一種基于暗通道的航拍圖像去霧算法

陳 茹 ，張珍明 ，陳 龍

(1.火箭軍指揮學院，湖北 武漢 430012；2.大同煤集團電業(yè)公司，山西 大同 037000 )

一種基于暗通道的航拍圖像去霧算法

陳 茹1，張珍明1，陳 龍2

(1.火箭軍指揮學院，湖北 武漢 430012；2.大同煤集團電業(yè)公司，山西 大同 037000 )

針對無人機航拍圖像在霧霾天氣下降質(zhì)特點，提出一種基于暗通道先驗原理的航拍圖像去霧改進算法。根據(jù)大氣物理模型和暗通道原理，對有霧圖像進行自適應分塊求取暗通道圖；通過降采樣得到初始透射率圖，再應用導引濾波對投射率進行優(yōu)化，同時利用最小值濾波和均值濾波求解大氣光強；應用霧天模型恢復降質(zhì)圖像。通過實驗對比驗證，該算法簡單且能夠高效去霧，在客觀評價指標上總體性能也優(yōu)于其他算法。

無人機偵察；圖像去霧；大氣物理模型；暗通道

0 引言

近年來，光學傳感器作為無人機搭載的重要感知器件，當無人機在不良天氣條件下進行航拍時，尤其是在霧霾天氣下，由于空氣中的懸浮顆粒對光線的散射、吸收等作用影響，使得光學系統(tǒng)成像質(zhì)量下降，造成圖像對比度低、顏色失真，目標特征被覆蓋，細節(jié)缺失，信息的可辨識度大大降低，影響人眼感觀。因此，研究高效、快速并具有一定魯棒性的圖像去霧算法具有十分重要的理論價值和現(xiàn)實意義。

目前，國內(nèi)外的研究學者針對霧霾引起的圖像降質(zhì)問題，提出了很多有效的去霧算法。主要分為以下2類：① 基于圖像增強的去霧方法，即通過增強圖像對比度改善圖像視覺效果，達到去霧的目的，但由于沒有考慮霧圖的成像機理，適用范圍?。虎?基于圖像復原的去霧方法，即通過研究霧霾天氣對圖像成像造成的影響，建立霧天圖像退化模型，反向推導退化過程，計算無霧圖像的最優(yōu)估計值，從而改善霧天圖像質(zhì)量，適用范圍廣、針對性強、去霧效果好。如Tan[1]通過最大化局部對比度來去霧，但對飽和度較高的原圖像易造成失真的效果。Fattal[2]提出了獨立分量分析法實現(xiàn)了單幅圖像去霧，但該方法的性能很大程度上取決于輸入圖像的統(tǒng)計特性且依賴于其顏色信息，因此在濃霧區(qū)域及灰度圖像的情況下無法處理。其中，何凱明[3]等在大氣物理模型的基礎上，提出了暗通道先驗(Dark Channel Prior，DCP)原理用于圖像去霧，該算法去霧后圖像顏色自然、清晰度高，但是該算法對部分區(qū)域暗原色失效，且采用軟摳圖優(yōu)化算法，影響了算法的執(zhí)行速度，處理時間長；隨后其在文獻[4]引入了導向濾波代替軟摳圖，使得算法的運行效率大大提高，但是還不能達到工程實現(xiàn)的要求。鑒于暗通道原理去霧的良好性能，一些研究者對該算法進行一系列的改進處理。禹晶[5]等人在暗通道原理的基礎上，利用雙邊濾波代替軟摳圖算法，有效恢復了場景的對比度和顏色，但對白色物體以及濃霧圖像的恢復效果不理想。文獻[6]通過對霧天圖像退化物理模型的分析，利用均值濾波來估計透射率和全局大氣光，在執(zhí)行速度上得到了很大提高，而且去霧效果也保持得很好，但是理論支撐不足。文獻[7]通過邊緣檢測來尋找暗原色值進行濾波，使透射率圖更準確，并利用尺度因子及閾值使圖像顏色更保真。文獻[8]通過結合小波變換優(yōu)化透射率，使圖像去霧效果更自然，但算法較為復雜，難以滿足實際需求。

