基于暗通道先驗的圖像去霧算法改進研究

陶海威 王毅 沈燕飛

摘要：暗通道先驗去霧算法求得的的透射率比較精細，去霧效果優(yōu)于大多數(shù)去霧算法。然而在暗通道求取過程中，最小值濾波的處理會使得暗色向外擴張，導致透射率擴張變大，使得去霧后的圖像在邊緣部分產(chǎn)生“光暈”現(xiàn)象。為了減弱光暈效應，利用形態(tài)學理論對粗略透射率進行腐蝕處理，腐蝕掉擴張變大的透射率，然后使用容差機制修復不符合暗原色先驗的明亮區(qū)域透射率，再使用引導濾波精細化透射率，最后利用去霧模型復原圖像。實驗表明，改進后的算法去霧效果更佳、去霧速度更快，具有更強的魯棒性。

關鍵詞：暗通道先驗去霧；腐蝕；引導濾波

DOIDOI：10.11907/rjdk.161089

中圖分類號：TP312

文獻標識碼：A 文章編號：1672-7800（2016）005-0030-04

0 引言

霧霾天氣不僅影響人們的出行，也給視頻監(jiān)控、自動駕駛等涉及室外圖像應用的領域帶來了很大挑戰(zhàn)，并引起了相關研究人員的重視，如今已出現(xiàn)了不少研究成果。圖像去霧的研究方法可分為兩大類，基于圖像增強的方法和基于物理模型的方法。早期圖像去霧研究主要利用圖像處理的知識來去霧，Kim[1]提出對霧圖進行局部直方圖均衡處理的方法，這種方法根據(jù)每個像素的鄰域?qū)ο袼剡M行處理，可以突出圖像的特征，但運算量較大，算法復雜度較高。Land[2-3]基于色彩恒常性提出了Retinex即視網(wǎng)膜皮層理論，其后出現(xiàn)了一些基于Retinex的圖像增強算法[4-6]，與其它圖像增強算法相比，基于Retinex的圖像增強算法處理的圖像，局部對比度相對較高，色彩失真較小?；趫D像增強的去霧方法可以利用成熟的圖像處理算法來增強圖像的對比度，突出圖像中的特征信息，但這種方法會造成圖像部分信息損失，導致圖像失真。圖像去霧的另一類是基于物理模型的方法，該方法研究大氣懸浮顆粒對光的散射作用，通過大氣散射模型來復原圖像，恢復的圖像效果更真實，圖像信息能得到較好保存。Narasimhan等[7]提出了霧霾天氣條件下的單色大氣散射模型，后來基于物理模型的方法幾乎均建立在此模型之上。Tan[8]基于無霧圖比霧圖有更高對比度的假定來最大化有霧圖像的對比度，該算法在很大程度上能復原圖像結(jié)構和細節(jié)，然而Tan的算法趨向于過度補償降低的對比度，容易產(chǎn)生光暈效應。Fattal[9]把圖像場景光分解成反射和透射兩部分，然后基于獨立主成成分分析來估計場景光強，這種方法可以有效去除局部的霧但不能很好恢復濃霧的圖像。Kim等[10]結(jié)合局部對比度增強和去霧模型方法，能夠抑制偽影的產(chǎn)生，但時間復雜度較高。劉倩等[11]使用均值濾波去霧，對單幅圖像去霧效果尚可，但是用于視頻去霧時幀之間的過渡就不很自然。王燕等[12]使用中值濾波去霧，其有一定的去霧能力，但圖像周邊會出現(xiàn)明顯的分界。何凱明等[13]提出的暗通道先驗去霧算法，可以得到精細的透射率，去霧效果優(yōu)于大多數(shù)的去霧算法，已成為去霧領域的經(jīng)典。去霧后的圖像在景深變化大的地方會產(chǎn)生光暈現(xiàn)象，而導致這一問題的原因是在暗通道計算過程中使用了最小值濾波。在求取暗通道過程中，最小值濾波的處理會使得暗色向外擴張，導致透射率擴張變大，從而使去霧后的圖像在邊緣部分產(chǎn)生“光暈”現(xiàn)象。為了減弱光暈效應，本文利用形態(tài)學理論知識對粗略透射率進行腐蝕處理，腐蝕掉擴張變大的透射率，然后使用容差機制修復不符合暗原色先驗的明亮區(qū)域透射率，再使用引導濾波精細化透射率，最后利用去霧模型復原圖像。為了加快處理速度，本文在降采樣圖像里尋找大氣光，并使用暗點優(yōu)先膨脹算法求暗通道。另外原文求取大氣光值的方法在一些情形下并不是很合理，尤其是場景中出現(xiàn)白色物體時，而使用四叉樹細分的分層搜索方法卻沒有這種問題。實驗表明，改進的去霧算法去霧效果更佳，且去霧速度更快。

