基于光学深度估计的雾天降质图像清晰化复原

第２７卷第３期计算机仿真２０１０年３月文章编号：１００６—９３４８（２０１０）０３—０２５０—０４

基于光学深度估计的雾天降质图像清晰化复原

翟艺书１，王宏２

（１．天津工程师范学院理学院，天津３００２２２；２．河北理工大学理学院，河北唐山０６３００９）摘要：研究雾天图像质量优化问题，雾天拍摄的户外场景图像对比度和色彩都发生不同程度的降质，严霞影响了视觉监控系统的可靠性和鲁棒性。为提高雾天的Ｉ冬ｊ像清晰度，根据大气散射模型和雾天图像的对比度衰减同场景点深度成指数规律的先验知识，提出了一种场景光学深度的估计方法，应用于雾天降质图像的清晰化复原。采用建立了两组联系大气散射系数与场景点深度的关系式，并计算出场景各点光学深度的估计值。同时结合了两幅差异雾况天气下同场景图像的灰度信息以及局部对比度信息，可以更好地提高对场景深度信息估计的可靠性。结果表明，方法获得的场景可以实现雾天降质图像对比度的有效改善，获得满意的视觉效果。

关键词：大气散射模型；雾天降质图像；光学深度估计

中图分类号：ＴＰ３９１．４１文献标识码：Ｂ

Ｆｏｇ—－ｄｅｇｒａｄｅｄＩｍａｇｅＣｌｅａｒｎｅｓｓＲｅｓｔｏｒａｔｉｏｎ

ＢａｓｅｄｏｎＯｐｔｉｃｓＤｅｐｔｈＥｓｔｉｍａｔｉｏｎ

ＺＨＡＩＹｉ—ｓｈｕｌ．ＷＡＮＧＨｏｎ９２

（１．ＣｏｌｌｅｇｅｏｆＳｃｉｅｎｃｅ，Ｔｉ卸ｊｉｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙＥｄｕｃａｔｉｏｎ，Ｔｉａｎｊｉｎ３００２２２，Ｃｈｉｎａ；

２．ＣｏｌｌｅｇｅｏｆＳｃｉｅｎｃｅ，ＨｅｂｅｉＵｎｉｖｅｒｓｉｔｙｏｆ

ＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＴａｎｇｓｈａｎＨｅｂｅｉ０６３００９，Ｃｈｉｎａ）ＡＢＳＴＲＡＣＴ：Ｉｍａｇｅｓｃａｐｔｕｒｅｄｉｎｆｏｇｗｅａｔｈｅｒｓｕｆｆｅｒｆｒｏｍｐｏｏｒｃｏｎｔｒａｓｔ

ａｎｄＣｏｌｏｒ，ｗｈｉｃｈｓｅｒｉｏｕｓｌｙｄｅｇｒａｄｅｔｈｅｒｅｌｉａｂｉｌ?ｉｔｙａｎｄｓｔａｂｉｌｉｔｙｏｆｏｕｔｄｏｏｒｓｕｒｖｅｉｌｌａｎｃｅｓｙｓｔｅｍ．Ａｃｃｏｒｄｉｎｇｔｏｔｈｅａｐｒｉｏｒｉｋｎｏｗｌｅｄｇｅｏｆａｔｍｏｓｐｈｅｒｉｃａｌｓｃａｔｔｅｒｉｎｇｍｏｄｅｌａｎｄｔｈｅｃｏｎｔｒａｓｔｅｘｐｏｎｅｎｔｉａｌｄｅｇｒａｄｅｌａｗ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｎｅｗｏｐｔｉｃｓｄｅｐｔｈｅｓｔｉｍａｔｉｏｎｍｅｔｈｏｄ，ｗｈｉｃｈＷａｓｆｕｒ－ｔｈｅｒａｐｐｌｉｅｄｔｏｒｅｓｔｏｒｉｎｇｆｏｇ—ｄｅｇｒａｄｅｄｉｍａｇｅｓ．Ｆｉｒｓｔｌｙ，ｔｈｉｓｍｅｔｈｏｄｃｏｎｓｔｒｕｃｔｅｄｔｗｏｅｑｕａｔｉｏｎｓａｂｏｕｔａｔｍｏｓｐｈｅｒｉｃａｌ

ｓｃａｔｔｅｒｉｎｇｃｏｅｆｆｉｃｉｅｎｔａｎｄ

ｄｅｐｔｈｏｆｅａｃｈｐｉｘｅｌｉｎｓｃｅｎｅｉｍａｇｅ，ａｎｄｔｈｅｎ，ｔｈｅｏｐｔｉｃｓｄｅｐｔｈｅｓｔｉｍａｔｉｏｎｖａｌｕｅｆｏｒｅａｃｈｐｉｘ－

ｅｌＷａｓｃｏｍｐｕｔｅｄｏｕｔ．Ｓｉｎｃｅｔｈｅｍｅｔｈｏｄｒｅａｓｏｎａｂｌｙｃｏｍｂｉｎｅｓｔｈｅｇｒａｙｉｎｆｏｒｍａｔｉｏｎａｎｄｌｏｃａｌｃｏｎｔｒａｓｔｉｎｆｏｒｍａｔｉｏｎｆｒｏｍｔｗｏｄｅｇｒａｄｅｄｉｍａｇｅｓｉｎｄｉｆｆｅｒｅｎｔｗｅａｔｈｅｒ，ｉｔＣａｎｉｍｐｒｏｖｅｔｈｅｒｅｌｉａｂｉｌｉｔｙｆｏｒｄｅｐｔｈｉｎｆｏｒｍａｔｉｏｎｅｓｔｉｍａｔｉｏｎ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｄｅｍｏｎｓｔｒａｔｅｉｔｓｓａｔｉｓｆｙｉｎｇｓｃｅｎｅｒｅｓｔｏｒａｔｉｏｎｐｅｒｆｏｒｍａｎｃｅ．