本文基于暗通道先驗原理提出一種適合航拍圖像的去霧新算法。

1 基于圖像復原去霧的基本原理

1.1 大氣物理模型

目前通用的大氣物理模型是由 McCartney[9]提出的米氏散射物理模型，用公式可以表示如下：

(1)

式中，I(x,y)為有霧圖像；J(x,y)為要恢復的無霧圖像；A為大氣光值；β為大氣散射系數(shù)；d為場景深度；J(x,y)e-βd(x,y)為入射光衰減模型；(1-e-βd(x,y))A為環(huán)境光模型。用傳輸投射率t(x,y)來表示指數(shù)衰減項，則式(1)可表示為：

(2)

由式(2)可知，可以根據(jù)有霧圖像I(x,y)，透射率t(x,y)和大氣光值A可以復原無霧圖像J(x,y)。

1.2 暗通道先驗原理

暗通道先驗原理的提出是基于以下對清晰的戶外圖像觀察的事實：對于圖像的很多非天空場景區(qū)域，在某些像素點上至少存在一個色彩通道的亮度非常低。換句話說，這些區(qū)域的最小亮度應該有非常低的值。形式上，對于一幅圖片J(x,y)，定義

(3)

式中，Jc為圖像J(x,y)中r、g、b三顏色通道中的一個；Ω(x,y)為以點(x,y)為中心的一個局部圖像模塊。對于一幅沒有霧的戶外圖像，除了天空區(qū)域，Jdark的亮度非常小，近似趨于0。因此，稱Jdark為圖像J(x,y)的暗通道，并且稱以上的統(tǒng)計觀察知識為暗通道先驗原理。

1.3 估計透射率

對大氣物理模型進行變換，可得

(4)

對式(4)兩邊進行2次最小值濾波運算，可得

(5)

根據(jù)暗通道原理，由式(3)和式(5)可得：

(6)

另外，在晴天，空氣中也存在一些顆粒，對于無人機航拍圖像來說，從高空拍攝地面的場景，由于存在大面積偏白區(qū)域，如果在去霧的同時保留一定程度的霧，可以保留圖像的真實感和深度感，得到的圖像顏色更加自然。因此，可以在上式中引入一個因子γ(0≤γ≤1)進行修正，

(7)

1.4 復原無霧圖像

(8)

2 基于DCP的去霧改進算法

無人機航拍圖像相對于其他拍攝圖像有其自身特點：

① 無人機航拍時從高空向地面取景，即物體景深相差不大。場景中各景物受霧霾影響的程度大體相同，霧氣濃度分布也相對均勻。

② 航拍圖像中包含一些偏白色區(qū)域如水面、荒原或路面等，通過實驗統(tǒng)計可知，這些區(qū)域即使在無霧環(huán)境下，像素值也很大，有霧時很難在該區(qū)域找到像素接近0的暗原色點，所以采用暗通道原理去霧會出現(xiàn)顏色失真、光暈等現(xiàn)象。

③ 航拍圖像中一般不存在天空區(qū)域。

本文在暗通道原理基礎上，針對無人機航拍圖像特點，提出了一種改進的去霧算法，算法的流程如圖1所示。

圖1 算法流程

2.1 自適應求取暗通道

由以上分析可知，求取暗通道圖的關鍵是對有霧圖像分塊，分塊較大時，局部錯誤少，但透過率分布單一，估計圖的細節(jié)和層次感不夠明顯；分塊較小時，圖像細節(jié)較多，層次感較好，但平滑較少，局部錯誤較多，不利于大氣光值的估計。文獻[3]選取的分塊大小為固定值15×15，對于尺寸不同的圖像，使得去霧效果不一。針對這種情況，本文在對圖像分塊時，選取圖像的行和列5%的整數(shù)值作為塊的大小，這樣可以根據(jù)圖像實際大小進行自適應分塊求取暗通道圖，在保證圖像平滑的同時保留其更多的細節(jié)特征。

