陳珂，柯文德，許波，張良均

（1．廣東石油化工學(xué)院計(jì)算機(jī)科學(xué)與技術(shù)系，廣東茂名525000；2．廣州太普信息技術(shù)有限公司，廣東廣州510663）

改進(jìn)的彩色圖像去霧效果評(píng)價(jià)方法

陳珂1，柯文德1，許波1，張良均2

（1．廣東石油化工學(xué)院計(jì)算機(jī)科學(xué)與技術(shù)系，廣東茂名525000；2．廣州太普信息技術(shù)有限公司，廣東廣州510663）

針對(duì)當(dāng)前對(duì)圖像去霧效果評(píng)價(jià)的不足，提出了一種改進(jìn)的評(píng)價(jià)彩色圖像去霧效果的方法。該方法同時(shí)考慮了對(duì)圖像邊緣的評(píng)價(jià)以及對(duì)顏色失真的評(píng)價(jià)，基于圖像霧化的大氣散射模型，通過(guò)將原始圖像轉(zhuǎn)換到相對(duì)色彩空間，提出了度量顏色失真的標(biāo)準(zhǔn)；結(jié)合對(duì)比度增強(qiáng)的評(píng)價(jià)方式，提出了一個(gè)統(tǒng)一的評(píng)價(jià)指標(biāo)，從而實(shí)現(xiàn)很好地給出一個(gè)符合人眼視覺(jué)判斷的客觀評(píng)價(jià)結(jié)果。實(shí)驗(yàn)中基于多種去霧算法的去霧結(jié)果，對(duì)基于可見(jiàn)邊比的評(píng)估方法、CNC評(píng)價(jià)指標(biāo)和本文提出的評(píng)價(jià)指標(biāo)進(jìn)行了對(duì)比，結(jié)果表明本文改進(jìn)的評(píng)價(jià)標(biāo)準(zhǔn)能更好地體現(xiàn)去霧的質(zhì)量，獲得與視覺(jué)判定更加接近的結(jié)論。

圖像去霧；去霧效果評(píng)價(jià)；大氣散射模型；相對(duì)色彩空間；可見(jiàn)邊對(duì)比度

在霧天情況下，由于空氣中大量懸浮粒子的散射作用，使得周圍場(chǎng)景的能見(jiàn)度很低，給戶外交通運(yùn)行以及安全監(jiān)控顯示設(shè)備等帶來(lái)了很大的影響，因此近年來(lái)國(guó)內(nèi)外學(xué)者對(duì)圖像去霧展開(kāi)了深入的研究，提出了很多的去霧方法，也取得了一定的去霧效果，但在該領(lǐng)域比較欠缺的是對(duì)去霧效果的評(píng)價(jià)。目前在評(píng)價(jià)去霧效果的研究中，比較著名的是Hautière提出的基于可見(jiàn)邊對(duì)比度的評(píng)價(jià)方法［1］，該方法主要評(píng)估在去霧前后每個(gè)圖像細(xì)節(jié)對(duì)比度增強(qiáng)的情況，具體用3個(gè)指標(biāo)（新增可見(jiàn)邊比、可見(jiàn)邊的規(guī)范化梯度均值和飽和黑色或白色像素點(diǎn)的百分比）來(lái)衡量圖像對(duì)比度的變化。該方法得到了廣泛應(yīng)用，能很好地體現(xiàn)去霧前后圖像細(xì)節(jié)邊緣的清晰化程度，但也存在明顯的問(wèn)題，即無(wú)法對(duì)由過(guò)增強(qiáng)等引起的顏色失真進(jìn)行評(píng)估。進(jìn)一步，國(guó)內(nèi)有研究者綜合了對(duì)顏色失真的評(píng)估，提出了色調(diào)極坐標(biāo)直方圖、直方圖相似度和色彩還原系數(shù)等指標(biāo)來(lái)評(píng)估去霧后圖像的顏色質(zhì)量［2－4］，但這些指標(biāo)有的只部分反映了色彩的還原能力或者自然度等特性，且存在計(jì)算復(fù)雜的問(wèn)題。沒(méi)有很好的對(duì)比和評(píng)價(jià)標(biāo)準(zhǔn)，會(huì)影響在實(shí)際應(yīng)用中對(duì)去霧算法的選擇，也不能給去霧算法的研究提供一個(gè)良好的前進(jìn)方向，因此提出合理的去霧評(píng)價(jià)標(biāo)準(zhǔn)具有重要的研究意義和價(jià)值。但是提出客觀實(shí)用的去霧效果評(píng)價(jià)標(biāo)準(zhǔn)又存在著很大的難度，一方面因?yàn)橛脕?lái)參考的無(wú)霧時(shí)的清晰圖像難以獲得，無(wú)法實(shí)現(xiàn)直接客觀的對(duì)比；另一方面是基于一些常規(guī)的對(duì)圖像質(zhì)量進(jìn)行評(píng)價(jià)的指標(biāo)，它們得到的評(píng)估結(jié)果與人眼直觀感受的結(jié)果會(huì)出現(xiàn)不一致的情況，不能很好地體現(xiàn)出去霧效果的好壞。因此，目前已提出的對(duì)圖像去霧效果進(jìn)行評(píng)價(jià)的準(zhǔn)則較少?？紤]到評(píng)價(jià)去霧效果的重要性，以及已有評(píng)價(jià)準(zhǔn)則所存在的問(wèn)題，本文提出了一個(gè)改進(jìn)的評(píng)價(jià)方式，對(duì)圖像霧化原因進(jìn)行分析，并基于霧天成像的大氣散射模型，提出評(píng)價(jià)顏色失真的方法；結(jié)合對(duì)顏色失真的評(píng)估和對(duì)邊緣對(duì)比度的評(píng)估，提出一個(gè)綜合的評(píng)價(jià)準(zhǔn)則，以獲得對(duì)去霧后清晰化圖像比較客觀的評(píng)價(jià)。