本文圖像去霧流程：求取大氣光值→粗略透射率估計→透射率精細化→圖像復原。

1 暗通道先驗去霧

2 算法改進

2.1 大氣光值求取

文獻[13]方法過程如下：①從暗通道圖中按照亮度大小取前0.1%的像素；②對于這些像素位置，在原始有霧圖像I中尋找對應的具有最高亮度的像素點的值，作為A值。

很多去霧相關論文都沿用了這種方法，然而這種取法在一些情況下并不太合理，比如圖像中含有白色物體時，往往會在白色物體區(qū)域取得大氣光值，而不是在真正的濃霧區(qū)域取得，這樣會造成處理后的圖像出現(xiàn)偏色現(xiàn)象。

圖像有霧區(qū)域像素變化通常比較小，即對比度低。基于四叉樹細分的分層搜索方法可以準確地找到濃霧區(qū)域并取得合理的大氣光值，過程如圖1所示，首先將一幅圖像等分成4個矩形區(qū)域，然后分別用每個矩形區(qū)域內(nèi)所有像素值的平均值減去它們的標準差得到一個結(jié)果值，選擇結(jié)果值最大的那個區(qū)域并將它進一步等分成4個更小的區(qū)域。重復這一過程直到選擇區(qū)域的大小比預先指定的閾值小。圖1中紅色塊是最后選擇的區(qū)域，在該區(qū)域，選擇能夠最小化與純白光向量（255，255，255）距離的顏色向量作為大氣光值，即選取最明亮顏色向量作為大氣光值。

2.2 粗略透射率修正

2.2.1 透射率腐蝕處理

在暗通道計算過程中，首先會得到原圖RGB三原色最小通道值，然后對最小暗通道值進行最小值濾波處理。對于較小的值，以它為中心的濾波窗口內(nèi)的點值都會受其影響，如圖3（b）所示（正中間數(shù)據(jù)“198”位置會被賦予較小的數(shù)據(jù)值50），造成暗色向外擴張。由式（4）可知，明亮區(qū)域透射率會相應擴大。這樣在景深變化明顯的地方，去霧后的“光暈”現(xiàn)象就較明顯。為了減弱光暈效應，可以使用形態(tài)學腐蝕的方法，將擴張變大的區(qū)域進行縮小，達到修復的作用，如圖3（c）、（d）所示。實驗表明，使用圓形結(jié)構元素，半徑為透射率圖長度和寬度最小值的1%來腐蝕透射率圖可以得到較好的去霧效果。

2.3 處理時間優(yōu)化

為了降低處理時間，在求取大氣光值時采取在降采樣的圖像上尋找，這樣并不會降低最后尋找到的大氣光值的準確性，因為求取目標是要在最濃霧的區(qū)域找大氣光值，而要尋找大氣光值的周圍鄰近的像素點值通常都是相同或非常接近的，所以跟在原圖上找到的值是一致的，而尋找時間卻大大縮短。在暗通道求取過程中，最小值濾波處理比較耗時，本文使用文獻[15]提出的暗點優(yōu)先膨脹算法代替最小值濾波處理，這樣可有效降低運算時間。

基于暗點優(yōu)先膨脹的暗通道計算過程如下：①取得原圖RGB三原色最小通道值，形成一幅灰度圖；②對灰度圖像素值進行排序；③選取一個最小值，將以其點為中心的指定窗口大小內(nèi)的所有點都設為此值，并記錄已處理的點；④依次選擇次小的點值進行相同操作，并忽略已處理的點，這樣就可以很快完成暗通道的計算過程。

圖解示意過程如圖4所示，圖中最上部分為原圖RGB最小通道值形成的灰度圖，值從小到大排序為A82≤A77≤…。選擇最小的值并以其點位置為中心的3×3窗口內(nèi)的所有點都設為此值，并記錄處理過的點，接下來依次選擇次小的值進行相同處理，這樣就很快獲得了暗通道。

最后將精細化透射率及求得的大氣光值代入式（5），就可到得到最后的復原圖。

3 實驗

實驗軟硬件環(huán)境如下：操作系統(tǒng)為32位Windows7，CPU 為酷睿i3-2100雙核（3.10GHz），RAM內(nèi)存為2G，使用32位matlab2010b編碼實現(xiàn)。運行文獻[13]和改進算法程序?qū)追N霧圖分別進行了測試。

