散射模型去霧,但這類算法對(duì)數(shù)據(jù)集的數(shù)量和質(zhì)量要求較高,并且依賴于高性能的成像設(shè)備,否則需要通過人工加霧來生成數(shù)據(jù)集。根據(jù)室外清晰圖像比霧天圖像對(duì)比度大這一特點(diǎn),Tan[5]等人提出最大化局部對(duì)比度的方法進(jìn)行圖像復(fù)原,此方法在一定程度上增強(qiáng)了圖像的能見度,但復(fù)原圖片往往在梯度變化較大的地方產(chǎn)生偽影效應(yīng)。楊燕[6-7]等人根據(jù)多級(jí)透射率提出了一類基于高斯權(quán)重的迭代優(yōu)化去霧算法,其方法對(duì)去霧效果有一定的提升,但其算法復(fù)雜度較高,實(shí)時(shí)性較差。Fattal[8]等人首先假設(shè)光的透射率與物體色質(zhì)局部統(tǒng)計(jì)無關(guān),然后建立數(shù)學(xué)模型估算場(chǎng)景的反照率和光的透射率,但此方法的效果取決于數(shù)據(jù)的統(tǒng)計(jì)特性,有較低的魯棒性。Tarel[9]等人提出了一種基于中值濾波器的快速可見性單幅圖像去霧算法,該方法在保留圖像邊緣和圖像角落方面有較好的效果,但在處理天空區(qū)域時(shí)會(huì)出現(xiàn)偏色現(xiàn)象,且會(huì)出現(xiàn)Halo效應(yīng)。Zhu[10]等人根據(jù)亮度大小和飽和度信息之間的差異,在恢復(fù)深度信息之前提出了一種新穎的線性色彩衰減先驗(yàn)理論,并基于此理論建立了霧天場(chǎng)景深度結(jié)構(gòu)的線性模型,但在估計(jì)大氣散射系數(shù)時(shí)使用的是全局一致的參數(shù),導(dǎo)致該方法的魯棒性不夠穩(wěn)定,且對(duì)于霧霾密度分布不均勻的圖像復(fù)原效果不理想。He[11]等人提出暗通道先驗(yàn)(dark channel prior, DCP)理論:對(duì)于一幅RGB彩色圖像,像素通常在至少一個(gè)顏色通道中具有非常低的強(qiáng)度值?；诖颂岢霭低ǖ纼?yōu)先的單幅圖像去霧算法,實(shí)驗(yàn)表明該算法在天空區(qū)域去霧失效且復(fù)原圖像偏暗。以上方法存在的缺陷包括:① 在天空區(qū)域的去霧效果不佳;② 景深處殘霧去除不徹底且物體邊緣周圍的偽影現(xiàn)象比較明顯。

為了解決以上缺陷,本文在DCP理論的基礎(chǔ)上加以改進(jìn),提出一種基于重構(gòu)暗通道的二次正弦衰減的去霧算法,明顯降低偏色現(xiàn)象并消除部分殘留的偽影光圈,而且復(fù)原圖像的亮度和顏色對(duì)比度都有較好的提升。

1 算法背景

1.1 大氣散射模型

在計(jì)算機(jī)視覺領(lǐng)域,由Mccartney[12]等人提出的大氣散射模型被廣泛應(yīng)用于圖像去霧之中,其物理模型如下:

I(x)=J(x)t(x)+A(1-t(x))

(1)

式中,I(x)是輸入的有霧圖像;J(x)表示期望的復(fù)原輸出圖像;A是整副圖像的大氣光強(qiáng)度;t(x)代表的是光線的透射率,即霧的通透程度,t(x)∈[0,1]。式(1)右邊的第1項(xiàng)J(x)t(x)稱為直接衰減,第2項(xiàng)被稱為大氣光或者大氣面紗, 直接衰減解釋為場(chǎng)景輻射強(qiáng)度及其在介質(zhì)中的衰減效果;大氣光描述的是空氣中的小顆粒吸收和散射的光線。由于大氣層通常是均勻的,所以透射率t(x)與場(chǎng)景深度信息相關(guān)。因此,t(x)可以被表示為

t(x)=e-β d(x)

(2)

