基于快速引導(dǎo)濾波改進(jìn)的暗原色先驗(yàn)去霧算法

吳翠先，李丹陽(yáng)，馬　忍，王志鋒

(1. 重慶郵電大學(xué) 通信新技術(shù)應(yīng)用研究中心，重慶 400065；2. 重慶信科設(shè)計(jì)有限公司，重慶 400065)

基于快速引導(dǎo)濾波改進(jìn)的暗原色先驗(yàn)去霧算法

吳翠先1，2，李丹陽(yáng)1，馬忍1，王志鋒1

(1. 重慶郵電大學(xué) 通信新技術(shù)應(yīng)用研究中心，重慶 400065；2. 重慶信科設(shè)計(jì)有限公司，重慶 400065)

摘要:針對(duì)目前單幅霧霾降質(zhì)圖像存在大面積天空域，導(dǎo)致暗原色失效復(fù)原圖像失真以及去霧時(shí)間復(fù)雜度高的問(wèn)題。提出一種基于暗原色先驗(yàn)和快速引導(dǎo)濾波的去霧方法，針對(duì)存在高亮天空域圖像多尺度濾波采用自適應(yīng)閾值分割得到天空域，在天空域求取精確大氣光值，再將天空域和非天空域透射率有效歸一化，最后采用暗通道圖作為引導(dǎo)圖快速引導(dǎo)濾波精細(xì)化透射率，最大限度保留邊緣細(xì)節(jié)的同時(shí)有效降低時(shí)間復(fù)雜度。實(shí)驗(yàn)結(jié)果表明，該方法可以有效處理天空域，保持色彩和細(xì)節(jié)信息，在算法實(shí)時(shí)性上有明顯優(yōu)勢(shì)。

關(guān)鍵詞:暗原色先驗(yàn)；閾值分割；快速引導(dǎo)濾波

隨著計(jì)算機(jī)視覺(jué)的發(fā)展，其在交通、軍事以及安防等領(lǐng)域廣泛應(yīng)用[1]。在霧霾等惡劣天氣下采集的圖像由于大氣散射的影響使得圖像顏色偏灰白，對(duì)比度降低，圖像特征衰減難以辨別，不僅圖像觀賞性下降，視覺(jué)效果變差，更會(huì)影響各類(lèi)依賴(lài)于光學(xué)成像儀器的系統(tǒng)工作，如戶(hù)外視頻拍攝、地形勘測(cè)、視頻監(jiān)控、衛(wèi)星遙感系統(tǒng)等眾多領(lǐng)域。因此，選取實(shí)時(shí)性高的去霧方法提高降質(zhì)圖像質(zhì)量具有重要意義。

現(xiàn)有的霧天退化圖像清晰化的方法主要分為：1)基于圖像增強(qiáng)的方法，主要是增加被降質(zhì)圖像圖像對(duì)比度從而改善圖像質(zhì)量，但是，這種方法沒(méi)有考慮圖像降質(zhì)過(guò)程和圖像內(nèi)在因素，導(dǎo)致恢復(fù)圖像顏色失真或過(guò)飽和。2)基于物理模型復(fù)原的方法，通過(guò)研究大氣懸浮顆粒對(duì)光的散射，結(jié)合先驗(yàn)信息建立圖像退化模型，反演出未降質(zhì)圖像，復(fù)原的圖像效果真實(shí)且圖像信息較為完整。

