《電子技術(shù)應(yīng)用》
您所在的位置:首頁(yè) > 嵌入式技術(shù) > 設(shè)計(jì)應(yīng)用 > 改進(jìn)的暗原色先驗(yàn)單幅行車(chē)視頻圖像去霧方法
改進(jìn)的暗原色先驗(yàn)單幅行車(chē)視頻圖像去霧方法
2017年微型機(jī)與應(yīng)用第8期
熊彪,黃志勇,田超,占靜
三峽大學(xué) 計(jì)算機(jī)與信息學(xué)院,湖北 宜昌 443002
摘要: 為了實(shí)現(xiàn)對(duì)行車(chē)視頻中單幅霧霾圖像的快速去霧,針對(duì)現(xiàn)有暗原色先驗(yàn)去霧方法在局部明亮區(qū)域存在透射率估算過(guò)低、算法效率低等問(wèn)題,提出了一種改進(jìn)的去霧方法。該方法在處理不同的像素點(diǎn)時(shí),通過(guò)設(shè)定門(mén)限值,使得門(mén)限值范圍內(nèi)的區(qū)域保持原透射率不變,不在門(mén)限值范圍內(nèi)的區(qū)域使用邊界條件限定,結(jié)合調(diào)整參數(shù)重新計(jì)算透射率,求出更準(zhǔn)確的自適應(yīng)透射率圖。實(shí)驗(yàn)結(jié)果表明,這種方法修正了錯(cuò)誤估算的透射率,克服了原算法在處理這些區(qū)域時(shí)產(chǎn)生的色彩失真,生成了高質(zhì)量的無(wú)霧圖像。
Abstract:
Key words :

  熊彪,黃志勇,田超,占靜

 ?。ㄈ龒{大學(xué) 計(jì)算機(jī)與信息學(xué)院,湖北 宜昌 443002)

       摘要:為了實(shí)現(xiàn)對(duì)行車(chē)視頻中單幅霧霾圖像的快速去霧,針對(duì)現(xiàn)有暗原色先驗(yàn)去霧方法在局部明亮區(qū)域存在透射率估算過(guò)低、算法效率低等問(wèn)題,提出了一種改進(jìn)的去霧方法。該方法在處理不同的像素點(diǎn)時(shí),通過(guò)設(shè)定門(mén)限值,使得門(mén)限值范圍內(nèi)的區(qū)域保持原透射率不變,不在門(mén)限值范圍內(nèi)的區(qū)域使用邊界條件限定,結(jié)合調(diào)整參數(shù)重新計(jì)算透射率,求出更準(zhǔn)確的自適應(yīng)透射率圖。實(shí)驗(yàn)結(jié)果表明,這種方法修正了錯(cuò)誤估算的透射率,克服了原算法在處理這些區(qū)域時(shí)產(chǎn)生的色彩失真,生成了高質(zhì)量的無(wú)霧圖像。

  關(guān)鍵詞圖像去霧暗通道先驗(yàn);門(mén)限;透射率;大氣光

  中圖分類(lèi)號(hào):TP751.1文獻(xiàn)標(biāo)識(shí)碼:ADOI: 10.19358/j.issn.1674-7720.2017.08.015

  引用格式:熊彪,黃志勇,田超,等.改進(jìn)的暗原色先驗(yàn)單幅行車(chē)視頻圖像去霧方法[J].微型機(jī)與應(yīng)用,2017,36(8):45-47.

0引言

  車(chē)輛在霧天行駛時(shí),由于空氣中霧的存在,使得行車(chē)記錄儀所記錄的視頻圖像變得模糊不清,清晰度較差,場(chǎng)景的信息難以恢復(fù)[1],這使得后續(xù)對(duì)視頻的分析與處理受到限制,因此,一種有效的去除行車(chē)視頻圖像中霧的方法具有重要意義。

