熊彪，黃志勇，田超，占靜

　　（三峽大學 計算機與信息學院，湖北 宜昌 443002）

       摘要：為了實現對行車視頻中單幅霧霾圖像的快速去霧，針對現有暗原色先驗去霧方法在局部明亮區域存在透射率估算過低、算法效率低等問題，提出了一種改進的去霧方法。該方法在處理不同的像素點時，通過設定門限值，使得門限值范圍內的區域保持原透射率不變，不在門限值范圍內的區域使用邊界條件限定，結合調整參數重新計算透射率，求出更準確的自適應透射率圖。實驗結果表明，這種方法修正了錯誤估算的透射率，克服了原算法在處理這些區域時產生的色彩失真，生成了高質量的無霧圖像。

　　關鍵詞：圖像去霧；暗通道先驗；門限；透射率；大氣光

　　中圖分類號：TP751.1文獻標識碼：ADOI： 10.19358/j.issn.1674-7720.2017.08.015

　　引用格式：熊彪，黃志勇，田超，等.改進的暗原色先驗單幅行車視頻圖像去霧方法［J］.微型機與應用，2017,36（8）：45-47.

0引言

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

　　圖像去霧一直是計算機視覺領域研究的熱點，圖像中霧的形成主要有兩方面原因：（1)介質改變了光的傳播路線，目標的反射光在到達相機之前被空氣減弱；（2)圖像中混合著經渾濁媒介散射后的大氣光，使得所獲視頻圖像降質［2］。降質的圖像顏色保真度下降、對比度低、視覺效果差，圖像中的邊緣不清晰，細節信息難以體現。參考文獻［3］提出了基于圖像增強的Retinex去霧算法，文獻［4］根據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［5］提出了基于暗原色先驗的去霧方法。這幾類方法雖然能在特定條件下產生較好的效果，但并沒有很好地解決圖像的局部區域偏色的問題。

　　本文主要針對單幅行車視頻圖像對已有方法進行完善。該方法首先求出霧天圖像暗原色通道（即RGB三個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，根據這些點，在原始圖像中對應這些點的范圍內尋找具有最高亮度的點的值，作為全球大氣光值。然后，設定一個閾值v，對在閾值內的像素點，采用暗原色先驗的方法求出透射率，對不滿足閾值的像素點，使用基于邊界條件限定的方法求解透射率，獲得自適應的投射率，再根據霧天退化模型，求出去霧后的圖像。

1暗原色先驗去霧算法

　　1.1大氣散射模型

　　在計算機視覺和計算機圖形中，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)為觀測到的有霧圖像，H為大氣光強度，S(x)為待求解的無霧圖像，x表示圖像中的像素點。圖像去霧算法的目標就是已知O（x），在t(x)與H未知的情況下恢復求出S(x)。

　　1.2暗原色先驗

　　暗原色先驗理論是通過對大量戶外無霧圖像的統計得出的，在絕大多數非明亮的局部區域里，某一些像素總會有至少一個顏色通道具有很低的像素值［7］。對于一幅圖像，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為中心的矩形區域。觀察得出，暗通道Sdark（x）的強度值很低，趨近于0。把Sdark(x)稱為戶外的無霧圖像的暗原色，把以上統計得出的經驗性規律稱為暗原色先驗。

　　1.3暗原色先驗去霧的算法流程

　　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)

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

　　圖1算法流程圖本文中所有的測試結果依賴于:ω=0.95。算法的流程圖如圖1所示。

　　當透射率t（x）的值很小時，會導致恢復的清晰圖像像素值偏大，從而使得去霧后的圖像出現色彩失真［8］，因此一般可設置一閾值t0，當t（x）值小于t0時，令t（x）=t0 (一般取t0=0.1為標準計算)。

　　因此，最終的恢復公式如下：

2改進的暗原色去霧方法

　　通過大量實驗得知，天空、太陽光、白色物體表面等大面積明亮區域即使在無霧的條件下，它們的像素值也很大，區域內找不到像素值趨于0的暗原色點，所以暗原色假設的前提在這些區域是不成立的。

