基于局部对比度最大化单幅图像去雾方法.docVIP

基于局部对比度最大化单幅图像去雾方法 　　摘 要：为了复原有雾天气条件下户外设备所拍摄的降质图像，文章研究了一种快速高效的基于局部对比度最大化和雾天退化物理模型的图像去雾方法。根据户外图像成像的特点并结合图割理论，对原有基于局部对比度最大化的方法进行改进和优化，并选取大量户外受雾影响的降质图像进行实验测试。实验结果表明，本文的方法相对于原有的方法具有更快的处理速度，并且能够得到较好的去雾效果。对户外成像设备的稳定性和可靠性的提高效果显著。 　　关键字：局部对比度最大化；去雾；图割 　　中图分类号：TP391.41 文献标识码：A DOI：10.3969/j.issn.1003-6970.2013.08.036 　　本文著录格式：[1]赵常凯，董慧颖.基于局部对比度最大化的单幅图像去雾方法[J].软件，2013，34（8）： 116-119 　　0 引言 　　当在有雾天气下，物体表面的反射光线受到雾微粒的影响发生散射，这就导致成像设备所成图像质量的下降，尤其距离成像设备较远的物体，其所成的像对比度明显下降，色彩偏亮，严重缺少细节纹理[1，2]。得到的图像信息也随之减少，影响设备的正常运行。因此对有雾图像的去雾处理研究有很重要的理论和现实意义。 　　国内外对基于大气物理模型的去雾方法研究取得了一些成果。Narasimhan和Nayar[3-5]利用多幅图像恢复出去雾图像。基于单幅图像的去雾的方法例如，Tan[6]的基于局部对比度最大化的去雾方法，Fattal[7]的利用独立成分分析（ICA）的方法，He[8]等人的基于暗通道优先的单幅图像去雾算法也取得了很好的去雾效果。 　　本文根据户外图像成像的特点并结合图割理论[9]，对原有文献[6]基于局部对比度最大化的方法进行改进和优化，实现了对有雾图像更快更好的去雾恢复。 　　1 雾天退化模型 　　在雾、霾天气条件下的单色大气散射模型是由Narasimhan和Nayar基于McCartney的衰减模型和环境光模型推导出的[10，11]，描述如下： 　　其中，为输入的有雾图像。为2D空间位置。为大气光，通常定义为不依赖景深的全局常量。为图像中物体表面的反射率。表示大气衰减系数。表示物体到观察者的距离。 　　2 雾天退化图像的复原 　　2.1 理论背景 　　Tan??据大气散射模型，首先将式（1）进行归一化，归一化后得到： 　　将式（1）归一化后，输入图像的环境光照被转换为纯白光。式（3）中的为归一化后的输入有雾图像，为要求得的去雾后的输出图像。为环境光照，可以取原输入图像中最亮的像素点的值作为大气光照强度。因此只要估算出，然后将其带入式（3）就可以计算出去雾后的输出图像。 　　不难看出，式（2）中的已知参数少于未知参数的数量，因此未知参数求解是一个病态的问题。然而基于如下两种观察事实： 　　1.相对于输入的有雾图像，去雾后的输出图像应该具有更好的对比度。 　　2.介质光照的变化只取决于物体在图像中深度的变化这也说明图像中处在相同深度的物体具有相等的环境光照的值。Tan在马尔科夫随机域框架[12]下构建关于边缘强度的代价函数，使用图割理论来估计最优介质光照，进而带入式（3）求得去雾后的清晰图像。 　　2.2 白平衡 　　文献[6]中作者通过利用光色度将环境光照转化为纯白色，进而对原输入有雾图像进行归一化。光色度的定义如下式所示： 　　其中表示颜色通道，即，或。 　　由于的估算会存在很大误差，所以在归一化原输入有雾图像时，本文采取白平衡的方法。在对原输入有雾图像进行白平衡后得到，原有环境光将被转化为纯白色，因此白平衡后的环境光将等于（1，1，1）。的值也被归一化为0到1之间。图1表示的是白平衡后的图像。 　　2.3 代价函数的计算 　　图像的对比度可以定量地通过图像边缘点数量来确定，可表示如下 　　其中是轴和轴方向上的微分算子，此式说明图像的对比度越高其边缘点的数量就越多。因此基于第一种观察事实，可以表示为如下式子： 　　根据式（3）有如下： 　　再根据第二种观察事实，在图像中是随深度平滑地变化，因此，可以构建马尔科夫随机域（MRFs）对介质光建模。 　　其中是以像素点为中心的小块，小块的大小通常取决于输入图像的大小，一般取或。式（7）中等号右边的第一项称为数据代价项（datacost），数据代价项的定义为如下： 　　其中可以通过将每个介质光照的值带入式（3）得到。 　　第二项为平滑代价项，定义如下： 　　其中和为相邻的两个像素点。Tan对原图像中的每一点进行选取来获得数据代价矩阵，这样就耗费了大量的计算时间和计算内存。根据大气散射模型，介质光强度在图像中会随深度变化而平滑地变化，物体在非边缘区域其具有极为相近的介质光照强度值。此