1 已有評(píng)價(jià)標(biāo)準(zhǔn)的介紹

目前對(duì)于去霧效果的評(píng)價(jià)主要從2方面進(jìn)行考慮，一是去霧前后圖像細(xì)節(jié)邊緣的變化，另一個(gè)是去霧后圖像顏色發(fā)生的變化。對(duì)這2方面的評(píng)估目前都有相應(yīng)的準(zhǔn)則，其中比較引人關(guān)注的是用于評(píng)估對(duì)比度增強(qiáng)的基于可見(jiàn)邊對(duì)比度的方法［1］和用于評(píng)估顏色失真程度的直方圖相似度、色彩豐富度等指標(biāo)［3，5］。以下詳細(xì)介紹這2類評(píng)價(jià)方法。

1．1 基于可見(jiàn)邊對(duì)比度的評(píng)價(jià)方法

基于可見(jiàn)邊對(duì)比度的評(píng)價(jià)方法重點(diǎn)評(píng)估在去霧前后圖像細(xì)節(jié)的對(duì)比度增強(qiáng)［1］。在霧、霾天氣時(shí)，由于大氣中懸浮粒子的散射作用，使得場(chǎng)景的對(duì)比度很低，而經(jīng)過(guò)一定的去霧算法對(duì)圖像進(jìn)行清晰化處理后，場(chǎng)景中的細(xì)節(jié)就會(huì)清晰起來(lái)，邊緣的對(duì)比度也相應(yīng)提高，因此評(píng)估去霧前后圖像細(xì)節(jié)邊緣的對(duì)比度變化能很好地體現(xiàn)出相應(yīng)去霧算法的性能。

文獻(xiàn)［1］中詳細(xì)介紹了可視度水平（visibility level，VL）的概念，并基于Adrian提出的經(jīng)驗(yàn)?zāi)繕?biāo)可視模型來(lái)估測(cè)亮度的差異閾值［6］，根據(jù)這些概念提出了基于可見(jiàn)邊對(duì)比度來(lái)度量能見(jiàn)度水平的指標(biāo)。具體地，文獻(xiàn)［1］中提出了3個(gè)評(píng)價(jià)參量來(lái)衡量去霧前后圖像可見(jiàn)邊對(duì)比度的變化，分別為新增的可見(jiàn)邊之比（e）、可見(jiàn)邊的規(guī)范化梯度均值和飽和黑色或白色像素點(diǎn)的百分比（σ）。

新增的可見(jiàn)邊之比可表示為

式中：no為原圖像中可見(jiàn)邊的數(shù)目，nr為去霧后的圖像中可見(jiàn)邊的數(shù)目。如果去霧效果好，去霧后的圖像變得清晰，會(huì)有更多的邊緣可見(jiàn)，則很好地體現(xiàn)了圖像細(xì)節(jié)對(duì)比度增強(qiáng)的效果。

