基于Retinex 對(duì)UAV 單幅偵察圖像的去霧算法研究

趙琳宏，左憲章*，單 喆

（1.陸軍工程大學(xué)，河北 石家莊 050000；2.空軍第四飛行學(xué)院，河北 石家莊 050000）

在現(xiàn)代戰(zhàn)爭(zhēng)中，使用無(wú)人機(jī)進(jìn)行戰(zhàn)場(chǎng)偵察具有實(shí)時(shí)性、準(zhǔn)確性以及能夠避免人員傷亡的優(yōu)點(diǎn)。但在實(shí)際應(yīng)用中，由于霧霾的影響常常會(huì)導(dǎo)致偵察影像的細(xì)節(jié)模糊、對(duì)比度低、目標(biāo)邊緣不清晰等現(xiàn)象，嚴(yán)重影響后期的特征提取、目標(biāo)識(shí)別和跟蹤，因此，有必要對(duì)霧霾導(dǎo)致的降質(zhì)圖像進(jìn)行清晰化處理。

1 單幅偵察圖像去霧霾算法分析與改進(jìn)

無(wú)人機(jī)所拍攝的戰(zhàn)場(chǎng)含霧霾的偵察影像因其拍攝角度、環(huán)境背景、目標(biāo)特征等方面因素導(dǎo)致與平時(shí)采集的室外含霧霾的圖像有一定區(qū)別，具體來(lái)說(shuō)有以下三個(gè)方面：一是采用俯視角度拍攝，各目標(biāo)透射率大致相同；二是可能含有大片不適合采用暗原色先驗(yàn)的目標(biāo)區(qū)域，如玻璃、植被、水面等；三是可能存在影響去霧效果的背景。根據(jù)上述特征，需要找到一種適合無(wú)人機(jī)偵察影像的去霧算法。

1.1 暗原色先驗(yàn)去霧算法

目前，國(guó)內(nèi)外學(xué)者在圖像去霧領(lǐng)域多采用圖像復(fù)原和圖像增強(qiáng)這兩類(lèi)方法。其中He 等人所提出的暗原色先驗(yàn)算法[1]因其思路巧妙、理論淺顯易懂被學(xué)者們廣泛引用。

He 等人通過(guò)對(duì)大量無(wú)霧圖像觀察統(tǒng)計(jì)發(fā)現(xiàn)，在圖像非天空區(qū)域有一個(gè)極小的鄰域內(nèi)有一顏色通道接近于零[1]，并稱這個(gè)通道為暗通道，其表達(dá)式為：

其中Ω（x）為像素點(diǎn)x 的一個(gè)極小的鄰域；c 為三種顏色通道，即首先求出每個(gè)RGB 分量的最小值，存入一幅和原始圖像大小一樣的灰度圖中，然后對(duì)這副灰度圖進(jìn)行最小值濾波，濾波的半徑由窗口大小決定。

然后根據(jù)霧天圖像退化模型復(fù)原圖像：

其中I（x）為含霧霾圖像；J（x）為待求解的圖像；t（x）在有霧介質(zhì)中光線的透射率；A 為大氣光強(qiáng)度；t0為設(shè)定的一個(gè)閾值。

此算法存在光暈效應(yīng)，對(duì)圖像邊緣處理不夠細(xì)致，因此并不適合用無(wú)人機(jī)偵察影像的處理中。

1.2 單尺度參數(shù)Retinex 算法（SSR）

Retinex 又稱色彩恒常理論[2]，即在圖像中呈現(xiàn)的物體顏色與反射光的強(qiáng)度無(wú)關(guān)，只與物體的反射能力有關(guān)，且不受光照的不均勻性影響。其表達(dá)式為：

