睢　丹,張亞利，楊　杰

(1.安陽(yáng)師范學(xué)院 軟件學(xué)院，河南 安陽(yáng) 455000; 2.武漢理工大學(xué) 信息工程學(xué)院，湖北 武漢 430070;3.安陽(yáng)學(xué)院 計(jì)算機(jī)系，河南 安陽(yáng) 455000)

?

霧霾污染下基于混沌性的圖像去霧算法改進(jìn)

睢丹1,2,張亞利3，楊杰2

(1.安陽(yáng)師范學(xué)院 軟件學(xué)院，河南 安陽(yáng) 455000; 2.武漢理工大學(xué) 信息工程學(xué)院，湖北 武漢 430070;3.安陽(yáng)學(xué)院 計(jì)算機(jī)系，河南 安陽(yáng) 455000)

傳統(tǒng)基于邊緣保持濾波的單幅圖像快速去霧算法，在霧霾污染大氣粒子散射作用下，圖像會(huì)受到霧化背景的干擾,出現(xiàn)濃霧噪點(diǎn),圖像結(jié)構(gòu)信息復(fù)原效果較差.提出一種基于混沌性的加權(quán)濾波圖像快速去霧算法，通過(guò)分析霧天霧化背景干擾下的圖像信息，獲取圖像數(shù)據(jù)的混沌特性，并對(duì)霧化圖像進(jìn)行最小顏色分量估計(jì).在此基礎(chǔ)上，結(jié)合帶霧圖像暗原色模型、時(shí)域和頻域特征分量模型，構(gòu)建出自適應(yīng)加權(quán)濾波模型，完成基于混沌性的加權(quán)濾波圖像快速去霧算法的改進(jìn)設(shè)計(jì).實(shí)驗(yàn)結(jié)果表明，采用該算法能避免霧化圖像中間區(qū)域的顏色失真，降低霧化背景干擾,減少濃霧噪點(diǎn),使遠(yuǎn)景的混沌特征得到合理的保留，在圖像質(zhì)量和運(yùn)算性能方面都具有優(yōu)越性.

霧霾天氣；混沌性；去霧算法；改進(jìn)研究

0　引言

近年來(lái)，隨著計(jì)算機(jī)數(shù)字圖像處理技術(shù)的快速發(fā)展，在圖像處理過(guò)程中，對(duì)模糊圖像進(jìn)行濾波降噪，提高圖像成像的清晰度，挖掘和提取出圖像的有用特征，進(jìn)而改善圖像成像質(zhì)量，提高目標(biāo)圖像的識(shí)別能力[1-2]是一個(gè)重要的研究課題.特別是對(duì)特殊環(huán)境下圖像的處理，例如在霧霾環(huán)境下對(duì)拍攝圖像的去霧處理是基于對(duì)大氣粒子散射的作用了解下進(jìn)行的.由于圖像成像受到霧化背景的干擾，而出現(xiàn)濃霧噪點(diǎn)，就需要對(duì)霧化背景干擾下的濃霧圖像進(jìn)行去霧處理，來(lái)提高圖像的清晰度，最終便于對(duì)圖像目標(biāo)場(chǎng)景信息的分析和識(shí)別[3-5].

文獻(xiàn)[6]提出基于霧化圖像的約束進(jìn)化時(shí)頻加權(quán)濾波去霧算法，該算法以圖像暗原色為新的圖像特征，實(shí)現(xiàn)去霧處理，但是，該方法只對(duì)霧化圖像的邊緣霧點(diǎn)去霧效果好，對(duì)局部去霧效果不明顯.文獻(xiàn)[7]提出基于邊界鄰域最大值濾波的快速圖像去霧算法，通過(guò)對(duì)邊界鄰域進(jìn)行最大值濾波，消除高亮度物體對(duì)圖像的影響，獲得準(zhǔn)確的大氣光值，使去霧結(jié)果的顏色保真度較高，但是該方法在應(yīng)用中比較繁瑣.文獻(xiàn)[8]提出基于二次濾波的單幅圖像快速去霧算法，通過(guò)提高透射率的估算精度，來(lái)恢復(fù)圖像的亮度，該算法過(guò)于簡(jiǎn)單,去霧效果不好.文獻(xiàn)[9]提出基于暗原色和加權(quán)形態(tài)濾波增強(qiáng)算法,利用形態(tài)學(xué)濾波方法，估計(jì)霧濃度圖像并實(shí)現(xiàn)圖像的去霧處理.該方法既能平滑霧濃度圖，又能很好地保留場(chǎng)景的邊緣,估計(jì)出的霧濃度圖更加精確，但是應(yīng)用范圍比較窄.針對(duì)上述問(wèn)題，筆者提出基于霧天混沌性傳統(tǒng)圖像去霧算法的改進(jìn).

