推荐星级：
- 1
- 2
- 3
- 4
- 5
基于自适应暗原色的单幅图像去雾算法
资料介绍
为了复原雾天退化图像,提出了一种自适应暗原色的单幅图像去雾算法.针对暗原色先验理论在估计图像透射率时不够准确、容易引起Halo效应的问题,采用自适应暗原色概念,即在暗原色的获取过程中引入自适应阈值,减小景深变化对暗原色获取的影响,进而正确求取透射率.此过程不需导向滤波的细化,也就避免了导向滤波引起的效率低和去雾不彻底的问题.主观及客观两方面将本文去雾算法与现有算法进行对比,结果表明,本文算法能够有效消除Halo效应,获得高对比度、高色彩饱和度以及丰富细节信息的去雾结果,同时也提高了图像去雾效率.
部分文件列表
| 文件名 | 大小 |
| 基于自适应暗原色的单幅图像去雾算法.pdf | 2M |
部分页面预览
（完整内容请下载后查看）47
2
期
光
子
学
报
第
卷第
Vol．47 No．2
February 2018
2018
2
年
月
ACTA PHOTONICA SINICA
doi: 10．3788 /gzxb20184702．0210001
基于自适应暗原色的单幅图像去雾算法
1，2
1
1
， ，
刘国 吕群波 刘扬阳
( 1
，
中国科学院光电研究院 计算光学成像技术重点实验室 北京
，100094)
( 2 ， ，100049)
中国科学院大学 北京
: ， ．
要 为了复原雾天退化图像 提出了一种自适应暗原色的单幅图像去雾算法 针对暗原色先验理论
摘
、
在估计图像透射率时不够准确 容易引起
Halo
， ，
效应的问题 采用自适应暗原色概念 即在暗原色的获取
， ， ．
过程中引入自适应阈值 减小景深变化对暗原色获取的影响 进而正确求取透射率 此过程不需导向滤
， ．
波的细化 也就避免了导向滤波引起的效率低和去雾不彻底的问题 主观及客观两方面将本文去雾算法
， ，
与现有算法进行对比 结果表明 本文算法能够有效消除
Halo
， 、
效应 获得高对比度 高色彩饱和度以及
，
丰富细节信息的去雾结果 同时也提高了图像去雾效率
．
: ; ; ;
关键词 图像去雾 大气散射模型 暗原色 自适应暗原色
: TP391．4
: A
: 1004-4213( 2018) 02-0210001-8
文章编号
中图分类号
文献标识码
Single Image Dehazing Algorithm Based on Adaptive Dark Channel Prior
1，2
1
1
LIU Guo ，L Qun-bo ，LIU Yang-yang
( 1 Key Laboratory of Computation Optical Imaging Technology，Academy of Opto-electronics，
Chinese Academy of Sciences，Beijing 100094，China)
( 2 University of Chinese Academy of Sciences，Beijing 100049，China)
Abstract: In order to recover the degraded image induced by the fog or haze，this paper proposes a single image
dehazing algorithm based on adaptive dark channel prior． The error during the estimation of transmittance by
Dark Channel Prior( DCP) will directly cause Halo effect． To deal with this problem，the notion of Adaptive
Dark Channel Prior( ADCP) was proposed，it means using adaptive in the acquisition of DCP，it can reduce
the effect brought by the change of depth of focus，So it will obtain the transmittance correctly without the use of
Guided Filtering( GF) ，this means it will avoid low efficiency and defog incomplete caused by the filtering．
Experiments show that the improved dehazing algorithm could eliminate the Halo effect and achieve the dehazing
image with high contrast，high color saturation and abundant details from both objective or subjective image-
quality assessment． Meanwhile，the speed of image process is also improved．
Key words: Image dehazing，Atmospheric scattering model，Dark channel prior，Adaptive dark channel prior
OCIS Codes: 100．2000; 100．2980; 100．3020; 010．1290; 010．1310
0
引言
， 、 ，
在雾霾天气下 景物反射光会受到悬浮颗粒散射 吸收而衰减 此外太阳光还会经悬浮颗粒散射直接进
， 、 ， ，
入成像系统 导致成像系统接收到的图像对比度 颜色饱和度下降 继而给图像的使用增加了难度 比如在目
、 、 ． ， ，
标识别 交通监控 卫星遥感等领域 图像的去雾技术致力于减少雾霾对图像的影响 提升图像的可读性 因
［1］
．
