基于自適應閾值改進暗通道先驗圖像增強技術

趙　靜

(寧夏大學 數學計算機學院，寧夏 銀川 750021)

?

基于自適應閾值改進暗通道先驗圖像增強技術

趙靜

(寧夏大學 數學計算機學院，寧夏 銀川 750021)

摘要：基于暗通道先驗的圖像增強技術在圖像的去霧和增強方面具有較好的圖像增強效果。針對基于暗通道先驗圖像增強算法在處理有霧圖像存在大面積白色高亮區域時出現的失真，提出了基于自適應閾值的改進暗通道先驗算法。該算法在對圖像進行直方圖統計的基礎上，先判斷圖像是否存在大面積白色高亮區域，并對區域的面積進行標識和統計，得到自適應系數β，再利用該系數對暗通道先驗算法進行修正，最終進行對比度增強實現圖像的去霧增強效果。實驗結果表明，該方法能夠有效消除圖像去霧過程中出現的失真，提升圖像質量，具有較高的實用價值。

關鍵詞：數字圖像；暗通道先驗；去霧算法

圖像去霧算法對有霧條件下降質圖像的清晰化增強起著重要的作用，目前已經成為數字圖像處理領域內熱點研究課題，在航空、遙感、監控等領域有著極高的應用價值。圖像去霧的方法有很多種，僅單幅圖像去霧就有直方圖處理方法[1]、Retinex[2]、同態濾波[3]、空域彩色圖像增強方法[4]和暗通道先驗[5]等算法。

其中，He等人提出的暗通道先驗算法通過對大量戶外圖像進行統計分析，在無法獲得圖像深度信息的情況下，利用各像素點基于區域面積內三基色通道中最小亮度點的偏離先驗值對圖像進行增強，獲得了很好的單幅圖像去霧效果。在此基礎上，吳笑天等人[6]提出采用雙邊濾波恢復場景的邊緣，實現了圖像復原，其算法通過對場景邊緣快速處理，在不降低畫質的情況下提高了圖像處理的速度。嵇曉強[7]等人提出采用自適應圖像分塊處理和區間分段拉伸的方法在加快圖像處理速度的同時，增強了圖像的細節。

然而，He等人的算法具有一定的局限性：算法在遇到大范圍白色高亮區域圖像時，由于該區域亮度與大氣光相近，圖像的透射率偏小，難以獲得精準的透射率值，造成RGB三顏色通道比例失調，從而引起圖像邊緣、灰度和色彩失真，降低了圖像的質量，以致算法無法得到很好的應用和推廣。

為此，蔣建國[8]等人引入了容差機制，對圖像的大氣光值和觀測亮度進行比較，當該值小于閾值時，將該區域標識為明亮區域，降低透射率系數，實現對高亮圖像的失真校正。但這種處理無法保存明亮區域圖像細節，且閾值固定，很難適應全部圖像，因此實施起來具有一定的局限性。

為了解決這些問題，本文提出了一種基于自適應閾值的改進暗通道先驗圖像增強算法。算法在已有暗通道先驗算法基礎上，通過自適應選擇修正系數來改善原方法處理白色高亮圖像過程中引起的灰度和色彩失真問題，能夠有效提高圖像的顯示質量。

1改進暗通道先驗圖像增強方法

暗通道先驗圖像算法主要是在對圖像進行大量統計的基礎上得到的經驗假設，通過假設估值計算出透射圖，實現圖像的去霧效果。這種統計假設的方法在絕大多數戶外有霧圖像處理中能夠取得較好效果，但對天空等和大氣光在本質上相近且區域較大的白色高亮圖像處理效果并不理想，需要對算法進行改進。

1.1暗通道先驗算法

根據1975年McCartney提出的大氣散射模型，圖像中物體呈現出來的亮度主要由入射光衰減后的透射光和大氣光兩部分構成，可描述為式(1)

I(x)=J(x)t(x)+A(1-t(x))

(1)

式中：對于圖像中像素點x，I(x)為有霧降質圖像；J(x)為待求原始無霧圖像；A為大氣光強度值；t(x)為有霧圖像的透射圖。去霧算法的本質就是在已知原始有霧圖像I(x)的情況下，通過A和t(x)的求解，獲得無霧圖像J(x)。

