基于生成對抗網絡的圖像去霧算法

楊 杰，趙書斌，王 強

(江蘇自動化研究所,江蘇 連云港 222061)

霧是一種常見氣象,大霧天氣時空氣中存在大量水汽凝結物,光線在水汽凝結物表面產生散射使得物體的反射光線發生衰減,同時相機接收到大氣光與物體反射光發生混合,造成圖像模糊及特征信息損失。當前目標檢測、語義分割等視覺任務受到霧氣、大雨等環境干擾時性能會急劇下降,例如Yolo v5目標檢測預訓練模型在加霧后的COCO數據集上出現了14%的精度損失。如圖1所示,即使在低濃度霧的情況下單幅圖像也出現了兩類8個目標的漏檢。圖像去霧旨在從退化的有霧圖像中恢復清晰的圖像,因此其在實現惡劣天氣條件下自動駕駛環境感知、能見度估計等方面具有廣泛的實際意義。

1 圖像去霧

作為各類視覺任務的預處理步驟,學者們對去霧已經進行了廣泛深入的研究,且通常使用大氣散射模型來表示有霧圖像,表達式如下:

()=()()+[1-()]

(1)

其中，()和()分別是退化的有霧圖像和目標清晰圖像。是全球大氣光,()是介質透射率,如

GTHazeLable Bench101 Bicycle323 Chair111 Handbag101 Person131014 Car9710 Backpack111 Total7/295/217/31圖1 Yolo v5模型目標檢測對比

果全球大氣光均勻,則()表達公式如下:

()=-()

(2)

其中，()為場景深度,為大氣散射系數。由于已知信息只有(), 透射率()和大氣光都是未知的,顯然求解清晰圖像()是一個不適定問題,這也是一個非常具有挑戰性的問題。

目前去霧算法主要分為兩類:基于先驗知識方法和基于深度學習方法。基于先驗知識的方法依靠大氣散射模型,利用先驗知識設計全球大氣光和透射率()的評估方法,典型的有暗通道先驗和顏色衰減先驗。……