基于双窗口对比和自适应容差的图像去雾_赵艳锋.pdf

北大中文核心期刊国外电子测量技术 ：基于双窗口对比和自适应容差的图像去雾赵艳锋杨立东郭勇唐志斌（内蒙古科技大学信息工程学院 包头 ；北京简易网安科技有限公司 北京 ）摘要：雾天环境下图像质量下降，给户外视觉系统的应用带来极大阻碍。为解决此问题，提出一种基于双窗口对比和自适应容差的图像去雾算法。首先通过两个窗口逐像素对比来改进暗通道，使用改进后的暗通道求取透射率；然后提出自适应容差机制修正透射率，有效解决明亮区域透射率估计不准确的问题；最后将图像变换到 色彩空间，通过增强 分量来提高图像整体亮度。实验表明，算法能够较好地解决伪影和失真问题，在数据集上，峰值信噪比值为 、结构相似性值为 、信息熵值为 、平均梯度值为 。与传统和深度学习方法对比均有显著优势，相较于新颖的深度学习算法，项指标分别提升了 、和 。关键词：图像去雾；暗通道先验；窗口对比；自适应容差；色彩空间中图分类号：文献标识码：国家标准学科分类代码：（，；，）：，：；收稿日期：基金项目：国家自然科学基金面上项目（）、内蒙古自治区自然科学基金（）项目资助引言在雾霾天气下，场景反射光在传播过程中会被空气中大量的悬浮颗粒吸收或散射，导致图像质量严重下降，影响了自动驾驶、交通监控等户外视觉系统的正常运行。因此，图像去雾的研究具有重要意义。现阶段图像去雾算法主要分为类，基于图像增强、基于图像复原和基于深度学习。基于图像增强的方法通过加强图像亮度、对比度、细节等特征，实现视觉效果提升。常用的技术有直方图均衡化、增强以及小波变换等。此类方法仅能增强视觉效果，无法实质解决雾化问题。基于图像复原的方法以大气散射模型为基础，设计相应算法估计透射率和大气光并反演模型实现去雾。国外电子测量技术北大中文核心期刊等提统计了大量室外无雾图像，发现局部区域内有一个颜色通道的值趋于，提出了暗通道先验（，）算法。该方法去雾效果好且易于实现，但去雾后会出现失真和伪影。等提出颜色衰减先验（，）去雾算法，通过构建景深的线性模型来获取透射率参数。然而该方法将散射系数视为常数，无法准确估计远景区域透射率。等基于 提出一种快速有效的去雾方法。通过修改暗通道的计算，显著减少了恢复图像中产生的伪影，但仍无法解决天空区域的失真问题。等通过划分天空区域分别求取大气光值，解决了失真问题但画面偏暗。近年来，基于深度学习的去雾算法迅速发展。等提出一种端到端的 网络模型，输入有雾图像可以直接输出透射率图。等 通过改变模型将大气光和透射率合并为一个参数，在此基础上提出一种基于卷积神经网络的轻量级去雾模型（，）。等 提出一种两阶段的弱监督去雾网络框架来获得清晰图像。以上的深度学习算法需要大量样本进行训练，但目前所用数据集都是人工合成的有雾图像，在真实的雾天环境下去雾效果不佳。综上所述，目前图像去雾仍面临如下一些挑战：）增强算法只能改善视觉效果，不能真正实现去雾；）基于模型的算法以经典暗通道为基础进行修改，但各算法都存在不足，无法兼顾伪影、失真、整体亮度和时间复杂度等问题；）由于人工合成数据集，利用深度学习去雾在真实雾天环境中效果欠佳。图算法流程对于上述问题，本文提出基于双窗口对比和自适应容差的图像去雾算法。首先通过两个窗口逐像素对比来获取暗通道，改善暗通道边缘扩散问题。然后通过改进后的暗通道求取透射率并提出自适应容差机制修正透射率。最后在 色彩空间下增强 分量来提高图像整体亮度。实验表明，本文方法具有良好的去雾效果，主客观评价均优于其他对比算法。算法理论基础 大气散射模型在计算机视觉和计算机图形学中，通常用简化的大气散射模型 来描述雾天场景成像。（）（）（）（）（）式中：是有雾图像；是全局大气光；是透射率；是无雾图像；是 图像的一个通道；表示像素点的位置。暗通道先验 等对大量室外无雾图像进行统计分析，发现除了明亮区域外，在一个颜色通道内总存在一个像素点的值很低，趋近于，提出暗通道先验理论为：（），（）（）（）式中：是暗通道图像；（）是为中心的方形窗口；（）是窗口内最小值滤波；，是三通道中的最小值。