基于暗通道先验图像去雾算法改进研究.docVIP

基于暗通道先验图像去雾算法改进研究 　　摘 要：目前，基于暗通道先验原理的图像去雾能够取得较好效果，但仍存在图像景物交界处产生光晕、天空及白色物体区域去雾后色彩失真等问题。鉴于此，提出改进的基于暗通道先验去雾算法：首先，对暗通道图进行非重叠式滤波，消除最小值滤波导致图像交界边缘产生的光晕；然后，对输入雾霾图像进行直方图分析，能够自适应获得分割天空区域的亮度阈值；再对透射率图天空区域进行像素变换，去雾后可消除颜色失真；最后，采用非线性亮度提高的方法提升去雾图像的视觉效果。结果表明，改进算法去雾后的图像真实、天空自然。 　　关键词：图像去雾；暗通道原理；像素变换；天空分割 　　DOI：10.11907/rjdk.171527 　　中图分类号：TP312 文献标识码：A 文章编号：1672-7800（2017）009-0046-04 　　Abstract：Now， image haze removal based dark channel prior principle has acquired good effect， but there still are many problems that halo at the junction of scenery and color distortion of the sky and the white area. The improved algorithm： first compensating the dark channel image could eliminate halo at the junction of scenery caused by min filter； secondly， analysis of the haze image through its histogram could obtain brightness threshold to distinguish the sky self-adaptively； then， the pixels of transmission’s sky area are transformed， after haze removing ， color distortion is not there； finally， the nonlinear brightness increase was used to enhance visual effect of the haze removal image. Experiments show that the improved algorithm remove image haze， the image is more real， the sky is more natural. 　　Key Words：image haze removal；dark channel prior； pixels conversion；sky division 　　0 引言 　　随着科技的不断进步，计算机视觉系统在人们的生活中扮演着越发重要的角色，如交通监控、目标追踪、无人机航拍等。但近年来，由于环境变化，雾霾天气时有发生，视觉系统获得的图像清晰度不高，给社会生活造成极大不便。因此，图像去雾成为迫切需要研究的问题。 　　去雾算法大致可分为两类：基于图像成像物理模型的去雾算法和非物理模型的去雾算法。非物理模型算法主要包括基于颜色恒常性原理的Retinex算法[2]和综合提升图像亮度、对比度的算法[3]。非物理模型算法只考虑从视觉上增强图像的清晰度和辨识度，物理模型从更加客观可靠的图像成像原理出发，逆推出被雾霾退化的原始图像。Tan[4]利用无雾图像对比度高于有雾图像，在马尔科夫随机场（MRF）模型的基础上构造边缘代价函数，使去雾图像的局部对比度最大，但复原出来的图像饱和度过高且有光晕效应。Fattal[5]假设物体表面色度和介质传播局部不相关，使用独立分析的方法估计局部反照率。由于雾图像的物体表面色度信息量有限，最终该算法复原的图像容易失真。Tarel[8]假设大气耗散函数在局部区域内可近似估计为最大值，采用中值滤波的变形形式估计大气耗散函数，但去雾后图像易有光晕效应。He提出暗通道先验规律，先后采用软抠图（Soft Matting）算法[6]和引导滤波[7]细化透射率图，两者都能够取得较好的去雾效果。然而He算法对不满足暗通道先验规律的天空和白色物体区域，去雾后出现严重失真，并且交界边缘产生光晕现象。 　　针对上文提到的问题，提出一种改进的基于暗通道先验的去雾算法。首先对经最小值滤波使交界边缘处暗通道估计不准确之处进行修复，然后对天空等白色区域对应透射率?D像作变换，使这