在實際求解過程中，考慮到該方程屬于病態方程，必須對已有條件進行優化。He在對大量室外圖像的統計規律研究基礎上，提出室外圖像中86%以上無霧圖像中像素點有一個或多個基色通道數據值很低。通過無霧圖像暗原色像素點基色分量和有霧圖像相應像素點基色分量的差值，可以近似估算霧的厚度，推算出景深信息。暗原色統計值的計算可以通過式(2)獲得

(2)

式中：Jdark為暗通道的數值；Jc為R、G、B三基色通道中的一個通道數值；Ω為像素x為中心的一個區域；c為該區域的一個顏色通道。根據暗通道先驗統計規律，大部分圖像中各個局域的像素暗通道值Jdark一般小于16。為了便于后續計算，可以將這些區域的Jdark近似看為0。這樣，就可以得到在區域Ω范圍內透射率的近似值，見式(3)

(3)

式中：t%為區域內部的透射率值；Ac為區域內該暗通道的大氣光值，取值為暗通道圖中按亮度大小排序前0.1%像素對應的最高亮度值；ω∈[0,1]為景深系數，使用ω系數主要解決了圖像處理中景深信息不足的問題。由于暗通道本身的亮度主要由大氣光來提供，因此圖像的透射率可以近似看作是常數0。

實際計算過程中，先根據需要將整幅圖像劃分成N×N個像素構成的區域Ω，并在每個區域內求得初始透射值t%和Ac。在此基礎上可以求得近似無霧圖像J(x)，見式(4)

(4)

式中：引入t0∈[0.1,0.01]作為限制因子，以保證式(4)的分母不為0，避免了去霧計算產生噪聲。

He提出的上述算法具有較好的去霧效果，但公式是基于統計規律模型，在一些特殊場景下有一定局限性。例如，場景為大面積白色高亮區域時，該算法在計算時會出現一定的偏差，導致圖像失真，見圖1。圖1a和圖1b為原始有霧的圖像，圖1c和圖1d為去霧后的圖像，圖1e和圖1f為原圖像去霧時使用的透視圖。從圖中可以看到圖1a沒有大面積高亮顯示區域，因此其圖像在處理后能夠基本保持原有圖像的顏色信息，沒有發生較大面積失真現象。圖1b中存在大面積白色高亮的天空圖像，完成去霧處理后，天空部分出現明顯的顏色失真，原本白色的天空變成了彩色，而且原來過渡平滑的區域顯示出了斑塊現象。究其原因，主要是在透視圖計算時，白色高亮部分和大氣光像素的亮度值較為接近，因此該區域透射率過小，計算去霧圖像的像素的三基色通道強度值和真實值之間存在較大偏差，見圖1f中黑色的部分，這種偏差就會導致圖像出現失真。而對于圖1a的透射圖1e，其圖像的各個區域亮度和大氣光值有一定差距，沒有大面積黑色區域，因此不會出現失真現象。

因此，現有暗通道先驗算法具有較好的去霧效果，能夠將大部分有霧圖像中的云霧去除比較干凈，還原圖像本來的色彩和灰度，然而針對天空等大面積白色高亮區域的去霧過程中，該算法的運算結果會導致圖像出現失真現象。為了解決這一問題，需要對現有的暗通道先驗算法進行改進。

1.2基于自適應閾值的暗通道先驗算法

暗通道先驗算法假定有霧降質圖像的像素具有暗通道特征，而大面積白色高亮區域像素不符合該假設，沒有數值幾乎為0的暗通道像素。這導致在解式(1)病態方程時，優化假設的t%和Ac與實際值之間存在較大誤差。這種誤差就導致場景處理后的圖像出現了失真現象。

為了避免這種霧化圖像中大面積白色高亮區域去霧時出現失真，本文引入了基于自適應閾值的改進暗通道先驗圖像增強算法。

算法首先將圖像從RGB彩色圖像轉為灰度圖像，統計出有霧圖像的灰度直方圖和灰度均值L。再利用灰度直方圖的直觀性，從灰度最大值向灰度最小值方向尋找直方圖數值變化的谷點。谷點選出后，和平均灰度值L進行比較，將大于平均灰度值L的第一谷點為直方圖的閾值點A。在此計算過程中，為了減少虛假閾值點對自適應閾值點選擇的影響，還需要對直方圖進行平滑處理，提高算法的準確性和魯棒性。

