改進的基于霧氣理論的視頻去霧

劉海波，楊　杰，吳正平，張慶年，鄧　勇

(1.湖南工學院 電氣與信息工程學院，湖南 衡陽 421002；2.武漢理工大學 光纖傳感與信號處理教育部重點實驗室，湖北 武漢 430070；3.武漢理工大學 交通學院，湖北 武漢 430070)

?

改進的基于霧氣理論的視頻去霧

劉海波1*，楊杰2，吳正平2，張慶年3，鄧勇2

(1.湖南工學院 電氣與信息工程學院，湖南 衡陽 421002；2.武漢理工大學 光纖傳感與信號處理教育部重點實驗室，湖北 武漢 430070；3.武漢理工大學 交通學院，湖北 武漢 430070)

為了進一步提高有霧視頻的可用性，提出了一種改進的基于霧氣理論的視頻去霧方法。該方法以霧氣理論為基礎，利用暗原色先驗知識以及Retinex方法和圖像融合的方式，將從視頻背景圖像求取的大氣光值和介質傳播圖應用于視頻的所有幀以便去除霧氣。從主觀定性評價、客觀定量評價和運算速度3個方面對視頻去霧效果進行了評價。結果表明，對分辨率為480×640的視頻，本文方法的運算速度為5.45 frame/s，不僅獲得了較快的處理速度且能有效避免復原視頻中出現顏色跳變的現象。由于本文采用區間估計的方式對大氣光值進行估計，同時利用圖像復原和圖像增強的方法求取介質傳播圖，因此，復原視頻的清晰度和對比度比典型的視頻去霧方法有所提高，顏色效果也比較好。

視頻去霧；大氣散射模型；暗原色先驗知識；Retinex方法；圖像融合

1　引　言

近年來，霧霾天氣頻繁出現。霧霾天氣條件下，懸浮于大氣中的大量微小顆粒對光線的散射和吸收作用，會導致視頻圖像中目標物體的對比度、飽和度和色調等特征被覆蓋或模糊，嚴重影響了戶外視覺系統的效用。因此，有霧視頻的清晰化處理已成為計算機視覺領域中的一個重要問題，而實時改善霧天視頻的清晰度和能見度則具有重要的研究意義，可廣泛應用于交通監控、自動駕駛和地形勘測等領域。

目前的去霧方法主要針對單幅圖像，已產生大量研究成果[1-6]，例如Ma等[2]提出了一種有效的單幅海霧圖像融合去霧方法，Zhu等[4]提出了一種基于色彩衰減先驗的單幅圖像快速去霧方法，然而對于視頻去霧方面的研究則剛剛興起。一般來說，霧天視頻的去霧方法主要建立在前、背景分割的基礎上，具體來說可以分為兩類[7]：第一類方法是先計算傳播圖，再利用該傳播圖對視頻中的每一幀圖像進行處理。如Chen等[8]采用參考圖像估計出傳播圖，再利用無跡卡爾曼濾波的背景保持算法進行去霧。郭璠等[7]將霧氣視為光路傳播圖，將由背景圖像得到的視頻“通用”傳播圖應用于視頻的所有幀以消除霧氣。第二類方法是先將視頻圖像的背景與前景分離，再分別采用相關去霧方法分別進行處理，最后將兩者的處理結果相融合以實現去霧。如Jone等[9]提出了一種基于小波融合的霧天視頻增強方法。Xu等[10]采用對比度約束的自適應直方圖均衡化方法對視頻圖像的背景與前景分別進行去霧處理。

總之，視頻去霧的研究還處于理論階段，現有方法在計算效率、處理效果等方面都還有待提高。本文通過深入分析郭璠等[7]提出的霧氣理論，利用平均值法求取視頻背景圖像，將He等[11]提出的暗原色先驗知識和Retinex方法[12]相結合，采用圖像融合的方式，將背景圖像求取的大氣光值和介質傳播圖應用于視頻的每一幀以去除霧氣。

2　背　景

McCartney于1975年提出了大氣散射模型[13]，該模型用公式可表示為：

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

Aρ(x)t(x)+A(1-t(x)).

