２０１７年第５ 总第１８６期 基于暗原色先验算法的雨雾天图片清晰化 徐春雨司宇航 （南阳邢 ｌ：学院计算机。 ｊ信息ｌ 程学院，河南南阳４７３０００） 摘要：国内外去雾算法主要分为图像增强和图像修复两大类。本文采用基于暗原色先验的图像修复技术作为去 雾算法核心，算法思路新颖、简单易懂。该算法从雨雾图片形成的物理机制出发，结合大气散射物理模型，去雾 后的图片对比度、亮度有明显改善。本文分析了暗原色先验算法存在的不足，并提出了优化算法。其一，按图片 大小比例求取滤波窗口，在时间复杂度和去雾图片质量之间取得最优效果。其二，运用引导滤波算法优化透射 率图，处理后图片细节更清晰。其三，引入参数Ｌ去优化透射率值，优化舌有效的消除了“光晕效应” ． 关键词：图像去雾；大气散射模型；暗原色先验；引导滤波 中图分类号：ＴＰ３０１ 文献标识码：Ａ 文章编号：１６７１－４７９２（２０１７）５－００２２ ０５ Ｒａｉｎ ａｎｄ Ｈａｚｅ Ｉｍａｇｅ Ｃｌａｒｉｔｙ Ｂａｓｅｄ ｏｎ Ｄａｒｋ Ｃｈａｎｎｅｌ Ｐｒｉｏｒ Ｘｕ Ｃｈｕｎｙｕ Ｓｉ Ｙｕｈａｎｇ （Ｃｏｌｌｅｇｅ ｏｆＣｏｍｐｕｔｅｒａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｎａｎｙａｎｇ ＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，Ｈｅｎａｎ Ｎａｎｙａｎｇ ４７３０００） Ａｂｓｔｒａｃｔ：Ｔｈｅ ｉｍａｇｅ ｄｅｈａｚｉｎｇ ａｌｇｏｒｉｔｈｍｓ ａｔ ｈｏｍｅ ａｎｄ ａｂｒｏａｄ ａｒｅ ｄｉｖｉｄｅｄ ｉｎｔｏ ｔｗｏ ｃａｔｅｇｏｒｉｅｓ．ｉ．ｅ．．ｉｍａｇｅ ｅｎｈａｎｃｅ ｍｅｎｔ ａｎｄ ｉｍａｇｅ ｒｅｓｔｏｒａｔｉｏｎ．Ｉｎ ｔｈｉｓ ｐａｐｅｒ，ｔｈｅ ｃｏｒｅ ｏｆ ｔｈｅ ｄｅｈａｚｉｎｇ ａｌｇｏｒｉｔｈｍ ｉｓ Ｄａｒｋ Ｃｈａｎｎｅｌ Ｐｒｉｏｒ ｂａｓｅｄ ｏｎ ｉｍａｇｅ ｒｅｓｔｏｒａｔｉｏｎ ｔｅｃｈｎｏｌｏｇｙ．Ｔｈｅ ａｌｇｏｒｉｔｈｍ ｉｓ ｎｏｖｅｌ ａｎｄ ｕｎｄｅｒｓｔａｎｄａｂｌｅ．Ｔｈｅ ａｌｇｏｒｉｔｈｍ ｉｓ ｂａｓｅｄ ｏｎ ｔｈｅ ｐｈｙｓｉｃａｌ ｍｅｃｈａｎｉｓｍ ｏｆ ｒａｉｎ ａｎｄ ｈａｚｅ ｉｍａｇｅ ｆｏｒｍａｔｉｏｎ ａｎｄ ｃｏｍｂｉｎｅｄ ｗｉｔｈ ｔｈｅ ａｔｍｏｓｐｈｅｒｉｃ ｓｃａｔｔｅｒｉｎｇ ｐｈｙｓｉｃａｌ ｍｏｄｅｌ，ｃｏｎｔｒａｓｔ ａｎｄ ｂｒｉｇｈｔ— ｈｅｓｓ ｏｆ ｔｈｅ ｄｅｈａｚｅｄ ｉｍａｇｅ ｈａｖｅ ｉｍｐｒｏｖｅｄ ｏｂｖｉｏｕｓｌｙ．Ｔｈｉｓ ｐａｐｅｒ ａｎａｌｙｚｅｓ ｔｈｅ ｓｈｏｒｔｃｏｍｉｎｇｓ ｏｆ ｔｈｅ Ｄａｒｋ Ｃｈａｎｎｅｌ Ｐｒｉｏｒ ａｎｄ ｐｒｏｐｏｓｅｓ ｏｐｔｉｍｉｚｅｄ ａｌｇｏｒｉｔｈｍｓ．