近年來(lái)，基于單幅圖像去霧算法取得很大進(jìn)展，Tan[2]基于同一場(chǎng)景無(wú)霧圖像對(duì)比度高于有霧圖像這一條件，通過(guò)構(gòu)造邊緣強(qiáng)度代價(jià)函數(shù)局部最大化對(duì)比度恢復(fù)圖像信息，但得到的去霧圖像顏色過(guò)于飽和，且產(chǎn)生光暈現(xiàn)象。Fattal[3]基于假設(shè)透射率時(shí)和場(chǎng)景目標(biāo)表面投影部分局部不相關(guān)，進(jìn)而推斷出場(chǎng)景的輻射度，利用復(fù)雜的優(yōu)化算法復(fù)原圖像，但該方法無(wú)法處理濃霧天氣下的圖像以及灰度圖像。Kim等利用最小化能量函數(shù)增強(qiáng)圖像對(duì)比度，在處理色彩失真時(shí)直接設(shè)透射率為0.3。He[4]等通過(guò)對(duì)無(wú)霧圖像進(jìn)行大量對(duì)比分析，提出一種基于暗原色先驗(yàn)信息的去霧方法，首先利用暗通道圖估計(jì)大氣光和透射率，最后利用軟摳圖方法細(xì)化透射率，進(jìn)而恢復(fù)出無(wú)霧圖像，該算法相對(duì)簡(jiǎn)單，但摳圖精細(xì)化透射圖有明顯塊效應(yīng)且該算法時(shí)間復(fù)雜度較高。徐[6]等提出用雙邊濾波來(lái)優(yōu)化粗透射率，但是效果較差，針對(duì)對(duì)暗原色失效的高亮區(qū)域無(wú)法得到良好的去霧效果。蔣[8]等通過(guò)引入一個(gè)容差機(jī)制，重新修復(fù)明亮區(qū)域透射率。但該方法無(wú)法準(zhǔn)確確定高亮區(qū)域，引入容差機(jī)制太小，不能完全消除天空域失真，容差太大，則易導(dǎo)致明亮區(qū)域復(fù)原失效，去霧效果不明顯。

本文提出對(duì)有霧圖像灰度圖進(jìn)行多尺度形態(tài)學(xué)濾波有效去噪平滑，根據(jù)自適應(yīng)閾值分割確定天空域位置，直接在天空域求取精確的大氣光值并估算天空域透射率結(jié)合暗通道進(jìn)行校正，并利用改進(jìn)的快速引導(dǎo)圖像濾波精細(xì)化透射率，最大限度保留邊緣細(xì)節(jié)的同時(shí)有效降低了時(shí)間復(fù)雜度。

1暗原色先驗(yàn)去霧算法

1.1大氣散射模型

Narasimhan[10]通過(guò)研究不同天氣條件的大氣粒子特性，分析其散射特性，提出了霧霾天氣下的大氣散射模型，大氣散射模型廣泛應(yīng)用于霧天圖像，其模型如式(1)所示

I(x)=J(x)t(x)+A(1-t(x))

(1)

該模型包含衰減模型和環(huán)境光模型兩部分，其中I(x)為實(shí)際輻射強(qiáng)度即觀察到的有霧圖像，J(x)為無(wú)霧圖像強(qiáng)度值，A為大氣光強(qiáng)度，t(x)為大氣透射率可以表示為

t(x)=e-βd(x)

(2)

式中:β為大氣散射系數(shù)；d(x)表示場(chǎng)景點(diǎn)到觀測(cè)點(diǎn)的距離即景深。

1.2暗原色先驗(yàn)理論

在He[4]算法中，通過(guò)對(duì)大量的無(wú)霧圖像進(jìn)行分析統(tǒng)計(jì)，在絕大多數(shù)非天空區(qū)域圖像中，總有些像素至少在一個(gè)RGB通道內(nèi)具有很低的像素值，可表示為

(3)

式中:Idark(x)為無(wú)霧圖像的暗原色；Ω(x)是以x為中心的局部區(qū)域；Jc是代表其中一個(gè)顏色通道；c表示R，G，B三通道。統(tǒng)計(jì)發(fā)現(xiàn)對(duì)于戶(hù)外的無(wú)霧圖像，導(dǎo)致其暗原色趨向于0的原因包括3方面：1)圖像中存在鮮艷顏色的物體；2)圖像中局部形成陰影；3)圖像中存在顏色較暗的物體。

1.3暗原色先驗(yàn)去霧

假設(shè)大氣光值A(chǔ)給定，假設(shè)在一個(gè)局部區(qū)域內(nèi)的透射率保持不變，對(duì)式(1)使用最小值濾波應(yīng)用暗通道先驗(yàn)可得到

(4)

根據(jù)無(wú)霧圖像的暗原色的值趨近于0這一先驗(yàn)規(guī)律，將式(3)帶入則有

(5)

為了保持圖像的深度信息和真實(shí)感，在式(5)中引入一個(gè)常數(shù)ω，使圖像更接近于真實(shí)場(chǎng)景，則可求得透射率的初步估計(jì)

(6)

