基于大氣散射理論的視頻去霧算法的研究

李 鵬,唐 亮,凌 虎（中國電子科技集團公司第三十八研究所,合肥 230088）

基于大氣散射理論的視頻去霧算法的研究

李 鵬,唐 亮,凌 虎（中國電子科技集團公司第三十八研究所,合肥 230088）

摘 要：本文提出了基于大氣散射理論的視頻去霧算法，這種方法計算固定場景下的大氣透射率，把計算結果應用于視頻的所有幀以消除霧氣，實驗結果和實際應用顯示這種算法去霧效果較為清晰，對比度較原始圖像有明顯的提升。與其他視頻去霧算法相比，由于固化了先驗信息，因此算法的處理速度較快，在處理實時監控數據時可以迅速得到去霧的結果。

關鍵詞：霧氣理論；視頻；去霧；大氣透射率

0 引言

霧天單幅圖像的處理方法可以分為兩類：圖像增強和圖像復原。圖像增強方法通過增強圖像的細節，改善圖像的視覺效果來達到視覺上的去霧效果。這種方法計算相對簡單，適應性廣，但對于局部景深的變化細節處理有待改進。而圖像的復原方法是建立霧天退化模型，通過補償退化過程造成的失真進而獲得無霧圖像或者是最貼近的估計結果。目前，第二種方法發展較快，有Τan[1]提出的算法，此算法通過最大化提升霧天圖像的局部對比度來達到去霧的目的。Fattal等人[2]則假設霧天圖像局部區域的反射強度為常向量，利用獨立成分分析估計場景的常向量反射強度。HE等人[3]提出一種暗原色先驗去霧算法，這種方法利用霧氣濃度的暗原色先驗規律，估算出場景透射率，然后求出無霧圖像。

目前針對霧天視頻的去霧方法主要建立單幅圖像去霧的基礎上，也可分為基于圖像增強和基于物理模型的視頻去霧方法兩類。前者對視頻的每一幀進行直方圖去霧化處理，后者則是對背景圖像采用去霧算法進行處理，求取得到相關的參數后，再將物理模型與原始視頻結合得到完整的去霧視頻。

1 霧氣理論

1.1 大氣散射理論

大氣散射模型由大氣光成像模型和入射光衰減模型組成[4]。何愷明[3]給出了霧霾天氣下單色大氣散射模型的簡化表達式為：

1.2 暗原色先驗理論

在原始的霧氣圖像中，霧氣的濃度會隨著景物距離的變化而變化，因此透射率是一個變化的參數，而暗原色先驗則提供了估算透射率的方法。暗顏色先驗理論是對大量室外無霧圖像的觀察統計得到的：在排除了天空等大面積明亮區域后的無霧圖像中，存在這樣的一些像素點，它們在RGB3個顏色通道中至少一個通道的值很低，這就是暗原色的概念，數學模型為[3]：

其中為原始圖像的顏色通道，為紅綠藍3個顏色通道，c為顏色通道的合集；為以x為中心的局部區域。通過觀察統計得到，的值較低且趨近于0。如果J是無霧圖像，則被稱為J的暗通道。

2 基于大氣散射理論的去霧算法

2.1 簡化的大氣散射理論

碩士研究生英語課程的設置目標，更應該著力于提高研究生的實際語言運用能力，并且要在教學上加強語言實踐性[6]。語言類課程的學習有其自身的特點與規律，要區別于其他課程的學習。因此，英語課程的設置必須按照正確的語言學習規律進行。改變目前純粹以授課型課程為主的課程安排，構建適合本學科的英語課程體系；在課程安排上不僅可以開設聽力、口語、寫作等傳統的基礎型課程，還可開設英語國家文學選讀、報刊選讀、西方影視文化等語言文化類課程。學校可依據現有師資力量和教學資源，為學生開設盡可能多樣化的英語課程，以提高學生的英語應用水平。

