航拍降质图像的去雾处理嵇晓强Word文档格式.docx

航拍降质图像的去雾处理嵇晓强Word文档格式.docx

《航拍降质图像的去雾处理嵇晓强Word文档格式.docx》由会员分享，可在线阅读，更多相关《航拍降质图像的去雾处理嵇晓强Word文档格式.docx（19页珍藏版）》请在冰豆网上搜索。

全局去雾和对比度自适应调整的最优化模型,从而能够直接复原得到高质量的去除雾干扰的图像并且估算出雾的浓度。

对一系列户外带雾图像的分组实验表明,该方法可以快速有效地提高带雾图像的对比度和色彩清晰度,获得满意的视觉

效果。

另外,该方法克服了KaimingHe方法处理时间过长的缺陷,平均处理时间仅为原方法的10%左右,显著缩短了

运算时间,为在工程项目中实现图像的实时去雾处理提供了理论依据。

关　键　词:

航拍图像;

图像复原;

图像增强;

去雾;

暗原色先验

中图分类号:

TP751.1;

TP391.4　　文献标识码:

A　　doi:

10.3788/OPE.20111907.1659

Hazeremovalforaerialdegradedimages

JIXiao-qiang1,2,DAIMing1＊,YINChuan-li1,FENGYu-ping3,BAIXu-guang1

（1.ChangchunInstituteofOptics,FineMechanicsandPhysics,

ChineseAcademyofSciences,Changchun130033,China;

2.GraduateUniversityofChineseAcademyofSciences,Beijing100039,China;

3.QingdaoUniversityofScienceandTechnology,Qingdao266042,China）

＊Correspondingauthor,E-mail:

daim@

Abstract:

Foraerialimageswithpoorcontrastandcolorfidelityduetofoggyandhazyweathers,this

paperproposesatechniqueofhazeremovalforaerialdegradedimagesbasedonthedark-channelprior

andthephysicalmodeltoimprovethevisibilityofvisionsysteminanUnmannedAerialVehicle.

Fromtheviewpointsofimagerestorationandimageenhancement,theoptimizedmodelsofglobalhaze

removalandself-adaptingcontractextendingareestablished,respectively.Usingthemethod,ahigh

qualityhaze-freeimagecanberecoveredandthethicknessofthehazecanbealsoestablished.Theex-

perimentalresultsonavarietyofoutdoorhazeimagesdemonstratethatitcanenhancethecontrastand

colordefinitionofhazydegradedimagesfastandefficientlyandcanachievesatisfactoryvisualeffects.

Moreover,themethodovercomestheKaimingHe'

sdrawbackofmoretimeconsuming,andtheaver-ageprocessingtimeis10%thatofthetraditionalmethod.Itprovidesatheoreticalreferenceforthere-

al-timehazeremovalprocessinginengineeringprojects.

Keywords:

aerialimage,imagerestoration;

imageenhancement;

hazeremoval;

dark-channelprior

1　引　言

　　在雾、霭等天气条件下,大气散射对户外图像

的对比度和颜色保真度影响严重,致使图像的许

多特征被覆盖,景物的可辨识度大大降低。

无人

机机载航拍视觉系统受大气散射的影响更为另人

关注,这是因为某些情况下侦察监视工作不可能

重复进行,依据有限的图像资料获得更多更准确

的目标信息至关重要。

因此,对雾天图像进行有

效的去雾处理是十分必要的。

目前,图像去雾处理的方法有两类。

其一是

增强图像对比度。

这种处理不考虑退化原因,按

照特定需要突出图像中某些信息,同时削弱或去

除某些不需要的信息,但这样做有可能造成一些

信息的损失[1];

其二是基于图像退化原因和大气

散射规律建立图像退化模型,实现场景复原。

这

类方法充分利用了退化的先验知识,具有内在的

优越性。

但是由于需要景深和精确的大气条件,

研究时要使用多幅图像或更多辅助信息[2-5],给只

有一幅图像可分析的场合带来诸多不便。

目前,

国内外在单幅图像去雾处理领域取得了很大的突

破。

Tan等[6]通过最大化局部对比度来达到去雾

的目的;

Fatal等[7]依赖独立成分分析来推断景物

光在空气中传播时的透射率;