可見(jiàn)邊的規(guī)范化梯度均值可表示為

式中：r表示可見(jiàn)邊的相關(guān)系數(shù)，VLr和VLo分別代表去霧圖像和原圖像中目標(biāo)的能見(jiàn)度水平，ΔIr和ΔIo表示去霧圖像和原圖像中可見(jiàn)邊上像素點(diǎn)的梯度值，φr為去霧圖像中所有可見(jiàn)邊的集合，Pi為在可見(jiàn)邊上的像素點(diǎn)。通過(guò)加權(quán)所有位于可見(jiàn)邊上的像素點(diǎn)的Sobel梯度比值，獲得對(duì)可見(jiàn)邊對(duì)比度所增加強(qiáng)度的衡量。

對(duì)于飽和黑色或白色像素點(diǎn)的百分比σ，可表示為

式中：ns為去霧后的圖像中飽和的白色或黑色像素點(diǎn)的數(shù)目，dimx和dimy分別表示圖像的寬和高。σ體現(xiàn)了去霧后圖像中飽和像素點(diǎn)所占的比例，即圖像過(guò)增強(qiáng)的強(qiáng)度。

這3個(gè)指標(biāo)一定程度上能反映出去霧后圖像邊緣對(duì)比度的變化，并取得了廣泛的應(yīng)用。但此方法存在2個(gè)方面的問(wèn)題，一是用3個(gè)指標(biāo)來(lái)度量去霧后圖像的效果，理論上說(shuō)，當(dāng)e和越大而σ越小時(shí)，對(duì)應(yīng)算法的去霧效果越好，但實(shí)際中有時(shí)它們不能達(dá)到統(tǒng)一，出現(xiàn)度量不一致的現(xiàn)象；另一方面，當(dāng)去霧圖像出現(xiàn)過(guò)增強(qiáng)時(shí)，圖像邊緣處的對(duì)比度能得到很大的增強(qiáng)，但往往同時(shí)也會(huì)出現(xiàn)顏色失真，從而極大地影響可視性，而基于可見(jiàn)邊比的方法并不能反映這一現(xiàn)象，因?yàn)槠湓u(píng)價(jià)參量都沒(méi)有考慮對(duì)顏色失真的度量。因此，基于該方式的評(píng)價(jià)準(zhǔn)則還需要進(jìn)一步完善。

1．2 結(jié)合顏色失真的評(píng)估方法

霧天拍攝的圖像看起來(lái)像是蒙上了一層白紗，飽和度低，存在色調(diào)的偏移。圖像在進(jìn)行去霧處理后，色彩強(qiáng)度得到了增強(qiáng)，但也經(jīng)常會(huì)伴有部分區(qū)域的顏色失真，因此考慮對(duì)去霧前后顏色變化的度量，具有很大的必要性。已有學(xué)者對(duì)其進(jìn)行了研究，并提出了一些結(jié)合顏色失真的評(píng)估方法［3，5］。

文獻(xiàn)［3］提出基于直方圖相似度來(lái)衡量去霧圖像的色彩還原能力，該方法認(rèn)為輸入圖像和去霧后圖像直方圖的形狀大體上是一致的，因此通過(guò)定量計(jì)算去霧前后2個(gè)直方圖分布的相似系數(shù)，可以合理的度量去霧后圖像的色調(diào)還原程度。該方法重在評(píng)估去霧后圖像的自然真實(shí)度，而對(duì)色調(diào)的豐富度衡量不足。文獻(xiàn)［5］提出了綜合圖像對(duì)比度、色彩自然度和豐富度3個(gè)指標(biāo)的CNC評(píng)價(jià)體系，通過(guò)無(wú)參考的方式獲得對(duì)去霧后圖像的全面評(píng)價(jià)，該方法雖然獲得了與人眼視覺(jué)感受相接近的評(píng)價(jià)結(jié)果，但其評(píng)價(jià)過(guò)程計(jì)算復(fù)雜，尤其評(píng)價(jià)函數(shù)中重要參數(shù)的選取，對(duì)于某些具體場(chǎng)景的評(píng)估不一定適用。

本文通過(guò)分析探索去霧前后圖像在色彩等屬性方面的共性，從新的角度提出對(duì)顏色失真度的評(píng)估，獲得簡(jiǎn)單有效的評(píng)價(jià)準(zhǔn)則。

2 結(jié)合相對(duì)色彩空間的去霧效果評(píng)價(jià)方法

在霧、霾天氣情況下，由于大氣中懸浮的大量粒子的散射作用，攝像頭采集到的圖像飽和度、對(duì)比度較低，并且存在著一定的色調(diào)偏移。Narasimhan和Nayar基于對(duì)McCartney的衰減模型［7］和大氣光模型的研究，提出了霧天成像的大氣散射模型［8?9］，具體表示為

