唐曉慶,范賜恩,劉鑫

(武漢大學(xué)電子信息學(xué)院,430079,武漢)

?

基于邊緣保持濾波的單幅圖像快速去霧

唐曉慶,范賜恩,劉鑫

(武漢大學(xué)電子信息學(xué)院,430079,武漢)

為了解決基于暗通道先驗(yàn)的圖像去霧算法運(yùn)行效率低下的問(wèn)題以及天空等明亮灰白區(qū)域去霧后的色彩失真問(wèn)題,提出一種基于邊緣保持濾波的單幅圖像快速去霧算法。首先根據(jù)暗通道先驗(yàn)規(guī)律,得到粗略的透射率圖和大氣光估計(jì)值;然后用邊緣保持濾波算法對(duì)粗略透射率濾波得到細(xì)節(jié)平滑、輪廓清晰的精細(xì)透射率圖;再用閾值法對(duì)灰白明亮區(qū)域的透射率修正,之后用邊緣保持濾波算法對(duì)修正后的透射率進(jìn)行平滑,得到最終的透射率圖。根據(jù)估計(jì)的大氣光和透射率,利用大氣散射模型即可恢復(fù)出無(wú)霧圖像。經(jīng)測(cè)試,該算法不僅具有很高的運(yùn)行效率,而且對(duì)各種類(lèi)型的薄霧圖像都有較好的去霧效果?？陀^評(píng)測(cè)也表明,該算法在對(duì)比度增強(qiáng)程度、色調(diào)還原程度、結(jié)構(gòu)信息復(fù)原程度方面的綜合指標(biāo)都優(yōu)于其他算法。另外,所提算法還能夠?qū)崿F(xiàn)圖像處理器(GPU)像素級(jí)的并行運(yùn)算,對(duì)于分辨率為1 280像素×1 024像素的彩色圖像,用型號(hào)為NVIDIA GeForce 9 800 GT的GPU處理,速度可達(dá)10幀/s。

去霧算法;暗通道先驗(yàn);邊緣保持濾波

計(jì)算機(jī)視覺(jué)和數(shù)字圖像處理技術(shù)的飛速發(fā)展,使其在智能交通、遙感監(jiān)測(cè)、資源勘查等諸多領(lǐng)域都得到了廣泛應(yīng)用。然而,在惡劣的天氣條件下,如雨雪、霧霾等,室外的計(jì)算機(jī)視覺(jué)系統(tǒng)受到大氣中隨機(jī)介質(zhì)的影響,導(dǎo)致成像傳感器采集的景物圖像在一定程度上退化和降質(zhì)。為了提高計(jì)算機(jī)視覺(jué)系統(tǒng)在惡劣天氣下工作的魯棒性和可靠性,研究圖像去霧技術(shù)具有非常重要的意義。

