基于改進暗通道先驗算法的圖像去霧

邱清輝

摘要：針對普通暗通道先驗算法去霧能力的不足，本文提出了一種改進算法，通過采用高斯平滑將原圖像分為基礎(chǔ)子圖和細(xì)節(jié)子圖，基礎(chǔ)子圖采用暗通道先驗算法，細(xì)節(jié)子圖采用gamma變換方法，再采用圖像融合進行融合，結(jié)果顯示改進的算法，使得去霧后圖像顏色效果更好，細(xì)節(jié)信息更多，能夠滿足工程上應(yīng)用要求，具有很好的應(yīng)用價值。

關(guān)鍵詞：暗通道先驗; 圖像去霧;直方圖

中圖分類號：TP18? ? ? ? 文獻標(biāo)識碼：A

文章編號：1009-3044（2019）16-0196-02

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

隨著視頻、圖像采集越來越多，尤其在戶外中，受天氣中霧、靄以及沙塵等影響，采集拍攝的圖像往往具有較多的失真，這無論是對拍攝的美感，還是對工程技術(shù)領(lǐng)域中目標(biāo)的探測和識別都有很大影響。若能在戶外不良天氣下拍攝的失真圖像中，采用相應(yīng)算法最大限度無失真的恢復(fù)出原始的圖片具有很大的意義[1][2][3][4]。

圖像去霧的方法主要分為三大類別：（1）基于統(tǒng)計的圖像增強算法包括直方圖增強以及后續(xù)改進的限制對比度直方圖增強等各種算法，這種算法簡單有效，但是有可能造成圖像細(xì)節(jié)的丟失，且對于濃霧天氣算法會失效。（2）基于反射理論的圖像去霧方法，主要是Retinex理論，這種算法往往會造成顏色的失真。（3）基于大氣模型的方法，代表算法是HE的暗通道先驗法，但是該方法仍然會造成一些細(xì)節(jié)的丟失。針對這個問題，本文采用高斯模糊的方法將原圖分成高頻分量和低頻分量，采用暗通道先驗證的算法增強低頻分量再進行重構(gòu)，從而保存了圖像的細(xì)節(jié)信息。

1 暗通道先驗算法

為了能夠從大氣傳輸退化的圖像中恢復(fù)出原始的圖像，He等在文獻中給出了暗原色先驗的方法，是通過對大量戶外無霧圖像的統(tǒng)計分析提出來的。He指出暗到通先驗規(guī)律：在無霧戶外采集圖像中，其每個局部區(qū)域都極有可能存在陰影，每個局部區(qū)域至少會有一個顏色通道在某些像素上具有很低的灰度值，并且趨近于0。對于戶外圖像J，其模型為：

其中分母的[to]設(shè)置為0.5，用于防止t（x）的數(shù)值過小。對于環(huán)境光A的估計是取[Jdark]中前0.1非天空區(qū)域亮度最大的像素對應(yīng)的原圖中亮度值的平均值。

2 改進的算法

HE提出的暗道通先驗算法原理相對簡單，相對霧氣較薄時可以產(chǎn)生良好的去霧效果，但是若針對霧靄較濃時，其效果就表現(xiàn)一般，需要提高圖像的細(xì)節(jié)化處理，在此，可以對圖像進行高頻和低頻分離處理，低頻信息進一步直方圖增強，高頻信息進行濾波和校正。

采用的具體方法如圖1所示的流程圖所示。對于暗通道復(fù)原后的圖像，通過暗道通先驗算法進行色彩增強，再通過引導(dǎo)濾波對圖像進行濾波、平滑處理，將圖像中低頻和高頻進行分離，低頻信息作為基礎(chǔ)子圖。同時對高頻信息再進一步的高斯平滑，暗通道增強后的圖像進行相減，獲得了細(xì)節(jié)子圖。此時再一次進行濾波和校正，通過Gamma變換調(diào)整細(xì)節(jié)子圖的對比度。最后基礎(chǔ)子圖通過CLAHE算法進行動態(tài)范圍增強，并對基礎(chǔ)子圖和細(xì)節(jié)子圖進行圖像融合處理，最終獲得增強后的紅外圖像。

3 實驗和分析

根據(jù)對暗道通先驗改進算法進行實驗，在霧靄較為嚴(yán)重的情況下，帶有霧靄的圖像采用普通直方圖均衡的暗通道去霧方法與改進算法進行比較，如圖2所示，可以發(fā)現(xiàn)的改進算法去霧具有更好的顏色效果，且動態(tài)范圍更好，顯示的細(xì)節(jié)信息更多。

4 結(jié)論

通過暗道通先驗的分析，其實現(xiàn)比較容易，但當(dāng)天氣惡劣情況下，去霧能力明顯不足，針對普通暗通道先驗算法在復(fù)雜天氣情況下去霧能力的不足問題，首先采用高斯平滑將原圖像分為基礎(chǔ)子圖和細(xì)節(jié)子圖，基礎(chǔ)子圖采用暗通道先驗算法直方圖增強，細(xì)節(jié)子圖采用gama變換方法，最后采用圖像融合進行融合，得出去霧圖像顏色效果更好，細(xì)節(jié)信息更多，具有很好的應(yīng)用價值。

參考文獻：

[1] He K， Sun J， Tang X. Single image haze removal using dark channelprior[C]//IEEE Conference on Computer Vision and Pattern Recognition，2009：1956-1963.

[2] He K， Sun J， Tang X. Guided image filtering[J].IEEE Transactions onPattern Analysis & Machine Intelligence，2013，35（6）：1397-1409.

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

[4] 王浩，張葉，沈宏海，等.圖像增強算法綜述[J].中國光學(xué)，2017，10（4）：438-448.

【通聯(lián)編輯：唐一東】