基于雙邊濾波的RGB通道去霧算法研究

游謙，黎英，李玉成，趙虎，王振

昆明理工大學(xué)信息工程與自動(dòng)化學(xué)院，昆明 650051

基于雙邊濾波的RGB通道去霧算法研究

游謙，黎英，李玉成，趙虎，王振

昆明理工大學(xué)信息工程與自動(dòng)化學(xué)院，昆明 650051

因大氣光的散射和入射光的衰減，大霧天氣下捕獲到的圖像質(zhì)量呈指數(shù)系數(shù)下降。為改善退化圖像的視覺效果，利用暗原色先驗(yàn)信息獲得大氣光；根據(jù)單幅霧天圖像RGB通道強(qiáng)度估計(jì)場(chǎng)景深度圖；同時(shí)在明亮區(qū)域引入一種容差閾值，避免了這部分區(qū)域場(chǎng)景深度的錯(cuò)誤估計(jì)，使用帶邊緣保持的雙邊濾波器對(duì)求得的場(chǎng)景深度圖進(jìn)一步處理；利用大氣散射模型實(shí)現(xiàn)了圖像復(fù)原。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的算法有效提高了霧天退化圖像的視覺效果。

大氣物理模型；RGB通道；暗原色；容差閾值

霧天是一種常見的天氣現(xiàn)象，但在霧天的戶外情況，會(huì)干擾到視覺認(rèn)知能力，嚴(yán)重影響到交通運(yùn)輸系統(tǒng)以及室外視頻工作系統(tǒng)的可靠性[1]，給監(jiān)測(cè)者對(duì)圖像內(nèi)信息的理解造成一定困難，因此對(duì)霧天圖像的去霧化處理具有非常重要的意義。

霧天圖像的質(zhì)量隨著場(chǎng)景深度的增加成指數(shù)系數(shù)下降。因此計(jì)算場(chǎng)景深度的準(zhǔn)確成為基于大氣散射模型恢復(fù)高質(zhì)量霧天圖像的重要步驟。早期傳統(tǒng)的計(jì)算方法是運(yùn)用直方圖均衡化[2-3]技術(shù)，在一定范圍內(nèi)動(dòng)態(tài)地拉伸灰度值的取值，從而達(dá)到增強(qiáng)圖像對(duì)比度的目的，但因?yàn)橹狈綀D均衡化是利用同一場(chǎng)景深度下的計(jì)算，不同頻率灰度值的拉伸可能會(huì)被丟失掉局部細(xì)節(jié)或灰度級(jí)動(dòng)態(tài)范圍變得越窄。另一類圖像增強(qiáng)算法則是以色彩恒常性為基礎(chǔ)的Retinex算法[4-5]，根據(jù)不同的過濾器對(duì)霧天圖像入射量進(jìn)行估計(jì)，由于過濾器的不同設(shè)計(jì)，不能成功估計(jì)出實(shí)際的場(chǎng)景深度，這將導(dǎo)致不同景深的細(xì)節(jié)信息丟失以及色彩失真。對(duì)于圖像對(duì)比度要求較高的場(chǎng)合采用的偏微分方程的去霧方法[6]，但對(duì)于場(chǎng)景深度跨度較大和局部區(qū)域的恢復(fù)，不能很好地滿足要求。文獻(xiàn)[7]提出了利用先驗(yàn)信息來獲取場(chǎng)景深度，使用暗原色先驗(yàn)理論估計(jì)場(chǎng)景深度，但在不符合暗原色假設(shè)的區(qū)域內(nèi)，通透率估計(jì)過小會(huì)影響去霧效果，且優(yōu)化通透率計(jì)算過于復(fù)雜。還有一類是基于圖像深度關(guān)系，利用兩種天氣下的兩幅灰度圖片通過迭代的方法計(jì)算出大氣光和場(chǎng)景深度信息[8]，對(duì)圖像的采集要求嚴(yán)格，同時(shí)時(shí)間復(fù)雜度提高。文獻(xiàn)[9]利用二值散射原理估算出RGB圖像場(chǎng)景深度，得到了較好的效果。

