基于人眼视觉特性快速单幅图像去雾算法.docVIP

基于人眼视觉特性快速单幅图像去雾算法 　　摘 要：为从降质图像中去除天气的影响，提出一种快速的图像去雾算法。该算法基于二色大气散射模型，针对雾天图像的亮度分布特点以及人眼的视觉特性，首先采用亮度分量来估计粗略传输图，然后采用线性空域滤波对粗略传输图进行细化处理，并利用大气散射模型得到复原图像，最后采用基于人眼视觉特性的拟合函数对复原图像进行亮度调节，使恢复的图像更自然、清晰。大量实验结果表明，该算法恢复的图像在对比度、信息熵和运算时间等客观评价标准上都优于现存算法，具有良好的视觉效果。 　　关键词：图像去雾；大气散射模型；暗通道先验；空域滤波；人眼视觉特性 　　中图分类号： TP751.1 　　文献标志码：A 　　0 引言 　　恶劣天气（雾、霾等）下，由于空气中悬浮微粒散射作用的影响，使室外计算机视觉系统采集到的图像对比度和颜色等特征衰减，灰度动态范围缩小，景物模糊不清，为室外视频监控、地形勘探、智能导航及智能汽车等领域造成了严重的影响，降低了图像的应用价值，因此，去除图像中的天气效果对提高室外计算机视觉系统的可靠性和鲁棒性具有重要意义。 　　目前，自然场景图像去雾技术主要分为两类[1]：基于图像增强的去雾算法[2]和基于物理模型的去雾算法[3-6]。基于图像增强的去雾方法没有考虑图像降质的原因，仅从图像处理的角度根据主观视觉效果进行对比度增强和颜色校正，忽略了图像降质的物理原因，复杂度相对较低，但易造成图像信息丢失，图像过度失真。基于物理模型的方法利用雾天图像退化模型，通过求解图像退化的逆过程来恢复清晰图像，往往复杂度较高。近年来，利用单幅图像来复原雾天图像的方法有了突破性进展[7-15]，此类方法主要是依赖于先验知识和数学假设。He等[7]基于对室外无雾图像的统计提出了暗通道先验假设（Dark Channel Prior， DCP），利用该假设信息估计出粗略的目标传输图，然后利用软抠图（Soft Matting， SM）方法进行细化求解，但是该方法利用软抠图方法进行细化时的算法复杂度较高，不利于实际应用；另外，暗通道先验方法对输入的雾天图像进行了两次最小化滤波，这样的操作导致了雾天图像本身色彩信息的破坏和丢失，放大了目标传输图（x， y）的噪声，增加了修正目标传输图（x， y）的复杂度，同时导致了复原图像的天空区域的色彩偏移失真。Tarel等[8]采用改进的中值滤波来获得目标传输图，降低了复原算法的复杂度，但是在场景深度不连续时，结果失真。国内也有一些研究者对基于暗原色先验的去雾算法作了改进[9-15]，取得了一些成果，但同时也存在一些不足。 　　本文在大气散射模型的基础上提出了一种基于人眼视觉特性且快速有效的雾天图像复原算法。根据雾天图像的亮度分量与雾、霾浓度的关系，利用雾天图像的亮度分量估计粗略的目标传输图；采用一种线性空域滤波对粗略的传输图进行平滑去噪处理，最后利用基于人眼视觉特性的拟合函数来调节复原图像的亮度。大量实验结果表明：本文算法去雾效果明显，具有良好的视觉效果，同时复杂度低，能满足实时处理图像的要求。 　　4 结语 　　本文提出了一种基于大气散射模型的去雾新算法，该算法利用雾天图像中的雾、霾浓度与图像亮度的对应关系，用图像的亮度分量来估计出雾天图像的目标传输图（x， y），并采用了一个线性空域滤波对目标传输图（x， y）进行平滑去噪，得到精确的目标传输图t（x， y），反解该物理模型恢复雾天图像，对复原后的图像的亮度分量采用基于人眼视觉特性的拟合函数f（x）来调节图像亮度。实验结果表明，本文算法能有效恢复雾天图像，更好地增强了图像的对比度，提高了图像的信息熵值，复原图像更加自然、真实，具有良好的视觉效果，并能满足实时处理的需求。 　　参考文献： 　　[1]YU J， XU D， LIAO Q. Image defogging： a survey [J]. Journal of Image and Graphics， 2011， 16（9）： 1561-1567.（禹晶， 徐东彬， 廖庆敏. 图像去雾技术研究进展[J].中国图象图形学报， 2011， 16（9）： 1561-1576.） 　　[2]ZHANG X， WANG R， ZHANG X， et al. Calculation model and algorithm in foggy image enhancement [J]. Journal of Image and Graphics， 2011， 16（8）： 1359-1368. （张新龙， 汪荣贵， 张璇等. 雾天图像增强计算模型及算法[J]. 中国图象图形学报， 2011， 16（8）： 1359-1368.） 　　[3]SHWARTZ S， NAMER E，