(1)

式中：I(x)為觀測點接收到的有霧圖像，J(x)為清晰無霧的圖像，A為大氣光值，ρ(x)為場景反照率，t(x)為介質傳播圖。當大氣同質時，介質傳播圖t(x)可表示為：

t(x)=e-βd(x)0≤t(x)≤1.

(2)

式中：β為大氣散射系數，d(x)為場景深度。Aρ(x)t(x) 稱為衰減模型，它描述了光從場景點傳播到觀測點的過程中的衰減程度；A(1-t(x))稱為大氣光模型，它描述了周圍環境光對場景成像光強的影響。去霧的本質就是利用大氣散射模型，通過估計A和t(x)，進而從I(x)中求解ρ(x)，則Aρ(x)即為求取的清晰無霧圖像。

在實際的視頻監控應用中，攝像機通常固定架設在較高的位置，且相機視角范圍內的背景圖像變化不大。考慮到前景物體與對應背景在景深上的差異不大，本文以霧氣理論為基礎，采用圖像復原和圖像增強的方法，利用當前背景圖像估計大氣光值和介質傳播圖，并應用于整個視頻序列，以在保證視頻去霧效果的同時提高視頻的去霧速度。

由式(1)可知，大氣散射模型可變換為：

1-I(x)/A=t(x)(1-ρ(x)).

(3)

式中：1-ρ(x)定義為逆反照率。進一步，定義M(x)= 1-I(x)/A，N(x)=1-ρ(x)，則式(3)可變換為：

M(x)=t(x)N(x).

(4)

視頻去霧中，利用當前背景圖像求取大氣光值A和介質傳播圖t(x)后，根據輸入的每一幀視頻圖像I(x)計算出M(x)，從而得到N(x)，進而獲得清晰無霧的視頻圖像Aρ(x)。

3　本文方法

本文提出的改進的基于霧氣理論的視頻去霧方法流程圖如圖1所示。首先，根據視頻序列獲取視頻背景圖像，利用He等[11]提出的暗原色先驗知識得到介質傳播圖的初始估計，同時采用區間估計的方式得到大氣光值A，進而通過運算得到M(x)；然后，利用Retinex方法得到介質傳播圖的粗略估計，采用圖像融合的方式，通過聯合雙邊濾波和值域調整得到介質傳播圖的最終估計；最后，通過運算得到N(x)，進而得到反照率ρ(x)，將反照率ρ(x)與大氣光值A相乘的結果經過色調調整后得到去霧視頻。

為了便于說明，定義場景中的靜止部分為背景，移動目標為前景[7]。為了實現對大氣光值A和介質傳播圖t(x)的估計，首先采用平均值法求取視頻背景圖像Ibc(x)，并對式(1)兩邊取最小值操作，可得：

ρdark(x)At(x)+A(1-t(x)).

(5)

圖1　改進的基于霧氣理論的視頻去霧方法流程圖

3.1大氣光值的估計

郭璠等[7]采用He等[11]提出的大氣光值估計方法，以暗原色先驗統計規律為基礎，選取暗原色圖像中亮度值大小為前0.1%的像素點，然后取這些像素點在原有霧圖像中相應的最大值作為大氣光值，該方法適用于大多數霧天場景。本文以暗原色先驗理論為基礎，采用區間估計的方式對大氣光值進行估計，從而可以提高估計的效率和精確度。

首先，考慮到暗通道Idark中白色物體對大氣光值估計的影響，對式(5)兩邊取灰度開運算，可得：

(6)

(7)

由式(7)可知，介質傳播圖t′(x)可表示為：

(8)

(9)

一般情況下，A的取值不大于原圖像中像素點的最大值，則A的取值范圍可表示為：

(10)

因此，A的區間估計可表示為：

(11)

3.2介質傳播圖的估計

根據Land提出的理論，式(3)中圖像1-I(x)/A可分解為入射光圖像t(x)和反射物體圖像1-ρ(x)[14]。利用Retinex方法，忽略入射光圖像t(x)的性質，獲得物體的反射性質1-ρ(x)，實現圖像增強的效果[15]。其中，入射光圖像t(x)可通過1-I(x)/A與中心環繞函數F(x) 進行卷積運算獲得，其表達式為：

t(x)=(1-I(x)/A)?F(x).