針對(duì)上述場(chǎng)景深度的問題，本文對(duì)文獻(xiàn)[10]提出的單幅圖像RGB通道求場(chǎng)景深度的算法加以改進(jìn)和優(yōu)化，使用暗原色先驗(yàn)信息求出大氣光，再根據(jù)大氣散射模型進(jìn)行霧天圖像恢復(fù)，提高了場(chǎng)景深度估算的可靠性，獲得了清晰的實(shí)驗(yàn)結(jié)果。

1 基于大氣散射物理模型

因?yàn)榇髿饬Ｗ由⑸涞淖饔渺F天條件下圖像質(zhì)量的衰減，一方面是入射光在到達(dá)目標(biāo)景物的過程中能量發(fā)生了衰減，另一方面周圍的環(huán)境光進(jìn)入了觀察者的視場(chǎng)。Narasimhan等人稱這兩方面為“入射光衰減模型”和“大氣光成像模型”?；谶@兩種因素，把傳感器收到霧天圖像I(x)表達(dá)式描述為[11]：

表達(dá)式中x是圖像空間中的位置，IJ(x)為理想狀態(tài)下輻射強(qiáng)度值；IJ(x)e-βd(x)是入射光衰減后的幅值；IA是大氣光輻射強(qiáng)度值；IA[1-e-βd(x)]為大氣散射光強(qiáng)度；其中衰減系數(shù)為e-βd(x)，β為大氣散射系數(shù)，數(shù)值越大時(shí)則霧的濃度越大，反之亦然，假設(shè)在幾千米范圍內(nèi)認(rèn)為霧是同性的，則β基本相同。d(x)是景物到觀測(cè)者的距離即場(chǎng)景深度。根據(jù)彩色圖像中I(x)，IJ(x)，IA包含了RGB數(shù)值，本文提出了一種利用雙邊濾波器針對(duì)RGB通道估計(jì)場(chǎng)景深度的改進(jìn)算法。

在實(shí)際圖像中的景物并不在同一個(gè)場(chǎng)景深度，依賴觀測(cè)者和實(shí)際景物的遠(yuǎn)近使場(chǎng)景深度呈現(xiàn)不同的數(shù)值變化。一般情況下，隨著場(chǎng)景深度的增加霧天對(duì)圖像質(zhì)量愈發(fā)降低，因此要實(shí)現(xiàn)去霧圖像的處理就必須計(jì)算出圖像中各點(diǎn)的場(chǎng)景深度。而傳統(tǒng)的圖像增強(qiáng)方法[2-3]并沒有把場(chǎng)景深度信息考慮在內(nèi)，僅假設(shè)深度信息是一個(gè)恒定的值進(jìn)行圖像增強(qiáng)，所以并不能很好地復(fù)原出原始的圖像。

為了確定場(chǎng)景深度以及和RGB通道的關(guān)系，文獻(xiàn)[10]提出了一種利用RGB通道估計(jì)場(chǎng)景深度的方法，其中R，G，B分別表示每個(gè)RGB強(qiáng)度通道，x是圖像的空間位置。使用M(x)可以估計(jì)出圖像各空間位置場(chǎng)景的深度。隨著圖像中場(chǎng)景深度增加，M(x)會(huì)隨之相應(yīng)減小。這種基于RGB估算場(chǎng)景深度的方法簡(jiǎn)單易行，相比文獻(xiàn)[7]，需要時(shí)間更少。

2 改進(jìn)算法

通過大量實(shí)驗(yàn)發(fā)現(xiàn)基于RGB通道估計(jì)場(chǎng)景深度算法中是通過圖像中每個(gè)像素點(diǎn)的RGB強(qiáng)度值逐個(gè)估計(jì)場(chǎng)景深度，當(dāng)霧天圖像中個(gè)別像素點(diǎn)偏離原始色彩會(huì)使通過原算法求到的場(chǎng)景深度圖產(chǎn)生椒鹽噪聲。同時(shí)戶外霧天圖像中場(chǎng)景深度變化是以不同景物離觀測(cè)者距離而確定的，當(dāng)圖像中出現(xiàn)大面積明亮區(qū)域比如天空區(qū)域，直接對(duì)圖像計(jì)算場(chǎng)景深度，會(huì)因RGB強(qiáng)度值差異不明顯，錯(cuò)誤地把同一場(chǎng)景估算成不同的場(chǎng)景深度值，因此需要對(duì)該算法進(jìn)行改進(jìn)。