式中：I（x）表示采集裝置觀測(cè)到的有霧圖像，J（x）為對(duì)應(yīng)的理想天氣時(shí)的清晰圖像，A表示周圍的環(huán)境光，又稱大氣光值，t（x）為場(chǎng)景的透射率，β為大氣粒子的散射系數(shù)，d（x）表示場(chǎng)景的景深。從該模型可以看出，在霧天采集到的圖像由2部分組成，一部分是物體表面的反射光經(jīng)直接衰減后進(jìn)入到成像傳感器的光強(qiáng)，又稱為直接衰減項(xiàng)；另一部分是周圍的環(huán)境光經(jīng)大氣粒子散射后進(jìn)入到采集裝置的光強(qiáng)，又稱為大氣光成分?；谠撿F天成像的物理模型可以分析得到，對(duì)于圖像中的每個(gè)像素點(diǎn)，加載到其3個(gè)通道中由大氣光成分帶來(lái)的顏色值偏移量是相同的，且該點(diǎn)每個(gè)通道中反射光直接衰減的系數(shù)也是相同的，對(duì)應(yīng)的用矩陣形式來(lái)表示圖像中每個(gè)點(diǎn)在去霧前后像素值的變化關(guān)系為

式中：IR、IG、IB為有霧圖像中某一點(diǎn)的R／G／B通道值，JR、JG、JB則為對(duì)應(yīng)的無(wú)霧圖像中3通道的像素值，c1為大氣光帶來(lái)的偏移值。從對(duì)應(yīng)關(guān)系可以看出，對(duì)于每個(gè)像素點(diǎn)，可通過(guò)一定的圖像變換去除在每個(gè)顏色通道中由相同的乘性因子和加性因子帶來(lái)的變化值，即可以在圖像的某個(gè)變換空間中找到圖像在去霧前后存在的不變參量。

在圖像的變換空間相對(duì)空間中，通過(guò)進(jìn)一步處理可以獲得圖像變化前后不變的量。首先對(duì)于圖像的變換空間相對(duì)空間與RGB空間的變換關(guān)系為

該變換空間中的O1和O22個(gè)對(duì)立色通道能有效去除添加在每個(gè)顏色通道上由大氣成分帶來(lái)的偏移量；進(jìn)一步，通過(guò)分析O2／O1，可以獲得去除乘性因子的量，具體過(guò)程可表示為

式中：H對(duì)應(yīng)圖像的色調(diào)（hue），用角度來(lái)表征，取值范圍為－1．57～1．57。

基于上述霧天成像的大氣散射模型，以及對(duì)圖像相對(duì)色彩空間的分析，可以得出，在理想情況下，有霧圖像與其對(duì)應(yīng)的無(wú)霧圖像之間存在著屬性不變的參量H，因此，可通過(guò)計(jì)算該不變量的變化程度來(lái)衡量去霧后的效果。具體地，對(duì)于依據(jù)霧天圖像的物理模型進(jìn)行理想去霧后的圖像，與相應(yīng)的有霧圖像的H會(huì)非常接近；而對(duì)于實(shí)際中的去霧算法，去霧后的圖像很難達(dá)到預(yù)期的效果，其對(duì)應(yīng)的H會(huì)在某些區(qū)域出現(xiàn)偏差。因此，通過(guò)計(jì)算去霧前后H的絕對(duì)差，并將所有區(qū)域的絕對(duì)差進(jìn)行累加獲得總的偏色值Hs，以此獲得衡量不同去霧算法顏色性能的指標(biāo)。

為了最大程度地體現(xiàn)出圖像中顏色發(fā)生的變化，對(duì)相對(duì)色彩空間進(jìn)行了擴(kuò)展，除O1和O2對(duì)立色通道外，又增加了2組對(duì)立色通道O1′和O2′，O1″和O2″，表示如下：

參照式（10）和（11）的方式，計(jì)算在這2組對(duì)立色通道下去霧前后圖像的H的絕對(duì)差。最后，將這3組對(duì)立色通道下獲得的H的絕對(duì)差進(jìn)行取最大值操作，并進(jìn)行區(qū)域求和以獲得能更好表征圖像顏色失真的偏色值Hs。

為了更好地評(píng)價(jià)去霧后圖像的清晰化效果，還需要考慮圖像細(xì)節(jié)的變化，對(duì)圖像的邊緣及對(duì)比度進(jìn)行評(píng)估。因此，將可見(jiàn)邊對(duì)比度方法進(jìn)行改進(jìn)，并融合評(píng)價(jià)顏色失真的統(tǒng)計(jì)值Hs，本文提出一個(gè)統(tǒng)一的對(duì)去霧效果進(jìn)行評(píng)價(jià)的指標(biāo)，具體形式為

