基于圖像融合的單幅圖像去霧方法*

［李嬋飛］

1 引言

圖像去霧是指通過(guò)一序列圖像處理方法，消除或減少霧霾對(duì)成像系統(tǒng)的影響，提高圖像的清晰度、對(duì)比度和飽和度，從而獲得信息量豐富的高質(zhì)量去霧圖像。圖像去霧技術(shù)被廣泛應(yīng)用于公路交通、航空航天、軍事偵察等領(lǐng)域[1]。

近年來(lái)，國(guó)內(nèi)外學(xué)者利用圖像復(fù)原理論研究提出了多種圖像去霧方法[2]。其中最為經(jīng)典的是何凱明等人提出的基于暗通道先驗(yàn)的圖像去霧方法[3]，該方法利用暗通道去霧原理計(jì)算透射率，采用軟摳算法對(duì)透射率進(jìn)一步優(yōu)化，最終實(shí)現(xiàn)圖像去霧，取得了較好的效果。但是該方法僅僅是利用優(yōu)化的精細(xì)化透射率估算傳播圖，不利于保持圖像的場(chǎng)景深度及亮度平滑信息。

本文在何凱明等人方法上進(jìn)行改進(jìn)，估算大氣光值，利用暗通道去霧原理計(jì)算粗透射率，利用梯度導(dǎo)向?yàn)V波獲取精細(xì)化透射率，將兩種透射率利用小波變換的方法融合獲取融合透射率；結(jié)合霧天降質(zhì)圖像物理模型，最終實(shí)現(xiàn)去霧。

2 霧天降質(zhì)圖像的物理模型

根據(jù)大氣散射模型，圖像霧天退化物理模型由兩部分組成，即衰減模型和大氣光模型[4][5]。其中衰減模型描述了光從場(chǎng)景點(diǎn)傳播到觀測(cè)點(diǎn)之間的削弱過(guò)程。大氣光模型描述了周圍環(huán)境中的各種光經(jīng)過(guò)大氣粒子散射后，對(duì)觀測(cè)點(diǎn)所觀測(cè)到得光強(qiáng)的影響。具體模型如下：

公式中I(x)是人眼觀察到的有霧圖像，J(x)是場(chǎng)景輻射照度，代表要恢復(fù)的去霧圖像，A 是大氣光，t(x)是場(chǎng)景透射率。去霧的最終目地是根據(jù)公式（1）中的。

3 基于圖像融合的單幅圖像去霧算法

（1）暗原色理論

根據(jù)暗原色理論，對(duì)于室外無(wú)霧自然圖像中，每一個(gè)局部區(qū)域都會(huì)有至少一個(gè)顏色通道具有很低的強(qiáng)度值，并且這些強(qiáng)度值趨于0，把這些強(qiáng)度值趨于0 的通道對(duì)應(yīng)像素稱為暗原色。

對(duì)于圖像J，可以通過(guò)公式（2）求取該暗原色圖。其中Jc表示J的某個(gè)顏色通道，是Ω(x)以x為中心點(diǎn)的局部區(qū)域。

（2）大氣光值計(jì)算

對(duì)于大多數(shù)針對(duì)單幅圖像的去霧方法，大氣光值是利用圖像相關(guān)像素計(jì)算得到的。有研究對(duì)有霧圖像的天空區(qū)域分塊求取均值作為大氣光的值，該方法可以獲得較好的去霧效果，但是不適用于不存在天空區(qū)域的圖像；有研究對(duì)有霧圖像求取最高亮度值作為大氣光值，但實(shí)際上最高亮度可能是環(huán)境中的白色物體。

文章方法利用暗原色先驗(yàn)規(guī)律來(lái)估算大氣光值。首先在暗原色圖像中，將圖像像素灰度值進(jìn)行遞減順序排序，獲取灰度值大小為前0.1%像素點(diǎn)在暗原色圖像中所處的位置，將這些位置對(duì)應(yīng)的原有霧圖像區(qū)域中的灰度平均值作為大氣光A 的值。相對(duì)于將原有霧圖像區(qū)域中的灰度最大值作為大氣光A 的值，該方法具有更好的魯棒性。

