基于暗通道的圖像去霧改進(jìn)算法

吳子凡　羅維平

摘 要：針對(duì)傳統(tǒng)暗通道去霧算法對(duì)有霧圖像處理后存在的顏色偏差問(wèn)題和在天空區(qū)域與非天空區(qū)域上去霧的效果存在較大差異的問(wèn)題，提出一種基于暗通道的圖像去霧改進(jìn)算法。該算法在大氣光值與透射率值的計(jì)算上進(jìn)行了相應(yīng)的改進(jìn)，首先通過(guò)暗通道相關(guān)的概念及其原理的計(jì)算得到原始輸入圖像的暗通道圖，通過(guò)計(jì)算的最優(yōu)閾值將原始圖像分為天空區(qū)域和非天空區(qū)域兩部分，然后在兩部分不同的區(qū)域上分別使用不同的方法得到大氣光值的估計(jì)值并且計(jì)算出透射率的值，再將得到的初始去霧圖像通過(guò)導(dǎo)向?yàn)V波對(duì)得到的圖像進(jìn)行去噪，最后得到清晰的去霧圖像。實(shí)驗(yàn)結(jié)果顯示：本算法更能有效地展示圖像的真實(shí)情況，避免其他環(huán)境因素的干擾，具有一定的優(yōu)越性。

關(guān)鍵詞：暗通道；圖像去霧；天空分割；引導(dǎo)濾波

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095－414X（2023）05－0047－06

0? 引言

霧天是最常見(jiàn)的惡劣天氣，會(huì)降低圖像的視覺(jué)質(zhì)量，不僅對(duì)人類的視覺(jué)感知，而且對(duì)一些高級(jí)視覺(jué)任務(wù)都有不利影響，例如目標(biāo)檢測(cè)、圖像分類、視頻監(jiān)控等，嚴(yán)重影響戶外視覺(jué)系統(tǒng)的性能。在多霧天氣條件下，由于大量顆粒物滯留在空氣中對(duì)光線產(chǎn)生一些作用，戶外拍攝的圖像大多會(huì)受到天氣的影響，這會(huì)影響獲取和分析圖像的正常信息，從而導(dǎo)致圖像特征的提取不準(zhǔn)確。同時(shí)，霧天會(huì)給人們的外出帶來(lái)一些不便，并會(huì)對(duì)道路行人檢測(cè)、道路標(biāo)志識(shí)別、自動(dòng)駕駛等產(chǎn)生一些影響。

霧和霾經(jīng)常一起出現(xiàn)，霧一般指的是霧氣，是小水滴懸浮在空中，使得地面的能見(jiàn)度下降，但會(huì)隨著太陽(yáng)的出現(xiàn)而減小，但是霾是空氣中的小顆粒形成的氣溶膠系統(tǒng)，并不會(huì)隨著太陽(yáng)光的出現(xiàn)而消散，這將導(dǎo)致能見(jiàn)度降低和邊緣信息的減少。獲取到的圖像不夠清晰，主要細(xì)節(jié)極大可能會(huì)丟失，從霧天獲得的圖像中恢復(fù)出原始清晰圖像，提高視覺(jué)系統(tǒng)的魯棒性是去霧的主要目的，為了保證去霧圖像預(yù)處理工作更好地進(jìn)行，研究人員陸續(xù)提出了一些圖像去霧的方法[10， 14， 19]。該方法是一種對(duì)圖像進(jìn)行預(yù)處理的方法，其目的是為了達(dá)到某些特定的要求，對(duì)原始圖像進(jìn)行去霧處理，使其特征信息表達(dá)得更加清晰。