式中,β是大氣散射系數(shù);d(x)代表了場(chǎng)景深度信息,一般在圖像中是分段平滑的[13]。通過式(2)可以看出場(chǎng)景輻射與深度呈指數(shù)衰減。目前已知條件是輸入的霧天圖像I(x),目標(biāo)是復(fù)原圖像J(x),式(1)有3個(gè)未知數(shù)(t,A,J),為病態(tài)方程,所以需要借助先驗(yàn)理論來估算出大氣光A的值和透射率t(x)的值。

1.2 暗通道先驗(yàn)理論

He等人提出的DCP理論解釋為一幅無霧圖像的RGB顏色通道中至少有一個(gè)顏色通道的像素強(qiáng)度值很低甚至趨于0,將此通道圖稱為暗通道圖,這個(gè)理論也被稱為暗通道先驗(yàn)理論,其數(shù)學(xué)表達(dá)式為

(3)

式中,Jc代表彩色清晰圖像的一個(gè)顏色通道;Ω(x)是以像素x為中心的一個(gè)鄰域;Jdark(x)是對(duì)應(yīng)的暗通道,內(nèi)層是求取無霧圖像的最小顏色通道圖,外層是在以像素x為中心點(diǎn)的濾波窗口Ω(x) 內(nèi)做最小值濾波操作。在對(duì)5 000多幅無霧圖像的暗通道像素進(jìn)行統(tǒng)計(jì)后,發(fā)現(xiàn)絕大多數(shù)的像素值趨于0,于是提出式(3)所示的暗通道先驗(yàn)理論。

在假設(shè)A已知的前提下,結(jié)合式(1)和式(3)可以得到透射率t(x):

(4)

為了保證視覺的空間透視感,引入了一個(gè)常數(shù)參數(shù)ω(0<ω<1,在文獻(xiàn)[11]中取0.95)來得到新的t(x):

(5)

He[11]等人利用以下方法來計(jì)算全局大氣光A,首先從原圖對(duì)應(yīng)的暗通道圖中選取像素最大的前0.1%的像素值,然后在原始有霧圖像中尋找對(duì)應(yīng)像素位置的最大像素點(diǎn)的值作為大氣光A的取值。于是就可以求出透射率,從而根據(jù)下式求出無霧圖像:

(6)

式中,設(shè)置一個(gè)下限閾值t0(在文獻(xiàn)[11]中取0.1),防止當(dāng)透射率接近0時(shí)復(fù)原圖像整體偏白。

由于DCP理論采用了基于像素區(qū)域的最小值濾波方法, 這導(dǎo)致復(fù)原圖像在梯度變化較大的地方會(huì)出現(xiàn)明顯的殘霧以及偽影。因此,He[11]等人又利用軟摳圖(soft matting,SM)方法對(duì)透射率進(jìn)行細(xì)化, 盡管去除了部分殘霧,但出現(xiàn)明顯的光暈現(xiàn)象,且時(shí)間復(fù)雜度不理想。文獻(xiàn)[14-15]中He等人提出引導(dǎo)濾波系列算法來代替SM進(jìn)行透射率的細(xì)化工作,其效果和時(shí)間復(fù)雜度都有較大的提升,但是在圖像中物體的邊緣區(qū)域仍然留有光暈。另外,對(duì)于包含天空區(qū)域的彩色圖像,其天空區(qū)域的像素強(qiáng)度值在任意一個(gè)通道都很高,這與暗通道理論相悖,因此在復(fù)原圖像的天空區(qū)域往往會(huì)出現(xiàn)顏色扭曲或明顯的偏色現(xiàn)象從而導(dǎo)致天空區(qū)域去霧失效。

2 本文算法

針對(duì)DCP理論算法中最小值濾波不足以及天空區(qū)域去霧失效等問題,本文提出一種基于重構(gòu)暗通道的二次正弦衰減的去霧算法,算法流程如圖1所示。首先利用暗通道重構(gòu)(dark channel reconstruction, DCR)的方法得到重構(gòu)暗通道,然后進(jìn)行二次正弦函數(shù)衰減得到二次正弦衰減暗通道,為得到更加自然的透射率,設(shè)計(jì)霧密度權(quán)重函數(shù)近似計(jì)算有霧圖像中的霧密度權(quán)重系數(shù),再利用快速導(dǎo)向?yàn)V波并結(jié)合直方圖均衡化優(yōu)化透射率。最后,通過大氣散射模型復(fù)原無霧圖像。實(shí)驗(yàn)結(jié)果表明本文算法能夠有效去解決光暈效應(yīng)并在一定程度上去除邊緣殘霧,復(fù)原的無霧圖像亮度、飽和度也都有所提升。