ＫＥＹＷＯＲＤＳ：Ａｔｍｏｓｐｈｅｒｉｃａｌｓｃａｔｔｅｒｉｎｇｍｏｄｅｌ；Ｆｏｇ—ｄｅｇｒａｄｅｄｉｍａｇｅ；Ｏｐｔｉｃｓｄｅｐｔｈｅｓｔｉｍａｔｉｏｎ

１引言

有雾天气条件下，户外监控系统捕获的图像对比度下降严重，影响了视觉监控系统效能的发挥。如何从降质图像中去除天气的影响，恢复图像的对比度，目前已经成为图像处理和计算机视觉领域的一个研究热点。雾天图像的对比度随深度呈现非线性关系是雾天降质图像的一个重要特征，因此，利用大气模型实现降质图复原效果的好坏关键取决于对图像上各点深度信息的求取是否较为准确。根据文献中对图像场景点深度的求取方法，可以将雾天降质图像的清晰化

基金项目：天津市自然科学基金项目（０８ＪＣＹＢＪＣｌ２１００）；

天津工程师范学院自然科学基金项目（ＫＹＱＤ０８０１１）

收稿日期：２００９—１１—３０修回Ｉ：ｔ期：２００９一１２—２５

??－——２５０?－－——复原方法大致分为两种：基于场景各点深度信息已知的复原方法和基于深度信息估计的复原方法。

在场景几何结构已知的假设下，Ｏａｋｌｅｙ等人基于Ｍｉｅ散射定律，考虑随机因素对成像过程的影响，构造出多参数统计退化模型，利用图像数据对参数进行估计，分别对灰度场景图像和彩色场景图像实现复原处理¨‘４Ｊ。上述方法虽然不需要预知天气信息，然而，却需要利用价格昂贵的雷达或距离传感器等硬件设备获取精确的场景深度信息，这限制了其在实际中的广泛应用。

另一方面，Ｎａｒａｓｉｍｈａｎ等人从图像辅助信息角度出发，探讨大气散射现象对不同深度场景对比度的影响规律，对场景深度信息的估计方法进行了研究，提出了一些新颖的场景深度估计方法瞪“］。此外，Ｃｏｚｍａｎ、Ｋｒｏｔｋｏｖ等人归１以及

