程煒 湯紅忠 朱玲 王翔 李驍 郭雪峰

摘要：傳統(tǒng)的單幅圖像去霧方法中大氣光強(qiáng)度僅設(shè)定為與圖像最亮象素有關(guān)的經(jīng)驗(yàn)值，容易造成去霧后的圖像亮度偏暗，且某些區(qū)域色彩還原失真等問題。本文提出一種大氣光強(qiáng)度自適應(yīng)恢復(fù)算法。首先對圖進(jìn)行分塊，根據(jù)每個圖塊的像素在RGB顏色空間分布在同一條線上，可求得大氣光強(qiáng)度的方向，然后對大氣光強(qiáng)度模值引入一個懲罰因子實(shí)現(xiàn)圖像去霧，對去霧后圖像提出大氣光強(qiáng)度模值估計(jì)的目標(biāo)函數(shù)，根據(jù)圖像明暗系數(shù)的最大值與透射率的等級無關(guān)的約束條件，利用LBFGS優(yōu)化從而得到正確的大氣光強(qiáng)度模值。實(shí)驗(yàn)結(jié)果證明該方法可以有效避免大氣光強(qiáng)度估值偏差而引起的圖像色彩失真，魯棒性強(qiáng)，去霧后的圖像具有更好的色彩還原度和清晰度，更能符合人眼視覺效果。

關(guān)鍵詞：大氣光強(qiáng)度；明暗系數(shù)；模值估計(jì)；透射率

中圖分類號：TP751.1文獻(xiàn)標(biāo)識碼：ADOI：10.3969/j.issn.10036199.2017.01.021

1引言

近年來，環(huán)境問題日益嚴(yán)峻，霧霾天氣的出現(xiàn)直接影響了室外視覺監(jiān)視、目標(biāo)識別與跟蹤等系統(tǒng)效用的發(fā)揮，給人們的日常生活帶來了極大的不便。因此，對單幅圖像如何進(jìn)行有效去霧具有重要的研究意義。目前，通用的圖像去霧算法都是基于以下物理模型[1，2]；

I（x）=J（x）t（x）+（1-t（x））A （1）

其中，I（x）表示霧圖，J（x）表示無霧圖像，x是圖像像素的坐標(biāo)，t（x）為大氣透射率，A為大氣光強(qiáng)度，為全局矢量。圖像去霧的本質(zhì)是要實(shí)現(xiàn)A與t（x）的估算?，F(xiàn)有的單幅圖像去霧算法主要圍繞透射率t（x）的求解，也取得了很多有效的學(xué)術(shù)成果。例如文獻(xiàn)[3]基于暗原色先驗(yàn)得到初始透射率圖，再借助軟框圖算法優(yōu)化初始透射率圖；文獻(xiàn)[4]則采用引導(dǎo)濾波細(xì)化初始透射率圖，提高算法的去霧實(shí)時性；文獻(xiàn)[5]首先定義了雙區(qū)域暗通道，再對透射率進(jìn)行估算；文獻(xiàn)[6]結(jié)合大氣散射光與景深變化趨勢相同的特性，用局部均值和標(biāo)準(zhǔn)差的差值來估計(jì)大氣散射光，從而實(shí)現(xiàn)對有霧圖像的修復(fù)。然而在現(xiàn)有的去霧算法中，大氣光強(qiáng)度A則主要根據(jù)人工直接設(shè)定，一般采用與最大圖像亮度有關(guān)的經(jīng)驗(yàn)值，例如文獻(xiàn)[7]等直接選取有霧圖像中最亮的像素作為大氣光強(qiáng)度，文獻(xiàn)[3]等先選定暗通道圖中與最亮值的0.1%對應(yīng)的像素，然后將這些像素對應(yīng)到有霧圖I（x）中取最大值作為大氣光強(qiáng)度；文獻(xiàn)[5]則直接選取有霧圖雙區(qū)域暗通道的最大值作為大氣光；Wang等[8]為了避免大氣光受到圖像中白色和天空區(qū)域的影響，首先去除白色和天空區(qū)域，再選擇圖像最亮的像素點(diǎn)作為大氣光；文獻(xiàn)[9]依據(jù)大氣傳遞圖的先驗(yàn)知識，將大氣傳遞圖的估計(jì)問題轉(zhuǎn)化為二次規(guī)劃問題，通過帶約束的歸一化最速下降法獲取最優(yōu)大氣光強(qiáng)度。盡管這些方法都取得了一定的去霧效果，但亮度較大的大氣光強(qiáng)度也不可能出現(xiàn)在整個場景環(huán)境中，會造成復(fù)原圖像的亮度出現(xiàn)偏差，而且大氣光強(qiáng)度的取值也影響著透射率的求解，從而導(dǎo)致整幅圖像的去霧性能下降。