(12)

式中：?表示卷積操作。一般情況下，F(x)采用高斯函數，其標準差為0.5，窗口尺寸取I(x)中尺寸最小值的1/50。

首先，將獲得的背景圖像Ibc(x)和3.1節求取的大氣光值A代入式(3)，并對式(3)兩邊取最小值操作，可得：

t(x)(1-ρdark(x)).

(13)

根據式(12)和式(13)，定義介質傳播圖的粗略估計t″(x)為：

t″(x)=I′(x)?F(x).

(14)

由于t″(x)中像素點的取值范圍為[0，1]，則式(14)可改寫為：

t″(x)=min(max(I′(x)?F(x)，0)，1).

(15)

其次，由式(15)得到的t″(x)整體偏暗，而t′(x) 滿足暗原色先驗理論，故以t′(x)為參考，對t″(x)中灰度值進行線性搬移，其表達式為：

t″(x)=imadjust(t″(x)，[min(t″(x))，max(t″(x))]，

[td·min(t′(x))，min(tu·max(t′(x))，1)])，

(16)

式中：imadjust(·)表示對t″(x)中灰度值進行線性映射，td和tu用來調節映射區間范圍。根據實驗統計結果，td和tu分別設置為0.95和1.05。

由于t′(x)和t″(x)分別從圖像復原和圖像增強的角度對介質傳播圖進行估計，兩者具有較高的相似性和互補性。因此，本文利用圖像亮度相關系數對t′(x)和t″(x)的相似性進行度量，并采用像素級融合中加權平均算法對t′(x)和t″(x)進行柔性處理[16]，其表達式為：

t?(x)=ω1·t′(x)+ω2·t″(x).

(17)

式中：ω1和ω2為加權系數，且滿足ω1+ω2=1。根據實驗統計結果，ω1和ω2分別設置為0.55和0.45。

然后，考慮到1-Idark/A中具有大量的邊緣特征和紋理細節，采用Paris等[17]提出的快速聯合雙邊濾波方法，利用1-Idark/A對t?(x)進行濾波處理，其表達式為：

tjb(x)=

(18)

(19)

最后，考慮到tjb(x)中天空區域的介質傳播圖可能被低估，采用文獻[18]中自適應參數調整的方法對天空區域的介質傳播圖進行修正，實現介質傳播圖的值域調整。在這里，定義t0為天空區域介質傳播圖的修正值，即tjb(x)中像素點灰度值小于t0的統一修正為t0，t0的表達式為：

t0=min(max(n/N，Ld)，Lu).

(20)

式中：N為tjb(x)中像素點總數，n為tjb(x)中灰度值小于V的像素點的個數，固定值Ld和Lu用來限定t0的上下限。一般情況下，V、Ld和Lu分別設置為0.15、0.15和0.3。當有霧圖像中存在大面積天空區域時，例如長江或海面上拍攝的霧天視頻，V、Ld和Lu分別設置為0.3、0.3和0.5。因此，介質傳播圖的最終估計t(x)可表示為：

t(x)=min(max(tjb(x)，t0)，1).

(21)

3.3視頻去霧

將輸入的視頻幀圖像I(x)、3.1節求取的大氣光值A和3.2節求取的介質傳播圖t(x)代入式(4)，可得：

(22)

進而，場景反照率ρ(x)可表示為：

(23)

因此，清晰無霧的視頻幀圖像J(x)可表示為：

(24)

由于J(x)中像素點的取值范圍為[0，1]，則式(24)可改寫為：

(25)

針對霧天條件下，復原視頻幀圖像J(x)通常會偏暗的情況，采用Drago等[19]提出的自適應對數映射算子對復原視頻幀圖像進行色調調整，其表達示為：

(26)

4　實驗結果與分析

4.1算法評價指標

(27)