He等[1]提出了一種暗通道先驗(yàn)的圖像去霧算法，通過(guò)分析大量室外無(wú)霧圖像的特征，從而去除單一輸入圖像的霧。該方法去霧簡(jiǎn)單而且很有效，但在少數(shù)特定的場(chǎng)景使用時(shí)仍會(huì)失效，并且在有霧圖像存在天空或大面積白色背景時(shí)，對(duì)透射率的估計(jì)會(huì)不準(zhǔn)確，從而導(dǎo)致模型無(wú)效等問(wèn)題。司振惠等[2]在先驗(yàn)的基礎(chǔ)上對(duì)有霧圖像進(jìn)行去霧之前對(duì)原始圖像進(jìn)行了圖像增強(qiáng)的預(yù)處理操作，最后得到的去霧圖像具有很強(qiáng)的實(shí)用性。孫曦等[3]提出了一種使用了殘差注意力機(jī)制方法的去霧方法，在真實(shí)數(shù)據(jù)集和虛擬數(shù)據(jù)集上都取得了較好的效果，并在去霧效果和處理時(shí)間上實(shí)現(xiàn)了平衡，但在面對(duì)天空區(qū)域和霧濃度不均勻的圖像時(shí)會(huì)出現(xiàn)圖像顏色的偏差和失真現(xiàn)象。張宏等[4]對(duì)暗通道先驗(yàn)進(jìn)行了改進(jìn)，提高大氣光值估計(jì)值的精度的同時(shí)對(duì)亮度進(jìn)行了均衡化和增強(qiáng)處理，使去霧后的圖像細(xì)節(jié)丟失和對(duì)比度較低等問(wèn)題得到了解決。

基于此，本文在暗通道去霧的基礎(chǔ)上進(jìn)行改進(jìn)，將天空區(qū)域分割成兩部分并分別進(jìn)行處理，相比于原始的暗通道去霧，本文大大減少了對(duì)天空區(qū)域去霧時(shí)出現(xiàn)的顏色失真和細(xì)節(jié)丟失等問(wèn)題，并通過(guò)更加準(zhǔn)確的計(jì)算透射率使去霧后的圖像細(xì)節(jié)特征更加明顯、對(duì)比度增強(qiáng)[17]、視覺(jué)效果也得到了改善。

1? 相關(guān)理論及方法

從霧天獲得的圖像主要會(huì)受大氣光值和透射率兩方面的影響。圖像去霧可以分為圖像增強(qiáng)和圖像退化兩種方法，前者的典型方法基于小波變換、偏微分方程、Retinex等[5-7]，該方法的主要作用是調(diào)節(jié)圖像的對(duì)比度和亮度，使圖像的清晰度得到改變。為達(dá)到相應(yīng)的要求，該方法通常需要對(duì)多種圖像處理算法進(jìn)行組合。后者的典型方法基于大氣散射模型、神經(jīng)網(wǎng)絡(luò)的去霧、暗通道先驗(yàn)的去霧等[8-9]。該方法是通過(guò)圖像退化的程度建立與之對(duì)應(yīng)的數(shù)學(xué)模型，恢復(fù)出圖像的細(xì)節(jié)信息并從圖像中提取所需要的特征信息，使被霧氣影響的圖像得到恢復(fù)。而圖像增強(qiáng)是忽略圖像退化的過(guò)程，通過(guò)組合多種圖像增強(qiáng)的方法來(lái)恢復(fù)出清晰的原始圖像。圖像復(fù)原則需要通過(guò)圖像退化的過(guò)程模擬出圖像退化的逆過(guò)程，通過(guò)對(duì)圖像進(jìn)行逆過(guò)程處理的方法得到清晰的去霧圖像[16]。兩種方法最終都使原始圖像得到了恢復(fù)，并使圖像的質(zhì)量得到了提高，本文采用方法主要基于圖像退化的方法。

1.1? 大氣散射模型

3? 實(shí)驗(yàn)結(jié)果及分析

為了檢驗(yàn)本文改進(jìn)方法的有效性，在實(shí)驗(yàn)過(guò)程中分別選取多幅存在天空區(qū)域和不存在天空區(qū)域的圖像進(jìn)行測(cè)試，并分別與普通暗通道去霧和文獻(xiàn)[15]的結(jié)果進(jìn)行對(duì)比。實(shí)驗(yàn)平臺(tái)為64位windows10操作系統(tǒng)的計(jì)算機(jī)，顯卡為NVIDIA2080Ti，軟件平臺(tái)為PyCharm2022.1×64。

