基于暗通道先验的改进图像去雾算法_黄金炜.pdf

第 卷 第期佳 木 斯 大 学 学 报（自 然 科 学 版）年 月 （）文章编号：（）基于暗通道先验的改进图像去雾算法黄金炜，于瓅，郭天元，吴一峰，金彬峰（安徽理工大学计算机科学与工程学院，安徽 淮南 ）摘要：针对传统暗通道先验去雾算法处理得到的去雾图片存在亮度偏暗，颜色失真等问题，提出一种基于暗通道先验的改进图像去雾算法。首先，将有雾的图像根据尺寸大小均匀分割成八份；然后，对分割后的图像进行暗通道先验去雾处理，并为每一个分割图像块找到一个最合适的值；最后，将去雾后图像转为 颜色空间，对亮度进行限制对比度自适应直方图均衡化处理。实验结果显示：改进后的算法有效改善了去雾后图像亮度偏暗的问题，且极大程度避免了色彩失真现象。关键词：图像去雾；暗通道先验；均匀分割；颜色空间中图分类号：文献标识码：引言随着工业生产的不断发展与进步，有害气体污染问题日益严重，雾霾天气的出现变得更加频繁。在雾霾天气下，空气中悬浮的大量微粒会对光线产生吸收和折射，导致成像设备获取的图片细节丢失，对比度低和能见度低等问题，对后续图像处理造成困扰。同时，在日常的生产和生活中，雾霾天气对车辆监控，道路交通管理等造成了严重影响，给人们带来了极大的不便，因此对图像进行去雾操作极其重要。随着科学技术的不断发展更新，诸多图像去雾算法不断涌现，其中效果较为突出的总结为三类：第一是图像增强技术；第二是图像复原技术；第三是深度学习技术。图像增强技术的基本原理是依靠提高图像的对比度达到最终的去雾效果，这种方法一般不会考虑造成图像退化的原因。直方图均衡化和 算法都是其典型的代表算法，然而，此类方法去雾后容易出现色彩失真的情况，且对复杂环境处理效果一般。图像复原技术按照分析图像退化原因、建立退化模型和补偿图像丢失信息 三 部 曲 达 到 对 图 像 去 雾 的 目 的。早 期 和 分别通过最大化局部对比度和中值滤波来对图像进行去雾，但复原后的图像普遍存在过饱和以及明显的光晕现象。在无雾天气的情况下，除天空区域外的任何区域都存在像素值非常低的颜色通道，在这一先验信息的基础上，等人提出了暗通道先验的方法，但这种方法没有充分考虑到天空区域的特殊性，所以对天空区域的去雾效果不够理想。等人 提出了边界约束和正则化图像的方法，通过舍弃小部分的边界信息来复原图像，但这种方法复原后的图像细节不够如突出。基于深度学习的相关知识，通过把传统去雾方法和深度学习相结合，等人 突破性的提出了一种端到端的去雾网络 ，将有雾图像作为输入，输出投射图，利用大气散射模型对有雾图像进行还原。基于大气物理模型的去雾模型与传统的基于物理模型的去雾模型相比，前者去雾更加高效，但模型参数量的增加和大气因素的多变导致最终的去雾效果不够彻底，容易出现颜色偏暗和失真的现象。为了解决上述问题，受张雪等人 的启发，提出一种基于暗通道先验的改进图像去雾算法。对比发现，改进的去雾算法比传统的去雾算法处理得到的图像更加清晰，细节更加凸显，同时，一定程度上解决了天空色彩失真和去雾图像颜色偏暗的问题。相关工作收稿日期：基金项目：安徽省重点研究与开发计划项目（）。作者简介：黄金炜（），男，江苏南通人，硕士，研究方向：图像处理。通讯作者：于瓅（），女，教授，博士，研究方向：区块链、图像处理。佳 木 斯 大 学 学 报（自 然 科 学 版）年大气散射模型雾霾形成的主要原因是光线在空气中的微小悬浮物表面发生散射，导致有雾天气下拍摄到的图像视觉效果不尽人意。提出了著名的大气散射模型来解释雾天图像的成像过程和原因，目前普遍使用的大气散射模型可以表示为式（）。（）（）（）（）（）在式（）中，左边（）是已知未处理过的有雾图像，右边（）表示能穿透空气中细小微粒到达物体表面光的多少，未知量是全局大气光值，（）则是需要求得的无雾图像。暗通道先验去雾算法原理在无雾天气情况下，除了天空区域外的任何区域或多或少都存在像素值非常低的颜色通道，且这些通道的像素值无限接近于或者为，上述就是常说的暗通道。