基于非局部先验的雾线优化图像去雾算法_聂新蕾.pdf

D O I:1 0.1 6 1 3 6/j.j o e l.2 0 2 3.0 2.0 2 3 1基于非局部先验的雾线优化图像去雾算法聂新蕾1,张长胜1*,钱俊兵2(1.昆明理工大学 信息工程与自动化学院,云南 昆明6 5 0 5 0 0;2.昆明理工大学 民航与航空学院,云南 昆明6 5 0 5 0 0)摘要:针对非局部先验去雾算法中雾线端点像素位 置 精 确 度 不 足 的 问 题,提 出 了 雾 线 优 化 的 非 局部先验图像去雾算法。首先分析雾线理论,结合暗 通 道 理 论 确 定 最 大 聚 类 雾 线 真 实 端 点,以 其 为已知条件补偿小聚类雾线端点与 大 气 光 之 间 的 距 离,根 据 类 内 不 同 像 素 与 雾 线 对 应 夹 角 预 估 单个像素雾线端点进而求得像素级 优 化 后 的 透 射 率,最 后 根 据 图 像 局 部 灰 度 值 差 异 融 合 暗 通 道 先验(d a r kc h a n n e l p r i o r,D C P)和非局部先验 透 射 率 得 最 终 透 射 率 图。将 本 文 算 法 与 其 余3种 去 雾算法在多幅户外雾图下通过主观 及 客 观 两 方 面 分 析 比 较,实 验 结 果 表 明 该 算 法 能 取 得 更 好 的 去雾效果,尤其在天空区域图像复原效果较为突出。关键词:图像去雾;暗通道先验(D C P);非局部先验;雾线优化;雾线端点中图分类号:T P 3 9 1 文献标识码:A 文章编号:1 0 0 5-0 0 8 6(2 0 2 3)0 2-0 1 4 0-0 7H a z e-l i n e o p t i m i z a t i o n i m a g ed e h a z i n g a l g o r i t h mb a s e do nn o n-l o-c a l p r i o rN I EX i n l e i1,Z H A N GC h a n g s h e n g1*,Q I A NJ u n b i n g2(1.C o l l e g eo f I n f o r m a t i o nE n g i n e e r i n ga n dA u t o m a t i o n,K u n m i n gU n i v e r s i t yo fS c i e n c ea n dT e c h n o l o g y,K u n-m i n g,Y u n n a n6 5 0 5 0 0,C h i n a;2.C o l l e g eo fC i v i lA v i a t i o na n dA e r o n a u t i c s,K u n m i n gU n i v e r s i t yo fS c i e n c ea n dT e c h n o l o g y,K u n m i n g,Y u n n a n6 5 0 5 0 0,C h i n a)A b s t r a c t:T h ep i x e l p o s i t i o no f t h e h a z e-l i n e e n d p o i n t i s n o t a c c u r a t e e n o u g h i n t h e n o n-l o c a l p r i o r d e h a z-i n ga l g o r i t h m.T or e s o l v e t h i s p r o b l e m,a n i m a g e d e h a z i n g a l g o r i t h mb a s e d o nn o n-l o c a l p r i o rw i t h a n o p-t i m i z e dh a z e-l i n ew a sp r o p o s e d i n t h i s s t u d y.W e a n a l y z e dh a z e-l i n e t h e o r y a n d c o m b i n e d t h ed a r kc h a n-n e l t h e o r y t o f i n d t h e r e a l h a z e-l i n e e n d p o i n t o f t h e l a r g e s t c l u s t e r.T h e n,w e t o o k i t a s t h e k n o w n c o n d i-t i o n s t o c o m p e n s a t e t h em a x i m u md i s t a n c e b e t w e e n o t h e r h a z e-l i n e e n d p o i n t s o f s m a l l c l u s t e r a n d t h e a t-m o s p h e r i c l i g h t.A c c o r d i n g t o t h e d i f f e r e n t p i x e l s i n t h e c l a s s a n d t h e c o r r e s p o n d i n g a n g l e s,t h e h a z e-l i n ee n d p o i n t o f i n d i v i d u a lp i x e lw a se s t i m a t e d,a n dt h e n,t h et r a n s m i s s i o no fe v e r yp i x e la f t e ro p t i m i z a t i o nw a sr e f i n e d.F i n a l l y,l o c