基于Retinex 對UAV 單幅偵察圖像的去霧算法研究

趙琳宏，左憲章*，單 喆

（1.陸軍工程大學，河北 石家莊 050000；2.空軍第四飛行學院，河北 石家莊 050000）

在現代戰爭中，使用無人機進行戰場偵察具有實時性、準確性以及能夠避免人員傷亡的優點。但在實際應用中，由于霧霾的影響常常會導致偵察影像的細節模糊、對比度低、目標邊緣不清晰等現象，嚴重影響后期的特征提取、目標識別和跟蹤，因此，有必要對霧霾導致的降質圖像進行清晰化處理。

1 單幅偵察圖像去霧霾算法分析與改進

無人機所拍攝的戰場含霧霾的偵察影像因其拍攝角度、環境背景、目標特征等方面因素導致與平時采集的室外含霧霾的圖像有一定區別，具體來說有以下三個方面：一是采用俯視角度拍攝，各目標透射率大致相同；二是可能含有大片不適合采用暗原色先驗的目標區域，如玻璃、植被、水面等；三是可能存在影響去霧效果的背景。根據上述特征，需要找到一種適合無人機偵察影像的去霧算法。

1.1 暗原色先驗去霧算法

目前，國內外學者在圖像去霧領域多采用圖像復原和圖像增強這兩類方法。其中He 等人所提出的暗原色先驗算法[1]因其思路巧妙、理論淺顯易懂被學者們廣泛引用。

He 等人通過對大量無霧圖像觀察統計發現，在圖像非天空區域有一個極小的鄰域內有一顏色通道接近于零[1]，并稱這個通道為暗通道，其表達式為：

其中Ω（x）為像素點x 的一個極小的鄰域；c 為三種顏色通道，即首先求出每個RGB 分量的最小值，存入一幅和原始圖像大小一樣的灰度圖中，然后對這副灰度圖進行最小值濾波，濾波的半徑由窗口大小決定。

然后根據霧天圖像退化模型復原圖像：

其中I（x）為含霧霾圖像；J（x）為待求解的圖像；t（x）在有霧介質中光線的透射率；A 為大氣光強度；t0為設定的一個閾值。

此算法存在光暈效應，對圖像邊緣處理不夠細致，因此并不適合用無人機偵察影像的處理中。

1.2 單尺度參數Retinex 算法（SSR）

Retinex 又稱色彩恒常理論[2]，即在圖像中呈現的物體顏色與反射光的強度無關，只與物體的反射能力有關，且不受光照的不均勻性影響。其表達式為：

其中I（x，y）為含霧霾的圖像；R（x，y）為物體表面反射圖像；L（x，y）為入射光亮度圖像。

于是通過估算入射光亮度圖像，可以求得物體表面反射圖像。即：

其中，ri（x，y）為在第i 個顏色通道的輸出（i 取值為1、2、3）；Ii（x，y）為圖像分布，即圖像在位置（x，y）處的灰度；F（x，y）為環繞函數，通過環繞函數和含霧霾圖像的卷積估計原圖像的亮度值。

其中，c 為尺度參數；k 為歸一化因子。

在仿真實驗中具體操作流程為：

（1）讀取含霧霾圖像數據I（x，y）。

（2）給尺度因子合理賦值，高斯模糊后得L（x，y）。

（3）將log[R（x，y）]量化處理為0-255 之間的數值并輸出。

尺度參數決定著圖像的處理效果[3]。c 取值較小時動態壓縮能力較強，可以較好地增強圖像中陰暗部分的細節，但會導致輸出圖像顏色失真；c 越大，輸出圖像的顏色保真度越好。因此，需要在此算法的基礎上進行改進。

