基于暗原色先驗理論的斜視相機去霧算法

關秋祺+楊立波

摘 要：為了消除大氣對斜視相機航拍圖像的影響，建立了斜視退化模型，提出了一種從圖像分塊和引導濾波細化透過率圖來改進暗原色理論的方法。實驗結果表明，通過該方法獲得的圖像細節(jié)更豐富，能有效緩解因分塊效應導致的“halo”效應，圖像去霧效果比較好。

關鍵詞：暗原色先驗；退化模型；引導濾波；圖像去霧

中圖分類號：TP391.41 文獻標識碼：A DOI：10.15913/j.cnki.kjycx.2016.24.011

斜視相機光學成像路徑長，大氣會嚴重影響相機的成像質量。相機獲取的圖像質量差，可以用圖像處理的方法提高圖像質量。目前，常用的圖像處理方法是去陰霾，也叫“去霧”。去霧的算法很多，常用的是基于非模型的圖像增強算法和基于物理模型的復原方法?；谖锢淼姆椒◤膱D像復原的角度出發(fā)，從本質上去霧，常用的方法有Tan算法、Fattal算法和He算法等。通常情況下，這些方法是在物理退化模型下進行的，是解決病態(tài)反問題的方案。為了降低反問題的難度，暗通道先驗理論受到了極大的關注。

本文針對斜視相機航拍獲得的降質圖像，結合暗原色先驗理論，提出了一種基于大氣傳輸退化模型的去霧方法。本文簡要介紹了基于大氣散射的斜視退化模型和基于暗原色理論的改進型導向濾波算法，給出了實驗結果，并進行了分析，提出了算法應用方案。

1 大氣傳輸退化模型

1975年，McCartney根據Mie散射理論，提出了著名的大氣散射模型，如圖1所示。目前，該模型被廣泛應用于計算機視覺和圖像處理領域。針對復雜的大氣散射影響McCartney進行建模分析，揭示了霧天條件下圖像的退化機理和圖像的組成。

McCarney大氣散射模型的形式是：

式（1）中：x為圖像坐標；I為獲取的有霧圖像；J為無霧圖像；A為大氣光；t（x）為透過率。

圖像去霧即恢復J，如果與t（x）可從中估計，可由式（2）計算獲得，即：

2 改進型引導濾波算法

2.1 暗原色先驗

He等在調查戶外無霧圖像特征的過程中發(fā)現一種統(tǒng)計規(guī)律：圖像的局部區(qū)域至少存在一些像素，其對應的某個顏色通道的強度值趨于零，即暗原色先驗?；诖耍低ǖ蓝x如下：

式（3）中：Jc為RGB圖像的任一顏色通道c∈{r，g，b}的強度；Ω（x）為以像素為x中心的局部斑塊。

由式（3）可知，在3個顏色通道中，最小值和所有像素Ω（x）的選作為暗通道Jdark（x）。從室外隨機挑選5 000幅無霧圖的暗通道表明，在暗通道中，該像素大約75%的通道具有0值和90%的像素具有低于35的值。大量實驗結果表明了暗原色先驗理論的合理性。暗原色點主要存在于陰影、五顏六色物體或表面、暗的物體或表面。

2.2 斜視退化模型

相機從高度為h的位置觀察高度為h0的景物如圖2所示。根據輻射傳輸方程推導得到：

式（4）（5）（6）中：Iobj（h0）為景物的亮度；Iback_obj（h0）為景物處的大氣背景亮度；Ts為大氣透過率。

由此可以得到斜視退化模型，即：

當η=1時，水平觀測時就轉化為McCarney大氣散射模型。

2.3 改進的算法步驟

基于暗原色先驗理論的改進型去霧算法步驟是：

將有霧圖像按block=round[max（A，B）×3%]來分塊，求取局部暗原色圖。

根據航拍圖像的透過率分布相對平滑的特點，對比He采用的15×15的分塊原則，給定一個A×B的圖像為例。

本文的分塊原則是：

根據暗原色圖粗略估測透過率t（x）和大氣光A.

結合斜視退化模型（式7）和暗原色理論，考慮透視現象的影響，引入一個常數ω（0<ω<1）， 盡可能保證不丟失圖像的深度感，得到大氣透過率t（x）為：

在實際應用中，對于大氣光值A，通常借助有霧圖像的暗通道圖來獲取。具體步驟是：根據亮度的大小取前0.1%的像素；然后在這些位置中，對應到有霧圖像I中像素點，將具有最高

亮度點的像素收集起來，將符合條件的所有點的平均值作為A的值。

采用引導濾波的方式來細化透過率。透過率并不是一貫恒定的，粗略估計透過率圖時，會出現“halo”塊狀效應。為了盡可能保證去霧效果，需要精細化透過率圖。本文采用引導濾波（一個線性可變的濾波器）來取代摳圖算法。每個像素的濾波核Wij表示為：

式（10）中：γk為第k個核函數窗口；μk和σk2為引導圖G在窗口內的均值和方差；γ為窗口內的像素個數；ε為平滑因子。

由斜視退化模型和參數I、A和t（x），恢復無霧圖像J。

3 實驗結果與分析

本文采用單幅圖像的霧天圖像復原方法測試航拍圖像。實驗在一臺處理器為3.2 GHz的PC機上運行，利用MatlabR2012b編程實現。本文所述方法的處理結果如圖3和圖4所示。

圖3、圖4中的相關數據表明，導向濾波改進后的透過率被細化，圖像細節(jié)更加豐富，有效緩解了因分塊效應導致的“halo”效應，最終復原出來的去霧圖像效果比較好。

4 結束語

驗證航拍的實驗圖像可知，改進的暗原色方法對提高航拍圖像有一定的作用。本文的算法是基于PC機實現的，是對獲取的圖像進行了后處理，而國外大多數航拍相機將圖像處理集成到處理電路中，直接輸出高質量圖像。因此，通過搭建諸如FPGA、GPU等硬件平臺優(yōu)化算法實現航拍圖像的實時處理，是未來應用的主流方向。

參考文獻

[1]郭璠，蔡自興，謝斌，等.圖像去霧技術研究綜述與展望[J].計算機應用，2010，30（9）：2417-2421.

[2]Tan R T.Visibility in Bad Weather from a Single Image.Computer Vision and Pattern Recognition.Anchorage，2008：1-8.

[3]Fattal R.Single Image Dehazing.ACM Transactions on Graphics（S0730-0301），2008，27（3）：72.

[4]HE Kaiming，SUN Jian，TANG Xiaoou.Single Image Haze Removal Using Dark Channel Prior.IEEE Transactions on Pattern Analysis and Machine Intelligence（S0162-8828），2011，33（12）：2341-2353.

[5]HE Kaiming，SUN Jian，TANG Xiaoou.Guided Image Filtering.IEEE Transactions on Pattern Analysis and Machine Intelligence（S0162-8828），2013，35（6）：1397-1409.

作者簡介：關秋祺（1986—），女，滿族，吉林省吉林市人，碩士研究生，主要從事航空數字圖像處理方面的研究。

〔編輯：白潔〕