實時域變換圖像去霧

吳金亮

（中國電子科技集團公司第五十四研究所，河北石家莊 050081）

實時域變換圖像去霧

吳金亮

（中國電子科技集團公司第五十四研究所，河北石家莊 050081）

針對霧霾天氣導致室外圖像可見度降低的問題，提出一種快速的單幅圖像去霧算法。結合圖像暗原色先驗理論及實時域變換濾波算法，提高了單幅圖像去霧的抗噪性和實時性。基于濾波后圖像的透射率估算，避免了噪聲在去霧結果中的增強，對圖像的白平衡處理解決去霧后圖像的色偏現象，該算法可明顯地增強圖像內場景的可見度及細節信息。

圖像處理去霧圖像暗原色先驗域變換濾波白平衡

1 引言

霧霾天氣條件下，大氣中的細小塵埃和水滴對光線進行散射，造成了拍攝的室外圖像可見度往往很低。霧霾圖像中近距離物體對比度低，細節模糊，而遠距離物體幾乎與霧霾背景融為一體，嚴重影像圖像內信息的提取和識別。霧霾天氣條件下，獲得清晰的圖像，具有實際的價值和意義，在視頻監控，高分普查，機載航拍偵察等系統中有極迫切的需求。

2 相關工作

Fattal[1]利用大氣透射率與表面物體表面陰影局部不相關假設，來估算大氣透射率。Fattal[1]的方法基于顏色統計信息，對于濃霧圖像，顏色信息較少，無法得到可靠透射率，無法實現較好去霧效果。Tan等[2]直接最大化霧霾圖像的局部對比去除霧效，該方法往往產生嚴重的色偏現象。He等[3]提出了基于圖像暗原色先驗的去霧算法，直接評估霧霾的透射信息,是目前效果最好的去霧算法。Tarel等[4-5]對添加平面限制來去除圖像中的霧霾。劉倩等[6]用中值濾波加速He等[3]的方法。刁揚桀等[7]在去霧的同時保持了顏色不變。李大鵬等[8]提出了去霧結果的評測方法。

3 霧霾去除物理模型

3.1 霧霾圖像視覺模型

霧霾圖像的近似物理模型如下所示[1]：

式中，I(x)為像素點x的觀察值；J(x)為待恢復的清晰無霧的像素值；A是全局大氣光；t(x)為透射率，反應物體表面的反射光隨距離發生的衰減。在一幅圖像內，A通常為常量，與像素點位置無關。當大氣同質時，透射率t(x)可表示為，其中為大氣散射系數，d(x)為場景深度，由公式可知，物體反射光隨著場景深度增加成指數級衰減，而霧的濃度隨著場景深度增加成指數級增加。

由公式(1)得清晰無霧像素值：

由公式(2)可知，透射率t(x)和全局大氣光是恢復出清晰無霧圖像的2個關鍵量。

3.2 暗原色先驗理論

暗原色先驗理論是無霧圖像的統計規律：戶外拍攝的無霧圖像，在任一局部窗口內，R，G，B三個通道中最小值一定趨于零。He等[1]第一次將暗原色先驗理論應用于去霧處理，得到很好效果。圖像的暗原色通道，數學表達如下：

并行計算方法在傳統階段，重要運用的方式就是在體系結構以及編程語言方面對一些抽象以及模型進行定義。可是因為在處理這些大數據的問題時要考慮到一些數據方面的特征以及運算方面的特征，以至于在處理大數據的時候，要將這些不同層面的特征有機結合起來，從而建立起相對層面較多的計算模式。

4 關鍵技術及實現

4.1 濾波預處理

一幅圖像中往往包含噪聲，在去霧處理時，噪聲同時被放大。對輸入圖像進行分解，采用Gastal等[9]提出的方法實時提取基圖像和細節層，基圖像包含原圖像平滑的亮度變化，細節層包含圖像的細節信息和噪聲信息。圖1顯示了對一副圖像進行濾波處理得到的基圖像和細節層圖像。對基圖像進行透射率和全局大氣光估算，然后去霧處理，避免了對噪聲的增強。去霧處理后，再添加原始細節信息可得細節清晰并且無霧結果圖。

圖1 濾波預處理

4.2 估算全局大氣光

全局大氣光的估算直接影響去霧后圖像的明暗及細節信息。由公式(1)可知，在天空或無窮遠處，這些濃霧區域，透射率趨近于0，圖像顏色值近似為全局大氣光A。Tan[2]將圖像中亮度最大位置像素的灰度值作為全局大氣光A，易受到圖像中高亮物體的影像。He等[3]選擇暗原色圖中0.1%亮度最高的像素，將其中的最大灰度值作為全局大氣光A,該最大值易被噪聲干擾。算法采用Tang等[10]方法，取0.1%像素中灰度值的中值作為全局大氣光A。

