视频图像去雾霾技术研究综述和展望.docVIP

视频图像去雾霾技术研究综述和展望 　　摘 要光在雾、霾等介质中传播时，由于粒子的散射作用导致成像传感器采集的图像信息严重降质。视频图像去雾霾技术在消除不利天气影响、增强视见度的基础上，考虑系统实时性。从图像增强和物理模型的研究角度对图像去雾算法的处理效率进行综述，综合了近年来国内外去雾算法的原理与进展，给出了典型的去雾算法在视觉上的对比和时效评估数据。最后，展望了该技术的研究难点和发展趋势。 　　【关键词】视频图像去雾 实时性 图像增强 物理模型 　　近年来，雾霾天气在我国频繁出现，对人们的健康和出行造成较大影响，引发了全社会的普遍关注。雾和霾是两种不同的物质组成，在大气中以微小粒子的形态悬浮在空中，可用米氏散射理论进行描述。 　　目前，视频图像去雾技术还处在研发阶段，各方面可供参考的文献并不多。相较国内，国外的研究工作起步较早，进展相对快一些。美国国家航空航天局（NASA）的Langley研究中心深入研究基于领域的Retinex算法，对雾、烟、水下和夜晚图像进行增强，并将其算法移植到DSP图像增强系统中，处理分辨率为256×256的灰度图像效率达到30帧/s，能够基本满足小分辨率下的实时性要求。与此同时，国内的中科院自动化所、清华大学、天津大学以及中南大学也视频图像去雾方面取得了进展。 　　1 图像去雾的方法 　　随着图像去雾算法理论研究的深入和实际应用中的需要，近年来国内外学者越来越关注在小信息量输入（单幅图像）的条件下对数字图像外观的建模与重绘。基于大气退化物理模型的单幅图像去雾是通过合理的数学推演和假设，还原清晰、高品质的图像。在这方面的早期工作是由Tan等人完成的。他们通过统计发现无雾图像相对于有雾图像必定具有较高的对比度，从而利用最大化局部对比度处理，基于MRF框架对结果进行规整化，达到单幅图像的去雾。 　　Fattal等人在大气衰减的物理模型的基础上，运用独立成分分析的方法，通过假设入射光在大气中的传播（transmission）和场景对象的表面特性（surface shading）是不相关的，并利用图像邻域信息的马尔科夫特性和局部最优化的思想计算得到清晰的图像。 　　香港中文大学的何恺明博士等人在2009年的CVPR上提出了基于暗通道优先提取的单幅图像去雾技术。通过DCP（Dark Channel Prior）先验，能够快速估计出大气传递参数，进而求解清晰图像。何凯明等人在后期的研究中引入导向滤波的方法进行处理，大大提升了算法效率。在该研究的基础上，衍生出很多改进型DCP算法，取得了不错的效果。 　　Kratz等人应用MAP的方法解决图像去雾的问题，假设有雾的图像是由场景反照率和场景深度两个独立的层组成的，并利用FMRF（factorial Markov Random Field）思想建模，最终得到了较为准确的深度信息。 　　Zhang通过引入边界保持的非线性滤波器的方法，利用该方法能够使transmission map信息更加准确，同时能够得到较准确的对象边界信息，而且不受图像局部反照率的影响。 　　在单幅图像去雾的实时性方面，也存在着一些进展。CodrutaO.Ancuti等人提出基于半求反（Semi-Inverse）的检测去雾算法。该算法同样提出一种先验，即在日光条件下通过对多幅图像进行统计，得到在有雾图像中，有雾区域的半反图像和原始图像基本无差异。原因是有雾的区域或者天空的RGB分量各元素值都比较大，而无雾的地方符合暗通道原理，即总有一个分量的值比较小。在以上先验假设成立的条件下，估算大气传递参数，进而对图像进行去雾处理。文中提及的数据表明，该方法已能基本支持视频图像实时去雾处理。 　　2 视频图像去雾时效评估 　　通常情况下，图像去雾算法的评估没有真实的图像可供参考，属于无参考客观质量评估范畴，仅能依据对降质图像和复原（或增强）图像的分析比较来衡量算法的性能。目前，针对图像去雾效果的无参考客观质量评估主要是由Hautiere等人所提出的可见边梯度法。 　　（1） 　　（2） 　　（3） 　　其中，和分别表示原有雾图像和去雾复原图像中可见边的数目，表示去雾图像的平均梯度，表示原有雾图像的平均梯度，表示采用koheler图像分割方法后变为黑色像素点的像素数目，和分别表示图像的宽和高。 　　对于每种算法，其目标都是尽可能地提高清晰化的速度，并在不丢失视觉信息的同时，增加图像的对比度。因此，算法运行时间越短，去雾效率越高；和值越大，值越小，去雾效果越好。 　　3 视频图像去雾效果 　　为了考查现阶段去雾算法是否能够满足视频图像去雾的实时性要求，利用对数图像处理（LIP）模型从定量分析的角度对现阶段几种典型的图像去雾方法的时效进行实验分析。通过单幅图像的去雾处理的运算速