高明1，2，3, 鄒耀斌1，2，3, 雷幫軍1，2，3, 徐光柱1，2，3

　　(1.三峽地區(qū)地質(zhì)災(zāi)害與生態(tài)環(huán)境湖北省協(xié)同創(chuàng)新中心,湖北 宜昌 443002; 2.湖北省水電工程智能視覺監(jiān)測重點(diǎn)實(shí)驗(yàn)室,湖北 宜昌 443002; 3.三峽大學(xué) 計(jì)算機(jī)與信息學(xué)院,湖北 宜昌 443002)

　　摘要：目前國內(nèi)外的研究主要圍繞霧氣這一退化因素提出不同的增強(qiáng)方法。然而，在工程實(shí)踐中，光電雷達(dá)監(jiān)控系統(tǒng)晝光傳感器因同時(shí)受霧氣和噪聲的干擾，導(dǎo)致捕獲的圖像不但整體偏暗、對比度偏低、色彩失真，而且隱含有噪聲。在分析光電雷達(dá)監(jiān)控系統(tǒng)晝光傳感器捕獲的圖像的特性基礎(chǔ)上，提出了一種噪聲干擾下的霧天圖像增強(qiáng)方法。首先利用引導(dǎo)濾波器對原圖像進(jìn)行濾波操作，然后對濾波后的圖像進(jìn)行直方圖拉伸變換。在大量實(shí)際圖像上的實(shí)驗(yàn)結(jié)果表明，該方法能夠有效抑制噪聲干擾，同時(shí)顯著增強(qiáng)降質(zhì)圖像。

　　關(guān)鍵詞：去霧增強(qiáng)；噪聲；引導(dǎo)濾波；直方圖拉伸

0引言

　　水電工程智能視覺監(jiān)測湖北省重點(diǎn)實(shí)驗(yàn)室開放基金項(xiàng)目（2014KLA02）；宜昌市科學(xué)技術(shù)研究與開發(fā)項(xiàng)目（A13302a03）大氣污染日益加劇，霧霾頻發(fā)。在霧天，室外成像系統(tǒng)獲取的圖像質(zhì)量退化，表現(xiàn)為對比度下降、細(xì)節(jié)丟失、顏色失真。因此，對霧天降質(zhì)圖像進(jìn)行增強(qiáng)具有重要現(xiàn)實(shí)意義。

　　霧天降質(zhì)圖像增強(qiáng)是近些年來計(jì)算機(jī)視覺領(lǐng)域中的一個(gè)研究熱點(diǎn)和難點(diǎn)。已有許多優(yōu)秀的霧天降質(zhì)圖像增強(qiáng)方法［1］，主要分為兩類：基于非物理模型的霧天圖像增強(qiáng)方法和基于物理模型的霧天圖像復(fù)原方法。圖像增強(qiáng)方法能有效提高對比度，突出細(xì)節(jié)。如直方圖均衡化［23］，通過重新分配圖像像素值，使得一定灰度范圍內(nèi)的像素?cái)?shù)量大致相同。此方法對圖像進(jìn)行全局對比度增強(qiáng)，易放大圖像噪聲。為克服不足，ZUIDERVELD K［4］提出限制對比度自適應(yīng)直方圖均衡化算法，通過在計(jì)算累計(jì)分布函數(shù)前用預(yù)定義的閾值裁剪直方圖限制放大幅度,但易使彩色圖像出現(xiàn)色偏?；谖锢砟Ｐ偷膱D像復(fù)原方法方面，一些學(xué)者利用McCARTNEY E J等人提出的大氣散射模型［5］，對霧天場景建模來解決霧天降質(zhì)圖像的去霧問題。如TAN R T［6］統(tǒng)計(jì)發(fā)現(xiàn)無霧圖像相對于有霧圖像具有較高對比度，故最大化圖像的局部對比度，但復(fù)原后顏色常過飽和。FATTAL R［7］假設(shè)光傳播和場景目標(biāo)局部不相關(guān)，估算出場景的輻照度和傳播圖像。該方法可因無法得到可信的傳播圖像造成復(fù)原圖像失真較大。為解決以上問題，He Kaiming等人［8］提出基于暗原色的單幅圖像去霧技術(shù)，指出無霧圖像中存在能識(shí)別霧氣濃度的暗原色統(tǒng)計(jì)規(guī)律，利用暗原色先驗(yàn)求取透射率，然后使用摳圖算法進(jìn)行校正，最終恢復(fù)出無霧圖像，效果良好，但計(jì)算代價(jià)較大。近年來，針對上述幾種經(jīng)典算法涌現(xiàn)出許多改進(jìn)方法：如使用雙邊濾波［9］或中值濾波［10］代替暗原色優(yōu)先算法中的最小值濾波，能夠在降低時(shí)間復(fù)雜度的同時(shí)有效保持邊緣特性。