1　霧霾天霧化背景干擾下的圖像分析

1.1霧霾天環(huán)境下圖像數(shù)據(jù)的混沌性證明

針對(duì)文獻(xiàn)[7]中提出的基于邊緣保持濾波單幅圖像快速去霧算法，在大氣散射環(huán)境下，圖像采集過(guò)程中會(huì)受到霧化環(huán)境的干擾，排除這種干擾需要證明圖像像素的混沌性，霧霾天環(huán)境下采集的圖像最直接的表現(xiàn)就是模糊，即所謂的圖像失真，這種失真帶有混沌性，表1 給出了產(chǎn)生圖像失真的原因而導(dǎo)致的結(jié)果.

由表1可知，由于霧霾天氣產(chǎn)生霧化程度不同，導(dǎo)致失真的原因也不同，同時(shí)失真處理結(jié)果也不同.當(dāng)無(wú)霧霾時(shí)，產(chǎn)生失真的主要原因是動(dòng)作的變化產(chǎn)生一定的混沌性，可通過(guò)調(diào)整拍攝模式來(lái)進(jìn)行處理；當(dāng)存在低到中度霧霾時(shí)，主要是由于環(huán)境及傳輸延遲產(chǎn)生混沌性，可通過(guò)對(duì)環(huán)境外景進(jìn)行處理或重新進(jìn)行傳輸；當(dāng)存在重度霧霾時(shí)，主要是由于圖像延遲產(chǎn)生混沌性，導(dǎo)致無(wú)法進(jìn)行處理，這種混沌性的存在是通過(guò)霧霾天環(huán)境下拍攝的圖像失真程度來(lái)體現(xiàn).

表1　霧霾天霧化環(huán)境下圖像失真的原因結(jié)果分析圖Tab.1　Haze days atomization environment reasons of the distortion of image analysis results

基于對(duì)霧霾環(huán)境下混沌性的了解可知，這種混沌性的產(chǎn)生主要是基于其所處的環(huán)境，比如在霧霾天和雨天等非正常環(huán)境.在霧霾環(huán)境下對(duì)圖像像素的混沌性，可以通過(guò)圖像像素失真的早期數(shù)據(jù)來(lái)進(jìn)行分析，只是這種混沌性表現(xiàn)的不是很明顯，只有在遇到霧霾天這樣的環(huán)境下才會(huì)釋放出來(lái).通過(guò)這些圖像采集像素?cái)?shù)據(jù)的最大Lyapunov 指數(shù)是否大于0來(lái)驗(yàn)證圖像像素的混沌性.圖像像素發(fā)生失真的數(shù)據(jù)時(shí)域波形，如圖1所示.運(yùn)用Matlab對(duì)得到的圖像失真失效數(shù)據(jù)進(jìn)行Lyapunov 指數(shù)圖的分析，形成圖像失真時(shí)Lyapunov指數(shù)，如圖2所示.

圖1　圖像像素發(fā)生失真的時(shí)域波形Fig.1　Time domain waveform for image pixels distortion

圖2　圖像像素失真時(shí)的Lyapunov指數(shù)Fig.2　Lyapunov index for image pixel distortion

通過(guò)圖1 圖2可以看出，根據(jù)圖像像素失真的時(shí)域波形和圖像像素失真時(shí)Lyapunov指數(shù)>1,可以很明顯地證明圖像像素在這種情況下具有混沌性.