通過觀察發(fā)現(xiàn)，RGB通道的強(qiáng)度依賴于霧的密度大小，隨著霧的濃度增加會(huì)增強(qiáng)RGB各通道的強(qiáng)度，使各通道趨近于255，同時(shí)會(huì)減少RGB各值的差異，特別是在明亮局域中ΔRG≈ΔGB≈ΔBR，如圖1與圖2所示，原始圖像和有霧時(shí)顏色的對(duì)比，RGB通道值因霧天濃度的不同，同樣的顏色有不同的強(qiáng)度值，在RGB通道中R、G、B的值趨近于相等。

圖1 無霧情況下每種顏色的RGB強(qiáng)度值

圖2 有霧情況下每種顏色的RGB強(qiáng)度值

ΔRG，ΔGB，ΔBR之間幾個(gè)強(qiáng)度值的差異直接利用式（1）估算會(huì)得出不同場(chǎng)景深度，從而影響去霧效果。為了避免此現(xiàn)象，本文對(duì)式（2）進(jìn)行修改，增加一個(gè)容差閾值D。設(shè)Id=|IJ-IA|根據(jù)大氣光IA趨近于255，當(dāng)RGB通道所有的強(qiáng)度值均超過IA大氣光時(shí)，即Id＜D，則被認(rèn)為是天空區(qū)域，重新計(jì)算場(chǎng)景深度使之為無窮遠(yuǎn)處。當(dāng)Id＞D時(shí)，則保持原來場(chǎng)景深度計(jì)算不變：

Tomasi等[12]在圖像濾波領(lǐng)域提出了雙邊濾波思想，該濾波器具有非線性、非迭代、局部等特點(diǎn)。考慮到中心點(diǎn)與相鄰像素點(diǎn)之間相似度程度以及歐拉距離，用均值代替相鄰的且強(qiáng)度值相當(dāng)?shù)母飨袼攸c(diǎn)。借助這個(gè)思想，將場(chǎng)景深度估計(jì)和雙邊濾波器結(jié)合起來的方法求場(chǎng)景深度，可以減少個(gè)別像素點(diǎn)因色彩失真而造成的錯(cuò)誤估計(jì)，減少椒鹽噪聲。同時(shí)雙邊濾波在一定程度上保護(hù)了景物在邊緣處的細(xì)節(jié)。雙邊濾波器定義為：

其中Ω為場(chǎng)景深度圖分塊區(qū)域，Ip，Is表示為場(chǎng)景深度圖I中P點(diǎn)和S點(diǎn)的幅值。f和g為高斯函數(shù)。

為標(biāo)準(zhǔn)化系數(shù)。選擇雙邊濾波器不同尺寸要考慮霧天圖像大小(m，n)，子塊越大，處理后的場(chǎng)景圖就越平滑，子塊越小則有可能對(duì)噪聲消除不夠。本文選取行和列最大值的3%即block=max(m，n)*3%。自適應(yīng)地給圖像分塊，避免了用單一形式對(duì)大小不同圖像造成影響。如圖3為改進(jìn)算法后的估算場(chǎng)景深度圖對(duì)比。

圖3 場(chǎng)景深度對(duì)比圖

以往在單一圖像中對(duì)大氣光的估計(jì)，是以圖像中最大強(qiáng)度值作為大氣光，但這種估算方法是不精確的。He等人首先提出了暗原色先驗(yàn)[7]理論，在RGB三個(gè)顏色通道求得霧天圖像的暗原色，即每個(gè)像素點(diǎn)中最小的一個(gè)顏色通道的強(qiáng)度值Jdark，Jdark為暗原色，Jc為RGB三個(gè)通道的其中一個(gè)，Ωx則是以X為中心的局部方塊。