万方数据

雾天图像清晰化方法及应用

第２２卷第２期２０１０年４月 重庆邮电大学学报（自然科学版）Ｖ０１．２２Ｎｏ．２ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）Ａｐｒ．２０１０ 雾天图像清晰化方法及应用 葛君伟，谢祥华，方义秋 （重庆邮电大学ＧＩＳ研究所，重庆４０００６５） 摘要：针对雾天户外图像的退化现象，提出了一种基于大气模型的完全自适应的图像清晰化方法。该方法根据图像的灰度分布特性，求出天空区域灰度的最佳近似正态分布，再由这个近似正态分布得到天空区域的灰度均值，同时根据灰度直方图分割出各个景物的深度区域，然后利用大气模型列方程组，可得归一化辐射率的值，从而能够实现雾天图像清晰化。实验表明，该方法对雾天退化图像的清晰化效果较好。 关键词：大气模型；清晰化；正态分布；深度区域；归一化辐射率 中图分类号：ＴＰ７５１．１文献标识码：Ａ文章编号：１６７３－８２５Ｘ（２０１０）０２－０２２３－０４Ｍｅｔｈｏｄａｎｄａｐｐｌｉｃａｔｉｏｎｏｆｉｍａｇｅｃｌｅａｒｎｅｓｓｉｎｆｏｇｇｙｗｅａｔｈｅｒ ＧＥＪｕｎ—ｗｅｉ，ＸＩＥＸｉａｎｇ－ｈｕａ，ＦＡＮＧＹｉ—ｑｉｕ （ＧＩＳＲｅｓｅａｒｃｈＣｅｎｔｒｅ。ＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰ０ｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｃｈｏｎｇｑｉｎｇ４０００６５，Ｐ．Ｒ．Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇｔｏｄｅｇｒａｄｅｄｐｈｅｎｏｍｅｎａｏｆｉｍａｇｅｓｉｎｆｏｇｇｙｗｅａｔｈｅｒ，ａｎｅｗｅｎｔｉｒｅｌｙｓｅｌｆ－ａｄａｐｔｉｎｇｍｅｔｈｏｄｏｆｉｍａｇｅｃｌｅａｒ－ｎｅｓｓｗａｓｐｒｏｐｏｓｅｄａｃｃｏｒｄｉｎｇｔｏａｎａｔｍｏｓｐｈｅｒｉｃｍｏｄｅｌ．Ｕｎｄｅｒｔｈｅｇｒａｙｄｉｓｔｒｉｂｕｔｉｎｇｃｈａｒａｃｔｅｒｉｓｔｉｃｏｆａｌｌｉｍａｇｅ，ｔｈｅｏｐｔｉｍａｌｎｏｒｍａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｔｈｅｇｒａｙｆｏｒｓｋｙｒｅｇｉｏｎｃａｎｂｅｇａｉｎｅｄ．Ｔｈｅｎ，ｔｈｅｇｒａｙｍｅａｎｏｆｔｈｅｓｋｙｄｉｓｔｒｉｂｕｔｉｏｎｃａｌｌｂｅｏｂｔａｉｎｅｄａｃ— ｃｏｒｄｉｎｇｔｏｔｈｅｏｐｎｍａｌｎｏｒｍａｌｄｉｓｔｒｉｂｕｔｉｏｎ．Ｓｉｍｕｌｔａｎｅｏｕｓｌｙ，ｔｈｅｓａｍｅｄｅｐｔｈｎｅｉｇｈｂｏｒｈｏｏｄｏｆｉｍａｇｅ ｃａｎｂｅｄｉｖｉｄｅｄｂｙｔｈｅａ— ｒｉｔｈｍｅｔｉｃｏｆｇｒａｙｈｉｓｔｏｇｒａｍ．ａｎｄｔｈｅｅｑｕａｔｉｏｎｓＣａｌｌｂｅｌｉｓｔｅｄｕｓｉｎｇａｔｍｏｓｐｈｅｒｉｃｍｏｄｅｌｆｏｒｇｅｔｔｉｎｇｔｈｅｖａｌｕｅｓｏｆｎｏｒｍａｌｉｚｅｄｒａ－ｄｉａｎｃｅ．Ｔｈｅｒｅｂｙ，ｔｈｅｏｖｅｒｃａｓｔｏｆｉｍａｇｅＣａｌｌ ｂｅｃｌｅａｒｅｄ．ＥｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｈｏｗｓｔｈａｔｔｈｉｓｍｅｔｈｏｄｃａｎｅｆｆｅｃｔｉｖｅｌｙｉｍｐｒｏｖｅｆｏｇｇＹｗｅａｔｈｅｒｉｍａｇｅｓ． Ｋｅｙｗｏｒｄｓ：ａｔｍｏｓｐｈｅｒｉｃｍｏｄｅｌ；ｃｌｅａｒｎｅｓｓ；ｎｏｒｍａｌｄｉｓｔｒｉｂｕｔｉｏｎ；ｄｅｐｔｈｎｅｉｇｈｂｏｒｈｏｏｄ；ｎｏｒｍＭｉｚｅｄｒａｄｉａｎｃｅ ０引言 在雾天情况下，大气最显著的特征就是能见度很低，它不仅直接影响了海、陆、空运输的安全，同时也往往使户外的监测系统无法正常工作¨Ｊ。由此可见，研究雾天条件下的图像清晰化算法在目前具有重要的实用价值。 雾天景物影像清晰化方法主要分为２类。 第１类从图像呈现的低亮度和低对比度的特征考虑，采用增强的处理方法。直方图均衡化算法是图像增强中的一种常用方法，全局直方图均衡化算法虽实现简单，一般情况下也可以提高图像的对比度，但是由于雾天条件下的图像中景物影像的对比 收稿日期：２００９－０５－０８修订日期：２０１０－０２．１５ 基金项目：重庆市教委（ＫＪ０９０５１９）资助项目 ＦｏｕｎｄａｔｉｏｎＩｔｅｍｓ：ＴｈｅＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙＲｅｓｅａｒｃｈＰｒｏ—ｊｅｅｌｓｏｆＣｈｏｎｇｑｌｎｇＭｕｎｉｃｉｐａｌＥｄｕｃａｔｉｏｎＣｏｍｍｉｓｓｉｏｎｏｆＣｈｉｎａ（ＫＪ０９０５１９）度降低与物体至照相机的距离呈非线性递增的关系拉Ｊ，且因为单帧图像中的景物深度呈多样性，其退化程度也各不相同，所以采用全局处理方法无法得到比较理想的效果。局部直方图均衡化算法虽然可使图像的每一个区域对比度都能得到很大的改善，但是这种方法也将使灰度变化缓慢的区域进行了误增强（如天空等），这样因噪声的干扰致使景物影像表现得不自然。 第２类是通过建立大气物理模型复原退化图像的方法。目前，雾天条件下的退化图像复原多采用大气物理模型方法。在使用该方法进行图像清晰化处理时，由于缺少参数，很难从一幅在恶劣天气情况下拍摄的单帧图像中恢复晴朗天气下对应场景图像的对比度和色度日’。如文献［４］利用硬件获取场景深度信息；文献［５＿６］利用２幅不同雾天情况下的退化图像求取天气信息和场景信息；文献［７］则需要２种不同天气状况下对同一场景的图像来估计深度信息。显然它们对视频图像采集的要求过于苛刻。为 万方数据

利用偏振分析的雾天图像复原

第３８卷第４期　２０１５年４月 合肥工业大学学报 （自然科学版） JOURNAL OF HEFEI UNIVERSITY OF T ECHNOLOGY Vol ．３８No ．４　Apr ．２０１５　 收稿日期：２０１４‐０２‐２４；修回日期：２０１４‐０４‐０２ 基金项目：国家自然科学基金资助项目（６１１７５０３３）；中央高校基本科研业务费专项资金资助项目（WK ２１００１００００９； ２０１２HGCX ０００１） 作者简介：方　帅（１９７８－），女，安徽寿县人，博士，合肥工业大学副研究员，硕士生导师． doi ：１０．３９６９／j ．issn ．１００３‐５０６０．２０１５．０４．００９ 利用偏振分析的雾天图像复原 方　帅，　夏秀山，　赵育坤，　于　磊 （合肥工业大学计算机与信息学院，安徽合肥　２３０００９） 摘　要：文章提出了新的雾天偏振成像模型，在模型中同时考虑目标反射光和大气散射光的偏振效应。首先合成偏振差分图，然后利用去相关的算法估计目标反射光的偏振度图，最后利用去雾模型得到清晰的雾天图像。与相关算法的实验结果进行定性和定量的比较，证明了该算法的有效性。此外，该算法求取的反映场景目标偏振信息的偏振度图可被用于场景分割、目标识别等领域。关键词：偏振成像；图像去雾；去相关；偏振度 中图分类号：T P ３９１畅４１ 文献标识码：A 文章编号：１００３‐５０６０（２０１５）０４‐０４６８‐０６ Image haze removal using polarization analysis FANG Shuai ，　XIA Xiu ‐shan ，　ZHAO Yu ‐kun ，　YU Lei （School of Computer and Information ，Hefei U niversity of T echnology ，Hefei ２３０００９，China ） Abstract ：In this paper ，a new polarization hazy imaging model is presented ，w hich considers the polar ‐ization of the airlight and the object radiance jointly ．Firstly ，the polarization ‐difference image is syn ‐thesized ．T hen the polarization of object is separated by a decorrelation ‐based method ．Finally ，the haze ‐free image is effectively recovered based on the new polarization imaging model ．T he qualitative and quantitative experimental results verify the effectiveness of the proposed dehazing method ．T he method also provides additional polarization properties of the objects in the scene ，w hich can be used in further applications ，such as scene segmentation and object recognition ．Key words ：p olarization imaging ；image dehazing ；decorrelation ；degree of polarization ０　引 言 雾天图像由于受到大气粒子的散射和吸收作用会发生对比度丢失、颜色失真等退化现象，这些退化严重影响图像的高级处理。当前较好的去雾算法有２类：单幅图像去雾算法［１‐３］ 和基于偏振的 去雾算法 ［４‐８］ 。单幅图像去雾算法能够取得较好 的结果，但是这类方法通常有较大的局限性，如文献［２］中需要图像满足暗原色先验假设，而这一假设在有些情况下不成立；基于偏振的方法需要较少的假设，因为这类算法至少要采集２幅偏振图像，故具有更多的信息。此外，基于偏振的方法在去雾的同时能够提供场景的偏振信息，尤其是场景目标的偏振信息，因此在目标识别［９‐１０］ 、场景分 割 ［１１］ 和材质分类 ［１２‐１３］ 等领域有着重要的应用。 雾天场景入射到成像设备的光是由目标反射光和周围散射到成像路径上大气光合成的。文献 ［４‐５］假定只有大气光具有偏振效应，忽略目标反射光的偏振效应，而文献［６］中又指出这一假设在镜面（如水面）等区域并不成立，因此通过检测图像中的镜面区域修正了错误结果，然而仅仅在镜面区域的错误得到修正，图像其他区域去雾效果并没有改善。事实上图像偏振效应是由目标反射光的偏振效应和大气散射光的偏振效应共同作用