其中I（x，y）為含霧霾的圖像；R（x，y）為物體表面反射圖像；L（x，y）為入射光亮度圖像。

于是通過(guò)估算入射光亮度圖像，可以求得物體表面反射圖像。即：

其中，ri（x，y）為在第i 個(gè)顏色通道的輸出（i 取值為1、2、3）；Ii（x，y）為圖像分布，即圖像在位置（x，y）處的灰度；F（x，y）為環(huán)繞函數(shù)，通過(guò)環(huán)繞函數(shù)和含霧霾圖像的卷積估計(jì)原圖像的亮度值。

其中，c 為尺度參數(shù)；k 為歸一化因子。

在仿真實(shí)驗(yàn)中具體操作流程為：

（1）讀取含霧霾圖像數(shù)據(jù)I（x，y）。

（2）給尺度因子合理賦值，高斯模糊后得L（x，y）。

（3）將log[R（x，y）]量化處理為0-255 之間的數(shù)值并輸出。

尺度參數(shù)決定著圖像的處理效果[3]。c 取值較小時(shí)動(dòng)態(tài)壓縮能力較強(qiáng)，可以較好地增強(qiáng)圖像中陰暗部分的細(xì)節(jié)，但會(huì)導(dǎo)致輸出圖像顏色失真；c 越大，輸出圖像的顏色保真度越好。因此，需要在此算法的基礎(chǔ)上進(jìn)行改進(jìn)。

1.3 多尺度參數(shù)Retinex 算法（MSR）

在單尺度參數(shù)Retinex 算法的基礎(chǔ)上，相關(guān)學(xué)者提出了多尺度參數(shù)的Retinex 算法，即通過(guò)選擇大、中、小三個(gè)尺度再進(jìn)行加權(quán)，其流程如圖1：

圖1 MSR 流程圖

在仿真實(shí)驗(yàn)中具體操作流程為：

（1）讀取含霧霾圖像數(shù)據(jù)I（x，y）并分解為RGB 三個(gè)分量。

（2）double 類(lèi)型圖像轉(zhuǎn)換至對(duì)數(shù)域，選擇大中小三個(gè)尺度因子賦值，確定高斯函數(shù)再與原圖像卷積可得三個(gè)尺度的亮度圖像L（x，y）。

（3）對(duì)三個(gè)亮度圖像加權(quán)求和再轉(zhuǎn)換到實(shí)數(shù)域輸出。

雖然多尺度參數(shù)Retinex 算法可以兼顧到低尺度SSR 算法的細(xì)節(jié)信息以及色彩保真，但多尺度Retinex 算法破壞了原始圖像RGB 三個(gè)顏色通道的比例關(guān)系[4]，容易出現(xiàn)顏色失真，所以還需要再進(jìn)一步改進(jìn)。

1.4 改進(jìn)的多尺度參數(shù)Retinex 算法

在多尺度Retinex 算法基礎(chǔ)上可以再做改變，將R，G，B 三個(gè)顏色通道轉(zhuǎn)換到HIS 色彩空間進(jìn)行處理。HIS模型中常常使用H、I、S 三個(gè)參數(shù)描述物體的顏色，其中H 為顏色的波長(zhǎng)，即色調(diào)；I 為亮度；S 為顏色的深淺程度，即飽和度。色調(diào)是強(qiáng)調(diào)描述純色的屬性[5]；飽和度給出一種純色被白光稀釋程度的度量，亮度是主觀的描述，實(shí)際中不可測(cè)，體現(xiàn)了無(wú)色的強(qiáng)度概念，并且是描述彩色感覺(jué)的關(guān)鍵參數(shù)。RGB 模型與HIS 模型的轉(zhuǎn)換關(guān)系如下：

其中，I 為亮度；S 為飽和度；H 為色調(diào)（0°≤H≤360°）。

對(duì)其中的I 分量使用多尺度Retinex 算法：

其中ri（x，y）為第i 個(gè)通道的輸出；Ii（x，y）為含霧霾圖像第i 個(gè)通道的值；Fi（x，y）為高斯環(huán)繞函數(shù)；k 是高斯環(huán)繞函數(shù)的個(gè)數(shù)；Wk是賦予相對(duì)應(yīng)的權(quán)值。且滿足Wk=1。