為了進一步確定高亮圖像的顏色，當閾值點確定后，還要對原有霧彩色圖像閾值點右側區域內圖像高亮度區域進行R/G/B三基色通道的強度值進行判斷，當三基色相互之間強度值差小于ΔL時，認為三基色反映出來的是高亮度白色信號。本文中使用的ΔL為大量圖像的統計經驗值。后續實驗中，ΔL取值為24。

在判斷出白色高亮的情況下，針對灰度值高于閾值點A的像素進行所在區域判別。判斷時，將整幅圖像按15×15像素進行區域分割，統計每個區域內像素灰度均值，當灰度均值均高于閾值點A時認為該區域為白色明亮區域，并進行標識。

最后，計算已經標識區域的像素數S1和整幅圖像的像素數S，根據S1和S的比值計算修正系數β。在對整幅圖像計算透射率過程中，對標識的圖像通過β系數進行修正，并對最終結果進行對比度增強處理。經過上述處理后，用于計算透射圖就可以避免出現較大的誤差。

圖2為圖1a和圖1b彩色有霧圖像的灰度進行直方圖統計的結果。從圖2可以看到，有霧圖像圖1a的直方圖沒有一個明顯大于圖像平均灰度值的變化谷點，而圖1b則存在一個明顯大于圖像平均灰度值的谷點。

通過有霧圖像的灰度圖3a分析可以看出，當圖像中不存在大面積白色高亮圖像時，算法無法自動選擇到合適的閾值。此時，認為這部分區域和其他景物不能完全區分開來，β系數近似為1。從圖中可以看到這種分割準確度較高，不會在沒有大面積白色高亮區域時誤提取提到白色高亮圖像的區域。

當圖像中存在大面積白色高亮圖像時，該算法則可以直接根據圖像的直方圖自動選擇閾值，并準確區分出白色高亮區域和其他景物，如圖3b所示。在該圖中，兩旁樹木中間的白色高亮天空部分被準確的識別出來。

根據圖3b的標識結果，該圖像的閾值點A為灰度級193，其右側像素和總像素的比為19.67%，而經過標識為白色高亮區域的像素點和總像素的比為23.38%，在此基礎上，算得該圖的修正系數β值為4.28。

將修正系數β引入到暗通道先驗算法中，對圖1d進行修正，所得結果為圖4c。對比暗通道先驗算法結果見圖4a，本文所述改進算法結果見圖4c，可以看出：暗通道先驗算法和改進算法，在整幅圖像的顯示效果較為一致，樹木和街道的細節部分也較原始圖像有了明顯改善。

但兩種算法得到的圖像結果的天空部分具有較為明顯的差別。從處理后天空局部放大圖可以看到，原算法圖像天空部分顏色邊緣出現了黃色和紫色的斑塊，這種斑塊已經完全偏離了圖像應該呈現的顏色，見圖4b。

在經過改進算法處理的天空局部放大圖中，這種顏色變化就得到了明顯改善，僅在近景邊緣部分還有一些不明顯的顏色失真，而整個天空顯示的顏色較為正常，見圖4d。

2 實驗結果及討論

為了進一步驗證算法效果，特選擇一幅常用的有霧圖像進行對比實驗。圖5a為原始有霧降質圖像。針對此圖像，采用自適應閾值算法可以很好的將圖像上半部的白色高亮天空圖像和下半部的山景區分出來，見圖5b。對比原有算法去霧結果(圖5c)和改進算法的去霧結果(圖5d)，可以看出，本文提出的算法可以較好地辨識出大面積白色高亮圖像，并能夠較好地矯正大面積白色高亮圖像的顏色失真，實現畫質提升。

改進暗通道先驗圖像增強技術能夠較好改善圖像質量，增加圖像細節和層次性，保證了圖像色彩的真實性。針對本文中使用的3幅圖像進行去霧前后圖像的信息熵、MSE和PSNR等圖像畫質客觀評價參數進行計算，結果如表1所示。

表1兩種算法信息熵、PSNR和MSE結果

實驗結果表明：改進圖像增強算法的信息熵高于原算法，表明改進算法的在對圖像增強的同時，信息量和圖像細節要高于原算法。此外，改進算法的PSNR高于原算法，MSE低于原算法，表明改進算法的失真明顯小于原算法，改進算法在客觀上確實可以使圖像的細節增加，層次增強，明顯改善顯示效果。因此，本文的算法優于原算法。