2008年,Tan通過(guò)最大化復(fù)原圖像局部對(duì)比度來(lái)獲得清晰的圖像[1],但是該方法在場(chǎng)景深度突變區(qū)域會(huì)有“光暈”,并且恢復(fù)出的圖像過(guò)于飽和。Fattal使用基于獨(dú)立分量分析的方法估計(jì)場(chǎng)景的反射率,再利用馬爾可夫隨機(jī)場(chǎng)模型推斷圖像顏色,恢復(fù)無(wú)霧圖像[2],由于數(shù)理統(tǒng)計(jì)需要場(chǎng)景結(jié)構(gòu)具有足夠多的顏色信息,所以對(duì)濃霧天氣下顏色暗淡的圖像復(fù)原效果不好。He經(jīng)過(guò)對(duì)大量戶(hù)外無(wú)霧圖像統(tǒng)計(jì)得出暗通道先驗(yàn)規(guī)律[3],利用圖像暗通道直接估算環(huán)境光和圖像透射率,再利用軟件摳圖算法對(duì)透射率進(jìn)行優(yōu)化,使得細(xì)節(jié)更加清楚,最后根據(jù)大氣散射物理模型恢復(fù)無(wú)霧圖像,但是軟件摳圖算法復(fù)雜度高、內(nèi)存消耗大。為此,有人提出用雙邊濾波代替軟件摳圖[4-5],計(jì)算量并沒(méi)有明顯降低。文獻(xiàn)[6]使用邊緣算子,從粗略透射率圖中提取邊緣,再用差值摳圖法優(yōu)化透射率,平均計(jì)算時(shí)間僅降低了近一半。文獻(xiàn)[7]采用圖像分塊的方法估計(jì)透射率,以降低算法時(shí)間復(fù)雜度,但是透射率圖的塊效應(yīng)最終也會(huì)造成復(fù)原圖像的塊效應(yīng)。Zhang提出基于圖像處理器(GPU)加速的實(shí)時(shí)圖像去霧算法[8],運(yùn)行速率可達(dá)80幀/s,但是需要用戶(hù)設(shè)置部分去霧參數(shù),否則去霧效果很差,尤其是對(duì)天空區(qū)域,顏色失真很?chē)?yán)重。文獻(xiàn)[9]采用了圖像復(fù)原和增強(qiáng)相結(jié)合的混合去霧算法,取得了較好的霧霾退化和光照均衡效果,但是仍然存在天空區(qū)域變暗的問(wèn)題。為此,Sun采用減去固定值的方式修正大氣光強(qiáng)度[10],但是該方法對(duì)不同暗通道亮度的圖像具有較差的適應(yīng)性。文獻(xiàn)[11]對(duì)圖像邊緣和非邊緣分別采用不同的模板處理得到透射圖,并通過(guò)分割天空或者霧最濃區(qū)域求得準(zhǔn)確的大氣光值,但該方案對(duì)大氣光不連續(xù)的圖像復(fù)原效果很差。

本文的主要研究?jī)?nèi)容是基于大氣散射模型的快速圖像去霧算法及GPU實(shí)現(xiàn)的。首先提出了一種邊緣保持濾波算法對(duì)粗略透射率進(jìn)行優(yōu)化,該算法具有極低的運(yùn)算復(fù)雜度并能夠做并行化處理;其次針對(duì)接近大氣光的區(qū)域處理后顏色失真的問(wèn)題,提出了透射率修正方法,并利用邊緣保持濾波算法對(duì)修正后的透射率圖進(jìn)行平滑,再利用大氣散射模型恢復(fù)無(wú)霧圖像;最后用GPU實(shí)現(xiàn)了本文提出的快速去霧算法,極大提高了算法的運(yùn)行速度,能夠滿(mǎn)足對(duì)效率和實(shí)時(shí)性要求更高的場(chǎng)合。

1 透射率估計(jì)

1.1 大氣光的估計(jì)和粗略透射率的估計(jì)

目前廣泛使用的霧圖形成模型是由大氣散射模型變形而來(lái),即

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

(1)

式中:I(x)表示設(shè)備獲取到的圖像;J(x)表示場(chǎng)景輻射亮度,也是要恢復(fù)的圖像;A表示大氣環(huán)境光;t(x)表示介質(zhì)傳輸率,也稱(chēng)透射率。霧霾天氣下的圖像復(fù)原問(wèn)題就是從I(x)中恢復(fù)出J(x)。

暗通道先驗(yàn)規(guī)律是通過(guò)對(duì)大量戶(hù)外無(wú)霧圖像進(jìn)行觀察統(tǒng)計(jì)得出的,在非天空的很多局部區(qū)域,一些像素點(diǎn)有至少一個(gè)顏色通道的亮度值很小。因此,對(duì)含霧圖像在n×n的區(qū)域內(nèi)做3個(gè)通道的最小值濾波,即可得到暗通道[12]

(2)