(28)

式中：mean(·)表示對所有像素點取灰度均值，Hin(x)和Hout(x)為去霧前后圖像在HSV空間中的色調分量。一般情況下，H的取值越小說明復原圖像的色調保真度越高[23]。

4.2算法比較與分析

首先，選擇拍攝視頻“ship”和“person”作為實驗對象，分別采用郭璠等[7]和本文方法進行主觀定性比較，實驗結果如圖2(彩圖見期刊電子版)和圖3所示。

從圖2可以看出，視頻“ship”圖像中存在大面積天空和水面區域，且兩者顏色相近，郭璠等[7]和本文方法都能獲得較好的去霧效果，但本文方法結果具有更好的清晰度和對比度。從圖3(彩圖見期刊電子版)中視頻“person”的去霧效果來看，本文方法的去霧結果在整體上優于郭璠等[7]方法的去霧結果。從圖3(d)和(e)可以看出，對于人和車方框內容，本文方法能夠獲得更好的清晰度、對比度和圖像顏色，然而對于屋頂方框內容，郭璠等[7]和本文方法結果存在一定程度的顏色失真，其中郭璠等[7]方法結果顏色偏黃，而本文方法結果顏色偏白。本文方法結果中屋頂方框內容出現顏色失真，可能與灰度開運算中結構元素的尺寸偏大，導致估計的大氣光值偏小有關。另外，圖像中屋頂的顏色為藍白相間，并且處于強烈太陽光的照射下，導致圖像中屋頂的像素值整體偏大，大于估計的大氣光值，從而出現顏色失真。

其次，選擇具有代表性的視頻“intersection”作為對象，分別采用He等[11]、Shin等[24]和本文方法進行主觀定性比較，實驗結果如圖4(彩圖見期刊電子版)所示。圖4中He等[11]和Shin等[24]方法結果來自文獻[24]。

從圖4可以看出，He等[11]方法結果在相鄰幀或整個視頻序列中存在明顯的顏色跳變，其原因在于He等[11]方法將視頻序列中每一幀作為一個獨立的對象進行處理，當視頻中大氣光值存在較大波動時，復原圖像顏色就會出現明顯的跳變。相比而言，Shin等[24]和本文方法可以獲得較好的視覺效果，但兩種方法獲得的復原圖像色彩相差較大，究其原因主要在于兩種方法對于大氣光值的估計采取了不同的方法。其中，Shin等[24]方法采用暗原色先驗知識對視頻序列中的每一幀圖像分別進行大氣光值估計，然后將相鄰幀間大氣光值所在區域S值(S值為區域內均值與標準差的差值)與給定閾值進行比較，判斷估計的大氣光值是否需要進行修正，從而減小大氣光值的波動或使其基本保持不變。本文將3.1節中估計的大氣光值應用于整個視頻序列，并在整個視頻去霧過程中保持不變。從圖4(c)和(d)可以看出，本文方法獲得了更好的清晰度和圖像顏色。

(a)原圖

(a) Original images

(b) 郭璠等[7]方法結果

(c) 本文方法結果

(a) 原圖

(b) 郭璠等[7]方法結果

(c) 本文方法結果

(d)圖3(b)方框中內容(d)Contents in boxes of Fig.3(b)　(e) 圖3(c)方框中內容(e)Contents in boxes of Fig.3(c)

(a)原圖

(b) He等[11]方法結果

(c) Shin等[24]方法結果

(d)本文方法結果

然后，采用郭璠等[7]、Zhang等[25]、Kim等[26]和本文方法對視頻“intersection”進行去霧處理，并選取第7、8和14幀圖像中的一個固定場景進行主觀定性和客觀定量比較。圖5(彩圖見期刊電子版)給出了3幀圖像去霧前后的實驗結果，表1給出了3幀圖像對應的定量評價指標值。圖5中Zhang等[25]和Kim等[26]方法結果來自文獻[26]。

