王燕

摘要：人口的爆炸性增長和工業(yè)化的迅速發(fā)展導(dǎo)致了越來越嚴(yán)重的環(huán)境問題。霧霾天氣越來越頻繁出現(xiàn)，嚴(yán)重影響監(jiān)控系統(tǒng)獲取的圖像信息的準(zhǔn)確性，圖像可能會模糊，這將導(dǎo)致以后的工作，不可預(yù)見的影響。通過使用除霧算法來處理由監(jiān)視系統(tǒng)獲得的圖像，將大大消除霧霾天氣對成像的影響，從而使監(jiān)視系統(tǒng)更加可靠和安全。

關(guān)鍵詞：圖像去霧;圖像復(fù)原;圖像增強(qiáng)

現(xiàn)在的去霧算法主要有三大類：一是基于圖像增強(qiáng)的去霧算法，二是基于圖像復(fù)原的去霧算法，三是基于景深的去霧方法。

一、基于圖像增強(qiáng)的去霧算法

圖像增強(qiáng)的除霧算法是使用一些算法來提高霧圖像的對比度，突出顯示或削弱某些信息，減少霧對圖像的影響，并使除霧圖像更方便機(jī)器識別或主觀視覺觀察。

1.1基于直方圖均衡化的去霧算法

這種方法的主要思想是使圖像的直方圖分布更加均勻以提高圖像的對比度。直方圖均衡有兩種方法：局部直方圖均衡和全局直方圖均衡。全局直方圖均衡是在不考慮圖像局部特征的情況下對整個圖像進(jìn)行均衡，因此提出了局部直方圖均衡，包括JY Kim子塊局部重疊直方圖均衡算法（POSHE）和Zimmerman提出的插值直方圖均衡算法。都取得了很好的效果。

1.2基于小波變換的去霧算法

基于小波分析的方法是對多尺度圖像進(jìn)行對比度增強(qiáng)處理，取得了很好的效果。該方法的原理是削弱圖像的低頻部分并增強(qiáng)圖像的高頻部分，以使圖像變得清晰。 Russo F等人提出了一種在多個尺度上均衡霧圖像細(xì)節(jié)的方法，使圖像細(xì)節(jié)更清晰。

二、基于圖像復(fù)原的去霧算法

基于圖像恢復(fù)的算法使用大氣散射模型來恢復(fù)模糊圖像。

2.1 大氣散射模型

有霧的天氣中，物體反射的光線會因?yàn)榭諝饫锏男☆w粒發(fā)生散射，會使圖像采集設(shè)備采不到完整的發(fā)射光線。這就使光線在傳播過程中一部分會發(fā)生衰減。大氣介質(zhì)中存在的顆粒讓光的散射過程變得非常復(fù)雜，為了更加準(zhǔn)確地描述這個過程對采集到的圖像產(chǎn)生的影響，于是建立在大氣散射理論的基礎(chǔ)上的數(shù)學(xué)模型——大氣散射模型被提了出來，用來描述散射的過程，其表達(dá)式為：

I （x）=J （x） t （x）+A（1- t（x））

在以上公式中，I（x）代表收集的圖像，A是大氣光強(qiáng)度，J（x）代表真實(shí)圖像，t（x）是透射率。除霧是使用已知的I（x）查找J（x）。由于此公式中有許多未知數(shù)，因此需要一些先驗(yàn)知識才能解決。

2.2 基于先驗(yàn)知識的圖像去霧算法

近年來，利用一些先驗(yàn)知識，單幅圖像除霧取得了很大的進(jìn)展，并且研究了局部對比度最大化的方法。這種方法在某些時(shí)候可以達(dá)到良好的效果，但是通常會產(chǎn)生色彩飽和度和光暈效果。此方法使用圖像增強(qiáng)技術(shù)，但不符合實(shí)際的物理模型。 Fattal等創(chuàng)建了一個除霧模型，該模型假定對象的陰影和反射率在局部不相關(guān)，然后使用獨(dú)立分量分析（ICA）計(jì)算透射率。該方法對顏色信息量有較高的要求。當(dāng)密度很大時(shí)，此方法無法計(jì)算透射系數(shù)。當(dāng)拍攝距離很遠(yuǎn)時(shí)，除霧效果不理想。