　　由H的計算方法可知，當圖像存在明亮區域時，全球大氣光H值落在這些區域。利用式（5）求透射率t（x）時,O（x）與H越接近其t（x）值越小，由于明亮區域的像素值與H值接近，計算出來的t（x）會趨于很小的值。過小的t(x)值會造成對受霧影響不大的區域去霧力度過強，從而導致圖像出現色彩失真。結合邊界條件限制［9］及設置門限值的方法來修正透射率，公式（1）經過變形可得到：

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

　　在一幅無霧圖像中，可以認為每個像素點值的大小都受限在一個范圍內：

　　C0≤S(x)≤C1(8)

　　公式中C0和C1為根據已有的霧天圖像信息設置的兩個常數向量。由公式(8)可知，S(x)的限制條件會對t(x)造成一個低邊界限制，全球大氣光參數H為已知，則對于任一個像素點x，可以計算出邊界限定的清晰圖像像素點S(x)，由公式(7)、(8)可以定義t(x)的一個限定范圍：

　　0≤tb(x)≤t(x)≤1(9)

　　其中：

　　Hc、Oc、Cc分別表示各個顏色通道的值，對透射率邊界限制tb(x)進行一次形態學的閉操作，即可得到透射率：

　　t(x)=min(max(tb(x)))(11)

　　公式（11）給出了一種新的計算透射率的方法，要使此方法能適用于“明亮區域”透射率的計算，本文提出了一種可變的門限機制，求出更準確的自適應的透射率。根據門限值v，針對不同的像素點，對于|I(x)－H|>v的區域保持原透射率不變，對于|O(x)－H|<v的區域使用邊界條件限定結合調整參數β重新計算透射率，這種方法可以很好地解決“明亮區域”色彩失真的問題，t(x)的計算如下：

　　β的取值與明亮區域的程度有關，當|O(x)－H|>v時仍然使用暗原色先驗的方法求透射率t(x)，當|O(x)－H|<v時使用邊界條件限定的方法求出透射率后，使用修正參數β對求得的透射率進行修正。

　　3實驗與結果

　　本文所采用的圖像均來自百度、Google等網站，算法采用MATLAB2014實現。PC處理器為Intel(R) Core(TM)i54570，內存8.0 GB。表1列舉對比了不同圖像大小分別采用He的算法及用本文算法執行時間的對比，通過表2，可以看到本文算法在保持圖像保真度的同時大幅度地提高了算法的執行效率。

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

4結論

　　針對霧天單幅行車視頻圖像，為了解決暗通道先驗圖像去霧方法容易產生色偏色、透射率誤判、算法效率較低等問題，提出一種結合邊界條件限定的門限值方法，對于滿足暗原色先驗的區域仍然采用原方法求透射率圖，對于不滿足暗原色先驗的區域，使用本文算法求透射率。修正了透射率的錯誤果斷，大大減弱了無霧圖像中偏色的產生。實驗結果表明，本文算法得到的無霧圖像相比以前的方法更好地處理了亮度值較大的區域，使最終獲得的無霧圖像邊顏色深度感飽滿, 圖像視覺效果顯著提高,恢復的無霧圖像清晰、自然、細節豐富。

參考文獻

　　［1］ 祝培, 朱虹, 錢學明,等. 一種有霧天氣圖像景物影像的清晰化方法［J］. 中國圖象圖形學報, 2004, 9(1):124-128.

　　［2］ 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.

　　［3］ 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.

　　［4］ 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.

　　［5］ 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.

　　［6］ 蔣建國,侯天峰,齊美彬. 改進的基于暗原色先驗的圖像去霧算法［J］. 電路與系統學報,2011,16(7802):7-12.

　　［7］ 劉洋, 潘靜, 龐彥偉. 一種基于暗原色先驗的低照度視頻增強算法［J］. 電子測量技術, 2013, 36(10):55-57.

　　［8］ 馬春波,徐浪平,敖珺. 基于暗原色的圖像去霧改進算法研究［J］.計算機與數字工程,2016,44(31501):118-122.

　　［9］ 侯典柯, 吳曉紅,何小海,等. 改進的基于邊界限制的圖像去霧算法［J］. 四川大學學報, 2015(S2):136-141.