從圖1中視頻去霧方法的流程圖來看，本文方法是將視頻背景圖像中估計的大氣光值和介質傳播圖應用于視頻的所有幀，因此具有較快的運算速度。對于大小為480 pixel×640 pixel×657 frame 的視頻“intersection”，本文方法運算速度為5.45 frame/s(硬件為Intel 酷睿i5 CPU，8GB內存，軟件為MATLAB R2012a)，郭璠等[7]方法運算速度為9.15 frame/s。從文獻[7]可知，若本文方法不進行色調調整，其運算速度也可達到9.15 frame/s。另外，從圖5和表1可以看出，本文方法未色調調整結果和本文方法結果在復原視頻圖像清晰度和對比度等方面均優于郭璠等[7]方法結果，在色調保真度方面與郭璠等[7]方法結果相近。相比而言，Zhang等[25]方法對計算機內存要求較高并具有很高的計算復雜度，Kim等[26]方法的運算速度為7.6 frame/s。

(a)原圖(a) Original images

(b) 郭璠等[7]方法結果(b) Results of ref.[7]

(c) Zhang等[25]方法結果(c) Results of ref.[25]

(d) Kim等[26]方法結果(d) Results of ref.[26]

(e)本文方法未色調調整結果(e) Results of proposed method without tone mapping

(f) 本文方法結果(f) Results of proposed method

名稱郭璠等[7]方法結果erHZhang等[25]方法結果erHKim等[26]方法結果erH本文方法未色調調整結果erH本文方法結果erH第7幀0.8403.3520.4812.3523.5272.2292.9195.6921.9373.3484.6390.5433.1135.7530.521第8幀0.9212.7360.4872.2713.6192.2252.9325.3471.9873.3994.2990.5433.1995.3910.522第14幀1.0433.6880.4872.5723.4511.5703.3195.1151.4773.9774.5730.5533.6575.9810.538

5　結　論

本文提出了一種改進的基于霧氣理論的視頻去霧方法。該方法利用暗原色先驗知識和Retinex方法，采用圖像融合的方式，結合圖像復原和圖像增強的思想，將背景圖像中求取的大氣光值和介質傳播圖應用于視頻的每一幀以消除霧氣。實驗結果表明，本文方法在獲得較快處理速度的同時能有效避免復原視頻中出現顏色跳變的現象。另外，本文方法能有效提高復原視頻的清晰度和對比度，并獲得較好的圖像顏色。下一步的研究工作可通過并行程序設計的方法和基于圖形硬件的加速算法，進一步提高算法的執行效率，以實現實時處理。

[1]孫偉，李大健，劉宏娟，等.基于大氣散射模型的單幅圖像快速去霧[J].光學 精密工程，2013，21(4)：1040-1046.

SUN W， LI D J， LIU H J，etal.. Fast single image fog removal based on atmospheric scattering model[J].Opt.PrecisionEng.， 2013，21(4)：1040-1046.(in Chinese)

[2]MA Z L， WEN J， ZHANG C，etal.. An effective fusion defogging approach for single sea fog image[J].Neurocomputing， 2016， 173(1)：1257-1267.

[3]CHOI L K， YOU J， BOVIK A C. Referenceless prediction of perceptual fog density and perceptual image defogging[J].IEEETransactionsonImageProcessing， 2015，24(11)：3888-3901.

[4]ZHU Q S， MAI J M， SHAO L. A fast single image haze removal algorithm using color attenuation prior[J].IEEETransactionsonImageProcessing， 2015，24(11)： 3522-3533.

[5]肖創柏， 趙宏宇， 禹晶， 等. 基于WLS的霧天交通圖像恢復方法[J].紅外與激光工程， 2015， 44(3)： 1080-1084.

XIAO CH B， ZHAO H Y， YU J，etal.. Traffic image defogging method based on WLS[J].InfraredandLaserEngineering， 2015， 44(3)： 1080-1084.(in Chinese)

[6]葛廣一， 魏振忠. 圖像去霧過程中的噪聲抑制方法[J].紅外與激光工程， 2014， 43(8)： 2765-2771. GE G Y， WEI ZH ZH. Noise inhibition method during image dehazing process[J].InfraredandLaserEngineering， 2014， 43(8)： 2765-2771.(in Chinese)

[7]郭璠，蔡自興，謝斌.基于霧氣理論的視頻去霧算法[J].電子學報，2011，39(9)：2019-2025.