图像去雾霭算法及其实现..

图像去雾霭算法及其实现 电气工程及其自动化 学生姓名杨超程指导教师李国辉 摘要雾霭等天气条件下获得的图像，具有图像不清晰，颜色失真等等一些图像退化的现象，直接影响了视觉系统的发挥。因此，为了有效的改善雾化图像的质量，降低雾霭等天气条件下造成户外系统成像的影响，对雾霭图像进行有效的去雾处理显得十分必要。 本设计提出了三种图像去雾算法，一种是基于光照分离模型的图像去雾算法；一种是基于直方图均衡化的图像去雾算法；还有一种是基于暗原色先验的图像去雾算法。并在MATLAB的基础上对现实生活的图像进行了去雾处理，最后对不同的方法的处理结果进行了简要的分析。 关键词：图像去雾光照分离直方图均衡化暗原色先验

Algorithm and its implementation of image dehazing Major Electrical engineering and automation Student Yang Chaocheng Supervisor Li Guohui Abstract Haze weather conditions so as to obtain the image, the image is not clear, the phenomenon of color distortion and so on some image degradation, directly influence the exertion of the visual system. Therefore, in order to effectively improve the atomization quality of the image, reduce the haze caused by outdoor weather conditions such as imaging system, the influence of the haze image effectively it is necessary to deal with the fog. This design introduced three kinds of algorithms of image to fog, a model is based on the separation of light image to fog algorithm; One is the image to fog algorithm based on histogram equalization; Another is based on the dark grey apriori algorithms of image to fog. And on the basis of MATLAB to the real life to deal with the fog, the image of the processing results of different methods are briefly analyzed. Key words:Image to fog Light separation histogram Dark grey

基于引导滤波器的单幅雾天图像复原算法

2015，51（21）Computer Engineering and Applications 计算机工程与应用1引言雾或霾是一种常见的自然现象，这是由于空气中存在着灰尘，烟雾等悬浮颗粒，它们对场景中的反射光产生吸收和散射作用从而导致场景的可见度降低、颜色失真。雾的存在会大幅降低图像场景的可见性，使得目标的可辨识度降低，影响对图像内容的分析与辨别，所以它成为很多计算机视觉应用如视频监控、遥感、导航、目标识别等需要解决的重要问题。尤其对于未知场景的深度信息，单幅雾天降质图像增强仍面临挑战。目前单幅雾天图像复原算法中，传统的对比度增强算法如直方图均衡化[1-4]、线性映射、Retinex 方法[5-6]等不能达到很好的去雾效果而且会造成颜色失真，无法满足 实际应用的要求。由于大气散射与距离有关，所以图像退化程度是随空间变化而变化的。为了提取雾天图像的深度信息，人们在去雾时使用附加信息或者多幅图像。近几年来，学者们提出了一些基于先验知识的单幅图像去雾算法。Tan 等人[7]发现晴天图像的对比度比雾天图像要高，因此为了增强图像的可见性，将复原图像的局部对比度最大化，但这种方法使复原图像的颜色过于饱和。Fattal 等人[8]通过假设传输率和目标表面阴影 部分不相关而首次估计出场景反射率，进而得出空气光的传输率。由于该算法需要足够多的颜色信息，因此不基于引导滤波器的单幅雾天图像复原算法 楚君，王华彬，陶亮，周健 CHU Jun,WANG Huabin,TAO Liang,ZHOU Jian 安徽大学计算机科学与技术学院，合肥230601 School of Computer Science and Technology,Anhui University,Hefei 230601,China CHU Jun,WANG Huabin,TAO Liang,et al.Novel algorithm for single haze image restoration based on guided image https://www.sodocs.net/doc/0115844214.html,puter Engineering and Applications,2015,51（21）：155-160. Abstract ：The single image dehazing method based on median filtering neither effectively preserves edges of haze image nor truly reflects the depth of the scene information.So this paper proposes a method of atmospheric veil correction based on guided image filtering.It gets the initial atmospheric veil through median filtering.It is refined by guided image filter to obtain more accurate atmospheric veil.It removes redundant texture information and brings the depth edge information.The scene radiation is obtained by the atmosphere attenuation model,adjusting the brightness of the restored https://www.sodocs.net/doc/0115844214.html,-pared with other existing typical dehazing methods,the method has a better dehazing effect at distant object where depth changes abruptly,and the time complexity of the methods is linear. Key words ：image dehazing;guided image filtering;atmospheric veil correction 摘要：基于中值滤波的单幅图像去雾算法所获取的大气面纱图像不能有效地保留雾天图像的边缘信息，也不能真实地反映场景的深度信息，因此，提出了一种基于引导滤波器的大气面纱修正方法。由中值滤波得到初始大气面纱，使用引导图像滤波器对其进行修正得到较为准确的大气面纱，去除多余的纹理信息的同时增强了雾天图像的边缘信息，由大气散射模型得到场景辐射光即复原图像，并对其进行亮度调整。与其他现有的典型去雾算法相比较，该算法在深度剧烈变化的边缘区域有更好的去雾和增强效果，且时间复杂度为线性。 关键词：图像去雾；引导图像滤波器；大气面纱修正 文献标志码：A 中图分类号：TN911.73doi ：10.3778/j.issn.1002-8331.1407-0376 基金项目：国家自然科学基金（No.61372137）；国家自然科学基金青年科学基金（No.61301295）。 作者简介：楚君（1989—），女，硕士研究生，主研方向为数字信号与图像处理、模式识别；王华彬（1983—），男，博士，讲师，主研方 向为数字信号与图像处理、模式识别；陶亮（1963—），男，博士，教授，主研方向为数字信号与图像处理、模式识别；周健 （1981—），男，博士，讲师，主研方向为信号与信息处理。E-mail ：627639058@https://www.sodocs.net/doc/0115844214.html, 收稿日期：2014-07-24修回日期：2014-09-10文章编号：1002-8331（2015）21-0155-06 CNKI 网络优先出版：2015-03-13,https://www.sodocs.net/doc/0115844214.html,/kcms/detail/11.2127.TP.20150313.1555.036.html 155