通過對無霧圖像的統(tǒng)計(jì)，發(fā)現(xiàn)在無霧圖像的大部分區(qū)域中總會有一些非常低的灰點(diǎn)，因此提出了暗通道先驗(yàn)理論。該方法首先使用暗通道粗略估計(jì)透射率，然后使用軟消光優(yōu)化透射率，然后使用暗通道先驗(yàn)估計(jì)大氣光強(qiáng)度，最后使用霧圖像的光學(xué)模型還原圖像，效果很好，霧化圖像的色彩自然，為霧化的領(lǐng)域開辟了一條新的道路，是一個很大的突破。但是這種方法的時(shí)間復(fù)雜度很高，并且沒有實(shí)時(shí)性能。 Kratz等對場景的深度和發(fā)射率建模，并假設(shè)它們彼此獨(dú)立，景深由特定場景確定。通過此方法處理的圖像邊緣效果很好，但是圖像的色彩對比度有時(shí)會過飽和。

三、基于景深的去霧方法

在雨天和大霧天氣中使用傳統(tǒng)的除霧算法確實(shí)可以在一定程度上提高監(jiān)視圖像的對比度和圖像質(zhì)量，但是傳統(tǒng)算法對監(jiān)視場景和檢測目標(biāo)的適應(yīng)性較差?，F(xiàn)在提出了一種新的除霧方法。

將采集到的圖像切成M * N個相同面積的塊，并切成長度為W和H的小塊。M和N分別對應(yīng)于原始圖像的長度和寬度。如果圖像的長度和寬度有條件不滿足M和N的倍數(shù)，則可以在邊緣擴(kuò)展后對圖像進(jìn)行分割。

如上圖所示，灰色原始圖像區(qū)域的大小為18×14。如果需要切成4×4尺寸的子區(qū)域，則原始圖像的尺寸不足以實(shí)現(xiàn)整體切割。考慮到基于原始圖像長度和寬度的邊緣擴(kuò)展，擴(kuò)展圖像的長度應(yīng)分別為M = 4和N = 4的公倍數(shù)。顯然，長度和寬度的最小擴(kuò)展寬度為2，如白色區(qū)域所示為邊緣擴(kuò)展區(qū)域。邊緣擴(kuò)展后，可以將圖像分為20個4×4子區(qū)域塊，以進(jìn)行下一步。

對每個子區(qū)域塊執(zhí)行景深采集，根據(jù)空氣傳播參數(shù)t（x，y）的估計(jì)公式：

通過上述公式，可以快速建立粗糙的大氣耗散圖H（x，y）與景深H（x，y）之間的對應(yīng)關(guān)系-正相關(guān)。由于H（x，y）與H（x，y）成正比，H（x，y）不同區(qū)域的灰度值對應(yīng)于粗略的深度信息。景深越大，相應(yīng)的大氣耗散圖H（x，Y）越大。

根據(jù)H（x，y）子區(qū)域的像素值范圍，并基于大氣信息值，將區(qū)域塊劃分為k（k = 1，2 ...，n）級深度梯度?？梢酝ㄟ^以下公式確定梯度值：

在基于景深的除霧方法中，像素是通過雙線性插值處理實(shí)現(xiàn)的，其計(jì)算復(fù)雜度略高。

三、結(jié)語

綜上，對幾種經(jīng)典的除霧算法進(jìn)行了回顧。其中，基于圖像增強(qiáng)的除霧算法已在實(shí)踐中得到廣泛應(yīng)用，基于圖像恢復(fù)的除霧算法和景深的去霧方法具有更自然，更好的效果，但在實(shí)際應(yīng)用中對實(shí)時(shí)性和通用性的要求較高，因此后兩項(xiàng)技術(shù)仍有改進(jìn)發(fā)展的空間。

參考文獻(xiàn)

[1]鞠銘燁，張登銀，紀(jì)應(yīng)天.基于霧氣濃度估計(jì)的圖像去霧算法[J].自動化學(xué)報(bào)，42（9）：1367-1379，2016.

中交遠(yuǎn)洲交通科技集團(tuán)有限公司，河北石家莊?050000