2.2 大氣光值估計

對于大氣光值A的取值，許多文獻給出了不同的處理方法。其中文獻[9]是通過對有霧圖像的天空區(qū)域分塊求取均值來估計大氣光值，此方法效果較好，但僅適用于存在天空區(qū)域的圖像，不適合航拍圖像去霧。文獻[1]是將圖像中具有最大亮度值的像素作為大氣光值，方法簡單，但在實際應用中，該值可能位于白色位置。文獻[3]在暗通道去霧中首先選取最亮的 0.1%比例的像素位置，則這些位置所對應原有霧圖像的最大灰度值作為全局大氣光值A，該法具有很好的魯棒性，但獲取過程較為耗時。

由于航拍圖像一般不含天空區(qū)域，霧氣分布均勻，最小值濾波不符合霧氣在大部分區(qū)域連續(xù)均勻分布的特征，而均值濾波恰好能夠滿足本文情況，所以本文采用最小值濾波與均值濾波結合來估計大氣光值A。先求出原有霧圖像r、g、b通道的最小值Wmin(x,y)，然后對其進行均值濾波后得到Wave(min)(x,y)，即把其中最大值作為大氣光強A，

(9)

通過實驗表明，該方法得到的大氣光強A準確度高、速度快。

2.3 透射率的優(yōu)化

根據(jù)暗通道原理求取暗通道圖時采取的是最小值濾波，利用相應的暗通道值估計透射率值不同，會產(chǎn)生“halo”效應，傳統(tǒng)方法用軟摳圖來優(yōu)化透射率，但構建拉普拉斯矩,算法復雜，計算量大。為了提高優(yōu)化速度，He[4]采用導引濾波法優(yōu)化透射率。導向濾波實質(zhì)上是一種雙邊帶濾波，在濾波過程中采用積分圖像，相當于基于窗口的累加運算，其去霧效果與軟摳圖類似，但復雜度降低、效率提高。

導向濾波模型如下：

(10)

Ji=akOi+bk,?i∈wk。

(12)

式中，φ為一個正則化參數(shù)，防止ak過大?？汕蟮?/p>

本文通過降采樣提高了求得霧圖初始透射率的速度，再通過導引濾波進行優(yōu)化，該透射率能夠較為準確地反應圖像光強度，而且能夠針對暗通道去霧圖亮度不夠，自適應提高圖像的亮度，使圖像顏色看起來更為自然，具有較強的魯棒性。

3 航拍圖像去霧實驗與分析

為了驗證本文算法的可行性和有效性，本文在處理器為Intel(R)Core(TM)i5-2415M、2.3GHz，操作系統(tǒng)為Win7的PC上利用MatlabR2014a軟件進行仿真實驗。

通過對2幅在霧霾天氣下無人機航拍圖像采用不同去霧算法進行處理，結果如圖2和圖3所示。

圖2 航拍fig.1各種算法去霧效果對比

通過對圖2和圖3對比可以看出，直方圖去霧后仍留有部分霧氣存在，難以反映圖像中局部景深的變化；“Retinex”算法去霧后能見度和亮度有提高，但圖像存在嚴重顏色失真；“He”算法去霧效果好，但去霧后顏色偏暗；文獻[7]采用的算法在去霧效果可視性方面和本文算法區(qū)別不是很大，本文算法在細節(jié)處理方面顯得更加細膩和平滑。從整體上看，5種算法都能較好地達到去霧的效果，但在色彩亮度方面，本文算法視覺效果要好于“He”算法和文獻[7]算法。

為了進一步客觀評價比較不同算法去霧后的圖像效果，采用圖像熵、標準差、邊緣強度以及處理時間4個指標對以上2幅航拍圖像進行定量分析。其中，圖像熵是表示圖像信息豐富程度的重要指標；標準差是反映圖像各像素灰度值分布程度；邊緣強度體現(xiàn)了圖像的細節(jié)信息特征。具體結果如表1和表2所示。

圖3 航拍fig.2各種算法去霧效果對比

去霧算法圖像熵標準差邊緣強度時間/ms原始圖像7.125135.144369.0071直方圖均衡法7.363560.0290128.25439.2237“Retinex”算法7.892758.8453146.061342.2015“He”算法7.795260.3956139.951362.3618文獻[7]算法7.663568.1998141.542134.6737本文算法7.877166.9112145.450510.7832