式中:Jc代表J的某一個(gè)顏色通道;Jdark代表J的暗通道;Ω(x)表示以x為中心的一塊n×n的方形區(qū)域。

根據(jù)暗通道先驗(yàn)規(guī)律,通常無(wú)霧圖像的暗通道像素亮度很小,趨近于0,所以含霧圖像的暗通道像素亮度與霧的濃度非常接近,因此可以利用圖像的暗通道估計(jì)大氣光。選取暗通道中亮度最大的0.1%像素,并在這些像素點(diǎn)所對(duì)應(yīng)位置尋找原始圖像中亮度最大的像素點(diǎn)作為大氣光的估計(jì)值A(chǔ)。

(3)

最小值操作在3個(gè)顏色通道中獨(dú)立進(jìn)行。將式(3)兩邊同時(shí)除以大氣光Ac,即可得到3個(gè)顏色通道各自歸一化的暗通道像素值

(4)

將式(4)的3個(gè)顏色通道取最小值,得到所有通道歸一化后的暗通道像素值

(5)

根據(jù)暗通道先驗(yàn)規(guī)律,在無(wú)霧圖像中暗通道像素的亮度趨近于0,即

(6)

由于大氣光的值為正常數(shù),因而

(7)

將式(7)帶入式(5)中,得到圖像在Ω(x)區(qū)域的透射率估計(jì)值

(8)

(a)含霧圖 (b)粗略透射率圖圖1 含霧圖及其粗略透射率圖

可以看到,由式(8)得到的透射率圖有明顯的塊效應(yīng),這是因?yàn)樵谟?jì)算暗通道時(shí)采用了塊操作,為了消除塊效應(yīng),必須對(duì)透射率進(jìn)行優(yōu)化。

1.2 邊緣保持濾波優(yōu)化粗略透射率

粗略透射率的優(yōu)化一直以來(lái)都是暗通道去霧的核心內(nèi)容,理想的優(yōu)化應(yīng)該能夠在對(duì)圖像進(jìn)行平滑的同時(shí)也能夠有效保持圖像邊緣[13]?；谶@一思想,本文提出了一種邊緣保持濾波算法來(lái)優(yōu)化粗略透射率。圖像邊緣保持濾波器的輸入包含待濾波圖像p和參考圖像I,濾波器輸出q表示為加權(quán)和的形式

(9)

式中:i、j是像素序號(hào);濾波核Wij是引導(dǎo)圖像I的函數(shù),與輸入圖像無(wú)關(guān)。邊緣保持濾波假設(shè)濾波器是關(guān)于參考圖像和輸出圖像的一個(gè)局部線(xiàn)性變換,在以像素k為中心的局部鄰域wk內(nèi),輸出圖像q是參考圖像I的一個(gè)線(xiàn)性變換

qi=akIi+bk, ?i∈wk

(10)

式中:ak、bk為線(xiàn)性系數(shù),且在wk內(nèi)為常數(shù)。由于q=aI,即引導(dǎo)圖像與輸出圖像的梯度是線(xiàn)性關(guān)系,所以只在引導(dǎo)圖像有邊緣的地方,輸出圖像才會(huì)有邊緣。通過(guò)最小化輸出與輸入圖像之間的差得到式(10)的解,即

(11)

式中:ε是防止ak過(guò)大的正則參數(shù)。用線(xiàn)性回歸的方法得到式(11)的解為

(12)

(13)

對(duì)輸入圖像p的所有像素都用上述方法計(jì)算,再對(duì)wk鄰域內(nèi)的ak和bk取平均,得到線(xiàn)性系數(shù)

(14)

(15)

最后濾波器的輸出為

(16)

可以證明,用這種方法得到的濾波器輸出是滿(mǎn)足式(9)的,且濾波核系數(shù)的表達(dá)式為

(17)

下面分兩種情況,可以直觀地討論邊緣保持濾波在對(duì)圖像進(jìn)行平滑的同時(shí)也能夠有效保持圖像邊緣的原理。

(1)如果引導(dǎo)圖像I在鄰域wk內(nèi)不存在明顯邊緣,可認(rèn)為Ii近似為常數(shù),那么式(11)的解為ak=0,bk=pi。根據(jù)式(10)得qi=pi,即輸出圖像為原來(lái)的待濾波圖像,體現(xiàn)出平滑的特性。