1.2霧霾天霧化背景干擾下的圖像采集模型構(gòu)建

霧霾天霧化背景下，在大氣散射的作用下，圖像采集會(huì)受到霧化背景的干擾，霧化背景干擾圖像采集是用McCarney大氣散射模型來(lái)實(shí)現(xiàn)的，對(duì)霧化圖像數(shù)據(jù)的設(shè)定由M個(gè)近鄰相位點(diǎn)組成了一個(gè)幀，用矩陣X表達(dá)圖像的色差像素級(jí)，在霧化背景干擾下的濃霧圖像色差像素級(jí)滿足單個(gè)尺度的差分函數(shù)，那么，就構(gòu)建了一個(gè)關(guān)于霧化背景場(chǎng)景色差特征的大氣耗散模型：

(1)

式中：A為天空的亮度；Ic(y)為大氣粒子y軸向模型.

根據(jù)大氣耗散模型，由于大氣耗散對(duì)圖像像素產(chǎn)生噪聲干擾，設(shè)x0點(diǎn)為視差傳播的可靠性驅(qū)動(dòng)因子，設(shè)G(x,y,σi)表示單個(gè)尺度的瑞利分布函數(shù)，設(shè)σi是像素(x,y)在目標(biāo)整體特征上的尺度，設(shè)wi是去霧濾波器的窗口大小，那么，在霧化背景干擾下，大氣粒子的散射過(guò)程模型：

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

(2)

式中：I(x)是指霧化圖像的強(qiáng)度;J(x)為景物光線的強(qiáng)度；A為背景干擾強(qiáng)度；t(x)為混沌干擾下的大氣透射率.結(jié)合J(x)t(x)為霧化圖像的衰減項(xiàng)，得到霧點(diǎn)散射損失模型：

(3)

根據(jù)霧點(diǎn)散射損失模型，來(lái)構(gòu)建霧霾天霧化背景干擾下的圖像采集模型：

I(x)=Aρ(x)e-βd(x)+A(1-e-βd(x)).

(4)

式中：Aρ(x)e-βd(x)表示直接傳播的模型；A(1-e-βd(x))表示環(huán)境光模型， 1-e-βd(x)為中值濾波大氣散射率.根據(jù)模型可知，霧化圖像處理和去霧目標(biāo)就是從I(x)中恢復(fù)J(x)、A和t(x)等相關(guān)系數(shù).在霧化背景干擾下的濃霧圖像采集，主要是根據(jù)場(chǎng)景反照率，來(lái)實(shí)現(xiàn)對(duì)圖像的去霧處理.

1.3圖像最小顏色分量的處理方法

在霧霾環(huán)境下，為了實(shí)現(xiàn)對(duì)圖像的快速去霧處理，進(jìn)行圖像暗原色特征提取的預(yù)處理.先對(duì)圖像的最小顏色分量預(yù)處理，具體過(guò)程如下：對(duì)于一幅在霧化背景干擾下的濃霧背景彩色圖像J，定義Jc代表J的某一個(gè)顏色分量，定義大氣耗散函數(shù)U(x)=1-e-βd(x)，t(x)=e-βd(x),其中0

(5)

在圖像的生成序列模型中，n=1,2,...,T，它表示圖像分頻迭代步數(shù).把檢測(cè)得出的圖像像素集劃分成幾個(gè)子集，采用最小顏色分量估計(jì)區(qū)分不同大小的圖像輪廓點(diǎn)，得到單個(gè)像素值I(i,j)的模型：

(6)

根據(jù)計(jì)算圖像位置x處的傳播模型，采用3×3的中值濾波器進(jìn)行圖像特征采集，得到圖像特征采集結(jié)果模型：

m=1,2,…,M;n=1,2,…,N;

(7)

g(m,n)(u,v)=I(k)g[2(m-1)+u,2(n-1)+v]u∈{1,2};v∈{1,2}.