其中，為大氣耗散函數，它表示環境光對圖像的附加部分。這里去霧問題就轉化為計算大氣透射率和大氣光強的問題。

2.2 去霧算法流程

本文的去霧算法：第一步，假定是固定場景的有霧視頻，因此可以通過幀差法獲得視頻的背景圖像；再通過暗原色的值的變化來估計大氣透過率,獲得背景圖像的大氣透射率，由此即可通過運算求得。第二步，用暗原色先驗方法的統計信息估算出大氣光強值Α，并將原始圖像數據代入到（4）式中即可求得去霧后的復原圖像。

2.3 大氣透射率估計

在霧霾天氣下獲得的圖像，由于大氣光參與成像，會使得暗原色強度值發生變化，而大氣透射率是與這個值直接相關的，因此可以通過暗原色值的變化來估計大氣透射率[3]。這個粗略估計的大氣透射率可以表示為：

其中是調節因子，使復原的圖像更接近真實圖像。

本文采用雙邊濾波的方法對原始圖像進行處理，目的在于消除其中可能導致圖像復原錯誤的細節信息。雙邊濾波采用加權平均獲取圖像的強度值[5]，其定義為：

2.4 大氣光強估計

目前已經有很多方法解決這一問題。如對邊緣檢測處理后的圖像采用灰度腐蝕的方式進行分塊統計，找到候選的天空區域，但這種方法要求場景中必須存在天空區域。本文先對三個顏色分量進行灰度腐蝕，然后將處理后的圖像中各像素點的亮度值按照遞減的方式進行排序，從這些最小值中選取0.1%最亮的像素所在的位置，找到這些位置所對應的原始有霧圖像區域，而這些區域中的像素最大值就是大氣光強Α的估算值。

3 分析與應用

3.1 去霧效果驗證

實驗采用了VS2008在Core(ΤM)i5，3.20GHz，3.47GB內存的PC機上對本文提出的去霧算法進行了分析驗證，圖1圖2即為采用本算法后的圖像去霧效果圖。

圖1 圖像去霧功能

3.2 計算速度

視頻去霧處理的時間長短取決于視頻幀圖像的大小、視頻算法的復雜度以及場景的復雜度。本文算法是對暗顏色先驗去霧方法的改進。對于暗顏色先驗去霧方法而言，算法需對每幀圖像進行按霧氣濃度的局部顏色修復，因而計算量較大。相比之下，雙邊濾波估算大氣透射率的去霧方法，其復雜度與視頻幀圖像總像素數目線性相關，因而該方法的運算速度比較快。表1是這兩種算法的運算速度對比。

表1 運算速度（幀/秒）

3.3 視頻圖像去霧系統

利用本文的理論，構建了一套視頻圖像去霧系統。這套系統可以降低監控視頻畫面中霧霾的影響，改善視頻圖像質量，減少惡劣天氣對CCD攝像機的監控畫面的干擾，讓視頻監控系統看得更遠、更清楚、更準確。目前，這套系統已經應用在了黃山風景區的視頻監控系統之中，改善圖像的成像質量，使得圖像信息更加豐富，為黃山景區視頻監控提供亮麗、清晰、準確的圖像畫面。

圖2 視頻圖像去霧功能

4 總結與展望

本文提出了基于大氣散射理論的視頻去霧算法。這種算法基于固定場景下使用雙邊濾波的方式改進了原有的暗原色先驗估計大氣透射率的方法。實驗結果顯示這種算法去霧效果較為清晰，對比度較原始圖像有明顯的提升，且處理速度相對較快。而對于不斷發生變化的有霧場景，還需要提出一種更精確的背景建模和檢測場景變化的方法，這個是下一步需要解決的問題。

參考文獻：

[1]TAN R．Visibility in bad weather from a single image[c]// Proceedings of IEEE Conference on Computer Vision and Pattern Recognition．Washington，DC：IEEEComputer Society，2008:2347-2354．

[2]FATTALR.Single image dehazing[J]．ACM Transactionson Graphics，2008,27(03):721-729．

[3]HE K，SUN J，TANG X．Single image haze removal usingdark channel prior[C]// Proceedings of IEEE Conferenceon Computer Vision and Pattern Recognition． Washington：Conference Publications，2009：1956-1963．

[4]E J McCartney．Optics of Atmosphere：Scattering by.