式中：C為本文提出的改進(jìn)的綜合評(píng)價(jià)指標(biāo)，e′為改進(jìn)的去霧前后圖像的可見(jiàn)邊數(shù)目比，對(duì)比式（1）的e，該值不會(huì)為負(fù)；r對(duì)應(yīng)于平均的可見(jiàn)邊梯度比值，表征圖像的可見(jiàn)邊對(duì)比度增加的強(qiáng)度；re為可見(jiàn)邊梯度比大于5的可見(jiàn)邊集合的平均梯度比值，添加該項(xiàng)作為懲罰量，能更加有效地削弱一些過(guò)增強(qiáng)邊緣對(duì)評(píng)估結(jié)果的影響。此外，為了使所有參數(shù)能很好的結(jié)合，達(dá)到比較接近的取值范圍及作用權(quán)重，本文用Hs代替Hs作為懲罰項(xiàng)。

通過(guò)上述方式，本文提出的改進(jìn)的評(píng)價(jià)標(biāo)準(zhǔn)能有效地結(jié)合對(duì)顏色失真的度量和對(duì)邊緣對(duì)比度增強(qiáng)的評(píng)估，并提出了對(duì)圖像去霧效果進(jìn)行客觀評(píng)價(jià)的一個(gè)綜合性的指標(biāo)。

3 實(shí)驗(yàn)分析與對(duì)比

基于幾種比較常用的單幅圖像去霧算法（如Tan方法［10］、Tarel方法［11］、He方法［12］、Fattal方法［13］、Kopf方法［14］等）對(duì)輸入的霧天圖像進(jìn)行去霧處理，獲得對(duì)應(yīng)原圖的多幅去霧后的清晰化圖像，如圖1所示。

圖1 不同算法對(duì)霧天圖像的去霧效果對(duì)比Fig．1 Image defogging results based on different algorithms

分別對(duì)原圖和去霧后的圖像基于相對(duì)色彩空間的3組對(duì)立色通道計(jì)算它們的H參量。在具體的計(jì)算中，由于是對(duì)每個(gè)像素點(diǎn)進(jìn)行處理和對(duì)比，一些噪聲點(diǎn)會(huì)帶來(lái)干擾，因此在計(jì)算之前對(duì)所有圖像進(jìn)行預(yù)處理，用高斯函數(shù)對(duì)圖像進(jìn)行小窗口的平滑。

對(duì)于每一對(duì)原圖和去霧后的圖，基于以上3組H參量在對(duì)應(yīng)位置作差，并對(duì)比獲得每個(gè)位置上最大的H絕對(duì)差值。計(jì)算所有區(qū)域的H絕對(duì)差值的總和，獲得評(píng)估顏色失真的參量Hs。需注意的是，圖像中還有些灰白區(qū)域，因?yàn)闆](méi)有明顯的顏色屬性，會(huì)在計(jì)算時(shí)出現(xiàn)分母過(guò)小的情況，導(dǎo)致出現(xiàn)很大的比值和相應(yīng)的H，最終干擾統(tǒng)計(jì)的結(jié)果，因此對(duì)這些區(qū)域需采取一定的措施，在本文的實(shí)驗(yàn)中，根據(jù)統(tǒng)計(jì)分析具體將H絕對(duì)差值大于1的位置置零，不計(jì)入評(píng)估范圍。

表1給出了對(duì)應(yīng)圖1中各去霧圖像的評(píng)估顏色失真的Hs值。

表1 對(duì)應(yīng)圖1中各去霧圖像的評(píng)估顏色失真的HsTable 1 Hsvalues for defogging images in Fig．1

由圖1可知，基于Tan算法的結(jié)果有明顯的顏色失真，而Tarel算法相比He算法也出現(xiàn)了局部顏色失真的情況，因此理論上評(píng)估顏色失真程度的值應(yīng)該Tan算法的最大，而He算法的最小。從表1可以看出，本文提出的基于累加每個(gè)位置H絕對(duì)差值的評(píng)估顏色失真的方法，很好地體現(xiàn)了去霧后圖像相對(duì)于原圖的顏色變化，與理論分析相符，能客觀的表示圖像去霧后發(fā)生顏色失真的程度。