　　上述方法處理無明顯噪聲干擾的霧天降質(zhì)圖像能取得可以接受的增強(qiáng)效果。但若含霧圖像帶有較強(qiáng)噪聲干擾則增強(qiáng)效果差強(qiáng)人意，部分方法在增強(qiáng)場景的同時(shí)急劇地放大噪聲，造成更為嚴(yán)重的視覺退化效應(yīng)。已有學(xué)者就此提出一些噪聲抑制方法，如MATLIN E等人［11］采用圖像噪聲水平評價(jià)和迭代的方法同步去霧和去噪。Meng Gaofeng等人［12］對暗通道透射率函數(shù)進(jìn)行邊界約束，使用上下文正則化衰減噪聲并增強(qiáng)圖像結(jié)構(gòu)。葛廣一等人［13］通過對霧天圖像采用濾波半徑變化的雙邊濾波進(jìn)行模糊，重新計(jì)算傳輸率圖像后代入霧天成像模型，提出一種去霧過程中抑制噪聲的方法。

　　本文提出一種噪聲干擾下的霧天降質(zhì)圖像增強(qiáng)新方法。實(shí)驗(yàn)結(jié)果表明，提出的方法適合于光電雷達(dá)監(jiān)控系統(tǒng)晝光傳感器所捕獲的含霧圖像的增強(qiáng)。

1霧天圖像增強(qiáng)方法的提出

　　光電雷達(dá)監(jiān)控系統(tǒng)同時(shí)配備雷達(dá)定位裝置和晝光傳感器。晝光傳感器對光照環(huán)境敏感，在霧霾天氣能見度低的情況下獲得的圖像存在退化和噪聲干擾現(xiàn)象。本文首先定性分析傳感器捕獲的霧天降質(zhì)圖像特性，確定增強(qiáng)思路；再闡述方法中的引導(dǎo)濾波和對比度拉伸兩個(gè)關(guān)鍵技術(shù)，最后給出本文算法步驟。

　　1.1隱含噪聲的含霧圖像定性分析

　　圖1（a）為霧天環(huán)境下獲取的彩色圖像。霧氣帶來明顯的視覺退化效應(yīng)，由于成像系統(tǒng)在成像或圖像傳播期間引入噪聲，圖像夾雜一定程度的噪聲（隱含低對比度）。

　　圖1（b）為圖1（a）的紅、綠、藍(lán)三個(gè)通道直方圖。多數(shù)像素點(diǎn)的亮度值分布在［80,170］區(qū)間，直方圖分布相對狹窄，導(dǎo)致圖像整體亮度偏低、對比度不高、色彩淡化。為改善圖像整體亮度，提升對比度，提高色彩飽和度，可考慮使用直方圖拉伸方法。

　　接下來分析圖像中隱含的噪聲特性。圖像中均質(zhì)區(qū)域能避免圖像中細(xì)節(jié)豐富對圖像的干擾，更好地表現(xiàn)噪聲特征。圖1（a）中紅色方框?yàn)槿我膺x取的矩形區(qū)域，計(jì)算其直方圖如圖1（c）所示。采用概率密度擬合分析技術(shù)，發(fā)現(xiàn)三個(gè)通道的亮度分布能很好地使用高斯分布來擬合，可判定圖1（a）中噪聲為高斯噪聲。因此考慮使用具有抑制高斯噪聲的濾波器濾除噪聲，本文使用保邊去噪且時(shí)間復(fù)雜度低的線性引導(dǎo)濾波器。