式中：Ac(c∈R,G,B),Ω(x)是以x為中心的局部區(qū)域。為提高估計(jì)透射率精度，He采用一種軟摳圖算法來(lái)精細(xì)化透射圖然后通過(guò)式(1)求取無(wú)霧圖像

(7)

式中：t0取0.1。

大氣光值A(chǔ)的估計(jì)方法為：首先統(tǒng)計(jì)暗原色圖Jdark中前0.1%亮度較大的像素點(diǎn)，然后對(duì)應(yīng)原圖位置，將原圖中的最大值當(dāng)做大氣光A的值。對(duì)于多數(shù)戶(hù)外有霧圖像，暗原色假設(shè)基本成立，上述算法可以取得較好的去霧效果。

2改進(jìn)的去霧算法設(shè)計(jì)

當(dāng)有霧圖像包含天空等明亮區(qū)域時(shí)候，基于暗原色先驗(yàn)算法去霧，結(jié)果會(huì)出現(xiàn)色彩失真，因?yàn)檫@些明亮區(qū)域偏白色，像素R，G，B通道值差異不大，都近似接近大氣光值A(chǔ)，在此區(qū)域內(nèi)，較難找到暗原色點(diǎn)，暗原色假設(shè)失效，如果不考慮暗原色先驗(yàn)原理

(8)

去霧復(fù)原含有大面積天空域的戶(hù)外圖像需要盡可能增強(qiáng)非天空域?qū)Ρ榷龋苊膺^(guò)度增強(qiáng)天空域?qū)Ρ榷?。由天空域整體比較平滑，相鄰像素之間梯度較小，梯度越小則表明圖像那一塊相對(duì)越光滑，所以提出分離天空域求取t(x)更為合理，本文具體算法主要步驟如下：

1)對(duì)霧氣圖像灰度圖進(jìn)行適當(dāng)?shù)娜ピ霝V波自適應(yīng)閾值分割得到天空域ssky；

2)計(jì)算天空域像素占比α，如果α大于5%則取天空域所對(duì)應(yīng)像素亮度的均值作為A，如果α小于5%則天空域較小，按照He的方法求取大氣光值；

4)根據(jù)該改進(jìn)的快速引導(dǎo)濾波對(duì)透射圖進(jìn)行精細(xì)化處理，保持去霧邊緣性；

3算法的具體實(shí)現(xiàn)

3.1閾值分割求取天空域

鑒于天空區(qū)域灰度梯度變化較小，可以用邊緣檢測(cè)進(jìn)行分割天空域。首先求取去霧圖像灰度圖F(x)，在canny算子中引入兩個(gè)不同尺度的結(jié)構(gòu)元素B1和B2對(duì)灰度圖進(jìn)行平滑去噪。其中B1為3×3十字形結(jié)構(gòu)元素，B2為5×5菱形結(jié)構(gòu)。

F(x)disnoise=F(x)°B1·B2

(9)

式中：F(x)disnoise為平滑降噪后的灰度圖；“°”為開(kāi)運(yùn)算。

十字形結(jié)構(gòu)元素B1尺寸小，去噪力比較弱，但是可以較好地保持圖像邊緣細(xì)節(jié)；菱形結(jié)構(gòu)元素B2尺度較大，去噪能力強(qiáng)，但會(huì)模糊細(xì)節(jié)。因此，順序運(yùn)用兩個(gè)形態(tài)學(xué)結(jié)構(gòu)元素對(duì)灰度圖像進(jìn)行開(kāi)、閉濾波，既能夠去除噪聲，又能保持邊緣細(xì)節(jié)信息。

由先驗(yàn)信息易得天空域像素值趨近255，為減少時(shí)間復(fù)雜度采用自定義閾值分割，實(shí)驗(yàn)驗(yàn)證T=210時(shí)最佳，分割后為

(10)

如圖1所示，選擇3幅天空域大小不同的圖像用以上方法進(jìn)行閾值分割均可準(zhǔn)確檢測(cè)到天空域。對(duì)于天空域基本不存在的也可以檢測(cè)出來(lái)。

圖1　閾值分割效果圖

3.2大氣光值估計(jì)