GUO F， CAI Z X， XIE B. Video defogging algorithm based on fog theory[J].ActaElectronicaSinica， 2011，39(9)： 2019-2025.(in Chinese)

[8]CHEN G， ZHOU H Q， YAN J F. A novel method for moving object detection in foggy day[C].Proceedingsofthe8thACISInternationalConferenceonSoftwareEngineering，ArtificialIntelligence，Networking，andParallel/DistributedComputing.Qingdao，China：IEEEComputerSociety， 2007：53-58.

[9]JONE J， WILSCY M. Enhancement of weather degraded video sequences using wavelet fusion[C].Proceedingsofthe7thIEEEInternationalConferenceonCyberneticIntelligentSystem，London，UK：IEEEComputerSociety， 2008：1-6.

[10]XU Z Y， LIU X M， CHEN X N. Fog removal from video sequences using contrast limited adaptive histogram equalization[C].ProceedingsofInternationalConferenceonComputationalIntelligenceandSoftwareEngineering，Wuhan，China：IEEEComputerSociety， 2009：1-4.

[11]HE K M， SUN J， TANG X O. Single image haze removal using dark channel prior[C].ProceedingsofIEEEConferenceonComputerVisionandPatternRecognition(CVPR)，NewYork，USA：IEEEComputerSociety， 2009：1956-1963.

[12]LIU H B， YANG J， WU Z P，etal.. Fast single image dehazing based on image fusion[J].JournalofElectronicImaging， 2015，24(1)，013020.

[13]MCCARTNEY E J.OpticsofAtmosphere：ScatteringbyMoleculesandParticles[M]. New York： John Wiley and Sons， 1976：23-32.

[14]羅會蘭，林家彪.一種基于多尺度Retinex算法的圖像去霧方法[J].計算機應用與軟件，2013，30(4)：58-60，127.

LUO H L， LIN J B. An image defogging method based on multi-scale Retinex[J].ComputerApplicationsandSoftware， 2013，30(4)：58-60，127.(in Chinese)

[15]劉海波，湯群芳，楊杰.改進直方圖均衡和Retinex算法在灰度圖像增強中的應用[J].量子電子學報，2014，31(5)： 525-532.

LIU H B， TANG Q F， YANG J. Application of improved histogram equalization and Retinex algorithm in gray image enhancement[J].ChineseJournalofQuantumElectronics， 2014，31(5)： 525-532.(in Chinese)

[16]張小剛，唐美玲，陳華，等.一種結合雙區域濾波和圖像融合的單幅圖像去霧算法[J].自動化學報，2014，40(8)：1733-1739.

ZHANG X G， TANG M L， CHEN H，etal.. A dehazing method in single image based on double-area filter and image fusion[J].ActaAutomaticaSinica， 2014， 40(8)：1733-1739.(in Chinese)

[17]PARIS M， FREDO D. A fast approximation of the bilateral filter using a signal processing approach[C].Proceedingsofthe9thEuropeanConferenceonComputerVision，Graz，GER：Springer， 2006：568-580.

[18]吳笑天，魯劍鋒，賀柏根，等.霧天降質圖像的快速復原[J].中國光學，2013，6(6)：892-899.

WU X T， LU J F， HE B G，etal.. Fast restoration of haze-degraded image[J].ChineseOptics， 2013，6(6)：892-899.(in Chinese)

[19]DRAGO F， MYSZKOWSKI K， ANNEN T，etal.. Adaptive logarithmic mapping for displaying high contrast scenes[J].ComputerGraphicsForum， 2003， 22(3)：419-426.

[20]范媛媛，沈湘衡，桑英軍.基于對比度敏感度的無參考圖像清晰度評價[J].光學 精密工程，2011，19(10)：2485-2493.