此具有一定的实用价值 目前图像的去雾方法主要分为两大类
:
图像增强方法和基于物理模型的图像复原
［2］
［3］
［4］
．
方法 图像增强方法主要包括灰度直方图均衡化
、
、Retinex
，
算法等 此类去雾方法不考虑雾天
小波变化
:
基金项目 国家自然科学基金
( No．61505219)
( No．CXJJ-16S045)
和中国科学院国防科技创新基金
资助
－
( 1993 ) ， ，
:
第一作者 刘国
，
男 硕士研究生 主要研究方向为图像去雾算法研究
． Email: liuguo15@ ucas．edu．cn
－
( 1976 ) ， ， ， ， 、 ． Email: liuyangyang@ aoe．ac．cn
女 研究员 博士 主要研究方向为计算光学 光谱成像技术
( ) :
导师 通讯作者 刘扬阳
: 2017-08-23;
: 2017-11-24
录用日期
收稿日期
http: www．photon．ac．cn
∥
0210001-1
光
子
学
报
， ，
图像退化的原因 只是在一定程度上增强视觉效果 而且这种增强一般会伴随着一些信息的消失和相应噪声
［5］
．
的引入 图像复原的算法主要包括
: 1)
， Okley
利用景深信息 如
，
等假设景深信息已知 由此估计透射率实现
． ， ， ，
去雾 该类方法实现比较复杂 需要借助雷达等仪器对图像中景物的深度信息进行测量 并且参数比较多 去
［6］
; Narasimhan
．
利用二项散射模型从同一场景不同天气条件下的图像中计算出景深信息 但
雾过程相对繁琐
; Schechne
该方法所需图像获取较为复杂 且去雾过程需要人机交互 很难实现实时图像处理
［7］
，
，
等通过同一
． ，
场景不同偏振方向的图像提取景深信息 该方法只能对偏振相机拍摄的图像进行去雾 并且在对浓雾图像进
［8-9］
; 2)
，
利用先验条件 近年来此类去雾方法逐渐发展起来 如
， Fattal
行处理时会失效
假设雾天图像中大气入
， ， ，
射光和物体反射光无关 利用独立成分分析的方法去雾 作为一种颜色统计方法 当雾天图像颜色信息过少
，
［10］
， ，
比如颜色单一的天空 海洋等 估计出的景物反射率将会不可靠
; Meng
提出了一种通过边界约束粗略估计
， ， ，
大气透射率 随后利用正则化方法进一步优化透射率的去雾算法 虽然该算法去雾彻底 尤其体现在景深较
［11］
，
远处 但会引起图像中颜色较浅物体的偏色
; He
，
．
发现暗原色先验理论 并利用其来去雾 但该算法估计大
Halo ．He
等在去雾算
，
气透射率时比较粗糙 复原出的图像在边缘处有
，
效应 因此必须对透射率图进行细化
［12］
［13］
， ，
获得了不错的复原效果 但引导滤波器的引入带来了效率低和去雾不彻底 的问
法中引入引导滤波器
． ， ，
题 为此本文针对暗原色的获取过程进行改进 提出自适应暗原色概念 该算法能估计出相对正确的大气透
，
射率 而不需进行后续的透射率细化
．
1
图像去雾的理论基础
1．1
大气散射模型
［14］
［15］
McCartney
，Narasimhan
基于雾天图像的退化过程首先提出了大气散射模型
随后对该模型进行了改
， ， ， ．
进 改进后的模型因其参数较少 效果显著 现广泛应用于图像去雾领域 大气散射模型可用公式表达为
－
－
(
β
(
) d
) d
λ
β
λ
=
E( d，) E ( ) e
λ
+
－
E ( ) ( 1 e
λ
!
)
( 1)
λ
0
，E( d，) d ，( ) ，d
λ 表示距离为 时进入成像系统的总光强 β λ 表示大气散射系数 是景物与成像设备间的距
式中
，E (
)
λ 表示景物反射光
，E ( ) ． :
λ 是无穷远处的大气光强 大气散射模型主要包含两个部分 衰减模型和大
!
离
0
， ，
气光模型 衰减模型主要阐述了景物反射光经雾霾颗粒散射吸收后光强损失的过程 即式
( 1)
，
右侧第一项
，
大气光模型描述了太阳光经雾霾颗粒散射进入成像设备的过程 即式
( 1)
．
右侧第二项
Rayleigh
， ，
大气散射定律可知 大气散射能力与光波长有关 为
由
1
=
(
β λ
)
( 2)
γ
λ
=
，0 4， ， ，
式中 ≤γ≤ 在晴朗的天空中 空气中颗粒较小 此时 γ
4;
，
而在雾霾天气下 空气中水滴等颗粒相对可见
［16］
=
，
光波长非常大 此时 γ
0， ，
即大气散射能力与光波长无关 因此对大气散射模型式
( 1)
，
并作相应的
简化
－
Object
( ) d
λ
β
=
，I( i，j) E( ，d) ，D
λ
= = =
( i，j) E ( ) ，A E ( ) ，t( i，j) e
λ
，
替换 对应到数字图像中
;
变换后的大气散
λ
0
!
!
射模型为
Object
=
+ －
( i，j) t( i，j) A ( 1 t( i，j) )
!
I( i，j)
( i，j)
D
( 3)
Object
，I( i，j)
，D
( i，j)
，t( i，j)
表
式中
示该像素点的透射率
图像的去雾即从雾天的图像 中恢复出无雾图像
是雾天图像在像素点
处的光强
是该像素点待恢复的无雾图像的光强
，A
．
表示无穷远处大气光强
!
Object
I
D
， ( 3)
的过程 变换式 可得
－
I( i，j)
A
!
Object
=
+
D
( i，j)
A
( 4)
!
t( i，j)
A
因此 想要恢复出无雾图像 需要从仅有的原雾天图像中获得无穷远处大气光强 以及各个像素点的
，
，
!
t( i，j) ，
这是需要辅助信息或者先验条件
．
透射率
1．2
暗原色先验理论
He
． :
暗原色先验理论是对大量户外无雾图像进行数理统计后得到的一个先验规律 该理论指出 在绝大
，
多数无雾图像的局部区域 总存在某些像素的
RGB
， 0．
三通道中某个通道的值很低 接近于 即
c
'
'
=
D
min
min ［D ( i ，j ) ］ 0
→
( 5)
dark
c
{ R，G，B} i'j'
(
( i，j) )
Ω
∈
∈
0210001-2
全部评论(0)