Ｆｉｒｓｔ，ｔｈｅ ｆｉｌｔｅｒ ｗｉｎｄｏｗ ｉｓ ｃａｌｃｕｌａｔｅｄ ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ ｉｍａｇｅ ｓｉｚｅ ｒａｔｉｏ ｉｎ ｏｒｄｅｒ ｔｏ ａｃｈｉｅｖｅ ｔｈｅ ｂｅｓｔ ｒｅｓｕｌｔｓ ｂｅｔｗｅｅｎ ｔｈｅ ｔｉｍｅ ｃｏｍｐｌｅｘｉｔｙ ａｎｄ ｄｅｈａｚｅ ｑｕａｌｉｔｙ．Ｓｅｃｏｎｄ，ｔｈｅ ｇｕｉｄｅｄ ｆｉｌｔｅｒｉｎｇ ａｌｇｏｒｉｔｈｍ ｉｓ ｕｓｅｄ ｔｏ ｏｐｔｉｍｉｚｅ ｔｈｅ ｔｒａｎｓｍｉｔｔａｎｃｅ ｄｉａｇｒａｍ，ｔｈｕｓ ｍａｋｉｎｇ ｔｈｅ ｄｅｔａｉｌｓ ｏｆ ｐｒｏｃｅｓｓｅｄ ｉｍａｇｅ ｍｏｒｅ ｃｌｅａｒｅｒ．Ｔｈｉｄ，ｔｒｈｅ ｐａ ａｍｅｔｒｅｒ Ｌ ｉｓ ｕｓｅｄ ｔｏ ｏｐｔｉｍｉｚｅ ｔｈｅ ｔｒａｎｓｍｉｔｔａｎｃｅ ｖａｌｕｅ，ｗｈｉｃｈ ｉｓ ｏｐｔｉｍｉｚｅｄ ｔｏ ｅｌｉｍｉｎａｔｅ ｔｈｅ”ｈａｌｏ”． Ｋｅｙｗｏｒｄｓ：ｍａｇｅ Ｄｅｈａｚｉｎｇ；Ａｔｍｏｓｐｈｅｒｉｃ Ｓｃａｔｔｅｒｉｎｇ Ｍｏｄｅｌ；Ｄａｒｋ Ｃｈａｎｎｅｌ Ｐｒｉｏｒ；Ｇｕｉｄｅ Ｆｉｌｔｅｒｉｎｇ ０引言 时增加算法鲁棒性，一直是去雾研究人员的日标ｔ 、 空气污染日益严重导致雾霾天气频发，给研判 １雨雾天图片物理模型建立 带来误差，室外视觉系统效果；人们生活品质改 雨雾天网片模糊的主要原因魁进入成像没备的 善，对图片质量有更高的追求，这都使得图片去雾技 术成为计算机视觉领域的热门话题。但是冈片去雾 本身是一个复杂的问题，如何在保持去雾效果的同 人射光和散射光比例不同。其一，入射光衰减项，它 和景物距成像设备之问的间隔存在指数函数联系： Ｅ。（ｄ，Ｙ）－Ｅ。（Ｙ）ｅ ｖ 其二，大气光散射增强项，它的数学表示形式 ★基金项Ｈ：河南省高等学校重点科研项同（编号 １７Ａ５２００４６）；南阳胛Ｉ 学院青年基金（２０１７年） 一２２一 ＥＡ（ｄ，Ｙ）＝．Ｅ （Ｙ）（１一ｅ－Ｂ（ｖ）ｄ） （２） ＭｃＣａｒｔｎｅｙ综合模型［２１认为，大气光散射增强项 和入射光衰减项在雨雾天中会同时起作用。所以成 ｌＭｄ ）＝擂 乳）（ＩＭ ））） （５） 且对于室外无雾图片，暗原色先验理论认为： 像设备接收到的总的光线值是两部分的叠加，即： Ｅ（ｄ，Ｙ）＝ＥＤ（Ｙ）＋Ｅ （Ｖ） （３） 令Ｈ（ｘ）＝Ｅ（ｄ，Ｙ），ｔ（ｘ）＝ （ｖ）ｄ，ＩＭ（ｘ）＝Ｅ０（Ｙ）， Ａ＝Ｅ （Ｙ）得： Ｈ（ｘ） （ｘ）ｔ（ｘ）＋Ａ（１－－ｔ（ｘ）） （４） 式（４）中，前文已经提到Ｈ（ｘ）为拍摄到的雨雾图 片； （ｘ）是想求出的图片，即无雾的清晰图片；ｔ（ｘ） 称之为透射率，它的大小与波长和景深相关，在同一 张图片中，假设波长不变，那么当它仅和景深相关 时，透射率图在一定程度上可以代替景深图。它可以 反映光在传输中的主要特性，如穿透雾的能力。