一種霧霾天降質圖像的清晰化算法

何惜琴

(閩南理工學院 電子與電氣工程學院，福建 石獅 362700)

戶外成像視覺系統常常遭受到霧霾天氣的影響，降質圖像易出現細節模糊難辨、飽和度下降等問題。近年來，單張霧霾圖像的清晰化算法可以歸納為2類：無模型的增強算法[1-4]和有模型的恢復算法[5-7]?；诔上衲Ｐ偷幕謴退惴ㄖ饾u成為該領域的研究熱點。文獻[5]提出了暗通道設想，并且基于統計的結果驗證了大多數無霧自然圖像滿足這一設想，結合成像模型對圖像清晰化處理，取得出眾的效果。文獻[6]采用正則化估計透射率，并在文獻[5]的基礎上對環境光的計算方式進行改進。文獻[7]使用深度學習的方式計算成像模型中的參數，對于一般自然圖像均能夠達到清晰化的目的。

本文結合霧霾天氣條件下的成像模型求解未知參量，提出一種針對降質圖像的清晰化算法。算法中使用最小值通道和開運算操作分別獲取圖像的邊緣細節和亮度特征，結合雙邊濾波快速計算成像模型中的散射函數；通過遠景區域內的直方圖統計，提高環境光的計算效率。最終的清晰化結果恢復了圖像色彩、增強了圖像細節，對比文獻[6]、文獻[7]，效果有較大提升。

1 清晰化算法

1.1 霧霾天成像模型

當前常用的去霧算法研究中，霧霾天成像模型[8]可描述為：

I(x，y)=J(x，y)t(x，y)+A(1-t(x，y))，

(1)

式中：I(x，y)和J(x，y)分別表示霧化圖像和消除霧氣影響后的清晰化圖像；t(x，y)為透射率，表示光線經空氣介質傳播時到達接收端的比例；A為環境光，一般設為常量。為了更好地描述光線散射作用導致景物細節的丟失和顏色特征的退化，定義散射函數：

V(x，y)=A(1-t(x，y))，

(2)

將式(2)代入式(1)中，可得到成像模型的另一種表達方式：

(3)

僅有I(x，y)為已知，需要根據圖像自身含有的特征信息估計散射函數V(x，y)和環境光A，才能求取清晰圖像J(x，y)。

1.2 散射函數的估計

根據霧天成像的過程中，景物色彩是對光能量的吸收和反射作用形成的，對于色彩豐富的場景，至少存在某一反射程度較低的分量，因此采用原始圖像的3個色彩分量中的最小值估計散射函數，即：

(4)

(a)最小分量M(x，y) (b)開運算散射函數V(x，y)

該濾波器本質上是由幅值域濾波器和空間域濾波器2部分組成，其中幅值域濾波器作用于結構導向圖，將其豐富的邊緣信息提取出來，聯合輸入圖像中的強度信息進行輸出，濾波結果可表示為：

(5)

(6)

1.3 環境光估計和圖像清晰化

在求得散射函數V(x)和環境光A的基礎上，根據成像模型式(3)直接計算理想環境下的清晰結果：

(7)

式(7)引入去霧力度控制參數α∈[0，1]，可根據需要調整恢復圖像的清晰程度。α=0時表示霧氣完全保留；α=1時表示霧氣完全去除，此時景物容易呈現偏暗和層次感較差的效果，一般需要留有一定余量的霧氣，文中實驗取α=0.9。

2 實驗分析與對比

仿真實驗所需的霧天降質圖像均來自互聯網，對降質圖像1(如圖2(a)所示)和降質圖像2(如圖3(a)所示)進行清晰化處理，并通過與文獻[6]算法、文獻[7]算法作比較來驗證本文算法的可靠性與有效性。從效果上看，降質圖像1、2受霧氣影響的程度較大，出現細節模糊、對比度低以及顏色暗淡等現象，經過3種算法分別處理后，景物細節的清晰度得到提高，顏色得到增強。從實驗對比中可以發現，文獻[6]的算法造成了一定程度上的色彩偏離現象，如圖2(b)所示；且景物的飽和度過高，如圖3(b)中的馬路所示；文獻[7]算法的去霧不夠徹底，處理后的圖像視見度較差；本文算法獲取的景物顏色更加純正，清晰化程度更高，視覺效果更優。

(a)降質圖像1 (b)文獻[6]算法 (c)文獻[7]算法 (d)本文算法

(a)降質圖像2 (b)文獻[6]算法 (c)文獻[7]算法 (d)本文算法

用于客觀評價的指標有標準差、信息熵和平均梯度，這3項指標的數值越大表明圖像的清晰度越高。表1給出了評價的結果，從總體而言，本文算法的指標數據均占一定優勢，這也意味著本文算法比文獻[6]算法、文獻[7]算法具有更高的對比度和更豐富的細節。

表1 客觀指標評價

3 結論

本文設計了一種霧霾天降質圖像的清晰化算法，顯著提升了圖像的視覺效果。首先采用最小值運算對散射函數進行粗估計，再通過開運算與聯合雙邊濾波器實現精細化計算，最后統計遠景區域的灰度直方圖，快速獲取環境光成分。仿真實驗證明了本文算法能夠有效消除霧霾影響，達到清晰化目的，且比其他算法具有一定優勢。