鐵路綜合視頻圖像去霧算法研究與探討

吳歆彥,陳明陽

(1.中國鐵路經濟規劃研究院有限公司,北京 100038； 2.北京郵電大學,北京 100876)

1 概述

隨著我國高速鐵路的蓬勃發展，鐵路視頻監控系統在鐵路領域得到了廣泛的應用和發展，目前已經頒布了《鐵路通信設計規范》《鐵路綜合視頻監控系統技術規范》等標準，同時編制了相關系統驗收規范，為鐵路綜合視頻監控系統規范化設計、施工、維護、管理提供了理論方法指導，也標志著鐵路綜合視頻監控系統發展到了規范運營階段。目前鐵路視頻監控采集點主要包括車站(場)內(包括車站運轉室、外勤作業點、車站進出站口、候車室、售票廳、站臺、通道、檢票口)、四電機房內外(供電電力、通信信號、信息機房、院落)以及區間線路(咽喉區、隧道口、公跨鐵立交橋、救援疏散通道、高路塹)等，是鐵路部門重要的安防手段，滿足了鐵路部門救災搶險現場應急管理的需求。然而在霧霾天氣情況下，由于大氣中的懸浮顆粒和雜質對光線造成散射和折射，導致采集到的視頻信息質量嚴重下降，視頻圖像細節信息模糊，嚴重影響監控人員判斷，為我國鐵路運營和人民的生命財產安全帶來隱患[1-4]。因此，通過技術手段處理大霧天氣對鐵路綜合視頻監控系統的影響具有重要的意義[5]。

當前主要有基于物理模型和基于圖像增強兩種圖像去霧算法[6-8]?；趫D像增強的算法是針對霧天對比度過低和細節信息模糊等問題，通過增強圖像彩色信息和對比度達到除霧的目的，主要有直方圖均衡算法[9-10]、Retinex圖像增強算法[11]等；基于物理模型的去霧算法有暗通道先驗去霧算法[12-13]，對大氣散射的作用進行分析，通過霧天圖像退化模型，利用退化的先驗信息復原原始圖像。

2 鐵路霧霾視頻監控圖像特點(圖1)

圖1 有霧原始圖像視覺效果

霧霾情況下，鐵路視頻監控系統所拍攝的視頻效果與無霧情況視頻圖像相比具有以下幾個特點：

有霧圖像具有分辨率低、信噪比低和可見度低的特點，且圖像細節模糊，特征難以分辨；

有霧圖像在頻域上多為低頻，高頻分量較少，導致圖像邊緣信息模糊，在時域上灰度分布集中且區域較??；

由于色彩出現偏差，且圖像色彩和保護度不夠，導致圖像整體呈現出灰白色。

3 基于圖像增強的去霧算法

基于圖像增強的去霧算法是針對有霧圖像的高低頻分量較少，且其直方圖較為集中的特性，通過增強圖像的全局或者局部的對比度來增強圖像的細節信息，通過擴大像素值的動態范圍，從而增強有霧圖像的細節[14]。主要包括直方圖均衡算法和Retinex圖像增強算法。

3.1 直方圖均衡算法

基于直方圖均衡化的去霧方法可以分為全局直方圖處理和局部直方圖處理兩種。針對有霧圖像的直方圖范圍較為集中等特性，將有霧圖像的直方圖變換為均勻的形式，經加大灰度值的動態范圍，從而有效實現去霧目的[15]。

假設一幅數字圖像f(x，y)像素數為N，rk為第k個灰度級的灰度，nk為像素個數，用縱坐標表示像素個數即頻數，用橫坐標表示灰度級，則直方圖可定義為p(rk)=nk/N，其中，p(rk)表示灰度rk出現的相對頻數即概率。直方圖在一定程度上能夠反映數字圖像的概貌性描述，包括圖像的灰度范圍、灰度分布、整幅圖像的亮度均值和陰暗對比度等，并可以此為基礎，分析得出對圖像進一步處理的重要依據。

圖2 全局直方圖處理后圖像

由圖2可以看出，處理后的圖像比處理之前更加清晰，其相應的直方圖更加均勻。然而圖像也丟失很多細節(火車車燈和交通燈)，導致邊緣較為模糊且較容易出現某些色彩失真。

局部直方圖處理算法是針對全局直方圖均衡化未能有效保持原始圖像細節信息和容易出現色彩失真的一種優化算法，首先利用窗口信息選擇固定的窗口對圖像進行局部直方圖處理，之后對RGB圖像的R、G、B三層通道分別進行局部直方圖均衡化，最終整合到新的圖像得到最終結果。