天空域可以看無(wú)限遠(yuǎn)處，由式(1)和式(2)易得這個(gè)區(qū)域的像素點(diǎn)t(x)→0并且I(x)→A，所以可以通過(guò)計(jì)算閾值分割天空域ssky像素和整幅圖像像素的比值α，如果α大于5%則取天空域所對(duì)應(yīng)像素亮度的均值作為大氣光值A(chǔ)，如果α小于5%即認(rèn)為圖像天空域較小或者不存在，暗原色先驗(yàn)有效，按照He[5]的方法求取全局大氣光值。實(shí)驗(yàn)證明，這樣既可排除大塊白色物體的影響，也可消除圖像中椒鹽噪聲造成的估計(jì)偏差，使大氣光值更為準(zhǔn)確，使去霧效果更加平滑自然。

3.3透射率t(x)求取方法

由于暗通道先驗(yàn)在天空域失效，本文在求取的天空域中假設(shè)其透射率t(x)值為常數(shù)tsky。本文取tsky為0.1。非天空域用暗原色方法求透射率，然后根據(jù)像素暗通道所在位置的亮度值s(x)對(duì)其進(jìn)行修正歸一化

(11)

式中：s(x)∈[0,255]，當(dāng)s(x)=255時(shí)，即完屬于天空域，該點(diǎn)透射率取固定值tsky，當(dāng)s(x)=0時(shí)，即完全不屬于天空域，透射率取暗原色透射率值不影響。

3.4改進(jìn)的快速導(dǎo)向?yàn)V波優(yōu)化透射圖

由于暗通道獲取的粗透射率使用最小值濾波，使得透射圖存在明顯塊狀效應(yīng)，為了獲得到更加精細(xì)的透射率圖，He的算法中提出用soft matting(軟摳圖)方法對(duì)初始化的透射率進(jìn)行優(yōu)化，但是該方法處理速度太慢，占據(jù)總算法時(shí)間的70%以上。本文采用改進(jìn)的快速導(dǎo)向?yàn)V波對(duì)透射圖進(jìn)行優(yōu)化，該計(jì)算方法的時(shí)間復(fù)雜度和濾波窗口大小無(wú)關(guān)，不僅增強(qiáng)邊緣細(xì)節(jié)，同時(shí)處理速度也很快。

然而，設(shè)備間的相對(duì)移動(dòng)也增加了充電過(guò)程的復(fù)雜度，出現(xiàn)了諸如充電連續(xù)性差、充電中斷等問(wèn)題[5]。因此，針對(duì)系統(tǒng)性能問(wèn)題，本文建立了基于波束成形的一對(duì)一動(dòng)態(tài)無(wú)線充電系統(tǒng)的充電過(guò)程數(shù)學(xué)模型。并在此基礎(chǔ)上，提出了一種基于離散時(shí)間馬爾科夫鏈（DTMC，Discrete Time Markov Chain）的系統(tǒng)性能評(píng)估方法。

引導(dǎo)濾波假設(shè)濾波輸出qi和引導(dǎo)圖是線性相關(guān)即

qi=akIi+bk,?i∈wk

(12)

式中：wk是引導(dǎo)圖Ii中以像素k為中心的鄰域；r為窗口半徑；(ak，bk)在鄰域wk中為常數(shù)，導(dǎo)向?yàn)V波通過(guò)待濾波圖像pi和輸出圖像qi之間的差異來(lái)尋求最優(yōu)化的系數(shù)(ak，bk)，即在鄰域wk中，最小化式(12)所描述的代價(jià)函數(shù)

(13)

使得輸出圖像q與輸入圖像p的均方誤差最小，得到輸出圖像

(14)

圖2　不同引導(dǎo)圖去霧效果對(duì)比

第一列為有霧圖像粗透射圖；第二列從上之下依次為原圖、灰度圖、暗通道圖、色度飽和圖，暗通道圖可以準(zhǔn)確反映深度信息，最大色度飽和圖效果相對(duì)差些；第三列依次為以上4種引導(dǎo)圖精細(xì)化透射圖；第四列依次為去霧效果圖。引導(dǎo)濾波具有邊緣保持平滑性，選取大窗口可以達(dá)到較好的平滑效果，較小的可以獲得更多的邊緣細(xì)節(jié)信息。本文濾波窗口選擇5×5。