4.3 修正白平衡

霧霾天氣屬于弱光照條件，拍攝的圖像往往會出現色偏現象(偏紅或偏藍)。自動白平衡[11]根據原始圖像的像素信息計算每個顏色通道的調節因子來修正色偏。將估算的全局大氣光A設置為純白色，得到每個通道對應的調節因子。每個顏色通道的調節如下：

4.4 估算透射率

由公式(1)，得透射率的計算表達式:

對其兩邊取最小值得：

圖2 白平衡修正及去霧結果

4.5 復原無霧圖像

計算出的全局大氣光A和透射率t(x)，根據公式(2)可以恢復出圖像J(x)：

式中，t0為透射率的一個下限，避免濃霧區域在復原后，顏色過度失真。將預處理得到的細節層信息添加到復原圖像，得最終結果。如圖2(c)所示，去霧結果細節清晰，色彩鮮艷，無色偏現象。

5 實驗結果及分析

為了驗證算法的有效性,在大量霧霾圖像上進行去霧處理，均得到較好去霧效果。圖3列舉了算法部分去霧結果，并與He等[3]算法進行了比較。圖3(c)顯示算法處理后的圖像，顏色更鮮艷，細節更清晰，并且沒有產生色偏現象。圖3(b)顯示He等[3]處理的結果相對偏暗，并且有部分色偏現象，如圖3(b)中第二行結果所示，濃霧區域處有部分色偏。

圖3 算法結果及比較

算法運行環境為Intel Core i5-2400,CPU 3.10 GHz，RAM 3.47GB的PC機，基于C++語言實現，處理600×400的圖像，耗時0.1～0.2 s。

6 結束語

利用實時域變換濾波,提出了一種快速有效的霧霾圖像去霧處理技術。濾波預處理解決了噪點的增強問題，白平衡的使用避免了色偏的出現，細節層的添加，使得去霧后的圖像，細節更清晰。快速提高了霧霾圖像的對比度和清晰度，必將在視頻監控，高分普查，機載航拍偵察等系統中發揮巨大應用效益。

[1]FATTAL R．Single image dehazing[J]．ACM Transactions on Graphics，2008,27(3):1-9．

[2]TAN R T.Visibility in bad weather from a single image[C] //Proc.CVPR’08.2008:1-8.

[3]HE K，SUN J，TANG X．Single image haze removal using dark channel prior[J]．IEEE Transactions on Pattern Analysis and Machine Intelligence，2011,33(12):2341-2353．

[4]TAREL J,HAUTIERE N.Fast visibility restoration from a single color or gray level image[C]//Proc.ICCV’09.2009: 2201–2208.

[5]TAREL J P,HAUTIERE N,Cord A,et al.Improved Visibility of Road Scene Images under Heterogeneous Fog[C] //Proc.IV'10.2010:478-485.

[6]劉倩,陳茂銀,東華.基于單幅圖像的快速去霧算法//Proc.CCDC’13.2013:3780-3785.

[7]刁揚桀,張紅英,吳亞東,等.顏色保持的實時圖像/視頻去霧算法[J].計算機應用,2014,34(9):2702-2707.

[8]李大鵬,禹晶,肖創柏.圖像去霧的無參考客觀質量評測方法[J].中國圖像圖形學報,2011,16(9):1753-1757.

[9]GASTAL E S L,OLIVEIRA M M.Domain Transform for Edge-Aware Image and Video Processing[J].ACM Transactions on Graphics,2011,30(4):1-12.

[10]TANG K T,YANG J C.Investigating Haze-relevant Features in A Learning Framework for Image Dehazing[C] //Proc.CVPR’14.2014:1-8.

[11]LIMARE N,LISANI J L,MOREL J M,et al.Simplest Color Balance[J].Image Processing On Line,2011,10(2):1-7.

Real-time Image Dehazing Based on Domain Transform

WU Jin-Liang
(The 54th Research Institute of CETC,Shijiazhuang Hebei 050081,China)

Aiming at the problem that hazing decreases the visibility of outdoor scene images,a new fast dehazing method for a single image is proposed.By using dark channel prior and domain transform filter,the robustness for noise and real-time character is improved. The transmission map computed by the filtered image reduces the enlarging of noise.White balance corrects the color shift for dehazed image.The proposed method significantly enhances the visibility of image and retains the very fine details.

image processing;dehazing,image dark channel prior;domain transform filter;white balance

TP303

A

1008-1739（2015）10-43-3

定稿日期：2015-04-26