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：

　　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：

　　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：

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：

　　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：

　　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：

　　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。

　　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。

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.