基于本文改進(jìn)的將顏色失真和可見(jiàn)邊對(duì)比度增強(qiáng)進(jìn)行綜合評(píng)估的方法，依據(jù)式（14）計(jì)算對(duì)應(yīng)的去霧前后圖像的綜合指標(biāo)C作為客觀評(píng)價(jià)常用去霧算法效果的準(zhǔn)則。根據(jù)此改進(jìn)方式，對(duì)圖1中各算法的去霧效果進(jìn)行評(píng)估，表2～4分別給出了對(duì)應(yīng)于圖1（a）～（c）的綜合指標(biāo)C，基于文獻(xiàn)［5］中評(píng)價(jià)方法的CNC，以及基于比較常用的可見(jiàn)邊對(duì)比度方法的各項(xiàng)指標(biāo)值。結(jié)合圖1和表2～4，分析基于本文改進(jìn)的評(píng)估準(zhǔn)則對(duì)多個(gè)去霧算法的評(píng)估結(jié)果。表2～4反映He算法的去霧效果最好，從對(duì)應(yīng)的圖1看，也很好地證實(shí)了該結(jié)果與人眼視覺(jué)觀察的評(píng)判結(jié)果比較一致。對(duì)于文獻(xiàn)［5］提出的綜合指數(shù)CNC對(duì)不同去霧算法的評(píng)估效果，表2顯示He算法最好，但Tan算法好于Tarel算法，這表明其度量顏色的側(cè)重點(diǎn)與本文方法不一樣；表3和4中基于CNC的方法都反映Tarel算法的效果最好，這與實(shí)際有偏差，雖然基于Tarel算法去霧的圖像局部清晰度較好，但同時(shí)存在過(guò)增強(qiáng)引起的失真，比如圖1（b）中的樹(shù)木、圖1（c）中穿插的白霧等。對(duì)于基于可見(jiàn)邊對(duì)比度方法的各項(xiàng)指標(biāo)，其結(jié)果一方面會(huì)出現(xiàn)評(píng)價(jià)不一致的情況，如表2和4所示，e較大時(shí)而略小，對(duì)于類似不一致的評(píng)價(jià)結(jié)果，無(wú)法直接對(duì)多種算法的去霧效果作出統(tǒng)一的判斷；另一方面會(huì)忽略對(duì)顏色失真的度量，如表3所示。如果依據(jù)e和越大而σ越小則效果越好的準(zhǔn)則，則Tan算法要優(yōu)于He算法，然而實(shí)際從圖1（b）觀察到的結(jié)果并不是如此，Tan算法的結(jié)果雖然使邊緣的對(duì)比度得到了很大的增強(qiáng)，但顏色有一定的失真，局部過(guò)增強(qiáng)明顯，使整體色調(diào)偏離原始圖像，由此引起的對(duì)可視性的破壞，使人眼很難接受其效果優(yōu)于He算法。因此，基于本文所提出方法的度量結(jié)果總體上比較令人滿意。

表2 基于不同指標(biāo)對(duì)圖1（a）中各算法去霧效果的評(píng)估Table 2 Assessment for the defogging results in Fig．1（a）based on the different index

表3 基于不同指標(biāo)對(duì)圖1（b）中各算法去霧效果的評(píng)估Table 3 Assessment for the defogging results in Fig．1（b）based on the different index

表4 基于不同指標(biāo)對(duì)圖1（c）中各算法去霧效果的評(píng)估Table 4 Assessment for the defogging results in Fig．1（c）based on the different index

圖2進(jìn)一步給出了多組基于本文改進(jìn)的評(píng)估方法獲得的對(duì)比結(jié)果，更加充分地表明了本文改進(jìn)的評(píng)估方法的有效性和適用性。

圖2 基于本文改進(jìn)的指標(biāo)C對(duì)去霧效果的對(duì)比評(píng)價(jià)Fig．2 Assessment of defogging effect by improved index C

本文搜集了在各種典型去霧算法中常用的測(cè)試圖像，并采用He算法和Tarel算法對(duì)它們進(jìn)行去霧，然后基于本文所提出的評(píng)估方法對(duì)這2個(gè)算法的去霧效果進(jìn)行評(píng)估。圖3給出了對(duì)24幅典型測(cè)試圖像進(jìn)行計(jì)算評(píng)估指標(biāo)C得到的曲線。從圖3可以看出，在大多數(shù)情況下，本文評(píng)估方法反映出He算法的去霧效果更好一些，這也說(shuō)明了He算法的通用性更好一些，兼顧邊緣增強(qiáng)和顏?zhàn)冏兓?。基于本文評(píng)估方法得到的結(jié)論，與文獻(xiàn)［5］通過(guò)計(jì)算CNC得到的結(jié)論相一致，均表明He算法更優(yōu)，但本文方法明顯比文獻(xiàn)［5］方法更加簡(jiǎn)單易實(shí)現(xiàn)，不需要調(diào)節(jié)復(fù)雜的參數(shù)。