3.1? 實(shí)驗(yàn)結(jié)果

將本文算法在真實(shí)單圖像去霧數(shù)據(jù)集RESIDE上與暗通道、DehazeNet進(jìn)行對(duì)比[20]，部分實(shí)驗(yàn)結(jié)果如圖3所示。由圖3可知，暗通道去霧在不存在天空區(qū)域時(shí)，受背景影響去霧不夠徹底，在存在天空區(qū)域時(shí)，天空區(qū)域顏色失真較為嚴(yán)重。與暗通道去霧相比文獻(xiàn)[15]的去霧效果更好并且沒(méi)有出現(xiàn)顏色失真的現(xiàn)象，但在對(duì)天空區(qū)域去霧時(shí)存在部分細(xì)節(jié)丟失的情況。綜上可知本文提出的改進(jìn)算法在圖像中取得了較好的去霧效果，本文的改進(jìn)暗通道去霧方法在能見(jiàn)度和對(duì)比度上效果更好，并且能夠在顏色不失真的情況下最大程度去除霧氣。特別是對(duì)非天空區(qū)域的去霧效果比傳統(tǒng)的暗通道去霧更加明顯，而且去霧更加徹底。

3.2? 實(shí)驗(yàn)結(jié)果分析

將三種不同方法在真實(shí)單圖像去霧數(shù)據(jù)集RESIDE上進(jìn)行實(shí)驗(yàn)對(duì)比，該數(shù)據(jù)集包括合成和真實(shí)世界的模糊圖像，RESIDE包含了五種不同類型的圖像，每種類型的圖像有其特定的應(yīng)用場(chǎng)景及都有著各自的訓(xùn)練或評(píng)估目的。這里選取了峰值信噪比（PSNR）作為主要的評(píng)價(jià)標(biāo)準(zhǔn)，并將結(jié)果與原圖進(jìn)行對(duì)比，比較對(duì)應(yīng)的SSIM值，原始圖像各方法在合成數(shù)據(jù)集RESIDE上測(cè)試的PSNR和SSIM的值如表1所示。通過(guò)比較分析可知本文提出的方法運(yùn)行時(shí)間不僅大大減少而優(yōu)于傳統(tǒng)的去霧算法，在圖像失真程度以及圖像還原程度上也優(yōu)于傳統(tǒng)的去霧算法，提升了去霧性能。

4? 結(jié)論

圖像去霧的目的是達(dá)到某些特定的要求，對(duì)原始圖像進(jìn)行去霧處理，使其特征信息表達(dá)的更加清晰。本文在原始暗通道去霧算法上進(jìn)行了改進(jìn)，首先通過(guò)暗通道相關(guān)的概念及其原理的計(jì)算得到原始輸入圖像的暗通道圖，通過(guò)計(jì)算的最優(yōu)閾值將原始圖像分為天空區(qū)域和非天空區(qū)域兩部分，然后在兩部分不同的區(qū)域上分別使用不同的方法得到大氣光值的估計(jì)值并且計(jì)算出透射率的值，再將得到的初始去霧圖像通過(guò)導(dǎo)向?yàn)V波對(duì)得到的圖像進(jìn)行去噪，最后得到清晰的去霧圖像。相比于原始方法，本文方法在大氣光值的計(jì)算方法和準(zhǔn)確率上精度更高，使得最后求得透射率的值更加準(zhǔn)確，解決了相應(yīng)的顏色失真或色彩偏差的問(wèn)題，從而能夠達(dá)到更好的去霧效果。通過(guò)在合成數(shù)據(jù)集RESIDE上進(jìn)行實(shí)驗(yàn)并與不同的去霧方法進(jìn)行對(duì)比，結(jié)果表明本文方法具有較好的去霧性能并有效解決了顏色失真的問(wèn)題。

參考文獻(xiàn)：

HE K M， SUN J， FELLOW， et al. Single image haze removal using dark channel prior[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence， 2011， 33（12）： 2341-2353.

司振惠，于萍，王巖.基于暗通道的單圖像融合去霧算法[J].計(jì)算機(jī)應(yīng)用與軟件，2022，39（8）：240-245.

孫曦，于蓮芝.基于殘差注意力和半監(jiān)督學(xué)習(xí)的圖像去霧算法[J].電子科技，2022，36（9）：1-8.

張宏，張玉倫，鄧旭， 等.基于改進(jìn)暗通道先驗(yàn)的圖像去霧算法[J].計(jì)算機(jī)仿真，2022，39（4）：150-155.

蔣華偉，楊震，張?chǎng)?，?圖像去霧算法研究進(jìn)展[J].吉林大學(xué)學(xué)報(bào)（工學(xué)版），2021，51（4）：1169-1181.