因?yàn)樵谔鞖馇闆r較好時(shí)，圖像的暗原色通道幾乎為黑色。當(dāng)霧的濃度越大時(shí)，暗原色圖像顯示出越亮。因此通過求到的暗原色圖像對(duì)圖像的大氣光IA(x)進(jìn)行估算，將暗原色圖中亮度值較大的區(qū)域看做為霧的部分，取暗原色圖中強(qiáng)度值最大的2‰像素做為霧天大氣光值IA(x)。

針對(duì)文獻(xiàn)[10]算法的不足，本文提出了一種基于雙邊濾波器通過RGB通道計(jì)算霧天圖像場(chǎng)景深度的改進(jìn)算法，具體步驟如下：

（1）對(duì)采集到的霧天原始圖像利用暗原色先驗(yàn)理論，求霧天大氣光IA(x)。

（2）利用改進(jìn)后的RGB通道求場(chǎng)景深度的算法式（3）求出各個(gè)像素點(diǎn)粗略的場(chǎng)景深度圖。

（3）進(jìn)行歸一化，并以當(dāng)前像素點(diǎn)為中心按block* block進(jìn)行局域分塊，塊內(nèi)局部的均值和標(biāo)準(zhǔn)差。

（4）根據(jù)局部的均值和標(biāo)準(zhǔn)差利用雙邊濾波器重新估算出場(chǎng)景深度各塊內(nèi)場(chǎng)景深度值。

（5）利用大氣散射模型還原后的霧天圖像，亮度值較低，因此需要對(duì)圖像進(jìn)行亮度調(diào)整，以提高圖像的可視性。本文采用雙曲正切函數(shù)對(duì)圖像進(jìn)行亮度調(diào)整[13]，通過把圖像RGB轉(zhuǎn)換至HSV，對(duì)V分量進(jìn)行雙曲正切函數(shù)處理，以增加還原圖像后的對(duì)比度，再進(jìn)行局部非線性增強(qiáng)突出細(xì)節(jié)處，最后對(duì)S分量進(jìn)行先行拉伸完成顏色分量的增強(qiáng)。

3 實(shí)驗(yàn)結(jié)果

為驗(yàn)證改進(jìn)算法的有效性和實(shí)時(shí)性，本文在一臺(tái)處理器為Pentium 1.8 GHz，操作系統(tǒng)為Windows XP SP3的電腦上采用Matlab 7.0對(duì)霧天圖形進(jìn)行了去霧實(shí)驗(yàn)。圖4，圖5是應(yīng)用本文算法以及其他算法得到的去霧結(jié)果。處理后的結(jié)果，圖像的對(duì)比度和質(zhì)量都得到了相應(yīng)提升。由圖（c）所見，在天空區(qū)域發(fā)生了明顯的色暈現(xiàn)象，這是因?yàn)镸SR算法在高亮度區(qū)敏感度較小，造成錯(cuò)誤的顏色效果。圖（d）在景物邊緣處有較明顯的塊狀效應(yīng)，這是因?yàn)榘翟謮K時(shí)，景物邊緣的暗原色被近似掉。本文提出的算法使得恢復(fù)后的圖像比較自然，更加真實(shí)地逼近于原始圖像，有效去除霧天對(duì)圖像質(zhì)量的影響。

圖4 薄霧下去霧對(duì)比圖

圖5 濃霧下去霧對(duì)比圖

4 結(jié)束語(yǔ)

本文針對(duì)霧天情況下，采集到的圖像造成不同程度的退化現(xiàn)象，提出了一種基于單幅圖像的RGB通道的物理復(fù)原方法，該方法對(duì)文獻(xiàn)[10]進(jìn)行了改進(jìn)，有效克服了因單個(gè)像素點(diǎn)的顏色失真而導(dǎo)致場(chǎng)景深度圖的噪聲影響，同時(shí)避免了天空區(qū)域場(chǎng)景深度圖的錯(cuò)誤估計(jì)。經(jīng)實(shí)驗(yàn)證明有效提高了霧天圖像質(zhì)量，獲得了較滿意的效果。但是，本文的算法也存在基于RGB通道求解場(chǎng)景深度圖固有的缺點(diǎn)，對(duì)于景物顏色差異不大，比如濃霧下，景物的顏色已經(jīng)趨近于白色時(shí)，會(huì)造成錯(cuò)誤的估計(jì)。下一步工作將會(huì)完善該方法，從而達(dá)到更好的去霧效果。

[1]祝培，朱虹，錢學(xué)明，等.一種有霧天氣圖像景物影像的清晰化方法[J].中國(guó)圖象圖形學(xué)報(bào)，2004，9（1）：124-128.