需要說(shuō)明的是，由于本文的方法是基于相對(duì)色彩空間對(duì)立色通道的比值而提出，在有些特殊情況下該評(píng)估方法會(huì)不適用，評(píng)估結(jié)果出現(xiàn)異常，比如之前提到的非彩色區(qū)域（灰、白區(qū)域等），它們的R／G／B通道值比較接近，導(dǎo)致式（10）比值異常；當(dāng)圖像中出現(xiàn)單色時(shí)，比如藍(lán)色，也會(huì)出現(xiàn)比值異常，影響最終的評(píng)估結(jié)果。在這方面我們還需要進(jìn)一步完善，并結(jié)合對(duì)灰度圖像去霧效果進(jìn)行評(píng)估的方法，提出適用性更好的評(píng)價(jià)準(zhǔn)則。

圖3 基于本文C對(duì)24幅典型圖像評(píng)估He算法和Tarel算法的去霧效果Fig．3 Assessment of He’s and Tarel’s defogging effect by index C on 24 typical images

4 結(jié)束語(yǔ)

本文提出了一種改進(jìn)的對(duì)彩色圖像去霧效果進(jìn)行評(píng)估的方法，基于相對(duì)色彩空間提出度量顏色失真的準(zhǔn)則，并結(jié)合評(píng)估邊緣對(duì)比度增強(qiáng)的方法構(gòu)建了一個(gè)比較客觀的綜合評(píng)價(jià)指標(biāo)。通過(guò)對(duì)多組圖像的去霧效果進(jìn)行評(píng)價(jià)，實(shí)驗(yàn)證實(shí)了本文改進(jìn)的評(píng)價(jià)準(zhǔn)則能更好的獲得與人眼直觀感受較一致的評(píng)估結(jié)果，融合了對(duì)顏色失真和對(duì)比度增強(qiáng)的度量，能全面地反應(yīng)去霧后圖像的變化，有一定的理論支持和很好的實(shí)用性。該方法在評(píng)價(jià)彩色圖像的去霧效果上取得了明顯的優(yōu)勢(shì)，但也有些不適用的情況，比如彩色圖中的灰白色區(qū)域或單色區(qū)域，對(duì)于這些部分度量顏色失真的值會(huì)出現(xiàn)異常。進(jìn)一步研究中可考慮結(jié)合評(píng)價(jià)灰度圖像去霧效果的方法，提出更加完善適用性更強(qiáng)的準(zhǔn)則。

［1］HAUTIèRE N，TAREL J P，AUBERT D，et al．Blind con?trast enhancement assessment by gradient ratioing at visible edges［J］．Image Analysis and Stereology Journal，2008，27（2）：87?95．

［2］禹晶，徐東彬，廖慶敏．圖像去霧技術(shù)研究進(jìn)展［J］．中國(guó)圖象圖形學(xué)報(bào)，2011，16（9）：1561?1576．YU Jing，XU Dongbin，LIAO Qingmin．Image defogging：a survey［J］．Journal of Image and Graphics，2011，16（9）：1561－1576．

［3］李大鵬，禹晶，肖創(chuàng)柏．圖像去霧的無(wú)參考客觀質(zhì)量評(píng)測(cè)方法［J］．中國(guó)圖象圖形學(xué)報(bào)，2011，16（9）：1753?1757．LI Dapeng，YU Jing，XIAO Chuangbai．No?reference quali?ty assessment method for defogged images［J］．Journal of Image and Graphics，2011，16（9）：1753?1757．

［4］姚波，黃磊，劉昌平．去霧增強(qiáng)圖像質(zhì)量客觀比較方法的研究［C］／／中國(guó)模式識(shí)別會(huì)議論文集．南京，中國(guó)，2009：1?5．YAO Bo，HUANG Lei，LIU Changping．Research on an ob?jective method to compare the quality of defogged images［C］／／Proceedings of Chinese Conference on Pattern Recog?nition．Nanjing，China，2009：1?5．

［5］郭墦，蔡自興．圖像去霧算法清晰化效果客觀評(píng)價(jià)方法［J］．自動(dòng)化學(xué)報(bào)，2012，38（9）：1410?1419．GUO Fan，CAI Zixing．Objective assessment method for the clearness effect of image defogging algorithm［J］．Acta Auto?matica Sinica，2012，38（9）：1410?1419．

［6］ADRIAN W．Visibility of targets：model for calculation［J］．Lighting Research＆Technology，1989，21（4）：181?188．