（3）透射率圖融合

①粗透射率的獲取

根據(jù)公式（2）獲取大氣光A 的值，在局部區(qū)域內(nèi)，假設(shè)透射率為常數(shù)，則對(duì)公式（1）進(jìn)行變形，得到

因?yàn)镴是無(wú)霧圖像，根據(jù)暗原色原理可得

結(jié)合公式（3）和（4）可得粗透射率

為了使去霧圖像看起來(lái)更加自然真實(shí)但又不丟掉深度信息，所以在公式（5）Z 中引入?yún)?shù)w，保留遠(yuǎn)景的部分霧氣。透射率最終的公式如下：

②精細(xì)化透射率圖的獲取

粗透射率圖比較粗糙，因此利用梯度導(dǎo)向?yàn)V波[6]對(duì)粗透射率圖進(jìn)行細(xì)化獲取精細(xì)化透射率圖。

③基于小波的透射率圖融合

由于粗略傳播圖主要體現(xiàn)的是圖像的場(chǎng)景深度及亮度平滑信息，精細(xì)化傳播圖主要體現(xiàn)的是圖像中銳邊的不連續(xù)性及場(chǎng)景目標(biāo)的邊緣輪廓信息，因此文章利用基于小波變換[7][8]的融合方法將粗透射率圖和精細(xì)透射率圖融合以獲取邊緣細(xì)節(jié)及平滑信息豐富的透射率圖。

小波變換融合透射率圖原理：小波變換具有良好的時(shí)頻局域化特性和多分辨率特性，利用小波變換將①和②中的兩種透射率圖進(jìn)行四層小波分解得到低頻近似透射率圖和高頻邊緣細(xì)節(jié)透射率圖，使用一定的融合準(zhǔn)則對(duì)低頻和高頻透射率圖進(jìn)行融合獲取融合透射率圖像的低頻和高頻部分，然后進(jìn)行小波重構(gòu)圖像獲取最終的透射率圖。文章算法的低、高頻融合準(zhǔn)則分別是均值法和絕對(duì)值取大法，選取的融合準(zhǔn)則既能兼顧時(shí)間復(fù)雜度又能提高透射率圖質(zhì)量。

（4）獲取去霧圖像

利用公式（7），結(jié)合前面估算的大氣光A 和透射率圖恢復(fù)無(wú)霧圖像J。其中t0是用來(lái)限定透射率的下限值，主要是為了在輸入圖像的濃霧區(qū)域保留一定的霧，使圖像看起來(lái)更自然。

4 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證本文方法的有效性，文章對(duì)提出算法進(jìn)行仿真分析。其中，仿真工具選擇Matlab 軟件，原圖像選擇I-HAZE 數(shù)據(jù)集的經(jīng)典戶外霧霾圖像。實(shí)驗(yàn)圖像如圖1 所示，客觀評(píng)價(jià)參數(shù)[8]如表1 所示，其中He 代表何凱明經(jīng)典圖像去霧算法。

圖1 實(shí)驗(yàn)圖像

表1 實(shí)驗(yàn)客觀評(píng)價(jià)參數(shù)

在主觀評(píng)價(jià)上，通過(guò)圖1 可以看出，本文方法和He方法都能取得較好的去霧效果，但是在客觀評(píng)價(jià)上，通過(guò)表1 可以看出，本文算法的信息熵、結(jié)構(gòu)相似度、方差都要高于He 方法。綜合可知，本文算法去霧圖像相對(duì)于原圖像而言失真小，包含的有用信息及細(xì)節(jié)邊緣信息更為豐富。因此，本文方法相對(duì)于He 方法是一種有效的圖像去霧方法。

5 結(jié)論

相對(duì)于經(jīng)典的何凱明圖像去霧方法，本文提出了一種改進(jìn)的圖像去霧方法。利用小波變換融合方法獲得了更加精確的透射率圖像，較好地保持了原圖像的邊緣細(xì)節(jié)及平滑信息。仿真實(shí)驗(yàn)表明，提出算法可以取得較好的去霧效果。