基于域变换递归滤波的雾天图像复原

优先出版 计 算 机 应 用 研 究 第32卷 -------------------------------- 基金项目：福建省自然科学基金项目(2012J01274)；福建省科技计划重点项目(2013H0030)；中央高校基本科研专项(JB-ZR1145) 作者简介：王伟鹏(1989-)，男，福建泉州人，硕士研究生，主要研究方向为图像复原和图像增强(wwp866@https://www.sodocs.net/doc/0115844214.html,)；戴声奎(1971-)，男，副教授，博士，主要研究方向为图像处理． 基于域变换递归滤波的雾天图像复原 王伟鹏，戴声奎 (华侨大学 信息科学与工程学院，福建 厦门 361021) 摘 要：为了提高大雾天气下采集图像的对比度和能见度，提出一种基于域变换递归滤波的图像复原方法。该方法在大气散射模型的基础上，首先对大气耗散函数的约束条件进行空间域的变换以实现维数降低，然后经过递归滤波之后获取较准确的结果，最后求解雾图成像方程，并对复原结果进行局部的线性映射调整，获得理想的清晰图像。该方法在场景深度跳变的边缘处可以获得更自然的复原效果，而且能很好地突出图像中的细节信息。实验结果表明，通过该方法得到的结果相比于传统的单幅图像去雾方法，视觉效果更佳、执行速度更快，并且该方法可以并行计算，因此采用GPU 进一步加速能够满足实时处理视频的需求。 关键词：去雾；图像复原；大气散射模型；域变换；递归滤波器；图像增强 中图分类号：TP391 文献标志码：A Haze image restoration using domain transform recursive filter WANG Wei-peng, DAI Sheng-kui (College of Information Science & Engineering, Huaqiao University, Xiamen 361021, China) Abstract: In order to improve contrast and visibility of haze image captured in the foggy weather, this paper proposed an image restoration algorithm using domain transform recursive filter. Based on the atmospheric scattering model, the proposed method firstly reduced the image dimensions of physical constraint through domain transform, and then obtained the accurate atmospheric veil by performing the recursive filter. Finally the clear image was recovered by solving the physical equation of haze image and enhanced by a local linear mapping. The proposed algorithm not only get more natural effectiveness at the edge of places where scene depth changes abruptly, but also effectively highlight detail information of recovered image. Experimental results show that comparing with traditional single image haze removal methods, the proposed method has better visual effect and faster execution speed. Furthermore, the algorithm can be performed in parallel, so it can be accelerated using GPU and satisfy real-time applications. Key Words: haze removal; image restoration; atmospheric scattering model; domain transform; recursive filter; image enhancement 0 引言 户外场景的图像采集通常会受到雾霾天气的影响，悬浮在大气中的颗粒介质对场景辐射以及大气光的散射作用共同导致图像质量的严重退化，对比度、颜色保真度下降，影响人眼或者机器视觉系统对图像信息的提取和分析。因此对雾天图像的去雾研究具有重要的应用价值和意义。 大气中颗粒介质对成像的散射作用随着场景到观测点的距离增大而增加，图像去雾的难点就在于如何准确估计场景深度。目前基于先验知识的单幅图像去雾方法[1-7]成为研究的热点。Fattal [1]假设传输透射率与表面投影是局部不相关的，采用独立分量分析和MRF 模型来复原场景反射光，该方法取决于雾天图像的统计特性，无法处理灰度图像和浓雾图像。He 等人[2,3]提出一种基于暗通道先验的统计规律，用于估计传输透射率，并借 助抠图算法进行修复进而实现图像去雾。该方法对一般户外图像取得了很理想的效果，但算法复杂度较高，执行速度慢。Tarel [4]利用中值滤波的方法估计大气耗散函数，然而中值滤波对边缘保持不佳，且不恰当的参数设置易导致去雾图像在景深突变的边缘处仍有残留雾气。 针对当前算法普遍存在的不足，本文提出一种基于域变换递归滤波[8]的去雾方法。该算法从雾图成像模型出发，对空间域的多维信号进行降维，经过多次迭代滤波之后获得较准确的大气耗散函数，实现有效的图像去雾。和其他方法相比较，本文算法原理简单，处理速度更快，适用性更强，复原图像具有清晰度高、细节丰富、颜色自然的特点。 1 雾图成像模型 在计算机视觉中，Narasimhan 等人[9,10]给出了基于大气散射