Jean-Philippetar-

el[8]以最小滤波为基础辅以中值滤波进行全局去

雾。

由于雾所依赖的深度信息未知,单幅图像去

雾处理往往依赖于一个强有力的先验或假设。

KaimingHe等[9]提出一种新的先验规律———暗

原色先验,利用这个先验规律能够直接评估雾光

的透射信息,进而对单幅图像进行去雾处理。

本文对该先验规律进行了深入分析,对基于

暗原色先验的图像去雾处理方法进行了优化,大

量户外有雾图像的实验结果表明,该处理方法可

快速、显著地提高雾天景象的清晰度,均匀地调整

图像整体色彩亮度并且保持色彩本身不变,同时

大大减少了原方法的繁重运算量,大幅度提高了

运行效率和速率。

2　雾图形成的物理模型

　　要对雾天降质图像进行清晰化处理,必须考

查图像退化原因,建立物理模型。

本文依据的物

理模型是在计算机视觉和图形领域广泛使用的

McCarney大气散射模型[1,9-11],该模型将一个像

素点的色彩和强度看作由雾或阴霾的大气光产生

的色彩、强度和晴天被观察的场景点的色彩、强度

的线性组合。

公式

（1）给出了对该模型的描述:

I（x）=t（x）J（x）+（1-t（x））A,

（1）

其中:

x表示像素点的坐标;

I（x）为已知量,指观

测到的图像的强度,即带雾图像;

t（x）=e-βd（x）表

示透过率,描述光线通过媒介透射到视觉系统没

有被散射的部分;

A表示全球大气光成分,是未知

量;

J表示景物光线的强度即要恢复的真实的图

像。

t（x）J（x）称作做衰减项,描述景物光线及其

在媒介中的衰减情况;

（1-t（x））A表示由前方散

射引起的大气光成分,其会导致景物颜色的偏

移[9]。

由公式

（1）可知,去雾的途径就是从雾化图像

I（x）中复原J（x）,A和t（x）;

而依据单幅图像求

取这3个参数的关键是一个强有力的先验或假

设。

前文中提到的Tan[6]和Fatal[7]等人都是应

用各自的先验或假设来达到去雾的目的。

本文基

于KaimingHe等人提出的暗原色先验求取参数

和,进而得到待恢复的真实图像。

3　基于暗原色先验的图像复原

3.1　暗原色先验理论

暗原色先验理论是一种对无雾图像的统计规

律。

以前的去雾方法,重心都是放在提高图像对

比度上,而KaimingHe等人着眼于研究无雾图

像的统计特征,他们通过大量的实验发现了这个

客观存在的统计规律,即在一幅户外无雾图像的

任意小块中,总有至少一个像素点,它的一个颜色

通道具有很低的强度值,称之为暗原色,数学表达

如公式

（2）所示:

1660　　　　　光学　精密工程　　　　　第19卷　Jdark（x）=minc∈{r,g,b}（miny∈Ψ（x）（Jc（y）））,

（2）

其中,Jdark称为图像J的暗原色,其强度值总是很

低并且趋近于0,Jc为J的r,g,b三通道中一个

颜色通道,Ψx是以x为中心的一块区域。

在被雾干扰的图像中,由于雾是灰白色的,导

致原本应该很暗的暗原色会被大气中的白光成分

充斥而变得灰白,强度变得较高。

这是由空气中

的漫反射分量引起的,而其强度和透射率有关,因

此可以通过暗原色估计透射率。

通过减去场景中

暗原色点所对应的一个值以去除空间各向同性的

雾,继而还原出清晰且色彩逼真的无雾图像。

同

时还可根据暗原色点的灰白程度来判断雾的浓

度。

图1给出了了一幅带雾图像及其暗原色图。

其中暗原色图的求取是按照文献[9]的方法,首先

将图像分成15pixel×

15pixel的块后再求取得

到的。

图中小方块标注的即是强度值很低,接近

于零的暗原色点,它们分布在相对较亮的草堆表

面以及阴影或投影中。

3.2　暗原色去雾方法

由雾图的物理模型可知,去雾的目标就是从

带雾图像I（x）中复原J（x）,A和t（x）。

首先,利

用暗原色先验估测出雾的透过率图（反映了图像

中雾的浓度变化）,再利用透过率图恢复场景的辐

射度J（x）（去雾的图像）。

文献[9]给出了基于暗

原色去雾的方法,其原理图如图2所示。

具体实

现步骤为:

（1）将输入的带雾图像分成大小为15pixel

×

15pixel的块,求得局部暗原色图;

（2）假设全球大气光成分已知,利用暗原色

图粗略估测透过率图;

（3）利用软件抠图方法细化透过率图;

（4）利用暗原色先验估计大气光成分;

（5）由雾图物理模型以及I,A和t（x）恢复

无雾图像J。

图2　方法实现的原理图

Fig.2　Blockdiagramofalgorithm

文献[9]利用暗原色先验得到了一种简单而

有效的去雾方法,能够明显提高雾天户外图像清

晰度,均匀地调整图像整体的色彩亮度,从而达到

良好的视觉效果。

本文作者在对该方法进行大量

实验和分析的基础上,发现其存在如下不足:

由于

是分块求取暗原色,继