在此基礎上，將本文所述改進算法與暗通道先驗、多尺度Retinex、自適應對比度增強、自適應直方圖均衡化等算法的結果進行比較，見圖6。可以看出，其他方法在實現過程中會出現植物的綠色和天空的白色等局部圖像顏色失真，圖像的細節有所缺失，圖像噪聲也得到了放大，使得處理后的圖像與真實圖像之間存在較大的差異。本文方法的圖像在大面積白色高亮區域沒有色彩和灰度失真，在細節處理上不會因為過度增強引起畫質降低，圖像細節完整，天空色彩更接近真實的原始圖像。

3結論

針對已有暗通道先驗算法在對大面積白色高亮度圖像處理過程中引起的圖像失真的現象，采用了基于自適應閾值改進的暗通道先驗算法對圖像去霧方法進行了優化。該方法在暗通道先驗算法的基礎上，通過對圖像直方圖的統計和自適應的閾值計算，能夠根據圖像具體情況在原始圖像中標識出大面積白色高亮區域形貌，并設置修正系數消除了大面積白色高亮區域處理過程中的圖像失真問題，計算出精準的增強圖像。

實驗結果表明，新算法具有更高的圖像細節和層次感，同時減少了圖像的失真，具有較高的理論和實用價值。

參考文獻：

[1]李利榮，汪蒙. 一種高效的圖像增強去霧算法[J]. 湖北工業大學學報，2013，28(5)：72-75.

[2]林笑君，梁鳳梅. 基于Retinex的一種圖像去霧算法[J]. 電視技術，2013，37(17)：155-158.

[3]康艷梅，陳名松，何志毅. 基于LED輔助照明的水下圖像增強算法研究[J]. 電視技術， 2013,37(15)：211-214.

[4]王小鵬， 陳璐， 魏沖沖，等. 一種改進的Retinex彩色圖像增強方法[J]. 蘭州交通大學學報， 2015， 34(1)： 259-270.

[5]HEK，SUNJ，TANGXO.Singleimagehazeremovalusingdarkchannelprior[C]//Proc.IEEECVPR09.Washington：IEEEComputerSociety， 2009： 1956-1963.

[6]吳笑天， 丁興號， 吳奎. 基于暗通道理論的霧天圖像復原的快速算法[J]. 長春理工大學學報(自然科學版)，2012，35(1)：100-104.

[7]嵇曉強， 戴明， 孫麗娜，等. 暗原色先驗圖像去霧算法研究[J]. 光電子·激光，2011，22(6)：926-930.

[8]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]. 電路與系統學報， 2011，16(2)：7-12.

Improvedmethodofimagedehazingusingdarkchannelpriorbasedonadaptivethreshold

ZHAOJing

(School of Mathematics and Computer Science， Ningxia University， Yinchuan 750021，China)

Keyword：digitalimage；darkchannelprior；imagedehazing

Abstract：Inordertoresolvethedistortionoflargegrayareaenhancementthroughdarkchannelprioralgorithms，animprovedmethodbasedonadaptivehistogramthresholdpriorialgorithmisproposed.Atfirst，thelargegrayareabyimagehistogramisdetectedandmarked.Secondly，themarkedareaiscalculatedtoobtainadaptivecoefficientsβ.Finally，thepictureisfixesbythedarkchannelprioralgorithmwithβ.Theresultsshowthatthedehazingimageswiththeproposedmethodinthispaperhavebettersharpness，colorrestoredegrees.theimagedetailisenhancedandthequalityisimproved.

中圖分類號：TP911.73

文獻標志碼：A

DOI：10.16280/j.videoe.2016.01.008

基金項目：寧夏高等學校科學技術研究項目(NGY2014052)

作者簡介：

趙靜(1977— )，女，碩士，副教授，主研數字圖像處理及圖像識別技術。

責任編輯：時雯

收稿日期：2015-07-10

文獻引用格式：趙靜. 基于自適應閾值改進暗通道先驗圖像增強技術[J].電視技術，2016，40(1)：42-46.

ZHAOJ.Improvedmethodofimagedehazingusingdarkchannelpriorbasedonadaptivethreshold[J].Videoengineering，2016，40(1)：42-46.