透 射率值的优化程度直接影响到最终的去雾图片的质 量，透射率图细节越清晰，有雾图片恢复出来的细节 就越明显。Ａ称之为大气光值，是距离拍摄者无穷远 处的光照强度，同一幅图片，通常假设它的值为定 值。自变量表示待处理图片上像素的位置坐标。 ２暗原色先验算法的雨雾天图片清晰化 以暗原色先验理论为基础的雨雾天图片清晰 化，简单实用，且去雾效果较其他去雾算法较为理 想，处理后图片颜色自然逼真。 ２．１暗原色先验原理 何凯明博士提出的暗原色先验理论指出，在绝 大多数不含天空区域的室外图片里，三个颜色通道 里至少有一个颜色通道存在着某些像素值很低并趋 于零的像素点翻。在图片去雾领域，人们广泛使用下 述方程来数学定义暗原色： Ｍ ０ （６） 式（５）中， 表示输人图片ＩＭ的Ｒ、Ｇ、Ｂ三 个通道中的其中一个；Ｑ（ｘ）是以为Ｘ中心的求解图 片暗通道时的一个局部区域，或者称为窗口，在何凯 明博士的论文中，这个窗口大小是１５＂１５； 即 为所求图片的暗原色图。 ２．２暗原色先验图片清晰化算法 暗原色先验的图片清晰化算法主要分为三步： 透射率值计算、大气光值计算、衰退图片的复原。 首先将式（４）作简单变换，等号两边同乘Ａ的 倒数： ） ＋１－－ｔ（Ｘ）（７） ２．２．１透射率值计算 透射率值反映了光在大气传播的主要特性，数 字化了光线穿透雾的能力。假设式（７）中大气光值Ａ 已知，并且在１５＂１５滤波窗口内，透射率值ｔ保持不 变，对式（７）两边同时进行两次最小值运算，得： 蕊（）Ｉ ） 如， ）Ｉ ／／ ｙ＝ ｙｍ印ｉ （８） （。 ｉ圳ｎ＼ＩＭＡｅｃ（ｘ）￣／／＋ｌ－ｔ ） 由式（８）可知： ＩＭｄ ∽＝蕊 ‰（ＩＭ。∽））＝。（９） 联立式（８）和式（９）可得： ｔ∽一 （。鼢ｉｎ ） （１０） 一２３— 即使在晴朗的天空中，依然存在着少量微小颗 粒，它们使得人们观看较远的地方总感觉雾存在，故 考虑到图片真实性，引人参数ａ，取值范匍是【０，１］， 有目的性的保留少量的雾，本文中取ａ＝０．９５，即： 不足．在颜色梯度大的边缘有一条没有处理掉的雾 的“白带”，对此，后文中将详细的提出优化算法的解 决方案，并得到其优化的去雾图片。 ３暗原色先验算法的优化 针对暗原色算法存在的不足之处，本文提出了 ｔ １一黜（鼢ｉｎ， ）…， 基于暗原色先验的雨雾天图片优化算法。 ２．２．２大气光值计算 利用暗原色最大像素值的方法计算大气光值， 可以避免将灯光等物体的亮度作为大气光值，具体 步骤是： （１）有雾图片Ｈ转化为暗通道图，并将此暗通 道图的像素值从大到小排序； （２）选取排序后前０．１％亮度最大的值，找出在 暗通道图Ｈ中对应的位置坐标； （３）用位置坐标在图片Ｈ中求出对应的像素值 Ａ； （４）为了避免求得像素值过大，对后续去雾处理 造成色调变换。在这里设置阈值Ａ．￣ｘ＝２４０，并目．将 ａｒｉｎ（Ａ一．Ａ）作为最终的大气光值 ２．２．