基于暗通道的快速圖像去霧方法研究與實現

吳 迪, 葛馨陽(沈陽師范大學 物理科學與技術學院, 沈陽 110034)

0 引 言

近年來,霧霾天氣愈演愈烈,然而在霧、霾等天氣條件下, 大氣中懸浮的大量顆粒(霧氣、煙、雜質等)的散射作用致使成像設備獲得的圖像嚴重退化,這在很大程度上影響并限制了室外工作系統的工作性能[1],因此對霧天圖像進行快速有效的去霧處理有著現實和理論的迫切需要。

迄今為止,國內外對去霧算法的研究主要分2個方向:一類是基于圖像增強的方法,該類方法在增加帶霧圖像的對比度以及優化視覺效果的方面頗有成效,適用的對象范圍較廣,但是在處理景深多變的圖像中局部景深的時候,無法體現出局部場景的細節,也無法解決圖像過亮過暗或者光照不均的情況[2];另一類是基于大氣散射物理模型提出的去霧的方法,該類方法對霧天圖像的退化過程進行模擬還原,最終去霧效果自然,無信息損失[3]。何凱明博士的暗通道先驗去霧算法[4]也是在該模型的基礎之上提出來的。

1 霧天圖像退化的物理模型

根據大氣傳輸理論的描述,在雨雪霧等極度惡劣的天氣條件下,物體表面反射的光線由于大氣中的渾濁媒介的作用,從目標物體到達觀測點的傳播過程中會發生散射,從而導致入射光衰減,使觀測點獲得的圖像存在對比度下降,細節模糊等特性。

1975年,McCartney提出了著名的大氣散射模型[5],該模型表示在霧天條件下,霧天圖像退化的物理模型是由入射光衰減模型與大氣光成像模型組合而成的,如圖1所示,該模型提出后在計算機視覺和圖形學領域中得到了廣泛的應用。根據光線在惡劣天氣條件下傳輸的物理特性,其描述為:

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

(1)

圖1 霧天圖像退化的物理模型Fig.1 A physical model for haze image degradation

式(1)中,I表示帶霧圖像;J表示去霧圖像;t(x)表示光線透射率函數;A表示大氣光強度。式(1)揭示了霧天圖像的成因,等號右邊的第1項t(x)J(x)為直接衰減項[6],表示目標物體反射的光線經過大氣傳播衰減后的部分,第2項A(1-t(x))則表示大氣光成像部分,該部分是由前方散射引起的,會導致成像后場景顏色的偏移。分析式(1)可知,I是已知帶霧圖像,J是待求的去霧圖像,透射率函數t和大氣光強度A都是未知的,在這種只有一個已知條件的狀態下,該方程顯然是無解的,需要添加先驗知識來增加約束條件,進而求解方程。本文將暗通道先驗理論作為方程的約束條件,從而求解出方程中其他未知的參數[7]。

2 暗通道先驗理論

暗通道先驗理論是何凱明博士等人在晴朗無霧的天氣下對大量室外圖像觀察得出的,本文以下簡稱何凱明方法。該理論指出,在大部分不含有天空的局部區域里,總會存在這樣一些像素,即在RGB顏色模型中至少有一個顏色通道的強度值很低或者接近于0[8],這些像素稱為暗像素(dark-channel pixel)。對于任何一幅圖像J,其暗像素Jdark可以定義為:

(2)

式(2)中,Jdark表示去霧圖像J的暗像素;Jc表示去霧圖像J的R、G、B三通道中一個通道;Ωx表示以x為中心的一個矩形窗口。假設在圖像塊Ωx范圍內透射率相同,則在帶霧圖像I里,這些暗像素的強度值會變高,同時影響著光線穿透力的強弱,為初步估計透射率函數打下堅實的基礎[7]。