　　技術(shù)上，考慮噪聲主要分布于狹窄的亮度范圍內(nèi)，若先對圖像直方圖進(jìn)行拉伸會(huì)將噪聲分散到更廣范圍，噪聲對比度比場景對比度提升更明顯，反而退化了圖像視覺質(zhì)量。因此考慮先對圖像進(jìn)行引導(dǎo)濾波處理，平滑噪聲，再拉伸直方圖，從而增強(qiáng)霧天圖像質(zhì)量。根據(jù)這一思路，下面分析用于去噪的引導(dǎo)濾波技術(shù)和用于增強(qiáng)對比度的直方圖拉伸技術(shù)。

　　1.2引導(dǎo)濾波

　　引導(dǎo)濾波的基本原理是通過一幅引導(dǎo)圖像對輸入圖像進(jìn)行濾波，輸出的圖像在保留輸入圖像整體特征的同時(shí)能充分獲取引導(dǎo)圖像的變化細(xì)節(jié)。

　　將引導(dǎo)圖像記為I,輸入圖像記為p，輸出圖像記為q。其中引導(dǎo)圖像I和輸入圖像p需根據(jù)具體應(yīng)用事先設(shè)定。

　　引導(dǎo)濾波的核心思想是假設(shè)q是I中窗口ωk的一個(gè)線性變換，該窗口以像素點(diǎn)k為中心：

　　qi=akIi+bki∈ωk（1）

　　其中，（ak，bk）是線性系數(shù)，在ωk中被當(dāng)作常數(shù)，ωk是半徑為r的正方形窗口。此局部線性模型保證了當(dāng)且僅當(dāng)I存在邊界時(shí)q才有邊界，因?yàn)楂齫=aI。故該濾波器可有效保持邊界信息。

　　引導(dǎo)濾波通過輸入圖像p的約束確定線性系數(shù)（ak，bk）。按照如下方式建模，輸出q等于輸入p減去某些成分n（噪聲、紋理信息）：

　　qi=pi－ni（2）

　　此時(shí)，最小化q與p之間差值的同時(shí)保持式（1）線性模型。特殊地，最小化窗口ωk的代價(jià)函數(shù)：

　　其中，ε是正則化參數(shù)懲罰過大的ak。式（3）的本質(zhì)是線性回歸方程，它的解為：

　　其中，μk和σ2k分別是引導(dǎo)圖像I中窗口ωk的均值和方差，|ω|為窗口內(nèi)的像素個(gè)數(shù)，pk=1|ω|∑i∈ωkpi是在窗口ωk中p的均值。獲得線性系數(shù)（ak，bk）后，可以通過式（1）計(jì)算濾波輸出qi。

　　由于一個(gè)像素點(diǎn)i在多個(gè)重疊窗口ωk中累計(jì)計(jì)算，在不同窗口中通過式（1）計(jì)算出的qi值不同。一個(gè)簡單的策略是把qi的所有可能值做平均，所以在計(jì)算出圖像中所有窗口ωk的線性系數(shù)（ak，bk）后，通過式（6）計(jì)算濾波輸出。

　　由于方形窗口的對稱性，式（6）可簡寫為：

　　qi=aiIi+bi（7）

　　其中，ai和bi是包含像素點(diǎn)i的所有窗口的平均系數(shù)。

　　引導(dǎo)濾波的原理示意圖如圖2所示。

　　1.3對比度拉伸

　　圖像增強(qiáng)處理時(shí)，為突出感興趣的目標(biāo)或灰度區(qū)間一般采用分段線性函數(shù)，對比度拉伸變換是一種簡便有效的分段線性函數(shù)。把整個(gè)灰度區(qū)間劃分成幾個(gè)灰度區(qū)間，拉伸要增強(qiáng)目標(biāo)對應(yīng)的灰度區(qū)間，抑制不感興趣的灰度級，從而達(dá)到增強(qiáng)的目的。本文使用三段線性變換，表達(dá)式為：

　　其中，f(x,y)為輸入圖像在點(diǎn)(x,y)的像素值，g(x,y)為輸出圖像在點(diǎn)(x,y)的像素值，變換函數(shù)兩個(gè)折點(diǎn)的像素值分別記為l和h，兩個(gè)折點(diǎn)之間的分段直線斜率記為k。