雾天图像成像理论分析

基于大气散射模型的实时视频去雾方法研究 摘要：近年来，我国空气质量大幅下降，导致雾霾天气日渐频繁。在雾霾天气情况下，大气中存在着很多混浊介质（如，颗粒、水滴等），户外场景的视频图像出现了退化和降质，表现为清晰度和对比度低、色彩失真、细节特征模糊不清等特点。视频图像的降质退化使得户外视觉系统不能正常发挥效用，降低了工作效率及其可靠性。例如，在雾霾天气情况下，能见度降低，航拍视频中目标不可见，且色彩及对比度等特征严重衰减，无法满足航拍工作系统的灾害监测预警等后续要求。因而，在计算机视觉这一领域内，有雾视频的清晰化是一个重要的问题。 本文对雾天视频图像的退化和降质进行了详细的分析，阐述了雾天视频图像降质的原因，研究了国内外研究人员在视频图像去雾方面的成果，分析了各研究人员去雾方法的理论基础和核心技术，在此基础上，详细研究了基于大气散射模型的暗通道先验去雾方法，并且进行改进和完善，作出创新。本文建立基于大气散射原理的视频图像去雾模型，以暗通道先验去雾方法为基础，用导向滤波进行改进，采用VS2013和Opencv编写去雾算法程序，实现单幅图像去雾，然后进行CUDA加速，使对常用的1920×1080大小的视频图像进行去雾处理的运算速率达到每秒15帧以上，实现实时视频去雾。最后，将本文的去雾算法与其他算法进行比较，对比不同去雾方法得到的恢复图的效果，以及不同方法的利弊，完善细节，将该算法应用于实际待去雾的视频中。 关键词：图像降质；图像去雾；暗通道先验；大气散射模型

第1章绪论 1.1 课题研究背景和意义 一般情况下，获得清晰的视频图像是户外视觉系统正常工作和发挥效用的前提，因此，它对于天气情况非常敏感。然而，近年来，我国空气质量大幅下降，多地频繁出现雾霾天气。雾天条件下，户外场景的视频图像受到严重影响，这是由于大气中存在着许多混浊介质，包括颗粒、水滴等，这些介质会吸收和散射部分可见光，使成像设备接收到的光的强度产生衰减，这导致获取的视频图像产生退化和降质。与无雾图像相比，降质图像表现为清晰度、对比度和能见度降低，细节特征模糊不清，色彩产生失真和偏移等特性[1]。 以上视觉效果较差的降质视频图像丢失了部分有用的信息，这给确定目标和获取视频图像细节信息造成了很大的困难，直接影响户外视觉系统的正常工作，例如公路交通智能监控，军事航空监测，户外目标追踪，航拍工作系统等重要的视觉系统。以灾害监测航拍工作系统为例，在雾天情况下，户外场景能见度低。航拍视频中的目标难以准确追踪锁定，目标颜色和对比度等特征严重衰减，导致航拍灾害监测预警以及后续搜救等工作难以正常进行，情况严重的话可能带来巨大的损失[2]。因此，如果能对雾霾天气下的降质视频图像进行去雾处理，就能使户外视觉系统适用于各种恶劣的天气，增加其可靠性，获取更加精确和有效的信息，提高视觉系统的工作效率，降低成本。同时，随着计算机技术的发展，计算机视觉系统在人们的日常生活和安全监测方面得到了更加广泛的应用，深入地研究高效的视频图像去雾技术有着很重要的社会价值，也是当前社会所迫切需要的。 视频去雾技术是以图像去雾为基础的，图像去雾即用各种技术和算法去除图像中的雾。现阶段，在计算机视觉领域里，已经有很多图像去雾算法被提出，根据去雾的基本原理不同，将图像去雾算法分为两大类：一种是基于图像增强的方法，一种是基于模型的图像复原的方法。这两种方法都可用于改善降质有雾图像的质量，使其在视觉上有更好的效果，但两种方法的机理不同[3]。在本文中，重点研究对象是图像复原的方法，主要研究了基于大气散射模型的去雾方法，并在此基础之上做出了某些方面的改进。 1.2 本课题国内外研究现状 现阶段，去雾在摄影和计算机视觉领域都是非常需要的。首先，去雾可以显著增强场景的能见度并改善色彩偏移，无雾视频图像能增加人视觉上的愉悦感；其次，大部分计算