從主觀角度來(lái)看，選擇4種不同導(dǎo)圖獲得去霧效果相差不大。然后從傳輸圖優(yōu)化時(shí)間，去霧圖的熵、梯度信息上客觀分析各引導(dǎo)圖性能，結(jié)果如表1所示。

表1對(duì)比原圖和其他灰度圖引導(dǎo)濾波結(jié)果

引導(dǎo)圖時(shí)間/s熵平均梯度原RGB圖5.6128.14728.415灰度圖0.2318.14838.533暗通道圖0.1938.14988.399最大色度飽和圖4.1748.14698.043

3.5有霧圖像清晰化

本文首先通過(guò)形態(tài)學(xué)濾波對(duì)有霧圖像灰度圖進(jìn)行平滑去噪，然后閾值分割天空域，再根據(jù)天空域更加精確的求取大氣光值。由于t(x)是由天空域和非天空域兩部分組成，對(duì)兩部分進(jìn)行歸一化處理之后，再用引導(dǎo)濾波精細(xì)化，可以有效消除了邊界效應(yīng)。并且首次采用基于暗通道為引導(dǎo)圖的改進(jìn)快速引導(dǎo)濾波優(yōu)化得到優(yōu)化的透射圖t1(x)，效果保持不變的同時(shí)極大提高時(shí)間效率，為避免透射率過(guò)小導(dǎo)致去霧像素被過(guò)度放大，取t0=0.01為透射率下限值，根據(jù)式(6)獲得復(fù)原圖像

(15)

4仿真實(shí)現(xiàn)及驗(yàn)證

為驗(yàn)證本文方法的有效性和性能，實(shí)驗(yàn)在CPU雙核2.8 GHz處理器，操作系統(tǒng)為Windows7，內(nèi)存為4 Gbyte的PC平臺(tái)使用MATLAB2010對(duì)本文所提方法進(jìn)行測(cè)試，實(shí)驗(yàn)證明本文提出算法在天空等高亮區(qū)域可以有效避免色彩失真。

4.1實(shí)驗(yàn)主觀對(duì)比

圖3實(shí)驗(yàn)選取3種不同場(chǎng)景(從上之下依次為場(chǎng)景1、場(chǎng)景2、場(chǎng)景3)都具有大面積天空域等明亮區(qū)域，用本文的優(yōu)化算法分別進(jìn)行處理，然后再和He[4]、蔣[6]的處理方法進(jìn)行對(duì)比，從選擇的3種不同場(chǎng)景去霧結(jié)果可以看出，選擇He的算法處理會(huì)產(chǎn)生大面積色彩失真，光暈現(xiàn)象明顯。使用蔣的處理某些場(chǎng)景可以避免失真，但是在一些復(fù)雜場(chǎng)合(如場(chǎng)景3所示)還是會(huì)發(fā)生失真，且景深處景物發(fā)生模糊，引入容差修復(fù)透射率還是會(huì)發(fā)生誤差?？梢?jiàn)根據(jù)容差修復(fù)透射率不能保證適合所有場(chǎng)景，用本文方法有效分離天空域并歸一化處理透射率并用引導(dǎo)濾波精細(xì)化則可以有效避免色彩失真現(xiàn)象且對(duì)天空域分界處起平滑作用，本文所采用的處理方法使得圖像更加清晰真實(shí)，且去霧后效果更加符合人體視覺(jué)。

圖3　3種算法處理結(jié)果對(duì)比分析

4.2實(shí)驗(yàn)客觀對(duì)比

4.2.1運(yùn)算時(shí)間對(duì)比

本文算法的優(yōu)越性不僅體現(xiàn)在有效消除天空域失真，同時(shí)采用改進(jìn)的引導(dǎo)濾波有效降低了運(yùn)行復(fù)雜度，從而減少處理時(shí)間，表2為He和蔣方法及本文改進(jìn)方法處理時(shí)間的比較，由表2可知本文方法處理時(shí)間具有較好的實(shí)時(shí)性。

表2本文方法與He、蔣方法運(yùn)行時(shí)間對(duì)比

s

方法場(chǎng)景1場(chǎng)景2場(chǎng)景3He算法15.43516.45919.489蔣算法15.84916.64820.048本文算法0.8481.0781.145

