基于小波融合的單幅圖像去霧方法

齊　妙，馬書一，王　婷，管慶吉

(1.東北師范大學計算機科學與信息技術學院，吉林 長春 130117；2.北京交通大學交通數據分析與挖掘北京市重點實驗室，北京 100044)

基于小波融合的單幅圖像去霧方法

齊妙1，馬書一1，王婷1，管慶吉2

(1.東北師范大學計算機科學與信息技術學院，吉林 長春 130117；2.北京交通大學交通數據分析與挖掘北京市重點實驗室，北京 100044)

[摘要]在暗通道先驗方法的基礎上，提出了一種新的基于小波融合的單幅圖像去霧方法.借助于先驗常識，提出了基于二分法的大氣光值估計方法；為了獲得準確的透射率并保持圖像的邊緣信息，提取不同尺度的透射率圖，并采用基于小波融合的方法估計透射率；利用霧霾天氣下圖像退化模型，復原清晰的無霧圖像.實驗結果表明，該方法能夠有效去除霧的影響，比現有幾種流行的方法具有更真實的還原顏色和景深信息.

[關鍵詞]圖像去霧；二分法；小波融合；暗通道先驗

0引言

近年來，空氣質量下降導致霧、霾等惡劣天氣頻繁出現，由于空氣中大氣粒子的吸收和散射作用，霧天所拍攝的圖像質量退化嚴重.有霧圖像細節信息不明顯，許多特征被模糊或覆蓋，直接導致了以圖像特征為基礎的戶外視頻監控、智能導航與跟蹤、軍事航空偵查等視覺應用系統無法正常工作.[1-2]同時，道路交通圖像或視頻的去霧處理對于交通事故責任鑒定發揮著重要作用.因此，圖像的去霧處理具有重要理論價值與現實意義.

霧天圖像退化過程一般用模型表示為[2-8]

(1)

其中：I(x)表示有霧圖像，J(x)表示無霧清晰圖像，A表示大氣光強度，t(x)表示介質透射率.霧霾天氣下介質一般認為是同質的，t(x)可表示為

(2)

近年來，單幅圖像去霧方法研究得到了國內外學者的廣泛關注.R.T.Tan等人[3]提出一種最大化有霧圖像對比度的去霧方法，獲得了清晰的圖像，但是恢復的圖像存在局部顏色過于飽和現象；R.Fattal[4]假設場景反射率和景深局部不相關，使用獨立成分分析估計場景輻射率，得到了較好的去霧效果，但是受濃霧影響的圖像效果較差；J.P.Tarel等人[5]提出了單幅圖像快速去霧方法，但對最小通道圖像兩次中值濾波后獲得的大氣光幕無法保留圖像景深跳變處的邊緣信息；K.He等人[6]提出了基于圖像暗通道先驗的透射率估計方法，但是采用軟摳圖方法對透射率進行細化十分費時;Z.Wang等人[7]提出了一種基于透射率融合的去霧算法，該算法速度較快，但是去霧圖像的顏色嚴重失真；Y.Q.Zhang等人[8]提出了采用低秩技術和重疊平均策略實現單幅圖像的能見度增強算法；C.O.Ancuti等人[9]提出了半逆解方法檢測與圖層法去霧算法.

為了獲得良好的去霧效果，本文提出一種簡單有效的單幅圖像去霧方法.首先，利用二分法估計大氣光值A；其次，分別提取粗、細尺度的透射率，并采用基于小波圖像融合的方法估計透射率；最后利用圖像退化模型復原無霧圖像.

1本文方法

1.1二分法估計大氣光值A

通常受到霧霾的影響，場景中目標的亮度值大于自身亮度值，因此大氣光值A一般認為是遠處霧較濃區域中的最大亮度值[5].但是，對于場景中存在白色目標或者建筑物時，這種方法估計的A值往往和實際情況有較大偏差.一般情況下，濃霧區域位于遠景處，即圖像的上半部分.而且濃霧區域亮度較高且相對平滑.基于這一觀察，本文提出一種基于二分法的大氣光值估計方法.該方法能夠排除圖像噪音及白色目標的影響，同時處理高分辨率圖像時，能夠大大降低計算時間.下面給出具體步驟.

輸入：有霧圖像上半部分I1，分解閾值ε；

輸出：大氣光值A.

