文獻(xiàn)標(biāo)識碼: A
文章編號: 0258-7998(2012)06-0079-03
1 車載視頻清晰化算法的研究意義
能見度在氣象學(xué)中指物體能夠被清楚識別的最大距離,它與當(dāng)時的天氣情況密切相關(guān)。當(dāng)出現(xiàn)霧、霾和沙塵等惡劣天氣時, 大氣透明度降低,能見度一般小于1.0 km。低能見度條件下拍攝的圖像其對比度和顏色在天氣影響下被改變,圖像蘊(yùn)含的許多特征被掩蓋,景物可辨識度大大降低。
目前國內(nèi)外研究最多的清晰化算法是圖像的去霧技術(shù),主要有兩種思路,一種是基于大氣退化物理模型的方法,需要求得深度信息[1-2],這對硬件系統(tǒng)的要求過高;另一種是基于圖像增強(qiáng)的方法[3],運(yùn)算量很大,不適合實(shí)時處理。2009年,He等提出的暗原色先驗(yàn)去霧技術(shù)對一般帶霧圖像取得了很好的效果[4],它無需深度信息,簡單有效,實(shí)時性高,但是通過實(shí)驗(yàn)表明,該算法處理其他天氣類型圖像的效果不佳。本文在該算法基礎(chǔ)上進(jìn)行了改進(jìn),使其適用于恢復(fù)各種低能見度天氣下的交通圖像。
通過式(6)可粗略估算出透射率t,為了提高精度,應(yīng)用一種軟摳圖算法[5]來完善透射率分布函數(shù)。大氣光線強(qiáng)度A的估計(jì)方法為:先取暗原色中0.1%亮度最大的像素,然后取這些像素對應(yīng)在原圖中的最大值作為A的值。
2.3直方圖均衡
暗原色先驗(yàn)算法對雨、雪、霾和沙塵等低能見度天氣圖像處理效果不佳的原因主要有兩方面,第一,該算法建立在暗原色假設(shè)之上,對不滿足這一假設(shè)的天空、白色物體和水面等明亮區(qū)域,算法估計(jì)的透射率偏小,如圖1(a)的雨水和白色車輛,圖1(b)的雪花和白色地面。這些區(qū)域的像素值很大,暗原色直方圖分布偏高(如圖2(a)),區(qū)域內(nèi)找不到像素值接近于0的暗原色點(diǎn),暗原色假設(shè)不成立,造成結(jié)果失真。另一方面,如圖1(c)和圖1(d)所示的霾和沙塵天氣圖像,其主要特點(diǎn)是整體畫面昏暗,暗原色直方圖的像素值絕大部分偏低(如圖2(c)),若直接利用暗原色先驗(yàn)算法估測透射率和大氣光線強(qiáng)度,恢復(fù)效果很不理想。
解決上述問題的關(guān)鍵是在用暗原色先驗(yàn)算法之前改善退化圖像的直方圖分布,使其既滿足暗原色假設(shè),又能增強(qiáng)圖像對比度。圖像增強(qiáng)算法種類很多,考慮到算法的實(shí)時性,選擇最簡單有效的直方圖均衡。它以概率論為基礎(chǔ),通過灰度的映射來修正圖像的直方圖,使之具有平坦的分布,增加灰度值的動態(tài)范圍,從而達(dá)到增強(qiáng)圖像整體對比度的效果。圖2(a)和 圖2(b)分別為雪天圖像(即圖1(b))的暗原色直方圖及其均衡后的結(jié)果;圖2(c)和圖2(d)為沙塵圖像(即圖1(d))的暗原色直方圖及其均衡后的結(jié)果。
2.4 HSV顏色模型
在對彩色圖像進(jìn)行直方圖均衡后,經(jīng)常會產(chǎn)生顏色偏差。因此,在均衡前先將圖像的顏色模型轉(zhuǎn)換成HSV模型。該模型將亮度(Value)與反映色彩本質(zhì)特性的色度(Hue)和飽和度(Saturation) 分開,比較符合人的視覺感受。在恢復(fù)圖像時只需處理其中的亮度分量,最后再將其與色度分量和飽和度分量整合,可大大減少圖像的顏色失真。另外,由于恢復(fù)過程中只處理了亮度信息,算法速率也得到提高。
3 實(shí)驗(yàn)結(jié)果分析
實(shí)驗(yàn)選取四種低能見度天氣條件下的交通圖像,分別用本文算法和參考文獻(xiàn)[4]算法進(jìn)行恢復(fù)。圖3~圖6給出了對比結(jié)果,其中圖3(a)~圖6(a)分別為暴雨、大雪、霾和沙塵天氣下的低能見度圖像,圖3(b)~圖6(b)為參考文獻(xiàn)[4]算法結(jié)果,圖3(c)~圖6(c)為本文算法結(jié)果??梢钥闯鰧τ谏鲜龈鞣N低能見度天氣圖像,本文算法能夠更好地提高圖像對比度,達(dá)到清晰辨識目標(biāo)物和路面交通情況的目的。但是圖像的色彩仍有一定程度失真,如圖5(c)很多色彩細(xì)節(jié)沒有恢復(fù),圖6(c)的天空部分則出現(xiàn)不規(guī)則的光暈。
本文在暗原色先驗(yàn)去霧算法的基礎(chǔ)上提出改進(jìn),使其適用于恢復(fù)各種低能見度天氣下的交通圖像。它將降質(zhì)圖像轉(zhuǎn)換到HSV空間后,提取其中的亮度分量進(jìn)行直方圖均衡和基于暗原色先驗(yàn)的恢復(fù)。多種實(shí)驗(yàn)表明,改進(jìn)算法可以更好地恢復(fù)各種低能見度天氣造成的圖像模糊,對比度明顯提高,路面交通狀況清晰可辨,并且算法實(shí)時性較高。下一步的工作是在保證算法時效性的同時,進(jìn)一步改善圖像恢復(fù)過程中的顏色失真,以及完成算法的硬件實(shí)現(xiàn)。
參考文獻(xiàn)
[1] OAKLEY J P, SATHERLEY B L. Improving image quality in poor visibility conditions using a physicalmodel for contrast degradation[J]. IEEE Transactions on Image Processing, 1998,7(2):167-179.
[2] NARASIMHAN S G, NAYAR S K. Removing weather effects from monochrome images[A]. Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 2001:186-193.
[3] Zhu Pei,Zhu Hong,Qian Xueming. An image clearness method for fog[J].Journal of Image and Graphics,2004,9(1):124-128.
[4] He Kaiming,Sun Jian,Tang Xiaoou. Single image haze removal using dark channel prior[C].CVPR, 2009:1956-1963.
[5] LEVIN A,LISCHINSKI D,WEISS Y. A closed form solution to natural image matting[C].CVPR, 2006:61-68.