(8)

在圖像特征采集結(jié)果模型(7)(8)中，u為圖像p(i,j)最小顏色分量，(i,j)為相應(yīng)像素的坐標(biāo)值.以x為中心劃定一塊方形區(qū)域，采集多幅圖像的霧化背景先驗(yàn)噪聲，在方形區(qū)域內(nèi)進(jìn)行圖像特征提取，構(gòu)建大氣耗散函數(shù)，并采用圖像去霧方法求得背景暗原色模型：

(9)

為了提高圖像去霧的速度，這里假定Jdark(x)等于0，即得到關(guān)于圖像去霧速度的模型：

(10)

在以上構(gòu)建的模型基礎(chǔ)上，選取合適的活動(dòng)窗口進(jìn)行圖像的噪聲復(fù)原，得到復(fù)原以后的圖像模型：

J(x)=[I(x)-AU(x)]/(1-U(x))=

(11)

根據(jù)復(fù)原以后的圖像模型，來(lái)計(jì)算圖像內(nèi)的每一點(diǎn)自相關(guān)函數(shù)，通過(guò)陣列元分析方法求出尺度圖像在(x，y，σ)處的極值后，得到圖像的最小顏色分量自相關(guān)模型：

c(x,y)=∑W[I(xi,yi)-I(xi+Δx,yi+Δy)]2.

(12)

根據(jù)圖像的最小顏色分量自相關(guān)模型，進(jìn)而估計(jì)的大氣耗散函數(shù)U(x)和天空亮度A，由此，得到霧化背景干擾下的霧化圖像最小顏色分量估計(jì)，為接下來(lái)的基于混沌性的加權(quán)濾波的圖像快速去霧算法奠定了基礎(chǔ).

2　基于混沌性的加權(quán)濾波圖像快速去霧算法

通過(guò)對(duì)霧霾背景干擾下的圖像分析，提出一種基于混沌性的加權(quán)濾波的圖像快速去霧算法，實(shí)現(xiàn)對(duì)傳統(tǒng)基于邊緣保持濾波單幅圖像快速去霧算法的改進(jìn).

基于上述圖像特征和對(duì)最小顏色分量估計(jì)的預(yù)處理，采用自適應(yīng)加權(quán)濾波設(shè)計(jì)，在霧化背景干擾下以混沌性特征映射濾波的第一層為網(wǎng)絡(luò)的輸入節(jié)點(diǎn)層.設(shè)A為天空的亮度，ρ(x)為空間坐標(biāo)x處的場(chǎng)景反照率，d(x)為空間坐標(biāo)，獲得特征點(diǎn)相關(guān)信息(位置、尺度、主方向及特征向量)后，確定初始特征點(diǎn)集的主方向，在霧化背景干擾下，濃霧圖像中存在霧化和未霧化兩部分區(qū)域，其差異值模型為τdu=u(x-m(x,y)-d(x,y),y)，根據(jù)顏色通道分量的先驗(yàn)知識(shí)，對(duì)原圖像進(jìn)行中值濾波，在霧化背景干擾下，假設(shè)局部區(qū)域都存在至少一個(gè)顏色分量，計(jì)算顏色分量干擾模型的極小值，來(lái)實(shí)現(xiàn)對(duì)源圖像值中的濾波.

假設(shè)在大氣光A作用下的無(wú)霧清晰圖像的透射率Ω(x)，隨著霧化背景作用增強(qiáng)，圖像分辨強(qiáng)度趨于0，輸入圖像I的像素值，構(gòu)建出帶霧圖像的暗原色模型：

(13)

當(dāng)A>0時(shí)：

(14)

由于在良好的自然環(huán)境采集條件下大氣粒子的存在，空氣中總會(huì)不可避免地包含一些雜質(zhì)分子，這些成分即為混沌性，采用加權(quán)濾波，計(jì)算干擾時(shí)頻特征，得到時(shí)域和頻域的特征分量模型：

(15)

(16)

(17)

式中：U(x)為改善后的透射率估計(jì)值.利用自適應(yīng)加權(quán)濾波算法，針對(duì)性地去除一部分覆蓋遙遠(yuǎn)景物的霧化特征向量，同時(shí)保留圖像的所有細(xì)節(jié),實(shí)現(xiàn)了基于加權(quán)濾波圖像快速去霧算法改進(jìn)設(shè)計(jì).