FAN Y Y， SHEN X H， SANG Y J. No reference image sharpness assessment based on contrast sensitivity[J].Opt.PrecisionEng.， 2011，19(10)：2485-2493.(in Chinese)

[21]HAUTIERE N， TAREL J P， AUBERT D，etal.. Blind contrast restoration assessment by gradient ratioing at visible edges[J].ImageAnalysisandStereology， 2008， 27(2)：87-95.

[22]JOBSON D J， RAHMAN Z， WOODELL G A. Statistics of visual representation[C].ProceedingsoftheVisualInformationProcessingXI.Orlando，USA：SPIE， 2002：25-35.

[23]李菊霞，余雪麗.霧天條件下的多尺度Retinex圖像增強算法[J].計算機科學，2013，40(3)：299-301.LI J X， YU X L. Enhance algorithm for fog images based on improved multi-scale Retinex[J].ComputerScience， 2013，40(3)：299-301.(in Chinese)

[24]SHIN D K， KIM Y M， PARK K T，etal.. Video dehazing without flicker artifacts using adaptive temporal average[C].ProceedingsoftheInternationalSymposiumonConsumerElectronics2014(ISCE2014)，Jeju，Korea， 2014：Article number 6884454.

[25]ZHANG J， LI L， ZHANG Y， YANG G，etal.. Video dehazing with spatial and temporal coherence[J].VisualComputer， 2011，27(6)：749-757.

[26]KIM J H， JANG W D， SIM J Y，etal.. Optimized contrast enhancement for real-time image and video dehazing[J].JournalofVisualCommunicationandImageRepresentation， 2013，24(3)：410-425.

劉海波(1981-)，男，湖北武漢人，博士，副教授，2011年于湖南大學獲得碩士學位，2015年于武漢理工大學獲得博士學位，主要從事圖像處理及模式識別方面的研究。E-mail： seainlost81@126.com

楊杰(1960-)，女，湖北武漢人，博士，教授，1988年于武漢交通科技大學獲得碩士學位，1999年于上海交通大學獲得博士學位，2002年于韓國全北大學完成博士后學習，主要從事信息處理、圖像處理和人工智能等方面的研究。E-mail： jieyang509@163.com

(版權所有未經許可不得轉載)

Improved video defogging based on fog theory

LIU Hai-bo1*， YANG Jie2， WU Zheng-ping2， ZHANG Qing-nian3， DENG Yong2

(1.SchoolofElectricalandInformationEngineering，HunanInstituteofTechnology，Hengyang421002，China;2.KeyLaboratoryofFiberOpticSensingTechnologyandInformationProcessingoftheMinistryofEducation，WuhanUniversityofTechnology，Wuhan430070，China;3.SchoolofTransportation，WuhanUniversityofTechnology，Wuhan430070，China)

*Correspondingauthor，E-mail：seainlost81@126.com

To improve the usability of a foggy video, an improved video defogging method based on fog theory was proposed. By using dark channel prior knowledge, Retinex method and image fusion, the method applies the values of global atmospheric light and a medium transmission map estimated from the video backgrfound image to defogging of all the video frames. The effects of the defogging for the video image were evaluated by three methods in subjective qualitative evaluation, objective quantitative evaluation and operation speeds. Experimental results demonstrate that the proposed method runs at 5.45 frame/s for a video image of 480×640, and it not only obtains a fast processing speed but also effectively avoids color jump during the process of restoring image. As the modified method uses the interval estimation to estimate the value of global atmospheric light, and combinates image restoration and image enhancement to obtain the value of medium transmission map, it improves the visibility and contrast of restored video image effectively as well as color effect as compared with the traditional video defogging methods.

video defogging; atmospheric scattering model; dark channel prior knowledge; retinex method; image fusion

2015-11-20；

2016-01-11.

國家自然科學基金資助項目(No.51479159)；交通運輸部軟科學項目(No.2013-322-811-470)；湖南省教育廳科學研究重點項目(No.15A046)；湖南工學院大學生創新訓練計劃項目(No.H1519)

1004-924X(2016)07-1789-10

TP391.9；TN941.1

Adoi:10.3788/OPE.20162407.1789