对式（）两边同时进行最小值操作：（），（）（）（）（），（）（）（）（）（）假设大气光已知，根据式（）和（），透射率可以表示为：（）（），（）（）（）考虑到实际观感，文献 在式（）中引入雾气保留系数，最终的透射率可以表示为：（）（），（）（）（）其中，的值一般为 。本文算法 算法流程所提算法整体流程如图所示。首先设置两个窗口，北大中文核心期刊国外电子测量技术通过逐像素对比获取改进后的暗通道。其次根据暗通道先验算法计算透射率并用引导滤波进行优化。然后利用自适应容差修正优化后的透射率，根据所求参数代入大气散射模型实现去雾。最后将 图像转换到 色彩空间提取其亮度分量，利用 校正增强亮度从而得到最终的清晰图像。双窗口对比获取暗通道 算法获取的暗通道存在边缘扩散的问题分析如图所示。图（）是输入图像和暗通道的重叠图像，可以看出重叠后暗通道比输入图像大了一圈，这就是暗通道的边缘扩散，是导致去雾后图像边缘区域存在伪影的原因。由于 使用固定方形窗口进行最小值滤波操作，当窗口在边缘区域时，内部像素点差值较大，最终窗口内所有像素点的值都变为最小值，值较大的像素点被覆盖。如图（）和（）所示，重叠区域在 窗口滤波下有着较高的暗通道值，但窗口内存在值更低的像素点。经过窗口滤波后重叠区域的暗通道值降低，造成了暗通道边缘区域扩散。图暗通道边缘分析为了抑制暗通道的边缘扩散，利用两个窗口求取暗通道。具体操作步骤如下。）设置一幅灰度值全为的图像作为初始暗通道。）设置一个对比窗口，记录以当前像素点为中心的窗口内所有像素点的值。）用 算法对当前窗口内的所有像素点进行最小值滤波。）逐像素对比窗口和窗口内的值，保留各像素点对应的较大值作为暗通道值。在单个窗口内，上述的操作可用公式表示为：（）（），（）（）式中：表示在窗户口内逐像素对比最大值操 作；（）和（）表示像素点所在的两个窗口。如图所示，虚线区域内是被窗口记录的较大暗通道值，经过窗口最小值滤波后，虚线区域内较大暗通道值依然保留，实线区域内的暗通道值被替换。图双窗口对比获取暗通道双窗口逐像素对比获取暗通道的过程伪代码如下。：（），（）：（，）：（）；：（，）（）；：（），（）（）；：（）（，）；：；：透射率修正根据 算法计算大气光，并使用修改后的暗通道计算透射率，然后利用引导滤波 进行优化。此时得到的透射率并不准确，还需要进一步修正。式（）可变换为：（）（），（）（）（），（）（）（）在图像的明亮区域内像素值较高，找不到值趋于的像素点，此时暗通道先验不成立，（），（）（）不能近似为。此时分母值变小，实际所得透射率应该更大。所以明亮区域内用暗通道先验估计的透射率偏小，需要对明亮区域的透射率进行修正。引入容差机制 能够较好的修正明亮区域的透射率，但容差参数需要人为设置，无法自适应处理不同雾天图像。为解决此问题，本文提出自适应容差，使得容差参数能够根据输入图像自动取值。容差机制表达式如下：（）（），（）（）（）式中：是容差参数；是三通道的均值。容差参数是修正透射率的关键，为了能够正确的修正明亮区域的透射率，需要取得合适的值，值过大会造成透射率修正过度，即非明亮区域的透射率值被提高，国外电子测量技术北大中文核心期刊导致去雾效果下降；而值过小会造成明亮区域修正不完整，部分明亮区域依然出现颜色失真。因此自适应容差不仅能提高效率，也能较好地修正不同图像的透射率。因 为（）的 区 域 为 明 亮 区 域，（）的区域为非明亮区域。所以?是区域划分的临界值，而?是临界像素值，即明亮区域内的最小值。明亮区域往往亮度较高（较高的均值），且灰度值变化平坦（较低的标准差）。根据此特点，求取自适应容差参数的具体步骤如下。）确定明亮区域。将图像等分，分别计算个区域内所有像素点的均值 和标准差 ，两者差值最大的区域作为明亮区域。（）：（）（）（）式中：（）是明亮区域图像；：表示个 区 域；（）和 （）表示第个区域内所有像素点的均值和标准差。）细分明亮区域。