圖1 本文算法流程圖

2.1 暗通道重構(gòu)

針對(duì)有霧圖像在天空區(qū)域處理效果差的問題,我們考慮將天空區(qū)域分割出來進(jìn)行特殊處理。在這里,先對(duì)輸入圖像進(jìn)行Gamma校正以提高圖像對(duì)比度效果。然后對(duì)K-Means聚類算法加以改進(jìn)來進(jìn)行天空區(qū)域的分割。

(1) Gamma校正

由于霧天圖像在霧的干擾下,物體邊緣會(huì)呈現(xiàn)出比較模糊的過渡狀態(tài),導(dǎo)致圖像的對(duì)比度較低,針對(duì)這一問題,對(duì)輸入圖像進(jìn)行Gamma校正以檢測(cè)出圖像信號(hào)中的深色部分和淺色部分,并使兩者像素強(qiáng)度比例增大,從而提高圖像對(duì)比度效果。矯正函數(shù)為

f(x)=I(x)γ

(7)

式中,I(x)為有霧的原始圖像;γ為矯正系數(shù)，為了不影響圖像的整體像素，γ取值為1.5。Gamma轉(zhuǎn)換屬性與圖像灰度的關(guān)系圖如圖2所示。

圖2 Gamma轉(zhuǎn)換屬性與圖像灰度關(guān)系圖

從圖2中可以看出,當(dāng)γ< 1時(shí),如紅線所示,灰度值在比較低的區(qū)域內(nèi)的變化速度較灰度值高的區(qū)域更快,并且圖像的整體灰度強(qiáng)度增大,稱這一過程為正補(bǔ)償;而當(dāng)γ> 1時(shí),則相反,稱這一過程為負(fù)補(bǔ)償。因此,我們遵循以下原則進(jìn)行Gamma矯正來增大圖像深色和淺色區(qū)域的對(duì)比度:

(8)

式中,v代表原始圖像各位置的像素強(qiáng)度，即在像素強(qiáng)度大于0.5的圖像區(qū)域進(jìn)行Gamma正補(bǔ)償,而在像素強(qiáng)度小于0.5的區(qū)域進(jìn)行Gamma負(fù)補(bǔ)償。

(2) K-Means分割

傳統(tǒng)的K-Means算法對(duì)初始聚類中心敏感,隨機(jī)選取中心點(diǎn)會(huì)因其波動(dòng)而產(chǎn)生較大的誤差且算法時(shí)間復(fù)雜度較大。針對(duì)這些問題,本文在選取初始聚類中心時(shí)使其間距盡可能大以降低算法復(fù)雜度和迭代產(chǎn)生的波動(dòng)誤差。

考慮到不同場(chǎng)景的有霧圖像有不同的特征,因此在選擇聚類類別數(shù)k時(shí),首先統(tǒng)計(jì)原始圖像的灰度直方圖,然后采用Python中的Seaborn庫對(duì)直方圖進(jìn)行曲線擬合,并計(jì)算擬合函數(shù)的極大值個(gè)數(shù)即為設(shè)定的聚類類別數(shù)k,因?yàn)閳D像灰度直方圖的極大值個(gè)數(shù)可以大致確定圖像像素的類別數(shù),而對(duì)于有天空區(qū)域的RGB圖像,其天空區(qū)域的像素強(qiáng)度接近255,有著明顯的像素特征,因此這k個(gè)類別數(shù)一定能夠充分分割出天空區(qū)域,直方圖擬合如圖3所示。

圖3 灰度直方圖擬合曲線圖

(9)

(10)

(11)

式中,V是非天空區(qū)域最小通道的平均像素值。最后通過式(9)求得重構(gòu)的暗通道圖。具體重構(gòu)效果如圖4 所示。

圖4 DCR過程

2.2 透射率估計(jì)

