直方圖均衡化影像霧霾去除及其質量評價

(成都理工大學 四川 成都 610059)

一、引言

霧霾天氣下由于大氣中微顆粒的散射作用，導致獲取的圖像亮度低、對比度差，圖像中的物體特征難以分辨。近年來，霧霾天氣持續(xù)時間越來越長，范圍逐漸廣泛。因此采用有效、快速的去霧方法使圖像清晰化具有重要的理論指導和實際應用價值。直方圖均衡化是一種最早也最常用的圖像增強方法。全局直方圖均衡化和局部直方圖均衡化[1]有過度放大圖像中相同區(qū)域噪聲以及色彩失真的問題，有限對比度自適應直方圖均衡化CLAHE[2][3]能有限的限制這種不利的放大。而基于HSV和基于HSI顏色模型直方圖均衡化方法[4]是在CLAHE基礎上，結合其顏色模型進行圖像去霧。三種方法相比較，基于HSI顏色模型直方圖均衡化方法去霧效果最佳。

二、直方圖均衡化方法

直方圖均衡化又稱全局直方圖均衡化，是廣泛采用的一種圖像增強技術。它使得處理后的圖像灰度均勻分布，由此來提高圖像的對比度。

(一)有限對比度自適應直方圖均衡化算法

當圖像某個區(qū)域中的像素值幾乎相似時，其直方圖就會呈現(xiàn)尖狀，此時圖像的整個像素范圍會因直方圖變換函數(shù)被一個小范圍內(nèi)的像素所映射。這將使得直方圖均衡化在處理某些平坦區(qū)域時過度放大其少量噪聲。有限對比度自適應直方圖均衡化CLAHE針對每個相關區(qū)域都均使用對比度限幅，它能有效解決直方圖均衡化的過度放大噪聲以及局部色彩暗淡的問題。

CLAHE算法的基本思想：將輸入的圖像按需求分為若干個相關區(qū)域，然后對每個區(qū)域逐個進行直方圖匹配，通過計算局部直方圖，每個小區(qū)域都必須使用對比度限幅來重新分布亮度，增強局部細節(jié)，最后使用雙線性內(nèi)插法將相鄰的區(qū)域拼接起來，得到處理后的圖像。

CLAHE算法的局部直方圖組成：相關區(qū)域內(nèi)的直方圖和相關區(qū)域外的直方圖。

hK(r)=ahB(r)+(1-a)hC(r)

(2-1)

hB(r)是相關區(qū)域內(nèi)的歸一化直方圖，hC(r)是相關區(qū)域外的歸一化直方圖，且0≤a≤1。想要模擬周圍環(huán)境對小區(qū)域的影響，可以通過a來調(diào)節(jié)其局部直方圖。

CLAHE直接針對圖像R、G、B三個分量分別進行處理，然后再重新組合三個分量，重新組合后的圖像相比較于原圖像會在局部出現(xiàn)顏色失真等問題。

(二)基于HSV和HSI顏色模型直方圖均衡化算法

基于HSV顏色模型直方圖均衡化方法先把圖像從RGB空間轉換到HSV空間，再對其分量選擇性的進行CLAHE處理，將處理后的新HSV分量轉換到RGB空間重新組合成一幅新的彩色圖像。相比較于RGB顏色模型，HSV顏色模型更類似于人類感覺顏色的方式。經(jīng)過這種轉換處理后，可以較好地解決有限對比度自適應直方圖均衡化技術所導致的圖像局部顏色失真的問題，使處理后的圖像顏色更均勻。相比較于直方圖均衡化方法，本方法計算過程簡單快速，無需過多的浮點運算。

基于HSI直方圖均衡化算法將增強明度V改為增強強度I,處理圖像方法同HSV。

三、直方圖均衡化影像質量評價方法

(一)影像的質量評價

影像質量評價分為主觀評價和客觀評價。主觀評價是觀察者根據(jù)自己的視覺感受對影像做出判斷，客觀評價方法給出一種或多種特定的、統(tǒng)一的、合理的度量指標來對遙感影像的信息量進行評價，它因不受個人主觀意識的影響能公正的作出評價，這對處理后影像的價值評定方面尤為重要。

(二)常見的影像質量客觀評價指標

1.信息熵：信息熵是遙感影像信息量最原始、最經(jīng)典的度量標準，一般來說，圖像信息熵越大,其信息量就越豐富，質量就越好。

2.均方誤差MSE：處理過后圖像的灰度值與原圖像灰度值的差平方求和再平均。MSE值越小，表明圖像質量越好。

3.峰值信噪比PSNR：PSNR與MSE本質上的相近的，它表示的是信源的最大功率和影響它的噪聲功率的比值。PSNR值越大，表明待評圖像與參考圖像之間的失真較小，圖像質量較好。

4.清晰度：影像的清晰度是指影像中的紋理和邊界的清晰程度。影像清晰度越高，其紋理和邊界越清楚，影像信息量質量越高。

四、直方圖均衡化去霧霾實驗及其質量評價

本次實驗選用含有薄霧霾的圖像，使用上述三種不同的直方圖均衡化方法對其進行處理，并對其處理后影像質量進行評價。

(一)圖像質量評價

1.主觀評價。從圖像的實驗結果中可以看出，CLAHE圖像局部暗淡的問題得到了很好的解決，但有些區(qū)域顏色略微的暗沉，相比較原圖而言，有些失真的效果?；贖SV直方圖均衡化和基于HSI圖均衡化去霧技術對于圖像局部顏色暗淡和失真等問題均有了較好的解決，且基于HSI直方圖均衡化從視覺上更加清晰。

2.客觀評價。計算原圖以及用三種方法處理后圖像質量評價指標，結果如下表所示：

表1 原圖及處理后圖像質量標價指標計算結果

從上表中原圖像及處理后圖像的計算結果可以看出：(1)經(jīng)HSI處理后的圖像與原圖像相比，其信息熵最大，信息量最豐富，質量最好;(2)經(jīng)HSI理后的圖像與原圖像相比MSE最小，PSNR最大，表明圖像失真較小，圖像質量最好;(3)經(jīng)HSI處理后的圖像與原圖像相比，其清晰度最高，紋理和邊界最清楚，影像信息量質量最高。

(二)結論

本次試驗采用三種直方圖均衡化算法對圖像進行去霧處理，均取得了良好的效果?；贖SI顏色模型直方圖均衡化算法與有限對比度自適應直方圖均衡化以及基于HSV直方圖均衡化方法相比較，算法復雜度相當。但無論主觀評價還是客觀評價實驗結果表明，其去霧視覺效果以及評價效果均更佳。