本文采用改進(jìn)的快速引導(dǎo)濾波方法對(duì)透射圖進(jìn)行精細(xì)化處理，相比原算法的軟摳圖算法效率明顯提升，本文算法時(shí)間消耗主要用于圖像天空域分割。但由于運(yùn)算量小，所以實(shí)時(shí)性依然很好。

4.2.2客觀質(zhì)量評(píng)價(jià)

本文算法通過(guò)選取處理時(shí)間作為對(duì)比，并從信息熵、平均梯度、色調(diào)還原能力客觀評(píng)價(jià)3種方法，如表3所示。在恢復(fù)圖像中，熵表示圖像的信息量，平均梯度值越大表明獲取圖像信息越豐富，平均梯度指標(biāo)表示圖像層次的豐富程度，指標(biāo)越大圖像細(xì)節(jié)越明顯，色調(diào)還原度指標(biāo)是用直方圖相似性度量去霧的色彩還原能力。值越大表明色調(diào)還原能力越強(qiáng)。從平均梯度指標(biāo)來(lái)看，本文算法與蔣算法相當(dāng)，都優(yōu)于He算法，從信息熵指標(biāo)來(lái)看本文優(yōu)先算法略?xún)?yōu)于蔣算法，從色調(diào)還原度來(lái)看，本文算法沒(méi)有蔣算法還原力度強(qiáng)，所以本文色彩和色調(diào)效果更加自然。

表3客觀因素對(duì)比分析

方法圖號(hào)平均梯度信息熵色調(diào)還原度原圖場(chǎng)景1場(chǎng)景2場(chǎng)景35.07286.32548.30286.89527.56028.3528—He算法場(chǎng)景1場(chǎng)景2場(chǎng)景37.83946.54939.10296.91827.63848.53490.20080.54730.6537蔣算法場(chǎng)景1場(chǎng)景2場(chǎng)景39.19928.549110.93027.12457.73218.45830.35790.73740.7393本文算法場(chǎng)景1場(chǎng)景2場(chǎng)景39.38428.483911.33827.68457.93898.89230.31380.69830.6971

5結(jié)語(yǔ)

通過(guò)對(duì)暗原色先驗(yàn)算法分析，發(fā)現(xiàn)該規(guī)律處理存在高亮天空域的有霧圖像時(shí)，估計(jì)透射率偏低，進(jìn)而導(dǎo)致去霧圖像大面積失真，而且用軟摳圖算法優(yōu)化透射率增加了時(shí)間復(fù)雜度。針對(duì)以上問(wèn)題，本文對(duì)大氣光和透射率估計(jì)進(jìn)行創(chuàng)新，首先對(duì)圖像灰度圖進(jìn)行濾波預(yù)處理準(zhǔn)確分離天空域，進(jìn)而在天空域準(zhǔn)確求取大氣光值，并對(duì)分別求取天空域和非天空域透射率進(jìn)行歸一化處理，有效解決了天空域失真問(wèn)題。對(duì)透射率精細(xì)化首次采用暗通道圖作為引導(dǎo)圖對(duì)其進(jìn)行引導(dǎo)濾波，精細(xì)化透射率的同時(shí)極大地提高了算法實(shí)時(shí)性。實(shí)驗(yàn)結(jié)果證明本文方法去霧清晰度和實(shí)時(shí)性很高，且圖像真實(shí)感較強(qiáng)。但是本文算法依然存在局限性，當(dāng)霧氣特別濃時(shí)，圖像整體噪聲較大，天空域分割可能會(huì)存在偏差，進(jìn)而影響大氣光A值的估計(jì)，會(huì)出現(xiàn)色偏。另外，霧霾天氣的隨機(jī)性和復(fù)雜性較大，成像設(shè)備采集圖像受到環(huán)境因素影響較大，針對(duì)上述問(wèn)題，下一步主要研究通過(guò)引入色彩平衡算法用于調(diào)節(jié)圖像色彩，進(jìn)一步提高去霧圖像質(zhì)量。

參考文獻(xiàn)：

[1]吳迪，朱青松.圖像去霧的最新研究進(jìn)展[J].自動(dòng)化學(xué)報(bào)，2015，41(2)：221-239.

[2]TAN R T. Visibility in bad weather from a single image[C]//Proc. CVPR 2008.[S.l.]：IEEE，2008：1-8.