(2)如果引導(dǎo)圖像I在鄰域wk內(nèi)存在邊緣,可認(rèn)為Ii有較大的變化起伏,那么式(11)的解為ak≈1,bk≈0。根據(jù)式(10)得qi≈Ii,即輸出圖像為引導(dǎo)圖像,體現(xiàn)出邊緣的特性。圖2所示為采用邊緣保持濾波算法優(yōu)化圖1得到的粗略透射率。

(a)優(yōu)化前 (b)優(yōu)化后圖2 邊緣保持濾波算法優(yōu)化粗略透射率

1.3 灰白明亮區(qū)域的透射率修正

基于暗通道先驗(yàn)的去霧算法對(duì)于大部分戶(hù)外圖像都取得了較好的去霧效果,特別是色彩豐富或是有陰影的圖像,但是對(duì)于灰白明亮區(qū)域,去霧圖像出現(xiàn)了色彩失真。這是因?yàn)榘低ǖ老闰?yàn)去霧算法建立在暗通道假設(shè)之上,而明亮區(qū)域不滿(mǎn)足這一假設(shè),因此必須對(duì)透射率進(jìn)行修正,即

(18)

式中:K是進(jìn)行透射率修正的門(mén)限。只有當(dāng)某點(diǎn)的亮度與大氣光相差不超過(guò)此閾值時(shí),才對(duì)該點(diǎn)的透射率進(jìn)行修正。該修正方法能夠更好地處理含有大面積灰白明亮區(qū)域的含霧圖像,同時(shí)又沒(méi)有脫離暗通道先驗(yàn)的假設(shè),而且對(duì)原算法的改動(dòng)很小。

圖3為修正前后的透射率圖,相應(yīng)恢復(fù)出的去霧圖像如圖4所示?？梢钥闯?經(jīng)過(guò)透射率修正的算法對(duì)天空等明亮區(qū)域的處理效果要好很多,顏色沒(méi)有失真,但是修正后的透射率圖中出現(xiàn)了較明顯的塊效應(yīng),在灰白區(qū)域面積比較大時(shí)尤為明顯,這主要是因?yàn)槔瞄撝档姆椒▽?duì)透射率進(jìn)行修正時(shí),對(duì)灰白區(qū)域的透射率放大了k倍,使得原本平滑的透射率變得不平滑。

(a)修正前 (b)修正后圖3 修正前后透射率

(a)修正前 (b)修正后圖4 透射率修正前后的復(fù)原圖

1.4 邊緣保持濾波平滑修正后的透射率

為了消除修正透射率圖中的塊效應(yīng),本文仍然采用邊緣保持濾波對(duì)其平滑。圖5、圖6給出了用邊緣保持濾波對(duì)修正后的透射率進(jìn)行平滑前后的對(duì)比圖,以及相應(yīng)復(fù)原的對(duì)比圖像?？梢钥闯?平滑后的透射率圖,整體過(guò)渡平滑、渾然一體,與實(shí)際情景更為接近,復(fù)原圖的顏色也更明亮。在估計(jì)出大氣光、場(chǎng)景透射率之后,即可根據(jù)式(1)所示的大氣散射模型復(fù)原無(wú)霧圖像。

(a)平滑前 (b)平滑后圖5 透射率平滑前后對(duì)比

(a)平滑前 (b)平滑后圖6 透射率平滑前后的復(fù)原圖

2 算法的并行度、時(shí)間復(fù)雜度分析

表1給出了本文提出的快速去霧算法主要包括的6個(gè)步驟及其主要實(shí)現(xiàn)的運(yùn)算,并分析了最大并行度。根據(jù)結(jié)果可知,本文提出的算法能夠?qū)崿F(xiàn)像素級(jí)的并行運(yùn)算,且可以通過(guò)GPU實(shí)現(xiàn)加速。