[2]Wang Qing，Ward R K.Fast image/video contrast enhancement based on weighted thresholded histogram equalization[J].IEEE Transactions on Consumer Electronics，2007，53（2）：757-764.

[3]王萍，張春，羅穎昕.一種霧天圖像低對(duì)比度增強(qiáng)的快速算法[J].計(jì)算機(jī)應(yīng)用，2006，26（1）：152-154.

[4]Jobson D J.Properties and performance of a center/surround retinex[J].IEEE Transactions on Image Processing，1997，6（3）：451-462.

[5]楊萬挺，汪榮貴，方帥，等.濾波器可變的Retinex霧天圖像增強(qiáng)算法[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2010，22（6）：965-971.

[6]孫玉寶，肖亮，韋志輝，等.基于偏微分方程的戶外圖像去霧方法[J].系統(tǒng)仿真學(xué)報(bào)，2007，19（16）：3739-3744.

[7]He Kaiming，Sun Jian，Tang Xiaoou.Single image haze removal using dark channel prior[C]//IEEE Conference Computer Vision and Pattern Recognition，Tokyo，Japan，2009：1956-1963.

[8]Narasimhan S G.Contrast restoration of weather degraded images[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2003，25（6）：713-724.

[9]Narasimhan S G，Nayar S K.Vision and the atmosphere[J]. International Journal of Computer Vision，2002，48（3）：233-254.

[10]Dubok P，Hanseok K.Fog-degraded image restoration using characteristics of RGB channel in single monocular image[C]//IEEE International Conference on Consumer Electronics（ICCE），Las Vegas，USA，2012：139-140.

[11]Nayar S K，Narasimhan S G.Vision in bad weather[C]// The Proceedings of the Seventh IEEE International Conference，Kerkyra，1999：820-827.

[12]Tomasi C，Manduchi R.Bilateral filtering for gray and color images[C]//Proceeding of the IEEE International Conference on Computer Vision，Bombay，1998：839-846.

[13]黃黎紅.一種基于單尺度Retinex的霧天降質(zhì)圖像增強(qiáng)新算法[J].應(yīng)用光學(xué)，2010，31（5）：728-733.

YOU Qian,LI Ying,LI Yucheng,ZHAO Hu,WANG Zhen

Faculty of Information Engineering and Automation,Kunming University of Science&Technology,Kunming 650051,China

Due to scattering of atmospheric light and attenuation of incident light,the quality of images captured under foggy conditions will be reduced exponentially to the scene depth.In order to improve the visual effect of the degraded image,this paper makes use of the dark channel to estimate the air light.According to the strength of RGB channel,then, the scene depth map is estimated from a single fog image.Moreover,this paper introduces a tolerance threshold in the bright region to avoid the error estimates of the scene depth.A bilateral filter with edge-preserving is utilized to further process the scene depth map.A clear image can be recovered based on the atmospheric scattering model.Experiment results show that the proposed improved algorithm can enhance the visibility of fog-degraded images effectively.

atmospheric scattering model;RGB channel;dark channel;tolerance threshold

A

TP751.1

10.3778/j.issn.1002-8331.1204-0414

YOU Qian,LI Ying,LI Yucheng,et al.Research on fog-degraded image restoration based on bilateral filter of RGB channel.Computer Engineering and Applications,2014,50（6）：157-160.

游謙（1985—），男，碩士研究生，主要研究方向?yàn)閳D像處理、模式識(shí)別、嵌入式開發(fā)；黎英（1963—），男，博士，教授，主要研究方向?yàn)槟Ｊ阶R(shí)別、嵌入式開發(fā)。E-mail：youqian43@163.com

2012-04-23

2012-06-18

1002-8331（2014）06-0157-04

CNKI網(wǎng)絡(luò)優(yōu)先出版：2012-08-01，http://www.cnki.net/kcms/detail/11.2127.TP.20120801.1652.009.html