TANRT.Visibility in bad weather from a single image[C] //CVPR2008：Proceeding of the 2008 IEEE Conference on Computer Vision and Pattern Recognition.Washington，DC：IEEE Computer Society， 2008.1-8.

陶海威，王毅，沈燕飛，等.基于暗通道先驗(yàn)的圖像去霧算法改進(jìn)研究[J].軟件導(dǎo)刊，2016，15（5）：30-34.

魏紅偉，田杰，肖卓朋.圖像去霧算法研究綜述[J].軟件導(dǎo)刊，2021，20（8）：231-235.

馮燕茹.雙視覺(jué)注意網(wǎng)絡(luò)的聯(lián)合圖像去霧和透射率估計(jì)[J].光學(xué)精密工程，2021，29（4）：8-13.

欒中，尚媛園，舒華忠，等.基于SLIC和SVR的單幅圖像去霧算法[J].東南大學(xué)學(xué)報(bào)（自然科學(xué)版），2018，48（1）：26-28.

王嬌.一種改進(jìn)的基于暗通道先驗(yàn)的快速去霧算法[J].現(xiàn)代電子技術(shù)，2019，42（22）：63-68.

ZhuQ，MaiJ，ShaoL.A Fast Single Image Haze Removal Algorithm Using Color Attenuation Prior[J].IEEE Transactions on Image Processing，2015，24（11）：3522-3533.

吳宏鍔，胡雙年.基于天空區(qū)域改進(jìn)的暗通道先驗(yàn)算法研究[J].實(shí)驗(yàn)技術(shù)與管理，2019，36（9）：120-123．

王小霞，黃穎雯，譚庭均，等．基于Retinex的汽車牌照?qǐng)D像去霧研究[J].內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2018，39（1）：64-70．

Cai B L，Xu X M，Jia K，et al.DhazeNet：An end-to-end system for single image haze removel[J].IEEE Transaction on Image Processing.2016，25（11）：5187-5198.

Sebastian S C，Ivan C A，Arrrguin R，et al.Single image degazing using a multilayer perceptron[J].Journal of Electronic Imaging，2018，27（4）：1-11.

Zuiderveld K.Contrast limited adaptive histogram equalization[M]. Graphics gems IV.Academic Press Professional，Inc.1994. 474-485.

He K，Sun J，TangXo.Guided image filtering[J].IEEE Transactions on Pattren Anaalysis and Machine Inteligence，2013，35（6）：1397-1409.

Galdran A.Image dehazing by artificial multiple-exposure image fusion[J].Singnal Processing，2018，149：135-147.

Hautière N，Tarel J P，Aubert D，et al.Blind contrast enhancement assessment by gradient rayioing at visible edges[J].Image Analysis and Stereology，2008，27（2）：87-95.

Image Defogging Improved Algorithm Based on Dark Channel

WU Zi-fana， LUO Wei-pingb

（a.School of Mechanical Engineering and Automation; b. Hubei Key Laboratory of Digital Textile Equipment，

Wuhan Textile University， Wuhan Hubei 430200， China）

Abstract：Aiming at the problem of color deviation after traditional dark channel defogging algorithms process foggy images and the significant difference in defogging effects between sky regions and non sky regions， an improved dark channel based image defogging algorithm is proposed. This algorithm has made corresponding improvements in the calculation of atmospheric light value and transmittance value. Firstly， the dark channel map of the original input image is obtained through the calculation of the concept and principle of dark channel correlation. Through the calculation of the optimal threshold value， the original image is divided into two parts， namely， sky region and non sky region. Then， different methods are used to obtain the estimated atmospheric light value and calculate the transmittance value on two different regions， respectively， Then， the obtained initial defogging image is denoised through guided filtering to obtain a clear defogging image. Experimental results show that this algorithm can more effectively display the true situation of the image， avoid interference from other environmental factors， and has certain advantages.

Keywords：dark channel; image defogging; sky segmentation; guided filtering

（責(zé)任編輯：周莉）

*通訊作者：羅維平（1967-），女，教授，碩士生導(dǎo)師，研究方向：智能控制及嵌入式系統(tǒng)、檢測(cè)與大數(shù)據(jù)技術(shù)及應(yīng)用、智能電網(wǎng)與新能源技術(shù).

基金項(xiàng)目：湖北省數(shù)字化紡織裝備重點(diǎn)實(shí)驗(yàn)室開(kāi)放課題（DTL2022001）.