（）（），（）（）（）在式（）中，等号左边代表的是无雾图像的暗通道，右边代表的是以像素为中心，选取 三通道中最小的像素值作为暗通道 （）的值，由于无雾图像除天空区域外的区域灰度值很低，所以 （）。估计透射率和复原图像在大 气 散 射 模 型 式（）中，除 有 雾 图 像（）外，其他都是未知的，此时需要分别计算未知量和未知量（）的值，由暗通道先验可知，（），将其代入到式（）中计算出（），如式（）。（）（），（）（）（）全局大气光值一般借助暗通图进行获取，首先从暗通道图中选取出前亮度的像素，然后找出有雾图像中与这些最高亮度点相对应点的值作为的值。在实际操作时，一般会给需要去雾的图像保留一定程度的雾，这样可以使得最终得到的去雾效果图 更 加 逼 真，因 此 在 式（）中 引 入 一 个 参 数（），如式（）：（）（），（）（）（）将上述计算出来的大气光值和场景透射率（）代入到大气散射模型式（式（），求解得到恢复后的图像（），如式（）。（）（）（），（），（）如式（）所示，为了避免场景透射率（）过小，会给其设置一个阈值，通常令.。研究方法改进算法思想在 等人提出的经典暗通道先验去雾算法中，对每张图像值的设定都是固定不变的，导致处理后的图片往往都存在颜色失真、图片偏暗以及光环等问题。而实际在对不同图像进行去雾处理时，每张有雾图像都存在差异，严格来说，每张有雾图像不同区域需要保留雾的浓度都是不一样的。因此，为了去雾后能得到最贴近真实无雾图的视觉效果，每一张有雾图像的不同区域需选择最合适的值。基于以上表述，在原有暗通道先验算法基础上提出了一种改进后的去雾算法，其主要思想是在处理有雾图像时，有针对性的去除图像上不同区域的雾，并且对图像的亮度进行调节。首先将待处理的有雾图像均等分割成八块，使图像中不同景物能够被区分开，然后对分割后的图像进行暗通道去雾处理，每块区域都有各自的值保留不同程度的雾，并将初步去雾后的图像转换为 颜色空间进行亮度调节，最后将处理完的图像转换回原来的 颜色空间，得到无雾图像。改进算法框架整个改进算法的去雾流程如图所示。改进算法的去雾过程提出的去雾算法是在暗通道先验去雾算法的基础上改进而来。首先输入有雾图像，计算场景透射率（），受有雾天气影响，大气光值几乎与 三通道上的最低值相等，将其带入到大气散射模型公式中得出场景透射率（），然后从原始图像的 三通道中选取前的值作为对应的值。在计算出透射率（）和大气光值后，将有雾图像分割成均等的八份，并计算出不同区域最佳值。参考文献 通过把图像均等的分割成四等份来区分开不同的景物，但是当图像中包含的景物信息较为复杂时，使用这种方法对不同景物的区分效果不够明显，导致去雾后的图像亮度偏低或颜色过饱和。经过大量的对比分析发现，当把一幅图像均等的分割成八份时，图像中不同的景物被区分第期黄金炜，等：基于暗通道先验的改进图像去雾算法的更加彻底，最终得到的图像去雾效果显著。当分割超过八块时，区分效果并没有明显的提升且处理速度变慢，所以最终选择将有雾图像均等的分割成八份，如图所示。图改进算法流程图在对有雾图像进行暗通道先验去雾操作之后，将暗通道去雾得到的 颜色空间图像转换为 颜色空间 图像（其中 表示图像的色调，表示图像的饱和度，表示图像的亮度），接着在其他要素不变的情况下对（图像的亮度）做限制对比度自适应直方图均衡化处理，最后再将对（图像的亮度）进行处理后的图像转换回 颜色空间，得到最终的去雾图像。图均等分割图实验结果和结果分析实验配置为验证改进算法去雾的有效性，将改进算法处理结果与文献 的传统暗通道先验去雾算法处理结果进行比较。实验平台为 位 操作系统的计算机，硬件平台为 处 理 器、，软件平台为 。实验结果使用传统暗通道先验去雾算法对天安门的雾图进行去雾操作后，天安门上方的天空出现了严重的色彩失真现象，针对这一情况，改进算法先设置八个不同的值，分别是.，.，.，.，.，.，.，.，然后按照改进算法进行实验，实验效果对比如图所示。