根據(jù)綜上設(shè)計(jì)，完成了基于混沌性的加權(quán)濾波圖像快速去霧算法的改進(jìn)設(shè)計(jì)，具體的改進(jìn)算法的實(shí)現(xiàn)流程如圖3所示.

圖3　改進(jìn)去霧算法實(shí)現(xiàn)流程Fig.3　Fog algorithm implementation process

3　仿真實(shí)驗(yàn)與結(jié)果分析

為了驗(yàn)證加權(quán)濾波圖像快速去霧算法在實(shí)現(xiàn)霧化背景干擾下的圖像去霧性能，進(jìn)行仿真實(shí)驗(yàn).仿真實(shí)驗(yàn)是用系統(tǒng)內(nèi)存為3 GB的PC計(jì)算機(jī)，通過(guò)采用Matlab 2012和VC++軟件編程實(shí)現(xiàn)的算法仿真.其中，圖像采集系統(tǒng)中使用的是CCD攝像頭，參數(shù)為：感光元件為CMOS；動(dòng)態(tài)分辨率為1 280×960.

首先，進(jìn)行原始圖像的采集，得到霧化背景干擾下的霧霾環(huán)境圖像的大小是600×400的JPEG圖和400×300的BMP圖像.大氣散射環(huán)境下圖像采集將會(huì)受到霧化背景干擾，因此構(gòu)建背景干擾模型進(jìn)行原始圖像采集，得到兩幅待處理的霧霾天氣霧化背景干擾下的霧噪圖像如圖4所示，圖4(a)是600×400的JPEG圖像，圖4(b)是400×300的BMP圖像.

圖4　原始待處理圖像Fig.4　Original image to be processed

根據(jù)圖4可知，原始的圖像受到霧化背景的干擾，霧噪污染較為嚴(yán)重，圖像成像效果不好，需要進(jìn)行圖像去霧處理，進(jìn)行對(duì)圖像暗原色特征提取預(yù)處理.在此基礎(chǔ)上進(jìn)行暗原色加權(quán)濾波處理，實(shí)現(xiàn)霧化背景干擾下的圖像快速去霧，為了對(duì)比算法性能，采用改進(jìn)算法和傳統(tǒng)算法進(jìn)行對(duì)比，得到去霧后的圖像成像效果如圖5和圖6所示.

圖5　文獻(xiàn)[3]去霧效果Fig.5　Literature [3] to the fog effect

分析圖5，采用傳統(tǒng)算法進(jìn)行圖像去霧圖像中間區(qū)域出現(xiàn)了顏色失真現(xiàn)象，樹枝和地面去霧不徹底，遙遠(yuǎn)景物的混細(xì)節(jié)特征不能得到合理的保留，圖像的去霧效果差.但采用改進(jìn)算法進(jìn)行圖像去霧，能有效克服傳統(tǒng)方法的上述缺陷，在除霧的同時(shí)保留了圖像的真實(shí)色彩，圖像成像質(zhì)量效果較好，有效地提高了圖像的目標(biāo)特征點(diǎn)的分辨率.

圖6　本文算法去霧效果Fig.6　This algorithm to the fog effect

為了測(cè)試算法的運(yùn)算性能，以運(yùn)算時(shí)間為對(duì)比指標(biāo)，采用不同算法，得到運(yùn)算時(shí)間對(duì)比結(jié)果如圖7所示，從7圖可見，采用本文引進(jìn)算法，運(yùn)算性能較好，實(shí)時(shí)性較高，降低運(yùn)算時(shí)間，提高了算法的速度.

圖7　運(yùn)算性能對(duì)比Fig.7　Operational performance comparison

4　結(jié)論

筆者分別對(duì)霧霾環(huán)境下的傳統(tǒng)圖像去霧算法進(jìn)行改進(jìn)研究，對(duì)濃霧環(huán)境下的圖像進(jìn)行去霧算法研究.基于仿真實(shí)驗(yàn)的對(duì)比分析，可知，筆者提出的基于加權(quán)濾波的霧化背景干擾下圖像快速去霧算法，實(shí)現(xiàn)了霧化背景干擾下的圖像快速去霧算法改進(jìn)，改進(jìn)算法具有較好的圖像去霧性能，圖像質(zhì)量的改善和運(yùn)算性能方面都具有優(yōu)越性.