  圖像去霧一直是計(jì)算機(jī)視覺(jué)領(lǐng)域研究的熱點(diǎn),圖像中霧的形成主要有兩方面原因:(1)介質(zhì)改變了光的傳播路線(xiàn),目標(biāo)的反射光在到達(dá)相機(jī)之前被空氣減弱;(2)圖像中混合著經(jīng)渾濁媒介散射后的大氣光,使得所獲視頻圖像降質(zhì)[2]。降質(zhì)的圖像顏色保真度下降、對(duì)比度低、視覺(jué)效果差,圖像中的邊緣不清晰,細(xì)節(jié)信息難以體現(xiàn)。參考文獻(xiàn)[3]提出了基于圖像增強(qiáng)的Retinex去霧算法,文獻(xiàn)[4]根據(jù)低照度圖像求反后與霧天圖像的相似性提出了一種去霧方法,文獻(xiàn)[5]提出了基于暗原色先驗(yàn)的去霧方法。這幾類(lèi)方法雖然能在特定條件下產(chǎn)生較好的效果,但并沒(méi)有很好地解決圖像的局部區(qū)域偏色的問(wèn)題。

  本文主要針對(duì)單幅行車(chē)視頻圖像對(duì)已有方法進(jìn)行完善。該方法首先求出霧天圖像暗原色通道(即RGB三個(gè)通道中像素值最小的通道),從暗通道圖中按照亮度的大小取前0.1%的像素,根據(jù)這些點(diǎn),在原始圖像中對(duì)應(yīng)這些點(diǎn)的范圍內(nèi)尋找具有最高亮度的點(diǎn)的值,作為全球大氣光值。然后,設(shè)定一個(gè)閾值v,對(duì)在閾值內(nèi)的像素點(diǎn),采用暗原色先驗(yàn)的方法求出透射率,對(duì)不滿(mǎn)足閾值的像素點(diǎn),使用基于邊界條件限定的方法求解透射率,獲得自適應(yīng)的投射率,再根據(jù)霧天退化模型,求出去霧后的圖像。

1暗原色先驗(yàn)去霧算法

  1.1大氣散射模型

  在計(jì)算機(jī)視覺(jué)和計(jì)算機(jī)圖形中,如下式(1)所描述的霧圖形成模型[6]被廣泛使用:

  O(x)=S(x)t(x)+H(1-t(x))(1)

  式中,O(x)為觀測(cè)到的有霧圖像,H為大氣光強(qiáng)度,S(x)為待求解的無(wú)霧圖像,x表示圖像中的像素點(diǎn)。圖像去霧算法的目標(biāo)就是已知O(x),在t(x)與H未知的情況下恢復(fù)求出S(x)。

  1.2暗原色先驗(yàn)

  暗原色先驗(yàn)理論是通過(guò)對(duì)大量戶(hù)外無(wú)霧圖像的統(tǒng)計(jì)得出的,在絕大多數(shù)非明亮的局部區(qū)域里,某一些像素總會(huì)有至少一個(gè)顏色通道具有很低的像素值[7]。對(duì)于一幅圖像,定義暗通道:

  Sdark(x)=miny∈ω(x)(minc∈{r,g,b})Sc(y))=0(2)

  Sc表示圖像S的某一顏色通道,ω(x)表示以x為中心的矩形區(qū)域。觀察得出,暗通道Sdark(x)的強(qiáng)度值很低,趨近于0。把Sdark(x)稱(chēng)為戶(hù)外的無(wú)霧圖像的暗原色,把以上統(tǒng)計(jì)得出的經(jīng)驗(yàn)性規(guī)律稱(chēng)為暗原色先驗(yàn)。

  1.3暗原色先驗(yàn)去霧的算法流程

  將式(1)變形為下式:

  @5F4FD728[Q9`I6{}`2SCO8.png

  又因局部暗原色Sdark(x)的值趨近于0,可得透射率為:

  t(x)=1-miny∈ω(x)(minxOc(x)Hc)(4)

  在現(xiàn)實(shí)生活中,即使是明朗的晴天,空氣中也存在著一些微小顆粒,看遠(yuǎn)處的物體還是能感覺(jué)到霧的影響,霧的存在讓人類(lèi)感到景深的存在,因此,有必要在去霧的時(shí)候保留一定程度的霧,這可以通過(guò)在式(4)中引入一個(gè)在[0,1] 之間的因子,保留部分遙遠(yuǎn)景物的霧,則式(4)修正為:

  SH]8R6]2EFNME7DKPS~2VFJ.png

  圖1算法流程圖本文中所有的測(cè)試結(jié)果依賴(lài)于:ω=0.95。算法的流程圖如圖1所示。

  當(dāng)透射率t(x)的值很小時(shí),會(huì)導(dǎo)致恢復(fù)的清晰圖像像素值偏大,從而使得去霧后的圖像出現(xiàn)色彩失真[8],因此一般可設(shè)置一閾值t0,當(dāng)t(x)值小于t0時(shí),令t(x)=t0 (一般取t0=0.1為標(biāo)準(zhǔn)計(jì)算)。

  因此,最終的恢復(fù)公式如下:

  [N{X`OV3~7QI)_TF)N`1`7H.png

2改進(jìn)的暗原色去霧方法

  通過(guò)大量實(shí)驗(yàn)得知,天空、太陽(yáng)光、白色物體表面等大面積明亮區(qū)域即使在無(wú)霧的條件下,它們的像素值也很大,區(qū)域內(nèi)找不到像素值趨于0的暗原色點(diǎn),所以暗原色假設(shè)的前提在這些區(qū)域是不成立的。

  由H的計(jì)算方法可知,當(dāng)圖像存在明亮區(qū)域時(shí),全球大氣光H值落在這些區(qū)域。利用式(5)求透射率t(x)時(shí),O(x)與H越接近其t(x)值越小,由于明亮區(qū)域的像素值與H值接近,計(jì)算出來(lái)的t(x)會(huì)趨于很小的值。過(guò)小的t(x)值會(huì)造成對(duì)受霧影響不大的區(qū)域去霧力度過(guò)強(qiáng),從而導(dǎo)致圖像出現(xiàn)色彩失真。結(jié)合邊界條件限制[9]及設(shè)置門(mén)限值的方法來(lái)修正透射率,公式(1)經(jīng)過(guò)變形可得到:

  2IG[S6~XR~HZ$QOM{%EWBBP.png

  清晰圖像S(x)與霧天圖像O(x)及H為線(xiàn)性關(guān)系,而清晰圖像S(x)的像素值可限定在一定的范圍內(nèi)。S(x)的極限值限定在[C0,C1]之間。

  在一幅無(wú)霧圖像中,可以認(rèn)為每個(gè)像素點(diǎn)值的大小都受限在一個(gè)范圍內(nèi):

  C0≤S(x)≤C1(8)

  公式中C0和C1為根據(jù)已有的霧天圖像信息設(shè)置的兩個(gè)常數(shù)向量。由公式(8)可知,S(x)的限制條件會(huì)對(duì)t(x)造成一個(gè)低邊界限制,全球大氣光參數(shù)H為已知,則對(duì)于任一個(gè)像素點(diǎn)x,可以計(jì)算出邊界限定的清晰圖像像素點(diǎn)S(x),由公式(7)、(8)可以定義t(x)的一個(gè)限定范圍:

  0≤tb(x)≤t(x)≤1(9)

  其中:

  Y[2Q4R(02GW6UD`}T(W~I]N.png

  Hc、Oc、Cc分別表示各個(gè)顏色通道的值,對(duì)透射率邊界限制tb(x)進(jìn)行一次形態(tài)學(xué)的閉操作,即可得到透射率:

  t(x)=min(max(tb(x)))(11)

  公式(11)給出了一種新的計(jì)算透射率的方法,要使此方法能適用于“明亮區(qū)域”透射率的計(jì)算,本文提出了一種可變的門(mén)限機(jī)制,求出更準(zhǔn)確的自適應(yīng)的透射率。根據(jù)門(mén)限值v,針對(duì)不同的像素點(diǎn),對(duì)于|I(x)-H|>v的區(qū)域保持原透射率不變,對(duì)于|O(x)-H|<v的區(qū)域使用邊界條件限定結(jié)合調(diào)整參數(shù)β重新計(jì)算透射率,這種方法可以很好地解決“明亮區(qū)域”色彩失真的問(wèn)題,t(x)的計(jì)算如下:

  1X8]{GG_U7_4OGP~6ZC{6%6.png

  β的取值與明亮區(qū)域的程度有關(guān),當(dāng)|O(x)-H|>v時(shí)仍然使用暗原色先驗(yàn)的方法求透射率t(x),當(dāng)|O(x)-H|<v時(shí)使用邊界條件限定的方法求出透射率后,使用修正參數(shù)β對(duì)求得的透射率進(jìn)行修正。