考慮到式(1)的大氣散射模型是一個(gè)病態(tài)問題,He[11]等人提出的DCP理論通過采用基于局部窗口的最小值濾波器來得到暗通道圖,但復(fù)原的無霧圖像有明顯的光暈現(xiàn)象,在使用導(dǎo)向?yàn)V波器后仍然留有較多的殘霧。針對(duì)這一問題,本文提出一種利用二次正弦函數(shù)衰減重構(gòu)暗通道的策略。利用二次正弦函數(shù)來衰減第2.1節(jié)中求出的重構(gòu)暗通道以逼近DCP理論的結(jié)論,再利用下式求出初始透射率：

(12)

結(jié)合以上分析,本文利用二次正弦函數(shù)衰減重構(gòu)暗通道來估算透射率的理論依據(jù)有以下幾個(gè)方面。

(1) 二次正弦函數(shù)的有效取值范圍與雙精度圖像像素強(qiáng)度范圍一一對(duì)應(yīng),均在(0, 1)之間,且其函數(shù)變化趨勢(shì)與DCP理論相似,都是為了使暗通道圖像像素趨于0,因此進(jìn)行二次正弦衰減具有可行性。

(2) 二次正弦衰減操作能夠有效解決基于局部窗口的最小值濾波器所產(chǎn)生的光暈效應(yīng)。

(3) 二次正弦衰減速度快,在一定程度上能有效降低透射率估計(jì)算法的時(shí)間復(fù)雜度。

在文獻(xiàn)[11]中,為了得到自然地去霧效果,引入一個(gè)常參數(shù)ω來優(yōu)化透射率,為了進(jìn)一步體現(xiàn)復(fù)原圖像的優(yōu)化效果,本文提出霧密度權(quán)重函數(shù)來計(jì)算霧密度權(quán)重系數(shù)ω(x)代替常參數(shù)ω。對(duì)于一幅彩色圖像的HSV通道,其中S為飽和度,V為明亮程度,我們知道有霧圖像在景深處的V值明顯很大,但其S的值明顯偏小,但在霧淺處恰恰相反,但是,HSV中的V值是指RGB中的最大值,該值或多或少會(huì)受到某些單通道像素的干擾,因此通過將輸入圖像轉(zhuǎn)換為HSI通道圖來計(jì)算深度信息,其中I的值是RGB的平均值[16]。受Zhu[10]等人的啟發(fā)構(gòu)建物體深度系數(shù)函數(shù):

d(x)=θ0+θ1I(x)+θ2S(x)

(13)

式中,I(x)和S(x)是輸入有霧圖像在HIS顏色通道的I值和S值;θ0,θ1,θ2這3個(gè)系數(shù)是通過監(jiān)督學(xué)習(xí)的方式訓(xùn)練得來的。為了更適應(yīng)自然場(chǎng)景中的霧濃度,構(gòu)造如下霧度密度權(quán)重函數(shù)ω(x):

ω(x)=d(x)1/3

(14)

式中,ω(x)在場(chǎng)景深度更大的地方取值越大,在深度小的地方取值較小,而結(jié)合式(2)可知,透射率其實(shí)是和場(chǎng)景深度有直接關(guān)聯(lián),在同一坐標(biāo)系中描繪出圖5所示的ω(x)和t(x)的曲線圖。

圖5 霧密度權(quán)重函數(shù)和透射率與景深關(guān)系對(duì)比圖

可以發(fā)現(xiàn),透射率衰減的趨勢(shì)和權(quán)重系數(shù)增加的趨勢(shì)一一對(duì)應(yīng),因此這種方式求得的霧密度權(quán)重系數(shù)是可行且有效的。最后可以求得基于霧密度權(quán)重函數(shù)的透射率t(x):

(15)

為了使透射率更加精細(xì)化,本文基于He提出的快速導(dǎo)向?yàn)V波[14]進(jìn)行改進(jìn)來優(yōu)化透射率,He是將原始有霧圖像作為引導(dǎo)圖,而本文將有霧圖像先進(jìn)行直方圖均衡化后再作為引導(dǎo)圖像,這樣做是為了使亮度均勻分布,增加圖像的全局對(duì)比度,使復(fù)原圖像層次感更加明顯。其效果對(duì)比圖如圖6所示。