[1]趙進(jìn)超, 朱顥東, 申圳,等. 基于Hadoop的圖像紋理特征提取[J]. 鄭州大學(xué)學(xué)報(bào)(工學(xué)版), 2015, 36(4):109-113.

[2]南棟, 畢篤彥, 馬時(shí)平, 等. 基于景深約束的單幅霧天圖像去霧算法[J]. 電子學(xué)報(bào), 2015, 43(3): 500-504.

[3]劉建磊, 劉曉亮. 基于拐點(diǎn)線的大霧能見度檢測(cè)算法[J]. 計(jì)算機(jī)應(yīng)用, 2015, 35(2): 528-530.

[4]宋大偉.一種改進(jìn)的遠(yuǎn)距離視頻圖像性別辨識(shí)方法[J].科技通報(bào),2013,29(8):100-136.

[5]毛曉艷, 張博, 葉中付. 基于加權(quán)濾波的低信噪比 LAMOST光纖光譜信號(hào)降噪[J]. 天文研究與技術(shù), 2015(4):447-454.

[6]劉偉, 崔永鋒, 吳相林. 霧化圖像的約束進(jìn)化時(shí)頻加權(quán)濾波去霧算法[J]. 計(jì)算機(jī)科學(xué), 2014, 41(9):311-314.

[7]陳露, 和紅杰, 陳帆. 基于邊界鄰域最大值濾波的快速圖像去霧算法[J]. 光子學(xué)報(bào), 2014, 43(11):235-269.

[8]劉紅平, 陳明義. 基于二次濾波的單幅圖像快速去霧算法研究[J]. 計(jì)算機(jī)工程與應(yīng)用, 2015, 51(8):156-159.

[9]郭艷穎, 楊國(guó)慶. 基于暗原色和加權(quán)形態(tài)學(xué)濾波的圖像去霧算法[J]. 現(xiàn)代電子技術(shù), 2012, 35(20):71-73.

[10]田豐, 劉娜. 基于二次加權(quán)濾波的熱設(shè)備故障區(qū)域定位研究[J]. 計(jì)算機(jī)工程與應(yīng)用, 2014, 50(14):242-244.

Image Remove the Fogfog Algorithm Based on Improvement Chaotic under Haze Pollution

SUI Dan1,2, ZHANG Yali3, Yang Jie2

(1.School of Software Engineering, Anyang Normal University, Anyang 455000, China; 2.School of Information Wuhan University of Technology, Wuhan Hubei 430070 , China; 3.Computer Science Department Anyang University, Anyang 455000, China)

This paper suggests a quick image defogging algorithm based on the chaotic weighted filtering to improve the traditional algorithm, the single image defogging algorithm with edge protection, with which there are the disturbance of foggy background, intense foggy hot pixel and the bad restore of image structure. The chaos of the image data will be acquired and the minimum color components will be estimated with the analysis of those disturbed images by the foggy background in haze. Then on this basis, with the combination of the dark channel model of foggy images and the component model of time domain and frequency domain features, the self-adapted weight filtering model is constructed, and the improved design of the quick image defogging algorithm based on chaotic weight filtering is completed. The results of experiment indicate that the adoption of this algorithm can avoid color distortion in the middle area of foggy images, lower the disturbance of foggy background, reduce the foggy hot pixel, and retain the chaotic characteristics of the distant view, and therefore, the advantages in image quality and calculation are displayed.

haze; chaos; defogging algorithm; improvement

2015-10-25；

2015-12-18

河南省科技攻關(guān)項(xiàng)目(132102210212)

睢丹(1976—)，女，河南安陽(yáng)人，安陽(yáng)師范學(xué)院副教授，博士研究生，主要從事計(jì)算機(jī)圖像處理與模式識(shí)別等方面的研究，E-mail：aynusd@163.com.

1671-6833(2016)04-0091-06

TP391.9

A

10.13705/j.issn.1671-6833.2016.04.020