a lg r e yv a l u ed i f f e r e n c ef u s i o nd a r kc h a n n e lp r i o r(D C P)a n dn o n-l o c a lp r i o rt r a n s m i s s i o nw a su s e d t op r o d u c e o u r t r a n s m i s s i o nm a p.W e c o m p a r e do u r a l g o r i t h mw i t h t h r e e e x i s t i n ga l g o r i t h m sb ya p p l y i n g t h e mt om u l t i p l e o u t d o o r h a z y i m a g e s t h r o u g hs u b j e c t i v e a n do b j e c t i v e a n a l y s e s.T h e e x p e r i m e n t a l r e s u l t s d e m o n s t r a t e t h a t p r o p o s e d a l g o r i t h mh a s ab e t t e r d e h a z i n g e f f e c t,e s p e c i a l l y i nt h e s k y r e g i o n,t h e i m a g e r e s t o r a t i o ne f f e c t i sm o r ep r o m i n e n t.K e yw o r d s:i m a g ed e f o g g i n g;d a r kc h a n n e l p r i o rd e h a z i n g(D C P);n o n-l o c a l p r i o r s;h a z e-l i n eo p t i m i z a-t i o n;h a z e-l i n e e n d p o i n t0 引 言 雾霾天气给生命健康、交通、刑侦等带来了极大的困扰,户外图像清晰度降低的主要原 因是空气中的气溶胶、灰尘和水滴等对大气光散 射使其参与成像,并对目标物体反 射光散射、吸 收1,进而使到达镜头的光线严重衰减,降低成像 对比度及户外目标可见度,因此图像去雾具有重 要的现光 电 子 激 光第3 4卷 第2期 2 0 2 3年2月 J o u r n a l o fO p t o e l e c t r o n i c sL a s e r V o l.3 4N o.2 F e b r u a r y2 0 2 3*E-m a i l:1 4 5 5 0 3 0 2 0 3 q q.c o m收稿日期:2 0 2 2-0 4-0 4 修订日期:2 0 2 2-0 6-1 8基金项目:国家自然科学基金(6 1 9 6 3 0 2 2,5 1 6 6 5 0 2 5)资助项目实意义。近年来,图像去雾算法取得了较大的进步,去雾理论 主 要 分 为 图 像 增 强2,3和 图 像 复 原4-7两种,前者主要根据人眼视觉的主观判断对 图像实行对比度增强以适应视觉效果,后者根据 图像降质的机理逆推导复原清晰图像,图像复原 的主要工作是预估图像透射率8及大气光值9,1 0。L I1 1等针对基于融合策略的去雾方法存在的缺陷提出了一种多尺度融合策略,较好避免了去雾 结果颜色失真现象,但时间复杂度较高。HE4等提出的暗通道先验(d a r kc h a n n e lp r i o r,D C P)去雾算法取得了较好的去雾效果,但对于天空或白色 目标等区域暗通 道 理 论 会 失 效,复 原 图 像 整 体 偏 暗1 2,且软抠图方法复杂度较高,导致实用性不强,后采用引导滤波1 3代 替软抠图。S I NGH等5考虑到D C P的缺陷提出了一种基于邻域的摩尔梯度轮廓先验去雾算法,并验证了其在图像边缘具 有较少的振铃效应。ME NG等6通过挖掘透射率函数中图像 本 质 的 边 界 约 束 来 复 原 图 像。B E RMAN等7等通过 大 量 实 验 发 现 任 意 一 幅 图 像 在R G B颜色空间中所有像素总可以用几百种颜色 代替,且每种颜色下的像素在图像中全局存在,进而提出了非局部先验去雾理论。针对非局部先验去雾理论透射率求取准确性一定程度上依赖具体图像及其聚类数目和聚类大小的现象以及雾线端点像素位置精确度不足的问题,提出一种雾线优化的非局部先验图像 去雾算法。本文结合暗通道理论确定置信度最高的雾线端点,进一步补偿其余雾线端点与大气光 之间的距离,然后依据不同聚类下的雾线端点执 行像素级雾线 端 点 求 取,最 后 根 据 局 部 灰 度 差 异 融 合D C P透射率和非局部先验透射率,提高预估透射率的精确性。1 无雾图像复原 下述大气散射模型在计算机视觉领域被广泛的使用4:I(x)=J(x)t(x)+A(1-t(x),(1)t(x)=e-d(x),(2)式中,I(x)为有雾图像,J(x)为无雾图像,A为大气光值,t(x)为透射率,d(x)为场景深度,x为索引像素,为大气散射系数。在假设大气光值已知的情况下,只需求得透射率t(x),便可以恢复无雾图像,如下式:J(x)=I(x)-At(x)+A。(3)2 雾线优化的非局部去雾算法2.1 雾线优化 非局部先验理论7利用K-m e a n s算法在R G B颜色空间对雾图所有像素聚类,由于雾的影响,原处于团状的各类像素形成一条延伸向大气光值的雾线,雾线上各点与大气光之间距离的定义如下:r=J-A,(4)取上式中的最大值rm a x对应像素为雾线端点:rm a x(x)=m a xxHr(x)。(5)理想情况下,雾线一端为大气光,另一端为无雾像素,则透射率可估计如下:t(x)=r(x)rm a x。(