　　1.4算法步驟

　　根據(jù)1.1節(jié)的分析得到本文的增強(qiáng)方案，即先對圖像進(jìn)行引導(dǎo)濾波處理，平滑噪聲，再進(jìn)行直方圖拉伸，從而增強(qiáng)圖像質(zhì)量。結(jié)合1.2和1.3節(jié)內(nèi)容，得到本文算法步驟如下：

　?。?）輸入：濾波輸入圖像p，引導(dǎo)圖像I=p，半徑r，正則化參數(shù)ε。

　?。?）計(jì)算均值和相關(guān)系數(shù)

　　meanI=fmean(I)

　　meanp=fmean(p)

　　corrI=fmean(I.*I)

　　corrIp=fmean(I.*p)

　　(3)計(jì)算方差和協(xié)方差

　　varI=corrI－meanI.*meanI

　　covIp=corrIp－meanI.*meanp

　　(4)計(jì)算系數(shù)：

　　a=covIp./(varI+ε)

　　b=meanp－a.*meanI

　?。?）計(jì)算平均系數(shù)：

　　meana=fmean(a)

　　meanb=fmean(b)

　?。?）得到濾波輸出圖像：

　　q=meana.*I+meanb

　?。?）計(jì)算圖像q的上限值h、下限值l和縮放因子k=1h－l。

　　（8）根據(jù)上限值、下限值和縮放因子對圖像q進(jìn)行灰度級拉伸得到最終結(jié)果。

2實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析

　　為驗(yàn)證有效性和實(shí)用性，通過450幅捕獲的霧天降質(zhì)圖像（大小均為704像素×576像素，彩色和灰度圖像各225幅），將本文算法與CLAHE［4］、BCCR［12］和Ge［13］進(jìn)行比較，并從主客觀方面進(jìn)行驗(yàn)證。實(shí)驗(yàn)結(jié)果通過MATLAB2011a仿真得到，運(yùn)行硬件環(huán)境：Intel Core2 T9400 2.53 GHz CPU，4 GB內(nèi)存，64位Windows 7系統(tǒng)。

　　通過實(shí)驗(yàn)比對，以圖像表現(xiàn)最佳視覺效果為原則，確定各算法的參數(shù)： CLAHE方法塊大小t=8，對比度限制因子cl=0.01;BCCR算法邊界約束窗口ω取3，正則化參數(shù)lambda取2;Ge的算法窗口大小px=15，透射率w=0.95;本文算法采用參數(shù)值r=8，ε=0.01，t=0.01。

　　作為示例，圖3和圖4分別為本方法與其他算法的增強(qiáng)效果對比。

　　一定程度抑制不利影響，但天空區(qū)域噪聲明顯放大，且圖像色調(diào)偏綠。圖3（c）中圖像較原始圖像平滑，噪聲得到抑制，但邊緣細(xì)節(jié)保持不佳且天空區(qū)域噪聲呈聚團(tuán)效應(yīng)。比較而言，圖3（d）則更好地恢復(fù)出景物色彩和結(jié)構(gòu)，亮度提升明顯，同時(shí)噪聲明顯抑制。在灰度圖像上進(jìn)行比對試驗(yàn)。觀察圖4中的5幅圖像，同樣發(fā)現(xiàn)本方法的處理結(jié)果在景物細(xì)節(jié)保留、亮度保持和噪聲抑制3個(gè)方面總體效果優(yōu)于另3種方法。