實驗圖片歸一化為420×297大小，名稱分別為road.jpg、tree.jpg、mount.jpg，結(jié)果比較如圖5、6、7、8所示。主觀上對比可以看到改進算法減輕了處理后的圖像明亮區(qū)域偏色現(xiàn)象及景深變化區(qū)域的光暈效應，并在細節(jié)上更好地保持了原圖結(jié)構。

在客觀評價上選擇PSNR和SSIM兩個性能指標進行實驗，得到的數(shù)據(jù)如表1、表2所示。PSNR即峰值信噪比，其值越大，則說明處理后的去霧圖像失真越小，SSIM可以衡量原圖和去霧圖的結(jié)構相似性，其數(shù)值越大說明去霧圖對原圖結(jié)構改變越小，同時光暈效應越弱。比較可知，改進算法取得了更好的去霧效果。

4 結(jié)語

暗通道先驗去霧是近年來出現(xiàn)的一種優(yōu)秀去霧算法，然而在暗通道計算過程中的最小值濾波處理會使得暗色擴張，進而引起去霧圖產(chǎn)生光暈效應。為了減弱光暈效應，本文利用形態(tài)學理論對得到的粗略透射率進行腐蝕處理，腐蝕掉擴張變大的透射率；同時對大氣光值的求取方法進行了改造，對不符合暗通道先驗的明亮區(qū)域透射率進行了修復，并使用多種方法優(yōu)化處理速度。實驗表明，改進后的算法在去霧效果和速度方面都有很大提升，后續(xù)會在此基礎上繼續(xù)優(yōu)化改進，使得該算法能夠應用于實時視頻去霧中。

參考文獻：

[1]KIM T K，PAIK J K，KANG B S.Contrast enhancement system using spatially adaptive histogram equalization with temporal filtering[J].IEEE Transactions on Consumer Electronics，1998，44（1）：82-87.

[2]LAND E H.The retinex[J].American Scientist，1964， 52（2）：247-264.

[3]LAND E H.The retinex theory of color vision[J]. Scientic America，1977，237（6）：108-128.

[4]JOBSON D J，RAHMAN Z，WOODELL G A.Properties and performance of a center/surround retinex[J].IEEE Transactions on Image Processing，1997，6（3）：451-462.

[5]RAHMAN Z，JOBSON D J，WOODELL G A.Muti-scale retinex for color image enhancement[C].Lausanne：Proceedings of the 1996 International Conference on Image Processing，1996：1003-1006.

[6]RAHMAN Z，JOBSON D J，WOODELL G A.Retinex processing for automatic image enhancement[J].Journal of Electronic Imaging， 2004，13（1）：100-110.

[7]NARASIMHAN S G，NAYAR S K.Vision and the atmosphere[J].International Journal of Computer Vision，2002，48（3）：233-254.

[8]TAN R T.Visibility in bad weather from a single image[C].Anchorage：Proceedings of the 2008 IEEE Conference on Computer Vision and Pattern Recognition，2008：1-8.

[9]FATTAL R.Single image dehazing[C]. New York：Proceedings of the 2008 ACM Transactions on Graphics （TOG），2008， 27（3）：1-9.

[10]J H KIM，J Y SIM，C S KIM.Single image dehazing based on contrast enhancement[C].IEEE ICASSP，2011：1273-1276.

[11]劉倩，陳茂銀，周東華.基于單幅圖像的快速去霧算法[C].第25屆中國控制與決策會議，2013.

[12]王燕，伍博，谷金宏.一種單幅圖像去霧方法[J].電光與控制，2011，18（4）：65-67.

[13]KAIMING HE，JIAN SUN，XIAOOU TANG.Single image haze removal using dark channel prior[C].IEEE Conference on Computer Vision and Pattern Recognition （CVPR），2009：1956-1963.

[14]蔣建國，侯天峰，齊美彬.改進的基于暗原色先驗的圖像去霧算法[J].電路與系統(tǒng)學報，2011，16（2）：6-11.

[15]劉夏，陳和平，陳黎，顧進廣.一種計算圖像暗通道的優(yōu)化算法[J].計算機應用與軟件，2014（7）：137-140.

[16]HE K M，SUN J，TANG X O.Guided image filtering[C].Berlin：Proceedings of the 2010 Conference on Computer Vision，2010：1-14.

（責任編輯：孫 娟）