去霧算法在視頻圖像處理中的研究與應(yīng)用

孫 靜，賈敏智

(太原理工大學(xué)信息工程學(xué)院，山西 太原 030024)

責(zé)任編輯:任健男

計算機(jī)視覺系統(tǒng)大多數(shù)應(yīng)用于戶外工作，如城市交通、視頻監(jiān)控、遙感成像等，都要求被提取的圖像準(zhǔn)確清晰。但是在霧天的天氣條件下，由于場景的能見度下降，導(dǎo)致了圖像中目標(biāo)的顏色以及對比度等特征被衰減，系統(tǒng)的正常工作受到影響，因此在視頻圖像的處理中增加去霧技術(shù)顯得非常重要［1－3］。

目前，對霧天獲得的圖像進(jìn)行清晰化處理的方法基本［4－5］上有兩類:基于模型和非模型的算法。其中，基于物理模型的算法是應(yīng)用逆運(yùn)算來改善圖像的對比度，是了解圖像退化的內(nèi)在原因。然而，非物理模型的算法并不需要知道圖像退化原因的信息，用非物理模型的方法處理圖像稱之為圖像增強(qiáng)。用基于物理模型的方法處理圖像稱之為圖像恢復(fù)，這類算法更加有效可靠，原因是它們利用了圖像退化的物理機(jī)理，目的是為了提高退化圖像的保真度。

本文基于物理模型提出了一種空氣光快速去霧算法。該算法采用最大像素值估計天空亮度，利用高斯低通濾波器分離出背景空氣光，從而進(jìn)行圖像亮度恢復(fù)以及圖像的飽和校正。本文算法比較簡單，運(yùn)算速度快，且適用于彩色圖像和灰度圖像。

1 大氣散射物理模型

在霧、霾天氣條件下，大氣粒子的散射作用導(dǎo)致成像受到影響。這種影響主要是由兩個散射過程造成的:一方面，由于大氣粒子的散射，物體表面的反射光隨著距離的增大發(fā)生衰減，同時與前向散射、光強(qiáng)的衰減一起導(dǎo)致了物體成像的亮度減弱;另一方面，自然光因大氣粒子的散射進(jìn)入成像設(shè)備參與了成像，而自然光的強(qiáng)度隨著傳播距離的增加而逐漸增強(qiáng)。因此，正是大氣粒子的前向散射與后向散射的共同作用導(dǎo)致圖像模糊、分辨力下降，圖像飽和度、對比度降低，色調(diào)偏移。這樣，不僅影響圖像本身的視覺效果，而且還影響對圖片的分析性能。大氣散射模型示意圖如圖1所示。

圖1 大氣散射模型示意圖

在有霧的情況下，圖像退化的主要原因是大氣的散射。大氣的散射是一個非常復(fù)雜的過程，大氣中存在的懸浮顆粒的大小、類型、密度以及光的波長和極化狀態(tài)都會對它產(chǎn)生一定的影響。McCartney提出了大氣散射模型［3］，即衰減模型和環(huán)境光模型，公式為

式中:I(x)是未去霧的輸入圖像輻射信息;G(x)t(x)表示衰減模型，A(1－t(x))則表示衰減模型;G(x)為空間坐標(biāo)x處的場景反照率;d為空間坐標(biāo)x處的場景深度;β是大氣的散射系數(shù);A為天空的亮度，一般假設(shè)為全局的常量。

隨著場景深度的增加，環(huán)境光到達(dá)人眼的光線也就增多。這就導(dǎo)致了圖像的顏色發(fā)生漂移，使得有霧的圖像整體看起來不是很清晰，呈現(xiàn)偏灰色。設(shè)空氣光為V(x)，即

則式(1)改為

假設(shè)估算出空氣光V(x)和天空亮度A，則圖像復(fù)原后的模型為

2 圖像復(fù)原方法

2.1 大氣光的估計

天空亮度A采用最亮像素值估計時容易受到高亮噪聲或者白色物體的干擾。需要進(jìn)行灰度腐蝕操作的為各顏色分量，然后取顏色分量之間的最小值，進(jìn)而選取0.1%最亮的像素。估計天空亮度A則用對應(yīng)原圖像中的最大像素值。為了保證天空亮度不受影響，必須濾除圖像中白色物體，圖像中白色物體的尺寸不能小于結(jié)構(gòu)元素的尺寸。但是，如果結(jié)構(gòu)元素的尺寸大于圖像中的天空區(qū)域，則會錯誤地把天空區(qū)域?yàn)V除。