雾天条件下的视频图像复原方法及其应用

—182 — 雾天条件下的视频图像复原方法及其应用 葛君伟，谢祥华，方义秋 (重庆邮电大学GIS 研究所，重庆 400065) 摘 要：针对雾天户外视频图像的退化现象，提出一种基于大气模型的完全自适应视频图像复原方法。该方法根据单帧图像的灰度分布特性，求出天空区域灰度的最佳近似正态分布，再由这个近似正态分布得到天空区域的灰度均值，同时根据灰度直方图分割出各个景物的深度区域并求出归一化辐射率的值，利用同深度区域内像素点的对比度实现退化图像的复原。实验表明，该方法对雾天退化图像的清晰化效果较好。 关键词：雾天；大气模型；正态分布；归一化辐射率；深度区域 Video Image Restoration Method in Foggy Weather and Its Application GE Jun-wei, XIE Xiang-hua, FANG Yi-qiu (GIS Research Centre, Chongqing University of Posts & Telecommunications, Chongqing 400065) 【Abstract 】According to degraded phenomena of outdoor video images taken in foggy weather, this paper proposes an entirely self-adapting method of video image restoration on the basis of atmospheric model. Under the gray distributing characteristic of an image, the optimal normal distribution of the gray for sky region can be gained. The gray mean of the sky distribution can be obtained by the optimal normal distribution. At the same time, the iso-depth region can also be segmented according to the gray histogram and the value of normalized radiance can be solved. It uses contrast of pixels in iso-depth region to realize restoration of degraded images. Experiments show the method can effectively improve degraded images in foggy weather. 【Key words 】foggy weather; atmospheric model; normal distribution; normalized radiance; depth region 计 算 机 工 程 Computer Engineering 第36卷 第14期 Vol.36 No.14 2010年7月 July 2010 ·图形图像处理· 文章编号：1000—3428(2010)14—0182—03 文献标识码：A 中图分类号：TP391.41 1 概述 大多数的室外视频工作系统，如视频监控、地形勘测、自动驾驶等，都需要清晰准确地提取图像特征，但在雾天情况下，由于场景的能见度低，图像中目标对比度和颜色等特征被衰减，系统无法正常工作，因此需要在视频图像中消除雾天对场景图像的影响。雾天图像复原也称为去雾，如今已有多种去雾算法，具体的可以分为非模型的方法和基于物理模型的方法2类。 早期的去雾算法是用简单的图像处理方法改变对比度，如直方图均衡化和对比度拉升等，由于能见度具有指数衰减特性，因此这些方法并不能取得很好的效果。典型的非模型方法还包括基于小波和基于大气调制传递方程的方法。文 献[1]就是使用基于小波的方法对多幅雾天图像进行融合来获得一张较好的图像，但这种方法只能相对地提高图像质量，并不能实现真正意义上的去雾。文献[2]借助于大气调制传递方程进行雾天衰减图像的处理，但是需要事先知道雾天浓度和场景深度，在实际应用中难以实现。相比之下，基于物理模型的方法却能够取得较理想的去雾效果。 目前，雾天条件下的退化图像复原多采用大气物理模型方法。在使用该方法进行图像清晰化处理时，由于缺少参数，很难从一幅在恶劣天气情况下拍摄的单帧图像中恢复晴朗天气下对应场景图像的对比度和色度。如文献[3]利用2幅不同雾天情况下的退化图像求取天气信息和场景信息；文献[4]则需要2种不同天气状况下对同一场景的图像来估计深度信息。显然它们对视频图像采集的要求过于苛刻。为了有效解 决上述不足，本文提出了一种基于大气模型的完全自适应的景物影像复原方法。 2 大气模型的建立 文献[5]对恶劣天气下图像的成像机制进行了深入的研究并发现，在雾天状况下，景物成像机制主要有2种：(1)景物光通过大气传送到摄像机过程中的光线衰减机制；(2)大气中的粒子对环境光的散射，它也会对成像产生影响，称为Airlight 机制。 景物光经大气衰减后到达摄像机的光强度为 1e d E I βρ?∞= (1) 大气中的粒子将环境光散射到摄像机的光强度为 2)e E I ?∞=(1? (2) 在上述2种成像机制的共同作用下，摄像机接收到的光强度为 e ) e d E =I I β?ρ?∞∞+(1? (3) 其中，d 是景点深度；β是大气的散射系数；βd 称为景点的光学深度；I ∞是空间光强度；ρ是与景点反射系数、归一化空间照度谱和摄像机谱响应三者有关的函数，它与天气条 基金项目：重庆市教委基金资助项目(KJ090519) 作者简介：葛君伟(1961－)，男，教授、博士，主研方向：模式识别，图像处理，软件工程；谢祥华，硕士；方义秋，副教授 收稿日期：2010-01-09 E-mail ：mynamexxh@https://www.sodocs.net/doc/0115844214.html,

三种不同灰度图像增强算法对比

三种不同灰度图像增强算法对比 一、摘要 本文主要是运用直方图均衡化、平滑、锐化三种常见的图像增强算法对图像进行处理,并在此基础上分别用这 3 种算法处理的灰度图像进行比较，比对它们对图像的处理效果, 分析3 种方法在图像增强处理能力的优劣之处。 结果发现,直方图均衡化可以均衡图像的灰度等级, 经过直方图的均衡化，图像的细节更加清楚了，但是由于直方图均衡化没有考虑图像的内容，只是简单的将图像进行直方图均衡，提高图像的对比度,使图像看起来亮度过高，使图像细节受到损失; 图像平滑的目的是减少或消除图像的噪声, 图像平滑可以使图像突兀的地方变得不明显, 但是会使图像模糊，这也是图像平滑后不可避免的后果，只能尽量减轻，尽量的平滑掉图像的噪声又尽量保持图像细节，这也是图像平滑研究的主要问题; 图像锐化使图像的边缘、轮廓变得清晰，并使其细节清晰,常对图像进行微分处理，但是图像的信噪比有所下降。 关键词: 图像增强灰度图直方图平滑锐化 二、三种图像增强算法 图像预处理是相对图像识别、图像理解而言的一种前期处理，主要是指按需要进行适当的变换突出某些有用的信息，去除或削弱无用的信息，在对图像进行分析之前, 通常要对图像质量进行改善,改善的目的就是要使处理后的图像比原始图像更适合特定的应用。影响图像清晰度的因素很多,主要有光照不足、线路传输收到干扰等。 现存的图像增强技术主要分为空间域法和频率域法两类,其中的增强方法主要有直方图的修正、灰度变换、图像平滑、图像锐化、伪彩色和假彩色处理等。下面主要采用直方图均衡化、图像平滑、图像线性锐化对图像进行增强处理, 对比他们的处理效果,分析 3 种方法的在图像增强处理方面的优劣。 1、直方图均衡化 直方图均衡化也称为直方图均匀化，是一种常见的灰度增强算法，是将原图像的直方图经过变换函数修整为均匀直方图，然后按均衡后的直方图修整原图像。 为方便研究，先将直方图归一化，然后图像增强变换函数需要满足2个条件。 假设灰度级为归一化至范围[0,1]内的连续量,设其中任一灰度级别Z归一化为r，变换后图像的任一灰度级Z'归一化为s，显然r，s应当满足：0<=r<=1,0<=s<=1 因此直方图修正就是对下列公式的计算过程：s=T(r)或r=T'(s) 式中T(r)为变换函数，它必须满足下列条件： a在0<=r<=1区间内是单值单调增加函数; b对于0<=r<=1,有T(r)在[0,1]内。 条件a 保证灰度级从黑到白的次序,而条件b确保映射后的像素灰度在允许的范围内，避免整个图像明显变亮或者变暗。 从S 到r的反变换关系为r=T'(s) ；T'(s)对r同样满足上述条件。 灰度变换是对图像上各个像素点的灰度值x 按某个函数T 变换到y ,将图像的灰度级整个范围或其中某一段( A, B)扩展或压缩到( A, B)。直方图均衡化是灰度变换的一个重要应用,是以累计分布函数变换为基础的直方图修正法, 可以产生一幅灰度级分布具有均匀概率密度的图像。一幅图像灰度级r k 出现的概率近似为 其中n 是图像中像素的总和, nk 是灰度级为r k 的像素个数, L 为图像中灰度级总数。若