本文提出的邊緣保持濾波算法的另一個(gè)重要優(yōu)勢(shì)是時(shí)間復(fù)雜度低,僅為O(N)。因?yàn)樗惴ㄟ\(yùn)行時(shí)間與濾波半徑無(wú)關(guān),所以可任意選擇濾波半徑,再通過(guò)式(12)～式(16)得到輸出結(jié)果。這些式中的所有求和運(yùn)算都能用box filter實(shí)現(xiàn),box filter可由時(shí)間復(fù)雜度為O(N)的圖像積分技術(shù)實(shí)現(xiàn),因此邊緣保持濾波的時(shí)間復(fù)雜度也是O(N)。

表1 本文提出的快速去霧算法的關(guān)鍵步驟及并行度分析

3 測(cè)試結(jié)果及分析

基于上述算法以及實(shí)現(xiàn)過(guò)程,分別從圖像復(fù)原質(zhì)量主/客觀評(píng)測(cè)、算法運(yùn)行效率評(píng)測(cè)兩個(gè)方面對(duì)本文算法進(jìn)行了測(cè)試,并給出了測(cè)試結(jié)果。另外,由于大多數(shù)文獻(xiàn)都與He算法[3]進(jìn)行了對(duì)比測(cè)試,為了有一個(gè)統(tǒng)一的參考評(píng)判標(biāo)準(zhǔn),本文也包含了與He算法的去霧效果對(duì)比、算法效率對(duì)比。

3.1 圖像復(fù)原質(zhì)量主、客觀評(píng)測(cè)

為了全面評(píng)測(cè)本文算法去霧圖像的質(zhì)量,本文選取了4幅具有代表性的圖像:不包含天空區(qū)域的房屋圖像;包含少量天空區(qū)域的故宮圖像;天空區(qū)域占一半的風(fēng)景圖像;包含大片天空區(qū)域的公路圖像。同時(shí),分別用本文算法、He算法[3]、Zhang算法[8]、Sun算法[10]和Shi算法進(jìn)行去霧,測(cè)試結(jié)果如圖7所示。

(a)含霧圖像 (b)本文算法 (c)He算法 (d)Zhang算法 (e)Sun算法 (f)Shi算法圖7 圖像復(fù)原質(zhì)量主觀評(píng)測(cè)

主觀來(lái)看,He算法復(fù)原后的圖像整體偏暗,而且對(duì)天空等灰白區(qū)域的處理效果不好,尤其是濃霧情況下,復(fù)原圖像的天空出現(xiàn)了明顯的色彩失真。Shi的算法[6]是基于軟件摳圖算法的改進(jìn)算法,即不對(duì)整幅圖像進(jìn)行計(jì)算,只對(duì)梯度變化大的地方進(jìn)行計(jì)算,從而減少了計(jì)算量,所以Shi算法的去霧效果和He算法比較接近。Zhang算法復(fù)原后的圖像整體亮度偏高,但對(duì)不含天空的圖像去霧處理后色彩過(guò)于飽和、濃重,且對(duì)包含大面積天空區(qū)域的圖像去霧處理后略有顏色失真。Sun算法復(fù)原后的圖像整體泛黃,且有相當(dāng)高的局部亮度,這是因?yàn)樵撍惴ㄖ械拇髿夤鈴?qiáng)度估計(jì)值是通過(guò)減去固定常數(shù)(文獻(xiàn)[10]取值30)而得到,因此天空等灰白區(qū)域復(fù)原的時(shí)候容易計(jì)算溢出,即為純白色。綜合來(lái)看,本文算法對(duì)各類(lèi)型圖像都取得了比較好的復(fù)原效果,既沒(méi)有色彩失真,也沒(méi)有顏色過(guò)飽和的問(wèn)題,比較自然。