從處理結果可以看出局部直方圖處理后圖像并未出現明顯色彩失真，但存在部分信息模糊，見圖3。

圖3 局部直方圖處理后圖像及其直方圖

3.2 Retinex圖像增強算法

Retinex理論從人類對外界刺激的反映和物體顏色對光線反射特性的角度出發，其主要思想是將人眼對事物亮度的感知分為環境的照射量和物體表面反射兩部分[16-17]。

其數學表達式為

S(x，y)=L(x，y)·R(x，y)

(1)

式中，S(x，y)為圖像信息；L(x，y)為標識環境光的照射分量；R(x，y)為物體本質屬性所決定的反射分量。

通過對公式取對數，原始域圖像減去照射分量得到圖像的反射分量

lg[R(x，y)]=lg[S(x，y)]-lgL(x，y)

(2)

由式(2)可以看出，圖像可以分為反射和照射分量的疊加，Retinex圖像增強算法明確是從原始圖像S(x，y)中估計出光照L(x，y)，從而分解出R(x，y)，以改善圖像的視覺效果。

圖4 Retinex圖像增強算法處理后圖像及其直方圖

通過圖4可以看出，Retinex圖像增強算法在一定程度上保持了原始圖像局部特征，同時保持了較好的細節信息，具有較好的去霧效果。

4 基于物理模型的去霧算法

基于物理模型的去霧算法是通過分析圖像霧化的原理，利用現實中真實情境與霧的關系去除有霧圖像。該類算法首先建立大氣散射模型，了解圖像的退化物理機制，最后獲得去霧圖像。目前，基于暗原色原理的去霧算法取得了較好的效果，且很多學者在此基礎上進行優化改進算法[18-19]。

暗通道先驗[20]是He等研究人員提出的一種理論。這個理論是基于以下的關于無霧戶外圖像的觀察統計：在圖像的大多數非天空部分中，RGB三通道中至少有一個顏色通道在某些像素上具有非常低的強度。對于圖像J，在形式上定義

3)

式中，Jc為J的一個色彩通道；Ω(x)為集中于x的局部塊。

觀察表明，如果J是無霧戶外圖像，除了天空區域外，Jdark的強度低并趨向于0，Jdark即為J的暗通道。

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

(4)

式中，I(x)為有霧圖像；J(x)為待還原無霧圖像，t(x)為透射率。

這就是有霧圖像的成像退化模型，描述到達相機的這部分光透射霧的能力，這種能力越大，t值越大，A是大氣光，通常是全局上的常量。去霧就是從I中恢復J。其本質是利用含霧圖像I(x)恢復景物本身的亮度J(x)。暗通道先驗去霧算法處理后的圖像如圖5所示。

圖5 暗通道先驗去霧算法處理后圖像

5 仿真結果與分析

本文依次使用直方圖均衡算法、Retinex圖像增強算法和暗通道先驗去霧算法對鐵路室外圖像進行分析處理，去霧效果如圖6所示。圖6(a)為原始有霧圖像，圖6(b)為全局直方圖算法處理，圖6(c)為局部直方圖算法處理，圖6(d)為Retinex圖像增強算法處理，圖6(e)暗通道先驗去霧算法處理。

圖6 不同去霧算法處理后圖像

由圖6可看出，4種方法都實現了對圖像的去霧功能，圖像細節均一定程度的增強。從去霧效果可以看出，Retinex圖像增加算法具有最好的清晰度，但是其處理結果存在失真，從人類視覺的角度，暗通道先驗去霧算法處理結果更加自然，效果更好。

6 結語

針對鐵路綜合視頻的特點，從圖像增強和基于物理模型兩種類型的算法進行分析，分別對直方圖均衡算法、Retinex圖像增加算法和暗通道先驗去霧算法3種算法原理進行闡述，之后利用3種方法對鐵路視頻圖像進行驗證。

仿真結果表明，本文3種算法均可以實現去霧。局部直方圖算法存在顏色失真和光暈現象；Retinex圖像增加算法處理后的圖像存在部分失真；暗通道先驗去霧算法處理圖像較為自然，但圖像處理場景不同，可能效果差異較大，且運算復雜度較高，不具備實時性，需進一步研究改進。