[3]FATTAL R. Single image dehazing[J].ACM transactions on graphics，2008，27(3)：1-9.

[4]HE K M，SUN J，TANG X O. Single image haze removal using dark channel prior[C]//Proc. IEEE Conferenceon Computer Vision and Pattern Recognition. Miami，USA：IEEE，2009：1956-1963.

[5]HE K，SUN J，TANG X. Guided image filtering[J]. IEEE transactions on pattern analysis & machine intelligence， 2013，35(6)：1397-1409.

[6]徐晶，劉鵬，唐降龍.大氣光估計(jì)對(duì)單幅圖像去霧復(fù)原的影響[J].智能計(jì)算機(jī)與應(yīng)用，2012(3)：68-71.

[7]ZHANG X G，TANG M L，CHEN H，et al. A dehazing method in single image based on double-area filter and image fusion[J]. Acta automatica sinica，2014(5)：882-889.

[8]蔣建國(guó)，侯天峰，齊美彬.改進(jìn)的基于暗原色先驗(yàn)的圖像去霧算法[J]. 電路與系統(tǒng)學(xué)報(bào)，2011，16(2)：6-11.

[9]唐寧，呂洋.基于物理模型的快速單幅圖像去霧方法[J]. 電視技術(shù)，2015，39(9)：36-39.

[10]NARASIMHAN S G， NAYAR S K. Contrast restoration of weather degraded images[J]. IEEE transactions on pattern analysis & machine intelligence， 2003， 25(6)：713-724.

[11]FANG S， ZHAN J，CAO Y，et al. Improved single image dehazing using segmentation[C]//Proc. 2010 17th IEEE

International Conference on Image Processing (ICIP). [S.l.]：IEEE，2010：3589-3592.

作者介紹：

吳翠先(1969— )，女，正高級(jí)工程師，碩士生導(dǎo)師，中國(guó)通信協(xié)會(huì)會(huì)員，研究方向?yàn)閿?shù)字圖像處理，通信新技術(shù)應(yīng)用；

李丹陽(yáng)(1990— )，女，碩士生，研究方向?yàn)閿?shù)字圖像處理；

馬忍(1990— )，碩士生，研究方向?yàn)閿?shù)字圖像處理。

責(zé)任編輯：時(shí)雯

Improved algorithm of haze removal base on dark channel prior and fast guided filter

WU Cuixian1，2，LI Danyang1，MA Ren1，WANG Zhifeng1

(1.ChongqingUniversityofPostsandTelecommunications，ResearchCentreforApplicationofNewCommunicationTechnologiesn，Chongqing400065，China；2.ChongqingInformationTechnologyDesigningCo.，Ltd.，Chongqing400065，China)

Abstract:Aim at the problem of single fog haze drop quality image exists a big area airspace， which led to dark channel prior failure to dehaze image and a very high-time-complexity.To solve these problem， a new algorithm of haze removal based on dark channel prior and fast guided filter is proposed. First in the highlighted sky image used adapted threshold segmentation divide the sky region and nonsky， then take atmosphere light in this region， and make the sky and non-sky domain transmission rate effective return. And first use the dark channel raher than the color hazy image as the guidance images，to optimize the transmission， which can achieve rather good dehazing results，but with a relative simple implementation and low-time-complexity. Experimental results indicate that this method can effectively deal with the sky domain， keep the color and detail information and has a clear advantage in the real-time.

Key words:dark channel prior； sky region segmentation； fast guided filter

中圖分類(lèi)號(hào)：TNP.11

文獻(xiàn)標(biāo)志碼：A

DOI：10.16280/j.videoe.2016.06.005

基金項(xiàng)目：重慶市研究生科研創(chuàng)新基金項(xiàng)目(CYS15166)

收稿日期：2016-01-13

文獻(xiàn)引用格式：吳翠先，李丹陽(yáng)，馬忍，等.基于快速引導(dǎo)濾波改進(jìn)的暗原色先驗(yàn)去霧算法[J].電視技術(shù)，2016，40(6)：22-27.

WU C X，LI D Y，MA R， et al.Improved algorithm of haze removal base on dark channel prior and fast guided filter[J].Video engineering，2016，40(6)：22-27.