恶劣天气下图像的清晰化方法研究

目录 摘要.................................................................. I Abstract ............................................................... I I 第一章绪论. (1) 1.1 研究背景及意义 (1) 1.2 国内外研究现状 (1) 1.2.1 图像去雾的研究现状 (2) 1.2.2 视频去雾的研究现状 (3) 1.3 本文主要内容与结构 (3) 1.3.1 论文主要内容 (3) 1.3.2 论文结构 (4) 第二章图像去雾的理论基础 (5) 2.1 雾的形成机制 (5) 2.2 雾天图像退化物理模型 (6) 2.2.1直接衰减模型 (6) 2.2.2大气光模型 (7) 2.2.3大气散射模型 (9) 2.3 本章小结 (11) 第三章图像去雾 (12) 3.1估算全球大气光 (12) 3.1.1大气光成分的估算研究 (13) 3.1.2基于改进的White Patch Retinex算法估算大气光 (13) 3.2估算透射率 (14) 3.2.1基于信息损失估算透射率 (14) 3.2.2细化透射率 (15) 3.3单幅图像去雾 (18) 3.4实验结果的对比与分析 (21) 3.4.1去雾效果的对比与分析 (21) 3.4.2去雾效果的客观评价 (23) 3.5 本章小结 (24) 第四章视频去雾 (25) 4.1视频去雾算法原理 (26) 4.2 视频去雾结果与分析 (28) 4.3监控视频的快速去雾算法 (30)

雾霾天气下降质图像复原算法研究

雾霾天气下降质图像复原算法研究 西藏大学王新胜陈贤花苏倩周张颖 【摘要】随着工业化的发展，雾霾天气已经严重影响了人们的日常生活，特别对交通安全造成了巨大影响，是我国车祸的一个重要原因。目前，国内外对雾霾的处理方法主要有两种：单幅图像清晰化与直方图均衡化，本文将结合这两种方法，基于matlab图像处理对去雾进行研究。 【关键字】雾霾单幅图像清晰化直方图均衡化灰度非线性拉伸1.研究意义： 现今社会是一个高度复杂的人口密集型社会，人们的活动方式越来越多样、活动范围越来越大，使汽车成为了重要的交通工具，但随着我国工业化进程加快，造成了雾霾等恶劣天气，对交通存在着巨大安全隐患。在雾天情况下，由于场景可见度较低，造成驾驶员的视觉模糊，是我国车祸的重大原因之一。然而随着计算机软硬件技术的快速发展，单幅图像清晰化技术日益成熟，使得我们对雾霾天气图像清晰度的处理成为了可能，但是雾霾的日益加重，又对去雾图像的清晰度和真实感提出了更高的要求。本文将在以往图像清晰化技术的基础上，加以深入研究，设计出一种效果更好的程序，为拓宽驾驶员视野，构造顺畅、安全的交通环境提供一种更好的思路。 2.国内外研究现状： 雾天场景恢复是一个十分困难的问题, 因为雾对图像的影响程度与场景深度相关, 然而图像深度的获取却是一个不完全约束的问题。目前,国内外对去雾的方法主要有两种：单幅图像清晰度恢复技术和图像色彩均衡技术（直方图均衡化）。 如今，单幅图像清晰化技术取得较大突破, 这些方法的成功是因为众多前辈的实践或假设。2009年，何凯明博士在《Single Image Haze Removal Using Dark Channel Prior》一文中提出了一种基于暗通道先验知识统计[1]的方法, 用于单幅图像去雾, 此方法认为在绝大多数非天空的局部区域里，某一些像素总会有至少一个颜色通道具有很低的值，换言之，该区域光强度的最小值是个很小的数。在雾天图像中, 暗原色的强度值大小主要由大气光组成,此方法直接应用暗通道来估计透射率图 , 并运用图像修补的方法对透射率图进行了平滑操作, 利用修补后的透射率图能够恢复出清晰的图像, 并从中获得雾天图像的深度图,因此该方法虽然具备物理有效性, 但当图像目标在很大的区域和大气光本质上十分相同时, 并且无暗影投到物体上时, 暗通道先验知识统计将会无效, 并且修补透射率图时存在局限性, 因为当修补的参数过小时, 透射率图的细节较多, 层次感虽然较好, 但平滑过少,将会出现大量的局部错误;而当修补参数过大时, 局部错误虽然会减少, 但是修补之后细节将会变得十分不明显, 使得整幅透射率图层次感缺失, 丧失了图像的深度感。 而在单幅图像清晰度恢复技术取得突破的同时，直方图均衡化去雾技术也在被改进创新。直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比