  3實(shí)驗(yàn)與結(jié)果

  本文所采用的圖像均來(lái)自百度、Google等網(wǎng)站,算法采用MATLAB2014實(shí)現(xiàn)。PC處理器為Intel(R) Core(TM)i54570,內(nèi)存8.0 GB。表1列舉對(duì)比了不同圖像大小分別采用He的算法及用本文算法執(zhí)行時(shí)間的對(duì)比,通過(guò)表2,可以看到本文算法在保持圖像保真度的同時(shí)大幅度地提高了算法的執(zhí)行效率。

003.jpg

  圖2展示了本文算法去霧前后的效果比較。從實(shí)例結(jié)果可以看出,本文提出的改進(jìn)算法,修正了He算法中在處理“明亮區(qū)域”出現(xiàn)的色彩失真,得到了較清晰的單幅視頻圖像。

  

002.jpg

4結(jié)論

  針對(duì)霧天單幅行車(chē)視頻圖像,為了解決暗通道先驗(yàn)圖像去霧方法容易產(chǎn)生色偏色、透射率誤判、算法效率較低等問(wèn)題,提出一種結(jié)合邊界條件限定的門(mén)限值方法,對(duì)于滿(mǎn)足暗原色先驗(yàn)的區(qū)域仍然采用原方法求透射率圖,對(duì)于不滿(mǎn)足暗原色先驗(yàn)的區(qū)域,使用本文算法求透射率。修正了透射率的錯(cuò)誤果斷,大大減弱了無(wú)霧圖像中偏色的產(chǎn)生。實(shí)驗(yàn)結(jié)果表明,本文算法得到的無(wú)霧圖像相比以前的方法更好地處理了亮度值較大的區(qū)域,使最終獲得的無(wú)霧圖像邊顏色深度感飽滿(mǎn), 圖像視覺(jué)效果顯著提高,恢復(fù)的無(wú)霧圖像清晰、自然、細(xì)節(jié)豐富。

參考文獻(xiàn)

  [1] 祝培, 朱虹, 錢(qián)學(xué)明,等. 一種有霧天氣圖像景物影像的清晰化方法[J]. 中國(guó)圖象圖形學(xué)報(bào), 2004, 9(1):124-128.

 ?。?] KIM J H, JANG W D, SIM J Y, et al. Optimized contrast enhancement for realtime image and video dehazing[J]. Journal of Visual Communication and Image Representation, 2013, 24(3): 410-425.

 ?。?] QIAO X Y, GUANG RONG J I, CHEN W. Improved retinex image enhancement algorithm and simulation study[J]. Journal of System Simulation, 2009(4):1195-1197.

 ?。?] Dong Xuan, Wang Guan, Pang Yi, et al. Fast efficient algorithm for enhancement of low lighting video[C].IEEE International Conference on Multimedia and Expo. IEEE Computer Society, 2011:1-6.

 ?。?] He Kaiming, Sun Jian, Tang Xiaoou. Single image haze removal using dark channel prior[C].Conference on Computer Vision and Pattern Recognition, 2011:2341-53.

 ?。?] 蔣建國(guó),侯天峰,齊美彬. 改進(jìn)的基于暗原色先驗(yàn)的圖像去霧算法[J]. 電路與系統(tǒng)學(xué)報(bào),2011,16(7802):7-12.

 ?。?] 劉洋, 潘靜, 龐彥偉. 一種基于暗原色先驗(yàn)的低照度視頻增強(qiáng)算法[J]. 電子測(cè)量技術(shù), 2013, 36(10):55-57.

 ?。?] 馬春波,徐浪平,敖珺. 基于暗原色的圖像去霧改進(jìn)算法研究[J].計(jì)算機(jī)與數(shù)字工程,2016,44(31501):118-122.

 ?。?] 侯典柯, 吳曉紅,何小海,等. 改進(jìn)的基于邊界限制的圖像去霧算法[J]. 四川大學(xué)學(xué)報(bào), 2015(S2):136-141.


此內(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權(quán)禁止轉(zhuǎn)載。