首先，灰度腐蝕操作的含義為以彩色圖像的最小顏色分量為對象，進(jìn)行最小值濾波，即

式中:c∈{R，G，B}表示顏色通道R，G，B;Ω (x)表示以像素x為中心的鄰域，它與圖像的寬和高之中的最小值成比例，Ω (x)取0.025。

然后，以彩色圖像的灰度分量為對象，采用Canny［1］算子進(jìn)行邊緣檢測，分塊統(tǒng)計各邊緣圖像，最后在每個圖像塊中計算邊緣像素數(shù)所占的比例，記為Nedge(x)。那么候選天空區(qū)域就是必須滿足Imin(x)＞Tv且Nedge(x)＜Tp的像素集合。其中Tv為亮度值，取Tv=95% ×Imin(x);Tp為平坦值，取 Tp=0.001。

2.2 利用高斯低通濾波器分離出大氣光

根據(jù)頻率分布特征，低頻部分為霧和背景光，高頻部分為景物。利用高斯低通濾波器獲取空氣光V(x)，即

2.3 圖像亮度的恢復(fù)

將計算出的A與V(x)帶入式(5)中，可以推導(dǎo)出復(fù)原后的亮度分量GV(x)

霧天圖像分布不均勻，需將直方圖進(jìn)行擴(kuò)展。根據(jù)高斯分布“3σ”規(guī)則，就正態(tài)隨機(jī)變量而言，其值落在區(qū)間［μ－3σ，μ+3σ］內(nèi)是允許的，取復(fù)原后的亮度GV的最小值=μ－3σ;復(fù)原后的亮度GV的最大值= μ+3σ。

μ為GV的均值，σ為GV的標(biāo)準(zhǔn)差。最后得到拉伸后圖像的每一個譜分量值為

式中:drmax表示輸出設(shè)備的動態(tài)范圍;表示輸入;表示輸出。

2.4 校正圖像的飽和度

在有霧的惡劣天氣情況下，捕獲的圖像飽和度之所以降低是因?yàn)殪F的漂白作用。校正飽和度S，即U(x)=，其中，aI，dI，aG，dG分別表示的是輸入與

IIGG輸出圖像的亮度分量對數(shù)的平均值與標(biāo)準(zhǔn)偏差。

3 實(shí)驗(yàn)結(jié)果比較與分析

對于單幅圖片來說，Tarel算法是要估算大氣耗散函數(shù)，即采用中值濾波的變形形式，但并不是好的邊緣保持濾波方法，且在處理白色的區(qū)域時效果不是很理想。同時，如果參數(shù)選擇不恰當(dāng)?shù)脑挘苋菀滓餒alo效應(yīng)，該算法中存在的參數(shù)比較多，調(diào)整的時候較復(fù)雜。而采用本算法能很好地恢復(fù)圖像的對比度，圖像的色彩也比較自然，圖像顯得更真實(shí)、柔和。實(shí)驗(yàn)結(jié)果比較如圖2所示。

圖2 實(shí)驗(yàn)結(jié)果比較

本方法也適用于動態(tài)的場景，為了減少圖像中的背景對去霧效果的影響，本文采用區(qū)別天空區(qū)域的方法，對一段霧天視頻圖像的場景深度進(jìn)行估算。采用大氣光的估計進(jìn)行灰度腐蝕操作，把天空亮度估算出來。在處理過程中，保留運(yùn)動物體的同時，也提高了場景的能見度?？梢?，利用此算法對動態(tài)場景的去霧效果很好。效果圖如圖3所示。

4 結(jié)論

圖3 動態(tài)場景去霧效果圖

不管是對于單幅圖像還是對于運(yùn)動的場景，本文提出的采用高斯低通濾波來分離背景大氣光的方法都適用。因此，在處理視頻圖像中采用此算法的主要優(yōu)勢有:1)此算法簡單，處理速度快，且能處理彩色圖像;2)處理后的圖像色彩自然柔和且圖像較清晰;3)應(yīng)用于動態(tài)場景的處理效果較好;4)處理圖像中的白色區(qū)域較好。

［1］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］.自動化學(xué)報，2011，37(2):143 －149.

［2］禹晶，徐東彬，廖慶敏.圖像去霧技術(shù)的研究［J］.中國圖象圖形學(xué)報，2011，16(9):1561 －1576.

［3］黃黎紅.單幅圖像的快速去霧算法［J］.光電子·激光，2011，22(11):1735－1739.

［4］陳功，王唐，周何琴.基于物理模型的霧天圖像復(fù)原新方法［J］.中國圖象圖形學(xué)報，2008，13(5):888 －893.

［5］王澤兵，楊朝暉.彩色圖像分割技術(shù)研究［J］.電視技術(shù)，2005，29(4):20－24.