圖6 透射率對(duì)比圖

2.3 大氣光估計(jì)

大氣光A估算的準(zhǔn)確性對(duì)復(fù)原效果的亮度和飽和度有著直接的影響。根據(jù)式(1)可知,若估算的大氣光值偏高,則會(huì)導(dǎo)致復(fù)原圖像亮度偏暗。在文獻(xiàn)[11]中,首先從暗通道圖中選取像素值最大的前0.1%的像素,然后在原始有霧圖像中尋找對(duì)應(yīng)像素位置的最大像素點(diǎn)的像素值作為大氣光A的值,但這種方法往往錯(cuò)選像素強(qiáng)度高的區(qū)域?qū)?yīng)的像素值,以至于復(fù)原圖像偏暗。由于全局大氣光很容易受到強(qiáng)像素區(qū)域的影響,為了避免陷入強(qiáng)光源帶來的復(fù)原圖像偏暗的影響,本文為得到更為準(zhǔn)確的大氣光值,采用文獻(xiàn)[17]提出的局部大氣光估算方法,并在此基礎(chǔ)上加以改進(jìn)。具體步驟如下。

步驟1從第2.1節(jié)中求出的天空區(qū)域最小通道圖中選取像素值最大的前0.1%的像素,然后在原始有霧圖像中尋找對(duì)應(yīng)像素位置的平均值作為初始的全局大氣光A0。

步驟2求原始的輸入的有霧圖像的亮通道圖Imax(x)。

步驟3再根據(jù)所求得的A0和Imax(x)求取局部大氣光值A(chǔ)(x),即每個(gè)像素點(diǎn)都有對(duì)應(yīng)的局部大氣光值。

具體公式如下:

(16)

A(x)=aImax(x)+bA0

(17)

式中,Imax(x)為亮通道圖;a和b是兩個(gè)權(quán)重系數(shù),且a+b<1.0。

2.4 圖像復(fù)原

在估算了透射率t(x)和大氣光值A(chǔ)(x)后,根據(jù)式(6)就可以復(fù)原無霧圖像:

(18)

式中,常數(shù)t0是為了避免分母接近0。

本文算法主要針對(duì)含有天空區(qū)域的有霧圖像,而暗通道優(yōu)先算法對(duì)于沒有天空區(qū)域的圖像的去霧效果已經(jīng)很好。由以上算法思路可知,將本文算法用于不含天空區(qū)域的圖像也是可行的,即使不含天空區(qū)域的圖像的暗通道整體像素較低,但不能確保此類圖像就不存在局部強(qiáng)光源, 為了避免局部強(qiáng)光源的影響,進(jìn)行暗通道重構(gòu)是很有必要的。而且,將霧密度權(quán)重函數(shù)和快速導(dǎo)向?yàn)V波用于不含天空區(qū)域圖像的去霧也是毋庸置疑的。為了驗(yàn)證本文算法對(duì)成像場(chǎng)景中不包含天空區(qū)域的霧圖有效,特此選擇一張不含天空區(qū)域圖像進(jìn)行實(shí)驗(yàn)。

3 結(jié)果和分析

文中設(shè)計(jì)的參數(shù)取值分別為:θ0=0.12,θ1=0.96,θ2=0.78,實(shí)驗(yàn)在Microsoft Visual Studio 2017環(huán)境下運(yùn)行,操作系統(tǒng)為Windows 1 064位操作系統(tǒng),硬件配置為Intel(R) Core(TM) i7-7500U CPU @ 2.70 GHz, 8.0 GB RAM。將本文所提出的算法與一些經(jīng)典去霧算法進(jìn)行比較,包括Tarel[9], Zhu[10], Fattal[8], He[11]等人提出的算法。然后從主觀性和客觀性分別來分析實(shí)驗(yàn)結(jié)果。為驗(yàn)證所提算法的有效性,本文選取了多組霧霾天氣場(chǎng)景圖進(jìn)行實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果如圖7所示。

3.1 主觀評(píng)價(jià)