　　客觀評價(jià)方面，對450幅圖像逐一測試，記錄均方誤差（MSE）、峰值信噪比（PSNR）、基于局部方差的結(jié)構(gòu)相似度（MSSIM）［14］和時(shí)間4個(gè)參數(shù)。觀察發(fā)現(xiàn)同種算法處理彩色圖像得到的4個(gè)數(shù)據(jù)分別散落分布在4個(gè)較小的區(qū)間內(nèi)（灰度圖像也存在此現(xiàn)象），這一現(xiàn)象與1.1節(jié)對隱含噪聲的霧天圖像的定性分析相互印證，即圖像在像素分布和噪聲類型上存在共性。故對數(shù)據(jù)分別取平均值示于表1、表2、表3中。表1和表2分別為4種算法對彩色圖像處理和灰度圖像的質(zhì)量評價(jià)，本文算法的數(shù)據(jù)在MSE、PSNR以及MSSIM方面均為最優(yōu)，表明本文提出方法在濾除噪聲和保持與原始圖像結(jié)構(gòu)相似性方面優(yōu)于其他3種算法。由表3時(shí)間評價(jià)可知，本文算法時(shí)效性優(yōu)于BCCR和Ge方法，僅次于CLAHE算法。

3結(jié)論

　　為增強(qiáng)隱含噪聲的霧天降質(zhì)圖像，本文提出一種簡單有效的方法。通過對霧天獲得的降質(zhì)圖像進(jìn)行引導(dǎo)濾波保邊去噪，然后實(shí)施直方圖拉伸調(diào)節(jié)圖像亮度，最終實(shí)現(xiàn)圖像視覺質(zhì)量的有效提高。實(shí)驗(yàn)結(jié)果表明，該方法在提高霧天圖像景象可見度的同時(shí)有效濾除噪聲干擾，增強(qiáng)圖像邊緣保持良好，細(xì)節(jié)清晰可辨，時(shí)效性高，特別適合于光電雷達(dá)監(jiān)控系統(tǒng)晝光傳感器所捕獲的含霧圖像的增強(qiáng)。

參考文獻(xiàn)

　?。?］ 吳迪,朱青松.圖像去霧的最新研究進(jìn)展［J］.自動(dòng)化學(xué)報(bào),2015,41(2):221239.

　　［2］ KIM J Y, KIM L S, HWANG S H.An advanced contrast enhancement using partially overlapped subblock histogram equalization［J］. Circuits and Systems for Video Technology, 2002, 11(4): 475484.

　?。?］ KAUR M, KAUR J.Survey of contrast enhancement techniques based on histogram equalization［J］.International Journal of Advanced Computer Science and Application,2011,2(7):137141.

　　［4］ ZUIDERVELD K. Contrast limited adaptive histogram equalization［M］. Graphics Gems IV. San Diego, CA, USA: Academic Press Professional,1994:474485.

　?。?］ McCARTNEY E J, TRANSLATED P N, Mao Jietai, et al. Optics of the atmosphere ［M］. Beijing: Science Press, 1988.

　?。?］ TAN R T.Visibility in bad weather from a single image［C］.IEEE Conference on Computer Vision and Pattern Recognition(CVPR), 2008:18.

　?。?］ FATTAL R.Single image dehazing［C］. Special Interest Group for Computer GRAPHICS(SIGGRAPH),2008: 1-9.

　?。?］ He Kaiming,Sun Jian,Tang Xiaoou.Single image haze removal using dark channel prior［J］.IEEE Transactions on pattern analysis and machine intelligence, 2011,33(12):23412353.

　　［9］ 游謙,黎英,李玉成.基于雙邊濾波的RGB通道去霧算法研究［J］.計(jì)算機(jī)工程與應(yīng)用,2014,50(6):157160.

　?。?0］ 唐美玲,張小剛,陳華,等.一種自適應(yīng)中值濾波去霧算法［J］.計(jì)算機(jī)工程與應(yīng)用,2015,51(10):186190.

　　［11］ MATLIN E, MILANFAR P.Removal of haze and noise from a single image［C］. The International Society for Optical Engineering,2012：82968306.

　?。?2］ Meng Gaofeng, Wang Ying, Duan Jiangyong,et al.Efficient image dehazing with boundary constraint and contextual regularization［C］.IEEE International Conference on Computer Vision(ICCV),2013:617624.

　　［13］ 葛廣一,魏振忠.圖像去霧過程中的噪聲抑制方法［J］.紅外與激光工程,2014,43(8):27652771.

　?。?4］ 王宇慶,劉維亞,王勇.一種基于局部方差和結(jié)構(gòu)相似度的圖像質(zhì)量評價(jià)方法［J］.光電子·激光,2008,19(11):15461553.