基于物理模型的单幅图像去雾方法研究.docVIP

基于物理模型的单幅图像去雾方法研究 　　摘要：为了提高雾天降质图像的清晰度，文章研究基于物理模型复原的图像去雾算法，提出基于该方法复原的快速图像去雾方法。首先提出天空区域自适应选择算法估计全局大气光，然后利用均值滤波的方式快速估计透射率，最终恢复无雾图像。 中国论文网 /8/view-7193290.htm 　　关键词：图像去雾；物理模型复原；自适应选择算法；均值滤波；透射率；无雾图像 文献标识码：A 　　中图分类号：TP391 文章编号：1009-2374（2016）02-0009-03 DOI：10.13535/ki.11-4406/n.2016.02.004 　　1 概述 　　由于PM2.5的影响，雾、霾等天气愈加严重，户外视频监控系统尤其是交通视频受到了严重的影响。在雾、霾等天气下，光线受到大气介质的散射，导致其传播路径发生改变，以至于场景的能见度降低，监控系统所采集到目标图像对比度及颜色等特征被衰减。因此需要对雾天条件下获取的图像进行去雾优化处理，提高图像的可见性。目前，图像去雾的方法主要分为两种：基于雾天图像对比度特点的图像增强方法和基于物理模型复原的图像恢复方法。 　　基于雾天图像对比度特点的图像增强方法，根据雾天图像对比度低，采取改善图像质量或增强图像某些特征的方法对雾天图像进行增强处理，该方法能达到一定的去雾效果，但有可能会造成信息的缺失。基于物理模型复原的图像恢复方法是根据大气物理模型，利用已知的场景深度信息和雾天浓度信息来恢复无雾图像，该方法针对性强，处理效果自然。 　　2 算法分析 　　单幅图像去雾算法的研究作为综合性的新学科发展，近年来备受关注，各个学者提出了不同的去雾优化方法。Tan方法基于对图像增强的方式，利用最大化局部对比度的方法对图像的对比度进行复原，但该方法容易造成信息的缺失。Fattal假设目标的阴影部分和介质透射率不相关，借助于独立主成分分析模型对透射率进行估计，但该方法只针对处理彩色图像。Tarel等人对环境光的范围进行深入研究，利用中值滤波的方式进行去雾，并去除图像中的纹理信息，但由于中值滤波不能很好地保持边缘，在景深突变处受到了严重影响。He等人提出了暗原色统计规律，然后选用最小值滤波的方式对透射率进行估计，并采用软抠图的方式对透射率的求取进行优化，最终恢复无雾图像，该方法是目前最为有效的处理方法，但该方法的复杂度较高，处理的时间受限。 　　上述方法各有利弊。本文针对目前去雾方法处理效果不佳且处理时间过长等不足，对暗原色先验的去雾方法改进，局部选用均值滤波的方式对雾浓度进行估计，最终通过大气散射校正方法对雾天图像进行恢复。该算法达到了一定的去雾效果，并降低处理时间，更具有应用价值。 　　3 大气散射模型 　　Macartney于1975年提出了大气散射模型，该模型由入射光衰减模型和大气光成像模型组成，其中入射光衰减模型是由于射入观测点方向的光受到大气介质的影响，发生散射作用而导致光强衰弱；大气光成像模型是由于别的光束发生散射后随观测点方向射入。 　　4 本文算法 　　在图像中，雾气浓度均匀分布，去除掉有雾图像的纹理信息，即可寻找出场景的颜色亮度最低的点。该算法的实现基于Tarel方法，假设在图像局部区域雾气浓度均匀分布，该算法的实现主要有以下四步：（1）借助于大气散射模型，求取雾天图像复原模型；（2）采用Canny算子对输入彩色图像的灰度分量进行检测，将区域内最大的像素值作为全局大气光A；（3）借助均值滤波局部估计出环境光；（4）对雾天单幅图像进行优化处理。 　　4.1 暗原色先验 　　暗原色先验（dark channel prior）能够有效地处理单幅有雾图像，该先验方法是对大量户外无雾图像的统计规律，即对于绝大多数无雾图像的每个局部区域（部包括天空部分）都存在某些至少有一个颜色通道的强度值很低的像素点，这些像素点被称为“dark pixels”。 　　因此，满足暗原色先验的户外无雾图像，假设在某一局部区域为，则其暗原色可表示为： 　　（4） 　　式中：表示在像素的二维空间坐标为Y处的某一个颜色通道的亮度值。 　　4.2 估计全局大气光 　　传统的全局大气光求法是选取暗原色中0.1%暗通道像素值较大的区域，然后在原图像所对应的区域内寻找像素亮度最大的点，其对应的像素值即为全局大气光。本文在求取全局大气光时，采用Canny算子对输入彩色图像的灰度分量进行边缘检测，对所求得的边缘灰度图进行分块统计，分别计算出各局部块中边缘像素所占的比例，记为，并满足与的集合区域指定为候选天空区域，本文中假设亮度阈值为暗原色中最大值的95%，平滑阈值为0.001。通过设置阈值，选取原有雾图像中最大的像素值作为全局大气光A。 　　4.3 估计环境光 　　在Tar