图天安门去雾效果对比图使用传统暗通道先验去雾算法对平地上的行人和车辆进行去雾操作后，图像上的行人和车辆都出现了明显的 （光晕）现象，并且图像亮度很低，针对这一情况，改进算法先设置八个不同的值，分别是.，.，.，.，.，.，.，.然后按照改进算法进行实验，实验效果对比如图所示。使用传统暗通道先验去雾算法对光线较暗的环境进行处理后，得到的最终效果图颜色过饱和，针对这一情况，改进算法先设置八个不同的值，分别是.，.，.，.，.，.，.，.然后按照改进算法进行实验，实验效果对比如图所示。传统暗通道先验去雾算法处理后得到的图像色彩都比较暗沉，针对这一情况，改进算法先设置八个不同的值，分别是.，.，.，.，.，.，.，.然后按照改进算法进行实验，实验效果对比如图所示。图平地去雾效果对比图图树林去雾效果对比图佳 木 斯 大 学 学 报（自 然 科 学 版）年图桥梁去雾效果对比图实验结果分析改进的算法在保留了传统暗通道去雾算法对非天空区域处理效果较明显的优点同时，还优化了非天空区域的去雾效果，使图像色彩失真的问题得到良好的解决，且改进算法修复后的图像亮度较高，去雾更加彻底。为了保证算法实验效果对比更加公平，采用定量评估 的方法，选取图像平均可见边缘梯度法 和图像信息嫡 作为定量评估的指标，检验改进算法的有效性。（新增可见边比率）、（恢复后对比度质量）和（恢复后饱和像素数）是可见边缘梯度法的三个评估指标。和的值与图像质量高低成正比，值越大，表明去雾后图像质量越高，而的值与图像质量高低成反比，值越大表示图像质量越低，反之则表示图像质量越高。，和分别定义为式（）（）：（）（）（）通过实验数据可以发现，改进后的算法比传统暗通道先验去雾算法得到和的值大，并且改进算法得到的值更小，具体如表所示。经过本文改进后的算法对有雾图像进行去雾操作之后，得到的无雾图像饱和度和亮度都比传统算法高，同时色彩失真问题也得到了有效解决。表去雾图的指标数据对比图片新增可见边比率暗通道先验改进的算法对比度质量暗通道先验改进的算法饱和像素数暗通道先验改进的算法图 图 图 图 图像信息熵 大小与图像所包含的信息量大小成正比。图像信息熵越大，图像质量越高。图像信息熵可以表示为式（）。（）（）通过实验得到的数据对比发现，使用本文改进算法进行去雾操作得到的无雾图像信息熵比传统暗通道去雾算法得到的无雾图像信息熵大，具体如表所示，体现了改进算法去雾后的图像细节更加突出。表去雾后的图像信息熵对比图片暗通道先验改进的算法图 图 图 图 结语针对传统去雾算法处理得到的无雾图像存在颜色失真和亮度偏暗的问题，改进的去雾算法通过把有雾图像均等的分割成八份进行暗通道去雾，并选取八个不同的值给不同的区域保留适当雾度，这一操作有效降低了图像失真问题和 效应。接着将初步去雾后的 颜色空间图像转换成 颜色空间图像，并在其他要素不变的情况下对（图像的亮度）做限制对比度自适应直方图均衡化处理，此方法能够有效改善图像颜色偏暗的问题，使得去雾后的图像细节更加清晰与凸显。参考文献：杨勇，邱根莹，黄淑英，等基于改进大气散射模型的单幅图像去雾方法北京航空航天大学学报，（）：袁小平，陈艳宇，石慧 基于雾线暗通道先验改进的图像去雾算法 激光与光电子学进展，（）：欧阳楠，曹益平基于颜色校准和 颜色空间的白细胞图像分割方法 ，（）：郑凤仙，王夏黎，何丹丹，等单幅图像去雾算法研究综述计算机工程与应用，（）：王利娟，常霞，任旺基于加权直方图均衡化彩色图像增强仿真计算机仿真，（）：（下转 页）第期卞其翀：基于改进 算法的电梯群控调控系统在智能化建筑中的应用 （，）：，：；（上接 页）张航瑛，王雪琦，王华英，等基于明度分量的 图像增强改进方法物理学报，（）：，：，：，（）：，：，：，（）：张雪，王峰，赵佳基于暗通道先验的单幅图像去雾改进算法阜阳师范大学学报（自然科学版），（）：，：张宏，张玉伦，邓旭，等 基于改进暗通道先验的图像去雾算法计算机仿真，（）：，（），：，（），：，（），：，（，）：，：；