針對上述問題，首先對圖進(jìn)行分塊，在RGB顏色空間中，由于每個圖塊的像素分布在同一條線上，基于局部區(qū)域簡化模塊求得大氣光強(qiáng)度的方向，直接采用具有懲罰因子的大氣光強(qiáng)度模值實(shí)現(xiàn)圖像去霧，去霧后的圖像在不同等級透射率的條件下，引入不變的圖像最大明暗系數(shù)作為限制條件，提出大氣光強(qiáng)度模值估計(jì)的目標(biāo)函數(shù)，最小化圖像明暗系數(shù)與透射率相關(guān)估計(jì)值的距離，利用LBFGS優(yōu)化從而得到正確的大氣光強(qiáng)度模值。該算法可以提高大氣光強(qiáng)度估算的精確度，去霧效果魯棒性強(qiáng)，實(shí)用范圍更廣，去霧后的圖像更加清晰自然。

2大氣光強(qiáng)度的自適應(yīng)恢復(fù)算法

本實(shí)驗(yàn)所采用的圖片均來自谷歌，百度等網(wǎng)站，透射率的求解均采用最小值濾波，再利用引導(dǎo)濾波[4]進(jìn)行優(yōu)化，消除塊效應(yīng)；而針對大氣光強(qiáng)度的取值，本文分別采用文獻(xiàn)[3]的方法，文獻(xiàn)[8]的方法，文獻(xiàn)[10]的方法，以及本文算法進(jìn)行去霧后的圖像效果比較。所有實(shí)驗(yàn)均采用采用MATLAB7.0軟件平臺，其實(shí)驗(yàn)結(jié)果如圖4所示。 從圖中我們可以看出本文算法與文獻(xiàn)[10]相比，去霧效果色彩柔和，去霧結(jié)果也更加清晰自然。為了更好的評價圖像去霧后的效果，本文采用色調(diào)還原程度和平均梯度對這4種圖像大氣光去霧方法進(jìn)行定量評價，實(shí)驗(yàn)結(jié)果如表1所示。

參考文獻(xiàn)

[1] NARASIMHAN S G，NAYAR S K. Chromatic Framework for Vision in Bad Weather[C].IEEE Conference on Computer Vision & Pattern Recognition. 2000：598-605.

[2]NARASIMHAN S G，NAYAR S K. Contrast restoration of weather degraded images[C].Pattern Analysis & Machine Intelligence IEEE Transactions on， 2003， 25（6）：713-724.

[3]HE Kaiming，SUN Jian，TANG Xiaoou.Single image haze removal using dark channel prior[C].In： Proceeding of IEEE Conference on Computer Vision and Pattern Recognition. Washington D.C.， USA： IEEE，2009.1956-1963.

[4]HE Kaiming，SUN Jian，TANG Xiaoou. Guided Image Filtering[C]. IEEE Transaction on Pattern Analysis and Machine Intelligence，2013，35（6）：1397-1409.

[5]張小剛， 唐美玲， 陳華，等. 一種結(jié)合雙區(qū)域?yàn)V波和圖像融合的單幅圖像去霧算法[J]. 自動化學(xué)報， 2014， 40（8）：1733-1739.

[6]李娟， 張有會， 王志巍，等. 基于局部均值和標(biāo)準(zhǔn)差的圖像去霧算法[J].計(jì)算機(jī)工程與應(yīng)用， 2014：1-5.

[7]TAN R T.Visibility in bad weather from a single image[M].Computer Vision and Pattern Recognition， 2008.

[8]WANG J B，HE N，ZHANG L L，et al.Single image dehazing with a physical model and dark channel prior[J]. Neurocomputing， 2015， 149（PB）：718-728.

[9]李權(quán)合， 畢篤彥， 許悅雷，等. 霧霾天氣下可見光圖像場景再現(xiàn)[J]. 自動化學(xué)報， 2014， 40（4）：744-750.

[10]SULAMI M，GLATZER I，F(xiàn)ATTAL R，et al.Automatic recovery of the atmospheric light in hazy images[C].2014 IEEE International Conference on Computational Photography （ICCP）. 2014：1-11.

[11]SCHECHNER Y Y，NARASIMHAN S G，NAYAR S K. Instant Dehazing of Images Using Polarization[C].IEEE Computer Society Conference on Computer Vision & Pattern Recognition. IEEE， 2001：325.

[12]SCHECHNER Y Y，NARASIMHAN S G，NAYAR S K. Polarizationbased vision through haze[J].Applied Optics， 2003， 42（3）：511-525.

[13]FATTAL R. Dehazing Using ColorLines[J]. Acm Transactions on Graphics， 2014， 34（1）：1-14.

[14]LIU D，NOCEDAL J.On the limited memory BFGS method for large scale optimization[J]. Math. Program，1989，45（1）：503-528， 1989.

[15]李大鵬， 禹晶， 肖創(chuàng)柏. 圖像去霧的無參考客觀質(zhì)量評測方法[J]. 中國圖象圖形學(xué)報， 2011， 16（9）： 1753-1757.

第36卷第1期2017年3月計(jì)算技術(shù)與自動化Computing Technology and AutomationVol36，No1Mar. 2 0 1 7第36卷第1期2017年3月計(jì)算技術(shù)與自動化Computing Technology and AutomationVol36，No1Mar. 2 0 1 7