(1)循環：

(A)初始化y=I1;

(b)將y劃分為2個區域xi(i=1，2)，計算每個區域的得分為

s(xi)=mean(xi)-stdVar(xi)，

(3)

其中mean(·)表示計算平均值，stdVar(·)表示計算標準差；

(c)計算得分最大值對應的圖像區域大小為

(4)

其中size(·)表示計算圖像大小，xmax表示得分最大值對應的圖像區域；

(d)若φ大于ε，y=xmax，返回步驟b，否則結束.

(2)將xmax按像素亮度值降序排列，選取前5%的平均值作為大氣光值A.

1.2基于小波圖像融合的透射率估計方法

為了準確地估計圖像的透射率，本文采用基于小波圖像融合的方法估計有霧圖像的介質透射率.

(1)粗尺度透射率

K.He等人[6]提出了基于暗通道先驗的圖像透射率估計方法.其基本思想是戶外自然場景圖像的局部鄰域中，至少在一個顏色通道上像素亮度值接近于零.基于暗通道先驗獲得的透射率，能夠粗略地反映圖像的景深信息，本文將其作為初始的透射率，定義為

(5)

循環j= 1，…，n.

其中:s和r分別表示算法中空域和值域向量，yconv表示y的收斂值.與平滑濾波器(如均值濾波器、中值濾波器等)相比較，MeanShift算法在平滑圖像紋理的同時，能夠保持圖像的邊緣[11].與平滑保邊濾波器(如雙邊濾波器)相比，MeanShift平滑濾波具有更為穩定的性能[12].

(2)細尺度透射率

(6)

其中：max表示R，g和b中的最大值，min表示R，g和b中的最小值.

(3)透射率融合

基于小波變換的圖像融合方法根據小波分解后圖像各層次的特征域進行有針對性的融合，能夠保持圖像自身的結構和細節信息[13].為了獲得準確真實的有霧圖像透射率，本文采用基于小波變換的圖像融合方法融合兩個不同尺度的透射率.為了保持融合圖像的景深邊緣信息，設定以下融合規則：

(A)分解后圖像的低頻子帶(位于最高分解層)采取平均算子，低頻分量計算方法為

(7)

(b)分解后圖像的高頻子帶采取加權平均算子，高頻分量的計算方法為

(8)

融合算法具體步驟如下：

輸出：透射率t.

(b)分別計算融合低頻系數lf和高頻系數hf，利用公式(7)和(8)；

(c)利用lf和hf進行小波重構，獲得融合后的透射率t.

1.3圖像復原

已知大氣光值A和透射率t后，根據公式(1)，復原的無霧圖像可由

(9)

獲得.其中t0作為透射率的下界，一般取值為0.1.

2實驗結果與分析

為了驗證本文方法的有效性，對多幅戶外有霧圖像進行了測試.圖1給出了本文方法所估計的2幅有霧圖像的透射率和去霧效果.從圖1(b)可以看出，本文采用的基于小波圖像融合的透射率估計方法不僅估計出準確的景深信息，而且完整地保持了圖像的景深邊緣信息.同時，由圖1(c)可知，本文方法復原的無霧圖像顏色信息豐富真實.實驗中參數w取值為0.9，t0取值為0.1～0.3，α取值為0.1～0.5.

圖2給出了本文方法與目前較流行的去霧算法的對比結果.從圖2(b)和2(e)可以看出，文獻[2，6]方法無法完整地去除霧的影響，不能復原場景的真實顏色.圖2(c)和2(d)是文獻[5，7]去霧結果，雖然這2種方法復原了場景的大部分顏色信息，但是對于圖像的景深邊緣區域(前景中樹葉的縫隙處)的霧不能有效地去除.圖2(f)是本文方法復原的無霧圖像.該方法從整體上去除了霧的影響，還原了場景的真實顏色，同時還保持了完整的圖像邊緣信息.

(a)有霧圖像(b)透射率圖(c)去霧圖像

圖1本文方法去霧效果

(a)有霧圖像(b)文獻[4]去霧結果(c)文獻[5]去霧結果

(d)文獻[7]結果(e)文獻[8]結果(f)本文結果

圖2“house”去霧對比結果

圖3給出了本文方法與文獻[3，6，9]方法的對比結果.從圖3可以看出，文獻[6，9]方法復原圖像較自然，但是霧并沒有去除干凈(大山處)，而且圖像整體的對比度較低.文獻[3]方法過于強調提高復原圖像的對比度，直接導致復原結果顏色過飽和.相對來說，本文方法在提高了圖像對比度的同時又保持了原始景物的顏色信息，去霧結果看起來更真實自然.