［7］MCCARTNEY E J．Optics of the atmosphere：scattering by molecules and particles［M］．New York：John Wiley and Sons，1976：123?129．

［8］NARASIMHAN S G，NAYAR S K．Vision and the atmos?phere［J］．International Journal of Computer Vision，2002，48（3）：233?254．

［9］NARASIMHAN S G，NAYER S K．Contrast restoration of weather degraded images［J］．IEEE Transactions on PatternAnalysis and Machine Intelligence，2003，25（6）：713?724．

［10］TAN R T．Visibility in bad weather from a single image［C］／／Proceedings of IEEE Conference on Computer Vi?sion and Pattern Recognition（CVPR）．Anchorage，USA，2008：1?8．

［11］TAREL J P，HAUTIΜERE N．Fast visibility restoration from a single color or gray level image［C］／／Proceedings of the 12th IEEE International Conference on Computer Vi?sion．Kyoto，Japan，2009：2201?2208．

［12］HE Kaiming，SUN Jian，TANG Xiaoou．Single image haze removal using dark channel prior［C］／／Proceedings of the 2009 IEEE Conference on Computer Vision and Pattern Recognition．Miami，USA，2009：1956?1963．

［13］FATTAL R．Single image dehazing［J］．ACM Transactions on Graphics，2008，27（3）：721?729．

［14］KOPF J，NEUBERT B，CHEN B，et al．Deep photo：Model?based photograph enhancement and viewing［J］．ACM Transactions on Graphics，2008，27（5）：116．

An improved assessment method for the color image defogging effect

CHEN Ke1，KE Wende1，XU Bo1，ZHANG Liangjun2

（1．Department of Computer Science and Technology，Guangdong University of Petrochemical Technology，Maoming 525000，China；2．Guangzhou TipDM Information Technology Co．，Ltd．，Guangzhou 510663，China）

Currently，there is no adequate evaluation method for image defogging effect．Aiming at this，an im?proved method for the color image defogging effect assessment is proposed．By this method，either the edge’s con?trast enhancement or the color distortion is considered．Based on the atmospheric scattering model of an atomized image，the method first converts the original image to the opponent color space，thus deriving a standard for meas?uring the color distortion．Then，by combining the evaluation means for contrast enhancement，a unified assessment index for color image is generated，with objective evaluation results and good human visual perception．The defog?ging effects of many defogging methods were evaluated by comparison among the visible edge ratio，CNC value，and the criteria proposed in this paper．The results show that the improved assessment criteria can better reflect defog?ging quality and is closer to expected visual judgment．

image defogging；defogging effect assessment；atmospheric scattering model；opponent color space；contrast of visible edges

陳珂，男，1964年生，副教授，主要研究方向?yàn)闄C(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘和圖像處理等。主持廣東省科技計(jì)劃項(xiàng)目2項(xiàng)，廣東省教育廳科技創(chuàng)新項(xiàng)目1項(xiàng)。發(fā)表學(xué)術(shù)論文20余篇，其中SCI收錄1篇，EI收錄9篇。

柯文德，男，1976年，教授，博士，主要研究方向機(jī)器視覺(jué)、人工智能和智能機(jī)器人等。主持廣東省自然科學(xué)基金項(xiàng)目1項(xiàng)，廣東省科技計(jì)劃項(xiàng)目2項(xiàng)。發(fā)表學(xué)術(shù)論文40余篇，其中SCI收錄4篇，EI收錄20篇。

許波，男，1986年，講師，主要研究方向?yàn)橛?jì)算智能、機(jī)器學(xué)習(xí)。

TP391

A

1673?4785（2015）05?0803?07

10．11992／tis．201406003

http：／／www．cnki．net／kcms／detail／23．1538．tp．20150930．1556．006．html

陳珂，柯文德，許波，等．改進(jìn)的彩色圖像去霧效果評(píng)價(jià)方法［J］．智能系統(tǒng)學(xué)報(bào)，2015，10（5）：803?809．

英文引用格式：CHEN Ke，KE Wende，XU Bo，et al．An improved assessment method for the color image defogging effect［J］．CAAI Transactions on Intelligent Systems，2015，10（5）：803?809．

2014?06?05．

日期：2015?09?30．

國(guó)家自然科學(xué)基金資助項(xiàng)目（61272382）；廣東省科技計(jì)劃資助項(xiàng)目（2012B0101100037）；廣東省高等學(xué)校科技創(chuàng)新項(xiàng)目（2013kjcx0132）．

陳珂．E?mail：chenke2001＠163．com．