參考目前已有的圖像質(zhì)量評(píng)價(jià)方法,本文從對(duì)比度增強(qiáng)系數(shù)、色彩還原程度和場(chǎng)景結(jié)構(gòu)信息還原能力3個(gè)方面對(duì)去霧圖像質(zhì)量進(jìn)行客觀評(píng)價(jià),如表2～表5所示。從結(jié)果可以看出:He算法對(duì)含有大量灰白區(qū)域的圖像復(fù)原后色彩有些失真,色調(diào)還原程度為負(fù)值;Sun算法對(duì)含有天空等灰白區(qū)域的圖像復(fù)原后出現(xiàn)了亮度飽和現(xiàn)象,且在所有的對(duì)比算法中,有著過(guò)高的對(duì)比度增強(qiáng)系數(shù);本文算法在對(duì)比度增強(qiáng)系數(shù)、色調(diào)還原程度和結(jié)構(gòu)相似度上,都沒(méi)有弱項(xiàng)指標(biāo),整體去霧效果和綜合指標(biāo)要優(yōu)于He算法、Shi算法、Zhang算法和Sun算法。

表2 房屋圖像復(fù)原質(zhì)量的客觀評(píng)測(cè)

表3 故宮圖像復(fù)原質(zhì)量的客觀評(píng)測(cè)

表4 風(fēng)景圖像復(fù)原質(zhì)量的客觀評(píng)測(cè)

表5 公路圖像復(fù)原質(zhì)量的客觀評(píng)測(cè)

3.2 本文算法與其他算法的運(yùn)行效率對(duì)比測(cè)試

為了評(píng)估本算法運(yùn)行效率,基于Matlab平臺(tái),對(duì)多種算法的運(yùn)行時(shí)間進(jìn)行測(cè)試統(tǒng)計(jì)。選擇4張不同大小的含霧圖像,分別用本文算法、Sun算法[10]、Shi算法[6]和He算法[3]去霧。

從圖8的測(cè)試結(jié)果可以看出:本文提出的快速去霧算法相對(duì)于He算法,速度提升了15倍以上,且隨著圖像尺寸增加,速度提升越高;Shi改進(jìn)了He的軟件摳圖算法,減少了40%左右的計(jì)算量,但是算法本身的復(fù)雜度并沒(méi)有降低。另外,本文算法的效率也比Sun算法的效率高1倍左右,這是因?yàn)镾un算法通過(guò)灰度膨脹、腐蝕運(yùn)算得到粗略透射率之后,在其優(yōu)化過(guò)程中需要求解暗通道的聯(lián)合直方圖,這一求解過(guò)程占用了大量時(shí)間,而且為了保證良好的去霧效果,Sun算法還需要手動(dòng)調(diào)整灰度膨脹、腐蝕的半徑,算法缺乏自適應(yīng)性。

圖8 基于Matlab的算法效率比較

圖9 基于CPU和GPU聯(lián)合運(yùn)算的算法加速測(cè)試

為了測(cè)試GPU對(duì)本文算法的加速效果,需要分別測(cè)試基于CPU和GPU的算法運(yùn)行時(shí)間。選擇9張不同大小的含霧圖像,分別用基于CPU的本文算法、基于CPU和GPU聯(lián)合的本文算法對(duì)其去霧,并且記錄運(yùn)行時(shí)間。圖9給出了2個(gè)版本算法的運(yùn)行時(shí)間和加速比,不包括圖像數(shù)據(jù)讀取和寫(xiě)入過(guò)程。測(cè)試結(jié)果可以看出,對(duì)于396 kB以上的圖像,采用CPU和GPU聯(lián)合方式相對(duì)于傳統(tǒng)CPU方式,運(yùn)行效率有明顯提升,并且隨著圖像分辨率的增加,效率提升愈加明顯。因此,GPU在大幅面、高速去霧(甚至視頻去霧)方面有著CPU無(wú)可比擬的優(yōu)勢(shì)。