本文對(duì)大量的有霧圖片進(jìn)行實(shí)驗(yàn),選取了4幅圖片進(jìn)行效果展示,具體的復(fù)原效果如圖7所示。其中,圖7(a)為有霧圖像;圖7(b)為He[11]等人采用DCP理論以及引導(dǎo)濾波系列算法的效果,在一定程度上消去了霧霾,但物體邊緣的光暈現(xiàn)象比較明顯,另外由于大氣光的估算不夠精確導(dǎo)致復(fù)原圖像在天空區(qū)域出現(xiàn)明顯的偏色現(xiàn)象且圖像整體偏暗;圖7(c)為Tarel[9]等人構(gòu)建大氣耗散函數(shù)并使用中值濾波器來進(jìn)行近似估計(jì),雖然可將圖像的輪廓復(fù)原清晰,但在梯度跳變處仍然有光暈現(xiàn)象,而且復(fù)原圖的飽和度過低;圖7(d)為Zhu[10]等人提出的顏色衰減先驗(yàn)理論的去霧效果,此方法采用全局一致的大氣散射系數(shù)從而導(dǎo)致在霧濃度高的地方去霧效果差;圖7(e)為Fattal[8]等人提出的一種估算場(chǎng)景反照率和介質(zhì)傳輸率的方法,從復(fù)原結(jié)果來看,在天空區(qū)域的處理效果不是很理想,而且圖像的對(duì)比度和飽和度沒有本質(zhì)上的提高;圖7(f)為本文提出的算法的復(fù)原效果,與以上算法相比,本文方法復(fù)原的圖像較為清晰且亮度飽和度適中。

圖7 實(shí)驗(yàn)結(jié)果對(duì)比

3.2 客觀分析

為進(jìn)一步驗(yàn)證本文算法的有效性,在客觀數(shù)據(jù)上,本文采取可見邊增加率E[18]、平均梯度比R以及運(yùn)行時(shí)間T這3個(gè)評(píng)價(jià)指標(biāo)加以分析。其數(shù)學(xué)表達(dá)式如下:

(19)

(20)

式中,n0是有霧圖像的可見邊緣的數(shù)量;nr表示復(fù)原圖像的可見邊緣的數(shù)量;ri是輸出圖像在Pi上對(duì)輸入圖像的梯度比;?i是輸出圖像的可見邊的集合。具體的對(duì)比數(shù)據(jù)如表1所示。觀察圖表可知,在可見邊增加率方面,本文算法和Tarel[9]提出的算法比其他算法的效果要好,說明復(fù)原圖輪廓像比較清晰;在平均梯度比方面,本文算法明顯優(yōu)于其他算法,說明復(fù)原圖像的細(xì)節(jié)特征更加明顯;在運(yùn)行時(shí)間方面,Zhu[10]提出的算法用時(shí)最少,本文算法時(shí)間復(fù)雜度適中,但仍有一定的進(jìn)步空間。

表1 評(píng)價(jià)指標(biāo)數(shù)據(jù)比較(圖1到圖4是圖7中的4幅圖)

4 結(jié) 論

為了改善暗通道先驗(yàn)去霧算法在天空區(qū)域失效以及最小濾波器導(dǎo)致出現(xiàn)光暈偽影和去霧不徹底等問題,本文提出一種基于重構(gòu)暗通道的二次正弦衰減的圖像去霧算法。該方法提出DCR的方法來重新計(jì)算暗通道圖,避免了因天空區(qū)域最小通道像素強(qiáng)度過大而導(dǎo)致的天空區(qū)域去霧失效以及復(fù)原圖像偏暗等問題。為了應(yīng)對(duì)DCP中的光暈偽影現(xiàn)象,本文算法使用二次正弦函數(shù)衰減來替代最小值濾波的過濾操作,并考慮到霧濃度的影響,設(shè)計(jì)霧密度權(quán)重函數(shù)估算權(quán)重系數(shù),從而得到初始透射率。為了得到更精確的透射率,本文利用快速導(dǎo)向?yàn)V波并結(jié)合直方圖均衡化來優(yōu)化初始透射率;在大氣光估算方面,為了使復(fù)原圖像亮度均衡,本文利用最大通道圖來估算局部大氣光。大量實(shí)驗(yàn)結(jié)果表明,本文算法能有效降低光暈現(xiàn)象的程度,并能解決天空區(qū)域的偏色和扭曲問題,而且復(fù)原圖像細(xì)節(jié)清晰,色調(diào)自然。