何凱明方法可分為3個步驟: 1)去除背景干擾并估計大氣光強度A; 2)利用導向濾波獲得精細的透射率函數t; 3)求出大氣光強度A。 待求得所有未知量便可獲得最終的去霧圖像[10]。 何凱明博士等人提出的暗通道先驗法在單幅圖像去霧方面取得了很大的進步, 是目前最實用有效的去霧方法。 但是在實際使用過程中依然存在一些問題, 其中首要的問題就是大量的計算使得整個處理過程比較耗時, 一幅分辨率266×272的圖像處理用時2.07 s(處理器為2.4 GHz、系統內存為2.00 GB的普通PC), 嚴重限制了該方法的實際應用和推廣。 針對時間復雜度高的問題, 本文結合何凱明的去霧算法提出了一種改進的圖像去霧方法, 該方法在保證去霧效果的前提下, 減少了去霧處理的計算量, 提升處理效率。

3 改進的去霧方法

3.1 流程圖

圖2 流程圖Fig.2 Flow chart

本文提出的改進方法流程圖如圖2所示。利用多分辨率的方法對高分辨率帶霧圖像I進行降維處理以減少處理像素的時間,得到Ilow1和Ilow2,對其中一幅Ilow采用何凱明方法進行去霧處理得到圖像Jlow2,并與另一幅細節圖像Q進行融合,最后對融合后的圖像進行升維處理到原分辨的p倍(0

3.2 降 維

為了更多的保留原帶霧圖像I的細節信息,本文在做降維處理時不添加平滑濾波器,并以2為采樣因子,對原帶霧圖像I進行降維處理獲得子圖Ilow1和子圖Ilow2,再對2幅Ilow進行何凱明去霧方法處理。經過大量的實驗處理結果驗證,本文選用2幅子圖進行融合,既滿足提升去霧速度,又能相對多的保留場景細節。本文采用客觀評價指標峰值信噪比(PSNR)[11]來定量的測試暗通道先驗去霧方法與改進方法恢復出的圖像相對于原帶霧圖像的好壞程度,如圖3所示。

圖3 何凱明方法與改進方法處理結果PSNR對比Fig.3 The comparison of the PSNR between He Kaiming method and improved method

圖3結果顯示,大部分圖片經過改進去霧方法處理后的峰值信噪比要高于何凱明方法,即改進方法處理結果的失真度要優于何凱明方法的處理結果。

3.3 融 合

考慮最終去霧圖像場景細節的還原,先對其中一幅低分辨率帶霧圖像Ilow1疊加高通濾波器,然后對2幅低分辨率去霧圖像進行融合:

J(x)low=HJ(x)low1+J(x)low2

(3)

圖4 何凱明方法與改進方法處理結果平均梯度對比Fig.4 The comparison of the average gradient between He Kaiming method and improved method

式(3)中:I(x)low1為低分辨率帶霧像;J(x)low2為低分辨率去霧像;H為高通濾波器,J(x)low為融合后的低分辨率去霧圖像,這樣在增強圖像細節特征的同時,還可以對目標圖像的噪聲進行抑制。圖4所示為使用何凱明去霧方法和改進方法處理的若干幅圖像的平均梯度,平均梯度是評判圖像清晰程度的指標,平均梯度越大,圖像細節反差率越大,圖像越清晰;反之,圖像越模糊。圖4表明,用改進方法處理圖像的平均梯度均高于何凱明去霧方法處理圖像的平均梯度,即添加高通濾波器的改進方法處理的圖片的清晰度優于何凱明去霧方法處理的圖片的清晰度。

4 實驗結果與分析

本文提出的改進方法和何凱明方法均在操作系統為Windows 7、CPU為AMD V160 Processor 2.4 GHz處理器、系統內存為2.00 GB的普通PC上運行,并從視覺效果與時間復雜度上對處理結果進行了對比。

4.1 視覺效果

通過對大量帶霧圖像進行對比性實驗,證明本文提出的方法的有效性、可靠性。圖5～7為一幅分辨率1280×720的帶霧圖像的實驗結果圖。可以明顯看出,原本受霧氣影響模糊不清、顏色不真實的圖像經過何凱明去霧方法和改進方法處理之后在細節上更清晰,顏色上更真實,圖像中被霧氣遮擋住的電線桿,經過去霧處理后也清晰可見。