由于目前采用GPU實(shí)現(xiàn)圖像去霧的算法只有Zhang算法,因此為了評(píng)估本文算法在GPU中的執(zhí)行效率,將Zhang算法和本文算法在GPU中的運(yùn)行時(shí)間進(jìn)行了對(duì)比測(cè)試。選擇5張不同大小的含霧圖像,分別記錄兩種算法的去霧時(shí)間,對(duì)比結(jié)果如圖10所示,測(cè)試時(shí)間不包括圖像數(shù)據(jù)的讀取與寫(xiě)入。測(cè)試結(jié)果表明:本文算法與Zhang算法的運(yùn)行速率隨圖像尺寸的增加呈大致線(xiàn)性增長(zhǎng)趨勢(shì);本文算法的運(yùn)行效率要優(yōu)于Zhang算法,對(duì)同樣大小的圖像,平均運(yùn)行速率要比Zhang算法快2～3倍;Zhang算法有5個(gè)參數(shù)需要人工調(diào)整,如果算上人機(jī)交互的過(guò)程,完成一幅圖像的去霧時(shí)間至少要在上述結(jié)果的基礎(chǔ)上增加10倍。綜合來(lái)看,本文算法的運(yùn)行效率更高,且由計(jì)算機(jī)獨(dú)立完成,無(wú)需人工干預(yù)。

圖10 基于GPU的算法效率比較

4 結(jié) 論

本文提出了基于大氣散射模型和暗通道先驗(yàn)的單幅圖像快速去霧算法。首先針對(duì)暗通道先驗(yàn)去霧算法中透射率優(yōu)化部分計(jì)算復(fù)雜、運(yùn)行效率低下的問(wèn)題,提出了一種邊緣保持濾波算法對(duì)透射率進(jìn)行優(yōu)化,顯著降低了計(jì)算復(fù)雜度;其次,針對(duì)暗通道先驗(yàn)去霧算法對(duì)灰白明亮區(qū)域處理后色彩失真的問(wèn)題,用閾值方法修正透射率,并對(duì)修正后的透射率用邊緣保持濾波進(jìn)行平滑;最后,利用大氣散射模型復(fù)原出無(wú)霧圖像。主觀評(píng)測(cè)表明,本文提出的算法能夠有效提高處理后的圖像質(zhì)量;客觀評(píng)測(cè)表明,本文提出的算法在對(duì)比度增強(qiáng)程度、色調(diào)還原程度、結(jié)構(gòu)信息復(fù)原程度方面的綜合指標(biāo)都優(yōu)于He、Shi、Zhang和Sun算法,而且GPU實(shí)現(xiàn)的算法速度更高,在1 280像素×1 024像素的分辨率下,處理速度可達(dá)10幀/s。

[1] TAN R T. Visibility in bad weather from a single image [C]∥IEEE Conference on Computer Vision and Pattern Recognition. Piscataway, NJ, USA: IEEE, 2008: 1-8.

[2] FATTAL R. Single image dehazing [J]. ACM Transactions on Graphics, 2008, 27(3): 72.

[3] HE K, SUN J, TANG X. Single image haze removal using dark channel prior [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2011, 33(12): 2341-2353.

[4] ZHANG J, LI L, YANG G, et al. Local albedo-insensitive single image dehazing [J]. The Visual Computer, 2010, 26(6/7/8): 761-768.

[5] 王森, 潘玉寨, 劉一, 等. 提高霧天激光主動(dòng)成像圖像質(zhì)量的研究 [J]. 紅外與激光工程, 2013, 42(9): 2392-2396. WANG Sen, PAN Yuzhai, LIU Yi, et al. Image quality improvement of laser active imaging in fog [J]. Infrared and Laser Engineering, 2013, 42(9): 2392-2396.

[6] 石文軒, 詹詩(shī)縈, 李婕. 一種邊緣優(yōu)化的暗通道去霧算法 [J]. 計(jì)算機(jī)應(yīng)用研究, 2013, 30(12): 3854-3856. SHI Wenxuan, ZHAN Shiying, LI Jie. Dark channel prior dehazing algorithm based on edge optimization [J]. Application Research of Computers, 2013, 30(12): 3854-3856.