表2 航拍fig.2去霧效果客觀評價結果

從表1和表2中可以看出，本文算法在去霧效果上優(yōu)于“He”算法，但“He”算法時間復雜度較高?！癛etinex”算法邊緣強度好于本文算法，但處理時間長。本文算法在時間上雖與直方圖法近似，但其他各項指標卻明顯優(yōu)于直方圖法。文獻[7]算法也是基于暗通道原理，去霧效果較好，但去霧處理時間不如本文算法，本文算法各項評價指標綜合來看優(yōu)于其他算法，尤其是處理時間得到了很大提升。

4 結束語

本文改進算法是在暗通道先驗原理基礎上結合無人機航拍圖像特點下提出的。與傳統(tǒng)算法相比，本文算法在保證去霧效果的前提下，降低了算法的復雜度，執(zhí)行時間上有了極大的提高，基本上可以達到工程應用的實時性要求，提高了無人機航拍圖像數(shù)據(jù)信息的有效性和可用性，促進了無人機作業(yè)在軍事和民用領域中的廣泛應用。

[1] TAN R.Visibility in Bad Weather from a Single Image[C]∥Proceeding of IEEE Conference on Computer Vision and Pattern Recognition,Alaska,USA，2008:1-8.

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

[3] HE Kai-ming,SUN Jian,TANG Xiao-ou.Sing Image Haze Removal Using Dark Channel Prior[C]∥Computer Vision and Pattern Recognition,2009:1 956-1 963.

[4] HE Kai-ming,SUN Jian,TANG Xiao-ou.Guided Image Filtering[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2013,35(6):1 397-1 409.

[5] 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].自動化學報,2011,37(2):143-149.

[6] 劉 倩,陳茂銀,周東華.基于單幅圖像的快速去霧算法[C]∥25th Chinese Control and Decision Conference,2013:3 780-3 785.

[7] 陳 露，和紅杰，陳 帆.基于邊界鄰域最大值濾波的快速圖像去霧算法[J].光子學報,2014,43(11):1110003.

[8] 苑尚博,高軼琛,宋笑影,等.暗通道結合小波變換的霧天圖像復原[J].計算機應用與軟件,2015,32(10)：192-195.

[9] MCCARTNEY E J.Optics of Atmosphere:Scattering by Molecules and Particles[M].New York:John Wiley and Sons,1976.

陳 茹 女，(1989—)，碩士研究生。主要研究方向：信息融合、圖像處理。

張珍明 男，(1971—)，博士，副教授，碩士研究生導師。主要研究方向：數(shù)字圖像處理、模式識別。

An Aerial Image Dehazing Algorithm Based on Dark Channel

CHEN Ru1,ZHANG Zhen-ming1,CHEN Long2

(1.PLARocketForceCommandCollege,HubeiWuhan430012,China;2.ElectricalCompany,DatongCoalMineGroup,DatongShanxi037000,China)

UAV aerial images are seriously degraded in haze weather.To solve this problem,the paper proposes an aerial image dehazing algorithm based on dark channel prior principle.According to the physical model of atmosphere and dark channel principle,the hazed image is adaptively segmented to obtain the dark channel graph;the initial transmissivity diagram is obtained through down sampling;and the projection ratio is optimized by using guided filter.At the same time,the gas intensity is solved by using minimum filter and mean filter;finally,the dehazed image is recovered from the degraded image through the haze model.The experimental comparison and verification show that the image dehazing algorithm is simple and can be highly efficient,and the overall performance of the objective evaluation index is better than other algorithms.

UAV reconnaissance;image dehazing;physical model of atmosphere;dark channel

10.3969/j.issn.1003-3106.2016.11.10

陳 茹，張珍明，陳 龍.一種基于暗通道的航拍圖像去霧算法[J].無線電工程,2016,46(11):38-41,78.

2016-08-22

TP391.4

A

1003-3106(2016)11-0038-04