圖5 圖5霧化圖像Fig.5 Haze image

圖6 何凱明去霧方法處理結果Fig.6 Haze removal result of using He Kaiming’s method

圖7 改進去霧方法處理結果Fig.7 Haze removal result of using improvedmethod

由圖8～10可見經過何凱明去霧方法處理后的圖像在灰白區域出現大塊斑塊,但是由改進方法處理后的圖像明顯改善,呈現較好的視覺效果。

圖8 霧化圖像Fig.8 Haze image

圖9 何凱明去霧方法處理結果Fig.9 Haze removal result of using He Kaiming’s method

圖10 改進去霧方法處理結果Fig.10 Haze removal result of using improvedmethod

圖11～13分別為原帶霧圖像、何凱明去霧方法處理結果圖像、改進去霧方法處理結果圖像,如圖所示,經過2種方法的處理,濃霧現象都明顯改善,但就遠景山峰輪廓細節而言,改進去霧方法處理結果圖13明顯優于的何凱明去霧方法處理結果圖12,層次感更強,細節更完善。

圖11 霧化圖像Fig.11 Haze image

圖12 何凱明去霧方法處理結果Fig.12 Haze removal result of using He Kaiming’s method

圖13 改進去霧方法處理結果Fig.13 Haze removal result of using improvedmethod

4.2 時間復雜度

圖14 何凱明方法與改進方法處理時間對比Fig.14 The comparison of the time between He Kaiming method and improved method

為了驗證本文算法在圖像處理速度上的提升,在同一臺PC、同一版本的Matlab軟件上處理分辨率1280×720的帶霧圖像,實驗數據表明,何凱明去霧方法的運算時間為24.23 s,改進方法的運算時間為13.11 s,大大提高了運算效率。圖14是通過大量實驗統計出的何凱明去霧方法與改進方法所用時間的對比圖,由圖可見,改進方法運行時間較何凱明方法的運算時間提高了45%左右,且圖片的分辨率越大,改進方法的優勢越明顯。

5 結 論

本文通過對何凱明去霧方法進行深入的分析與研究,結合霧天圖像退化的物理模型,通過對帶霧圖像進行降維處理,實現了一種快速有效的圖像去霧處理方法,減少資源消耗,而且在處理某些圖像細節處時能夠得到效果更好的去霧效果,使暗通道先驗的去霧算法更具備實時性。

[ 1 ]禹晶,李大鵬,廖慶敏. 基于物理模型的快速單幅圖像去霧方法[J]. 自動化學報, 2011(2):143-149.

[ 2 ]李方,王好賢,毛興鵬,等. 單一圖像的快速去霧算法[J]. 計算機工程與設計, 2011(12):4129-4132.

[ 3 ]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(2):7-12.

[ 4 ]HE Kaiming,SUN Jian,TANG Xiaoou. Single image haze removal using dark channel prior[C]∥CVPR, 2009:1956-1963.

[ 5 ]LEVIN A,LISCHINSKI D,WEISS Y. A closed form solution to natural image matting[C]∥CVPR, 2006:61-68.

[ 6 ]黃黎紅. 單幅圖像的快速去霧算法[J]. 光電子·激光, 2011(11):1735-1738.

[ 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(6):926-930.

[ 8 ]和曉軍,喬寅. 基于暗原色的單一圖像去霧算法的研究[J]. 計算機應用研究, 2014(1):304-306.

[ 9 ]胡偉,袁國棟,董朝,等. 基于暗通道優先的單幅圖像去霧新方法[J]. 計算機研究與發展, 2010(12):2132-2140.

[10]佟雨兵,張其善,祁云平. 基于PSNR與SSIM聯合的圖像質量評價模型[J]. 中國圖象圖形學報, 2006(12):1758-1763.

[11]劉海波,湯群芳,楊杰. 去霧圖像質量客觀評價方法研究[J]. 量子電子學報, 2016(1):20-28.

[12]王燕,伍博,谷金宏. 一種單幅圖像去霧方法[J]. 電光與控制, 2011(4):65-67.

[13]戚娜,惠紅梅,穆昌. 一種基于改進的暗原色先驗圖像去霧方法[J]. 計算機與現代化, 2016(5):18-21.

[14]陳瑤,孫興波,黃祥,等. 一種改進的暗原色單幅圖像去霧方法[J]. 四川理工學院學報(自然科學版), 2012(5):62-64.