有霧圖像文獻[6]結果本文結果

有霧圖像文獻[3]結果本文結果

有霧圖像文獻[9]結果本文結果

圖3本文方法與文獻[3，6，9]對比實驗結果

3結論

本文提出了一種新的單幅圖像去霧算法.首先，依據合理的先驗常識，假定天空區域位于圖像的上半部分，提出了基于二分法的大氣光值估計方法.該方法在處理高分辨率圖像時能夠大量降低計算量，從而降低時間代價.其次，基于小波圖像融合的透射率估計方法不僅融合了圖像的景深邊緣信息，而且還原了場景的真實顏色信息.實驗結果證明本文方法具有較強的實用性.現實生活中，往往遇到的是數據量巨大的視頻數據，因此，我們的下一步工作是將該方法應用于視頻處理.

[參考文獻]

[1]劉宛宜，楊璐澤，劉淼，等.長春市寬城區總懸浮顆粒物中Cu和Cd的污染特征及化學形態分布研究[J].東北師大學報(自然科學版)，2014，46(2)：138-143.

[2]白楊，崔明，賈宏光.捷聯導引頭中基于知識的目標分割方法研究[J].東北師大學報(自然科學版)，2014，(46)3:75-80.

[3]TAN R T.Visibility in bad weather from a single image[C]//IEEE Conference on Computer Vision and Pattern Recognition，Anchorage AK：IEEE，2008，2008：1-8.

[4]FATTAL R.Single image dehazing[C]//ACM Transactions on Graphics，New York：ACM，2008:1-9.

[5]TAREL J P，HAUTIERE N.Fast visibility restoration from a single color or gray level image[C]//2009 IEEE 12th International Conference on Computer Vision，Kyoto：IEEE，2009：2201-2208.

[6]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.

[7]WANG Z，FEND Y.Fast single haze image enhancement[J].Computers & Electrical Engineering，2014，40(3)：785-795.

[8]ZHANG Y Q，DING Y，XIAO J S，et al.Visibility enhancement using an image filtering approach[J].EURASIP Journal on Advances in Signal Processing，2012(1)：1-6.

[9]ANCUTI C O，ANCUTI C，HERMANS C，et al.A fast semi-inverse approach to detect and remove the haze from a single image[C]//Computer Vision-ACCV 2010，Queenstown：Springer Berlin，2011：501-514.

[10]CHENG Y.Mean shift，mode seeking，and clustering[J].IEEE Transactions onPattern Analysis and Machine Intelligence，1995，17(8)：790-799.

[11]COMANICIU D，MEER P.Mean shift analysis and applications[C]//The Proceedings ofthe Seventh IEEE International Conference onComputer Vision，Kerkyra：IEEE，1999：1197-1203.

[12]HAN H，SOHN K.Automatic illumination and color compensation using mean shift and sigma filter[J].IEEE Transactions onConsumer Electronics，2009，55(3)：978-986.

[13]王海暉，彭嘉雄.基于多小波變換的圖像融合研究[J].中國圖像圖形學報(A 輯)，2005，9(8)：1002-1007.

(責任編輯：石紹慶)

Single image dehazing based onwavelet fusion

QI Miao1，MA Shu-yi1，WANG Ting1，GUAN Qing-ji2

(1.School of Computer Science and Information Technology，Northeast Normal University，Changchun 130117，China;2.Beijing Key Lab of Traffic Data Analysis and Mining，Beijing Jiaotong University，Beijing 100044，China)

Abstract:Based on the dark channel prior，a new single image dehazing method is proposed using Wavelet fusion.Firstly，by means of a priorknowledge，the atmospheric light value is estimated by dichotomy.Secondly，in order to obtain accurate transmission map and keep image edge information，fusion different scale transmission maps are adpoted by Wavelet fusion approach.Finally，we restore the clear haze-free image is restored by image degradation model.Experimental results show that our proposed method can remove the haze effectively.Moreover，compared with several state-of-the-art methods，it can restore the more real color and scene depth information.

Keywords:image dehazing；dichotomy；wavelet fusion；dark channel prior

[文章編號]1000-1832(2016)02-0077-06

[收稿日期]2015-05-07

[基金項目]國家自然科學基金資助項目(61403078)；吉林省科技廳工業高新技術項目(20130206042GX).

[作者簡介]齊妙(1981—)，女，副教授，主要從事數字圖像處理研究；通訊作者：管慶吉(1988—)，女，博士研究生，主要從事計算機視覺研究.

[中圖分類號]TP 391.41[學科代碼]520·6040

[文獻標志碼]A

[DOI]10.16163/j.cnki.22-1123/n.2016.02.017