基于曝光融合单幅图像去雾算法.docVIP

基于曝光融合单幅图像去雾算法 　　摘要：针对雾霾等恶劣天气导致户外图像降质的问题，设计了一种简单、高效的图像去雾算法。首先通过空域高通滤波对降质图像进行处理，达到压制低频分量、增强图像边缘细节的目的；然后，对滤波后的图像进行空间线性对比度拉伸，增强图像的对比度；最后通过拉普拉斯金字塔的多曝光图像融合方法，将滤波结果与对比度拉伸结果进行融合，得到最终的去雾图像。实验结果表明，所提算法实时性较高，对雾霾、沙尘、水下等降质图像均有较好的增强效果。 　　关键词：图像去雾；空域高通滤波；曝光融合 　　中图分类号： TP391.413 　　文献标志码：A 　　Abstract： 　　Outdoor images captured in bad weather often have poor qualities in terms of visibility and contrast. A simple and effective algorithm was designed to remove haze. Firstly， the spatial highpass filtering was used to suppress the lowfrequency component and enhance the edge detail， and then the contraststretching transformation was used to acquire an image with high dynamic range. Finally， the exposure fusion method based on Laplacian pyramid was utilized to fuse the two results above and get the defogged image. The experimental results show that the proposed method has a good performance on enhancing images that are degraded by fog， dust or underwater and it is appropriate for realtime applications. 　　Key words： image dehazing； spatial highpass filtering； exposure fusion 　　0引言 　　雾霾、烟尘是一种常见的天气现象，由于空气中悬浮的大颗粒介质对光线的散射作用，户外成像设备拍到的图像会产生严重的失真，图像中许多细节和内容模糊不清，景物或目标的可辨识度大大降低，这严重影响了人类或计算机视觉对图像内容的分析与辨识。因此，研究如何对雾天图像进行清晰化处理具有重要的现实意义。 　　当前，雾天图像清晰化的方法主要分为两类： 　　第1类是基于物理模型的图像去雾方法。这类方法必须先获得雾天图像的某种先验信息，并结合相关物理模型求解出无雾图像。其中比较有代表性的算法有Tan[1]提出的算法。该算法通过统计发现无雾图像相对于雾天图像具有较高的对比度，据此通过最大化复原雾天图像的局部对比度达到去雾的目的。He等[2]提出一种暗原色先验去雾算法。该算法对大量户外无雾图像进行统计，发现了一种可估计出雾气浓度的暗原色先验规律，利用该规律可获得反映雾气浓度的场景透射率，然后结合雾天成像的物理模型求解出无雾图像。该算法去雾效果好，恢复的图像颜色自然，但整个算法的空间、时间复杂度都较高，不利于实际应用，当前国内在He等[2]算法的基础上有了多种新的改进[3-4]，使算法的速度和鲁棒性都得到了较大提升。Tarel等[5]提出一种图像去雾的快速算法，通过中值滤波的变形方式来估计大气耗散函数，同时结合原有雾图像及推算出的大气光参数来恢复无雾图像。该算法运算速度快，去雾效果较好，但参数较多，不易调整，且当参数设置不当时易使结果出现Halo效应。 　　第2类方法是基于图像增强的去雾方法。该类方法不考虑图像降质的物理原因，利用相关算法对图像的局部或整体对比度及颜色进行调整，以求最大限度地恢复图像的视见度。该类算法适用范围较广，算法复杂度较低，但恢复图像易出现颜色失真或细节丢失的现象。常见的图像增强算法主要有直方图均衡[6]、同态滤波[7]、Retinex算法[8-9]等。直方图均衡是一种快速、有效的图像增强方法，但处理过程容易产生过增强的问题。Retinex算法是一种基于颜色恒常理论的图像增强算法，能够实现图像的高动态范围压缩、对比度增强以及颜色恒常，目前已有多种版本的改进算法，对不同条件下因光照原因产生的降质图像均有较好的增强效果。同