基于引导滤波的快速去雾算法.doc

基于引导滤波的快速去雾算法 王伟鹏，戴声奎 (华侨大学 信息科学与工程学院，福建 厦门 361021) 摘要： 根据大气散射物理模型，分析并解决了单幅图像去雾的关键问题，以消除雾气对室外机器视觉系统的影响。利用引导滤波器的局部平滑特性估计大气光幕，可有效克服光晕效应和颜色过饱和现象；通过计算雾气最浓区域的平均值获取大气光强度值，解决了部分图像偏色问题；对复原的图像进行自适应增强处理，提高了图像的整体视觉效果。与现有的图像去雾算法对比，该方法能更有效地消除图像中的雾气、真实复原场景的对比度和颜色，同时具有很快的执行速度，有利于算法的实时实现。 关键词： 图像去雾；引导滤波；大气散射模型；大气光幕；图像增强 中图分类号： TP391.4 文献标识码： A 雾天环境下，人们获取的室外图像是经过大气中雾滴、烟霾等吸收及散射之后的退化图像。这些图像的对比度、锐度及颜色保真度均较差，不利于图像特征的提取，难以在户外监控，目标检测与追踪等领域实际应用。因此，快速有效的图像去雾对提高视觉系统的可靠性和鲁棒性具有重要意义。 近年来，基于先验知识或假设的单幅图像去雾算法成为当前研究的热点。Tan[1]通过扩大复原图像的局部对比度来达到去雾的目的，得到的结果没有从物理模型上恢复真实场景反照率，恢复后的颜色显得过饱和。Fattal[2]假设介质透射率和场景目标表面投影是局部不相关的，利用ICA模型估计透射率，但是复原后的颜色失真较严重。He等人[3]基于对大量户外图像数据库的统计规律，提出一种基于暗通道先验的单一图像去雾方法，对一般户外图像取得了很理想的效果。但是对于大面积白色物体会出现偏差，并且借助抠图算法对透射率进行细化修复具有很高的空间复杂度和时间复杂度。针对此问题，He等人提出了引导滤波器[4]替代了抠图算法，该方法显著降低了运算复杂度，由于滤波参数的不恰当设置易引起光晕效应。 总结以上方法，本文在大气散射模型的基础上，利用低复杂度的引导滤波器对大气光幕进行估计，通过均值计算得到大气光辐射强度，并对复原图像偏暗的问题进行修正，最后得到清晰无雾的图像。通过与多种典型的图像去雾算法的比较，表明本方法在处理效果和执行速度上均有一定的提高。 1 雾图成像模型 在机器视觉和计算机图形学中，Narasimhan等人[5-6]给出了雾霾天气条件下的雾图成像模型被广泛地应用于去雾技术的研究，该模型描述如下： （1） 其中，是有雾图像强度；为场景反照率，即清晰无雾的图像；表示介质透射率，其中为大气散射系数，为场景深度；为整体大气光辐射强度。去雾的目的就是从中恢复出，和。式（1）中，令： （2） 称为大气光幕，表示环境光对场景成像的附加部分，它的值取决于大气光强度和介质透射率。由于透射率与场景深度成指数关系，可知大气光幕的估计图与景深相关。Tan［1］指出景深具有局部平滑的特性，即在边缘处会有大的跳变，除此以外大部分区域都是平滑的。由此推断大气光幕也具有该性质。综上所述，假设大气光强度在成像环境中是稳定的，则大气光幕具有如下两个特点：一是仅与目标物体距观测点的距离相关，与物体的细节纹理无关；二是在大部分空间中的分布是平滑并且连续的，仅在边缘景深跳变处产生突变。 2 快速去雾新算法 本文在大气散射模型的基础上，根据大气光幕的性质，提出了一种雾天图像复原新方法，具体可分为4个步骤：1）利用引导滤波器的局部平滑特性准确估计大气光幕；2）通过计算雾气最浓区域的平均值得到大气光辐射强度；3）利用已求得参数恢复场景反照率；4）对复原图像进行亮度增强处理。 （a）RGB分量最小值 （b）对(a)开运算 （c）对(a)(b)引导滤波 （d）介质透射率 图1 引导滤波的结果 Fig.1 Result of guided filter 2.1 大气光幕的估计 基于大气光幕的特点，首先提取有雾图像中三通道的最小颜色分量，的结果如图1（a）所示，可以看出，该结果包含了丰富的边缘细节信息，其亮度值并不能准确表示原图像的深度信息，因此需要进一步对进行处理。本文采用灰度开运算操作，滤除掉中不必要的纹理细节信息，同时保持大面积明亮区域和整体的灰度级不变，得到的结果表示为。如图1（b）所示，的亮度近似体现了原图像的深度信息，但是块效应严重。此时，根据大气光幕的特点，我们希望保留的区域边缘信息和的灰度变化信息，因此引导滤波器[4]成为本文的首选。 引导滤波器能够在参考图像的引导下对输入图像进行滤波处理，在保留边缘的同时进行良好的平滑操作。它包括输入图像，引导图像，输出图像，其局部线性模型是假定在一个以像素