1.3 多尺度參數Retinex 算法（MSR）

在單尺度參數Retinex 算法的基礎上，相關學者提出了多尺度參數的Retinex 算法，即通過選擇大、中、小三個尺度再進行加權，其流程如圖1：

圖1 MSR 流程圖

在仿真實驗中具體操作流程為：

（1）讀取含霧霾圖像數據I（x，y）并分解為RGB 三個分量。

（2）double 類型圖像轉換至對數域，選擇大中小三個尺度因子賦值，確定高斯函數再與原圖像卷積可得三個尺度的亮度圖像L（x，y）。

（3）對三個亮度圖像加權求和再轉換到實數域輸出。

雖然多尺度參數Retinex 算法可以兼顧到低尺度SSR 算法的細節信息以及色彩保真，但多尺度Retinex 算法破壞了原始圖像RGB 三個顏色通道的比例關系[4]，容易出現顏色失真，所以還需要再進一步改進。

1.4 改進的多尺度參數Retinex 算法

在多尺度Retinex 算法基礎上可以再做改變，將R，G，B 三個顏色通道轉換到HIS 色彩空間進行處理。HIS模型中常常使用H、I、S 三個參數描述物體的顏色，其中H 為顏色的波長，即色調；I 為亮度；S 為顏色的深淺程度，即飽和度。色調是強調描述純色的屬性[5]；飽和度給出一種純色被白光稀釋程度的度量，亮度是主觀的描述，實際中不可測，體現了無色的強度概念，并且是描述彩色感覺的關鍵參數。RGB 模型與HIS 模型的轉換關系如下：

其中，I 為亮度；S 為飽和度；H 為色調（0°≤H≤360°）。

對其中的I 分量使用多尺度Retinex 算法：

其中ri（x，y）為第i 個通道的輸出；Ii（x，y）為含霧霾圖像第i 個通道的值；Fi（x，y）為高斯環繞函數；k 是高斯環繞函數的個數；Wk是賦予相對應的權值。且滿足Wk=1。

最后，再完成從HIS 到RGB 的彩色轉換。具體公式如下：

其中只對I 分量進行了增強處理，H 和S 未做任何處理。

2 仿真結果與分析

選取多幅無人機航拍的含霧霾圖像進行仿真，對同一幅無人機偵察圖像分別采用暗原色先驗、單尺度參數Retinex 算法、多尺度參數Retinex 算法、直方圖均衡化和本文改進后的多尺度參數Retinex 算法做對比處理。最后從主觀評價指標和客觀評價指標兩方面進行比較。仿真實驗結果如下。

表1 5 種算法客觀評價指標比較1

從處理效果上看，改進后的算法能有效復原圖像的細節，對薄霧和不均勻霧氣場景的圖像均有較好的去霧效果，在與多種算法的比較中，無論在圖像清晰度、邊緣細節、色彩恢復方面都有一定程度的先進性，綜合多種算法來看對細節信息恢復最好的是暗原色算法和本文算法，而將這兩種算法進行比較，本文算法只對亮度分量I進行增強，而原先的算法同時需要對RGB 三個通道進行處理，大大減少高斯卷積的計算量，從而降低了圖像處理的運行時間，在運行速度方面遠遠優于暗原色算法。

表2 5 種算法客觀評價指標比較2

圖2 5 種算法去霧效果比較1

圖3 5 種算法去霧效果比較2

從客觀評價指標來分析，直方圖均衡化算法和本文算法在對于不同場景下圖像去霧指標較為優異，但直方圖均衡化算法得到的處理圖像對于霧氣較濃部分的恢復較本文算法還有一定差距，綜合以上，本文算法在處理無人機偵察影像方面具有較好的先進性和魯棒性，具有很強的應用價值。

3 結束語

本文對霧霾環境中的無人機單幅偵察圖像如何進行圖像清晰化操作進行了簡要論述和分析。首先介紹了暗原色先驗圖像去霧算法，隨后介紹Retinex 理論和單尺度參數、多尺度參數的Retinex 算法，最后給出改進后的Retinex 算法。本文中的算法通過把霧天圖像RGB 顏色空間和HIS 顏色空間之間的轉換，分離出亮度I 單獨處理，從而提高了運算速度，改善其亮度不足的缺陷并使圖像色彩更加豐富，同時也使圖像的細節信息更加清晰。但通過仿真實驗，帶入不同場景中的偵察圖像，從圖像復原的處理結果來看采用本文的算法可以有效提高圖像的對比度，使重要目標細節更加清晰化，為下一步的目標識別跟蹤提供更便于機器識別的數據信息。