[7] 孫小明, 孫俊喜, 趙立榮, 等. 暗原色先驗(yàn)單幅圖像去霧改進(jìn)算法 [J]. 中國(guó)圖象圖形學(xué)報(bào), 2014, 19(3): 381-385. SUN Xiaoming, SUN Junxi, ZHAO Lirong, et al. Improved algorithm for single image haze removing using dark channel prior [J]. Journal of Image and Graphics, 2014, 19(3): 381-385.

[8] ZHANG J, HU S. A GPU-accelerated real-time single image de-hazing method using pixel-level optimal de-hazing criterion [J]. Journal of Real-Time Image Processing, 2012: 1-12.

[9] 李權(quán)合, 查宇飛, 熊磊, 等. 霧霾退化圖像場(chǎng)景再現(xiàn)新算法 [J]. 西安電子科技大學(xué)學(xué)報(bào), 2013, 40(5): 99-106. LI Quanhe, ZHA Yufei, XIONG Lei, et al. Novel method for haze degraded image scene rendition [J]. Journal of Xidian University, 2013, 40(5): 99-106.

[10]孫偉, 李大健, 劉宏娟, 等. 基于大氣散射模型的單幅圖像快速去霧 [J]. 光學(xué)精密工程, 2013, 21(4): 1040-1046. SUN Wei, LI Dajian, LIU Hongjuan, et al. Fast single image fog removal based on atmospheric scattering model [J]. Optics and Precision Engineering, 2013, 21(4): 1040-1046.

[11]褚宏莉, 李元祥, 周則明, 等. 基于黑色通道的圖像快速去霧優(yōu)化算法 [J]. 電子學(xué)報(bào), 2013, 41(4): 791-797. CHU Hongli, LI Yuanxiang, ZHOU Zeming, et al. Optimized fast dehazing method based on dark channel prior [J]. Acta Electronica Sinica, 2013, 41(4): 791-797.

[12]LEVIN A, LISCHINSKI D, WEISS Y. A closed-form solution to natural image matting [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2008, 30(2): 228-242.

[13]HE K, SUN J, TANG X. Guided image filtering [M]. Berlin: Springer, 2010: 1-14.

(編輯 趙煒)

A Fast Haze Removing Algorithm of Single Image Using Edge Preserving Filtering

TANG Xiaoqing,FAN Ci’en,LIU Xin

(School of Electronic and Information, Wuhan University, Wuhan 430079, China)

A fast haze removing algorithm of single image is proposed to solve the problem that the image dehazing algorithm using dark channel prior is of low efficiency and the color distortion of the bright grey area happens after dehazing. The algorithm is based on the edge preserving filtering, and first gives rough estimations of the transmittance and the atmospheric light using dark channel prior. Then, these rough transmittances are optimized through using the edge preserving filtering algorithm to get refined transmittances with smooth details and clear outlines. The bright and grey areas in the refined transmittances are corrected using a threshold, and the final transmittance image is generated by using the edge preserving filtering once more to smooth the corrected transmittances. Lastly, the atmospheric scattering model is used to recover the haze image from the estimated atmospheric light and the final transmittance image. Test results show that the proposed algorithm not only has the very high efficiency, but also has a preferable effect in dehazing all kinds of images with thin haze. It follows from the objective evaluation that the algorithm is superior to other existing algorithms in the aggregative indicators including contrast enhancement, color reduction and structural information recovery. Moreover, the proposed algorithm can be realized in pix-level parallel computation using GPU. When the NVIDIA GeForce 9 800 GT GPU is used, the processing speed reaches 10 frames per second for a range of 1 280*1 024 resolutions.

haze removal algorithm; dark channel prior; edge preserving filter

2014-07-14。 作者簡(jiǎn)介:唐曉慶(1987—),男,博士生;范賜恩(通信作者),女,博士,副教授。 基金項(xiàng)目:國(guó)家自然科學(xué)基金資助項(xiàng)目(CAST201240)。

10.7652/xjtuxb201503022

TP751.2

A

0253-987X(2015)03-0143-08