最后，再完成從HIS 到RGB 的彩色轉(zhuǎn)換。具體公式如下：

其中只對(duì)I 分量進(jìn)行了增強(qiáng)處理，H 和S 未做任何處理。

2 仿真結(jié)果與分析

選取多幅無(wú)人機(jī)航拍的含霧霾圖像進(jìn)行仿真，對(duì)同一幅無(wú)人機(jī)偵察圖像分別采用暗原色先驗(yàn)、單尺度參數(shù)Retinex 算法、多尺度參數(shù)Retinex 算法、直方圖均衡化和本文改進(jìn)后的多尺度參數(shù)Retinex 算法做對(duì)比處理。最后從主觀評(píng)價(jià)指標(biāo)和客觀評(píng)價(jià)指標(biāo)兩方面進(jìn)行比較。仿真實(shí)驗(yàn)結(jié)果如下。

表1 5 種算法客觀評(píng)價(jià)指標(biāo)比較1

從處理效果上看，改進(jìn)后的算法能有效復(fù)原圖像的細(xì)節(jié)，對(duì)薄霧和不均勻霧氣場(chǎng)景的圖像均有較好的去霧效果，在與多種算法的比較中，無(wú)論在圖像清晰度、邊緣細(xì)節(jié)、色彩恢復(fù)方面都有一定程度的先進(jìn)性，綜合多種算法來(lái)看對(duì)細(xì)節(jié)信息恢復(fù)最好的是暗原色算法和本文算法，而將這兩種算法進(jìn)行比較，本文算法只對(duì)亮度分量I進(jìn)行增強(qiáng)，而原先的算法同時(shí)需要對(duì)RGB 三個(gè)通道進(jìn)行處理，大大減少高斯卷積的計(jì)算量，從而降低了圖像處理的運(yùn)行時(shí)間，在運(yùn)行速度方面遠(yuǎn)遠(yuǎn)優(yōu)于暗原色算法。

表2 5 種算法客觀評(píng)價(jià)指標(biāo)比較2

圖2 5 種算法去霧效果比較1

圖3 5 種算法去霧效果比較2

從客觀評(píng)價(jià)指標(biāo)來(lái)分析，直方圖均衡化算法和本文算法在對(duì)于不同場(chǎng)景下圖像去霧指標(biāo)較為優(yōu)異，但直方圖均衡化算法得到的處理圖像對(duì)于霧氣較濃部分的恢復(fù)較本文算法還有一定差距，綜合以上，本文算法在處理無(wú)人機(jī)偵察影像方面具有較好的先進(jìn)性和魯棒性，具有很強(qiáng)的應(yīng)用價(jià)值。

3 結(jié)束語(yǔ)

本文對(duì)霧霾環(huán)境中的無(wú)人機(jī)單幅偵察圖像如何進(jìn)行圖像清晰化操作進(jìn)行了簡(jiǎn)要論述和分析。首先介紹了暗原色先驗(yàn)圖像去霧算法，隨后介紹Retinex 理論和單尺度參數(shù)、多尺度參數(shù)的Retinex 算法，最后給出改進(jìn)后的Retinex 算法。本文中的算法通過(guò)把霧天圖像RGB 顏色空間和HIS 顏色空間之間的轉(zhuǎn)換，分離出亮度I 單獨(dú)處理，從而提高了運(yùn)算速度，改善其亮度不足的缺陷并使圖像色彩更加豐富，同時(shí)也使圖像的細(xì)節(jié)信息更加清晰。但通過(guò)仿真實(shí)驗(yàn)，帶入不同場(chǎng)景中的偵察圖像，從圖像復(fù)原的處理結(jié)果來(lái)看采用本文的算法可以有效提高圖像的對(duì)比度，使重要目標(biāo)細(xì)節(jié)更加清晰化，為下一步的目標(biāo)識(shí)別跟蹤提供更便于機(jī)器識(shí)別的數(shù)據(jù)信息。