与步骤）相同，但计算方式不同，均值和标准差之和最小的作为细分区域。通过次循环划分出均值最小的区域。因为步骤）划分的明亮区域不准确，可能包含其他场景区域，这些区域不属于明亮区域且灰度值变化较大，所以利用标准差最小来排 除这 些区域。（）：（）（）（）式中：（）是明亮区域内最低像素点所在区域，即在该区域内计算容差参数。）计算容差参数。将（）内所有像素点的均值作为临界值?，于是的取值为：?（）恢复清晰图像根据上述所求参数反演大气散射模型去雾：（）（）（），）（）其中，值为 ，防止透射率值过小。去雾后，图像整体偏暗。为了提高图像整体亮度，将去雾后的图像转换到 色彩空间下，提取其亮度分量，对分量进行 校正：（）式中：为 校正参数，本文设置为 。通过 校正增强亮度分量后，将图像转换到 色彩空间下获得最终清晰结果。实验结果分析为验证本文算法有 效 性，对 数 据 集 中 张室外有雾图像进行实验与评测，图像均为原始尺寸，未做修改。与文献，方法进行比较分析。实验硬件环境为 系统、处理器、内存。文献 算法所用软件环境为 ，其他为 。伪影和颜色失真的抑制效果本文算法和 算法的结果对比如图所示。文献 算法处理后，中的树叶边缘和 中灯柱顶端边缘出现白色光晕伪影。在 和 中出现严重的颜色失真。本文算法处理后的结果得到了明显改善，和 中景深突变处的伪影被消除，和 中的失真问题也被解决。图伪影和颜色失真对比 主观评价各算法的去雾结果如图所示。文献 算法处理后的无雾图像没有出现颜色失真，但部分图像去雾后仍留有残雾（如 ）并且部分场景偏暗（如 中楼房和 中树木）。文献 算法获得的无雾图像整体观感较好，但对浓雾的处理效果不好。文献 算法改进了暗通道，较好地解决了景深突变处的伪影问题，但明亮区域仍然出现颜色失真且整体画面依然较暗。文献 算法能够较好地解决天空大面积失真，但画面整体偏暗，并且对于浓雾的去除效果一般。文献 算法的结果较为均衡，画面整体效果较好，但无法处理图像 中的浓雾，图像中存在大面积残雾。本文算法的结果图像没有出现伪影和颜色失真，暗处场景也清晰可见，整体视觉观感最好。同时对于浓雾图像，本文算法也有着较好的去除效果。与其他算法相比，本文算法无论是去雾效果还是视觉观感均是最好。客观评价为了进一步验证所提方法的有效性，使用峰值信噪比（，）、结构相似性（，）、平均梯度（，）和信息熵（，）项客观指标对各算法进行对比评估。表示被测图像和北大中文核心期刊国外电子测量技术图各算法去雾结果对比参考图像之间的失真程度，指标值越大图像失真越少。用来描述两幅图像的相似程度，其值越大越好。反映图像纹理信息的改变，值越大表明边缘性越好。信息熵可以描述图像信息丰富度，清晰的图像有较大的值。各算法对于图的项指标结果如表所示，其中各算法的最优指标值均加粗标出。对于 、和 项指标，本文算法均优于其他算法。在 指标本文算法也取得了次优值。对于图中的张图像，无论是主观评价还是客观数据都证明了本文算法具有显著优势。表 评测指标对比算法 平均值文献 文献 文献 文献 文献 本文 表 评测指标对比算法 平均值文献 文献 文献 文献 文献 本文 为了证明本文算法在处理更多的图像中所具备优势，比较种指标在 数据集上的平均值，如表所示。可以看出本文算法各项指标均值均大于其他算法，充分说明本文算法的优越性。算法时间对比随着实际应用对于实时性的要求越来越高，算法的运行时间变的尤为重要。表为各算法对于种不同尺寸图像的处理时间。文献 算法拥有最快的处理速度，虽国外电子测量技术北大中文核心期刊表 评测指标对比算法 平均值文献 文献 文献 文献 文献 本文 表 评测指标对比算法 平均值文献 文献 文献 文献 文献 本文 表数据集上各指标均值对比算法 文献 文献 文献 文献 文献 本文 表各算法时间对比（）算法 文献 文献 文献 文献 文献 本文 然本文算法的速度不如文献 算法，但同样拥有较高的计算效率，能够满足实际应用的需求。结论本文针对暗通道先验算法存在的伪影和颜色失真问题，提出基于双窗