３衰退图片复原 Ｆ｝｛式（４）得： ｌＭ（ ）＝可Ｈ（ｘ）－Ａ＋Ａ ｆ １２） 透射率值ｔ有可能无限接近于０，这会造成清 晰化后的图片包含噪声。为了避免这种情况，本文 没置阈值ｔ０＝０．１。改进后的公式为： Ｈ １一Ａ ，。 、 。Ｍ ） 茬 ＋Ａ ¨川 利用该算法处理后得到的无雾图片，图片自然 清晰，对比度明显，信息保留完整。但算法仍有一些 一２４— ３．１暗原色先验的滤波窗口大小自适应求取 针对滤波窗口问题，在提高效率的同时，为了在 细节史多和错误更少中寻求最优，本文不再Ｉ古１定滤 波窗口的大小。本文规定，以待处理图片边长最大值 的ｋｅｎｌＲａｔｉｏ＝１％作为滤波窗口的大小。同时为了避 免图片尺寸过小导致窗口过小．设置阈值ＷＳ＝３ＨＩ。例 如，对于一幅Ｈ＊Ｗ的图片，滤波窗口大小即为： ＷｉｎｄｏｗｓＳｉｚｅ＝ｆｌｏｏｒ（ｍａｘ（ＷＳ，ｋｅｎｌＲａｔｉｏ＊Ｈ． ｋｅｎｌＲａｔｉｏ＊ｗ）） （１４） ３．２暗原色先验的透射率图优化 何博士最初采用“Ｓｏｆｔ Ｍａｔｔｉｎｇ”优化ｔ值，但算 法时间和空间复杂度高。随后何博士又提出引导滤 波算法【５］，该算法很好的解决了这个问题。引导滤波 就是通过选取一幅灰度或者彩色网片作为引导罔 片，尽可能对输入图片的基础层进行保昭，滤波输入 图片的冗余纹理和噪声，并加入引导 片的细节信 息｝６１。最终输出图片不仅整体特征完整而Ｆｔ一细节信 息明显。设有雾图片Ｈ为引导 片，透射率图ｔ为输 入图片，输出网片为ｔ ｆｉｌｅｄ ，根据引导滤波模 有： 一 ｔｆｉｌｅｄ。＝ａ． Ｈｉ蟾．Ｖｉ∈ ｋ （１５） —５￣：（１５）００，∽ 为方形的滤波窗口，ａ ｉ和ｅ 是 设定同窗口相同的线性系数，ａ．和色。在此区域值 恒定不变。将此式转化为输出 片，ｔ＿ｆｉｌｅｄ等于输入 图片透射率阐ｔ加权和的数学公式： ∑ｊ ，（ ） ＩＭ（】．） ：啪 越 ： ：：ｉＩ ； 三Ｈ （ｘ ）Ｉ －１ｉ ＡＪ： 暗原色算法对天空区域优化后Ⅷ戤 ｔ０） Ｊ ¨ ，＋Ａ ２ ， 式（１６）ｑｈ，核心函数权重ｗ 为： ：完全消除了“光 赤 （，＋ … 晕效应”，恢复后的图片清晰自然，完全可以满足人 们对生活审美的要求。 式（１７）中，ＩＪ 是引导图片Ｈ在滤波窗口 ｋ的 ４实验结果与分析 平均值；ｏ ２ｋ是引导图片Ｈ在滤波窗Ｉ＝１∞ｋ的方差； 前文中已经十分详细的讨论了暗原色先验算法 ∽ 是滤波窗口【＾Ｊ 中的像素数量。联立以上方程求 原理和其优化后的算法，本节中通过实验展示了算 出优化后的透射率罔ｔ ｆｉｌｅｄ ．相对于没有优化的透 法的优劣。本文算法的程序流程图见图一．程序处理 射率网．优化后透射率罔在图片中物体细节部分更 后的结果见图二。其中 二（ａ）为有雾图片原图，网 清晰。但优化后的透射率图亮度变得较低．这会导 二（ｂ）为 二（ａ）的最小暗通道图．图二（ｃ）为图二 致最后恢复出的无雾网片偏暗．只需将无雾图片做 （ａ）的暗通道图，图二（ｄ）为罔二（ａ）的透射图，图二 曝光处理即可。 （ｅ）为陶二（ａ）的暗通道去雾图， 二（ｆ）为图二（ａ） ３．３暗原色先验的天空区域的改进 的优化后的透射率冈．网二（ｇ）为图二（ａ）ｆｌ＇Ｊ，优化后 暗原色先验原理可用的前提是在大部分非天空 的去雾罔。 区域，对于天空区域运用暗通道处理时，会出现光晕 －效应，颜色失真也比较严重。 输入有雾图像瀚出原图 １ 『 Ｓｆｘ，￣光晕效应，本文提出一种改进算法，定义参 ’ 计算大气光值，反解去雾圈像， 数 ｌ，设定对于存在大片明亮区域的图片．当 计算最小通道值，输出最小通道 输出暗通道去雾图 ｍａｘ（ＩＨ—ＡＩ）＜Ｌ （１８） 图 时．选取自定义值 ● ｃ＝ｍｉｍ ｎ （｛，ｍｍａ ＬｘＣＩＨ－Ａ ，ｍａＩ）’ ￣ｍａｘｘ（ｔ ）），ｔ０），’ ， 优化透射率值，输出优化后透射 率图 计算暗通道值，输出暗通道图 作为暗原色算法处理图片的透射率值；对于没 Ｉ 有大片明亮区域的网形，即当 ● ● １ 『 Ｔ 反解去雾图像。输出优化后的去 ｍａｘ（Ｉｎ—ＡＩ）＞Ｌ （２０） 计算透射率值，输出透射率圈 雾图 时．暗原色算法求取的透射率值不变．改进后清 晰化图片的求解式变为： 图一程序流程图 一２５— 图二去雾效果图 ５结束语 水文针 对雨雾天拍摄照片存在的图片模糊问 【４】李翠．雾灭降质陶像自通膻清晰化处 算法的１Ｌ殳｛１－及 题，建 ｒｍ雾图片物理模 ，采用基于暗原色先验 实现［Ｄ】．ＪＥ京：北京交通大学，２０１４． 的去雾算法，并对算法进行优化，实现了模糊图片的 ［５１￣Ｎ．大气退化遥感图像复 关键技术讲究【ＤＪ．郑州： 清晰化处理，处理后陶片清晰自然，给研判和日常生 信息‘ｌ 大学．２Ｏ１５． 活带来ｒ极大的帮助，可应用于监控、火灾报警、未 【６Ｊ王利娟．视频监控中火灾赳叫雾探测力’法研究【ＤＪ．徐州： 来汽午＝等 中困矿业大学．２０１５． ［７】蒋建因，侯天峰，齐美彬．改进的挂于暗原乜先验的 像去雾算法［Ｊ】．电路 ｊ系统学报，２０１１，（０２）：７－ｌ２ 参考文献 【１ Ｊ孙Ｊ 金．基于暗通道优先的单幅罔像去雾算法研究【Ｄ】 大＝连：＿夫连海事大学，２０１０． 作者简介 ［２１王奕权．冈像去雾 』 像增强算法研究【Ｄ】．南京：南京 徐春ｍ（１９８３一）．女，河北蔚县人，坝 研究生， 岍 邮电人 、 ，２０１ ５． 要研究ｈ’向：图像处卵、嵌入式系统： 刮宇航（１９９４一），男，河南安阳人。小科， 研究ｈ Ｉ３１１ ｌｅ Ｋ Ｍ，Ｓｕｎ Ｊ，Ｔａｎｇ Ｘ Ｏ．Ｓｉｎｇｌｅ ｉｍａｇｅ ｈａｚｅ ｒｅｍｏｖａｊ 像处珊。 ｕｓｉｎｇ ｄａｒｋ ｃｈａｎｎｅｌ ｐｒｉｏｒ［Ｃ］．Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ Ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ．Ｗａｓｈｉｎｇｔｏｎ，Ｕ ＳＡ： ～２６
