熊彪，黄志勇，田超，占静

　　（三峡大学 计算机与信息学院，湖北 宜昌 443002）

       摘要：为了实现对行车视频中单幅雾霾图像的快速去雾，针对现有暗原色先验去雾方法在局部明亮区域存在透射率估算过低、算法效率低等问题，提出了一种改进的去雾方法。该方法在处理不同的像素点时，通过设定门限值，使得门限值范围内的区域保持原透射率不变，不在门限值范围内的区域使用边界条件限定，结合调整参数重新计算透射率，求出更准确的自适应透射率图。实验结果表明，这种方法修正了错误估算的透射率，克服了原算法在处理这些区域时产生的色彩失真，生成了高质量的无雾图像。

　　关键词：图像去雾；暗通道先验；门限；透射率；大气光

　　中图分类号：TP751.1文献标识码：ADOI： 10.19358/j.issn.1674-7720.2017.08.015

　　引用格式：熊彪，黄志勇，田超，等.改进的暗原色先验单幅行车视频图像去雾方法［J］.微型机与应用，2017,36（8）：45-47.

0引言

　　车辆在雾天行驶时，由于空气中雾的存在，使得行车记录仪所记录的视频图像变得模糊不清，清晰度较差，场景的信息难以恢复［1］，这使得后续对视频的分析与处理受到限制，因此，一种有效的去除行车视频图像中雾的方法具有重要意义。

　　图像去雾一直是计算机视觉领域研究的热点，图像中雾的形成主要有两方面原因：（1)介质改变了光的传播路线，目标的反射光在到达相机之前被空气减弱；（2)图像中混合着经浑浊媒介散射后的大气光，使得所获视频图像降质［2］。降质的图像颜色保真度下降、对比度低、视觉效果差，图像中的边缘不清晰，细节信息难以体现。参考文献［3］提出了基于图像增强的Retinex去雾算法，文献［4］根据低照度图像求反后与雾天图像的相似性提出了一种去雾方法，文献［5］提出了基于暗原色先验的去雾方法。这几类方法虽然能在特定条件下产生较好的效果，但并没有很好地解决图像的局部区域偏色的问题。

　　本文主要针对单幅行车视频图像对已有方法进行完善。该方法首先求出雾天图像暗原色通道（即RGB三个通道中像素值最小的通道），从暗通道图中按照亮度的大小取前0.1%的像素，根据这些点，在原始图像中对应这些点的范围内寻找具有最高亮度的点的值，作为全球大气光值。然后，设定一个阈值v，对在阈值内的像素点，采用暗原色先验的方法求出透射率，对不满足阈值的像素点，使用基于边界条件限定的方法求解透射率，获得自适应的投射率，再根据雾天退化模型，求出去雾后的图像。

1暗原色先验去雾算法

　　1.1大气散射模型

　　在计算机视觉和计算机图形中，如下式(1)所描述的雾图形成模型［6］被广泛使用：

　　O(x)=S(x)t(x)+H(1－t(x))(1)

　　式中，O(x)为观测到的有雾图像，H为大气光强度，S(x)为待求解的无雾图像，x表示图像中的像素点。图像去雾算法的目标就是已知O（x），在t(x)与H未知的情况下恢复求出S(x)。

　　1.2暗原色先验

　　暗原色先验理论是通过对大量户外无雾图像的统计得出的，在绝大多数非明亮的局部区域里，某一些像素总会有至少一个颜色通道具有很低的像素值［7］。对于一幅图像，定义暗通道：

　　Sdark(x)=miny∈ω(x)(minc∈{r,g,b})Sc(y))=0(2)

　　Sc表示图像S的某一颜色通道，ω（x）表示以x为中心的矩形区域。观察得出，暗通道Sdark（x）的强度值很低，趋近于0。把Sdark(x)称为户外的无雾图像的暗原色，把以上统计得出的经验性规律称为暗原色先验。

　　1.3暗原色先验去雾的算法流程

　　将式（1）变形为下式：

　　又因局部暗原色Sdark（x）的值趋近于0，可得透射率为：

　　t(x)=1－miny∈ω(x)(minxOc(x)Hc)(4)

　　在现实生活中，即使是明朗的晴天，空气中也存在着一些微小颗粒，看远处的物体还是能感觉到雾的影响，雾的存在让人类感到景深的存在，因此，有必要在去雾的时候保留一定程度的雾，这可以通过在式（4）中引入一个在［0,1］ 之间的因子，保留部分遥远景物的雾，则式（4）修正为：

　　图1算法流程图本文中所有的测试结果依赖于:ω=0.95。算法的流程图如图1所示。

　　当透射率t（x）的值很小时，会导致恢复的清晰图像像素值偏大，从而使得去雾后的图像出现色彩失真［8］，因此一般可设置一阈值t0，当t（x）值小于t0时，令t（x）=t0 (一般取t0=0.1为标准计算)。

　　因此，最终的恢复公式如下：

2改进的暗原色去雾方法

　　通过大量实验得知，天空、太阳光、白色物体表面等大面积明亮区域即使在无雾的条件下，它们的像素值也很大，区域内找不到像素值趋于0的暗原色点，所以暗原色假设的前提在这些区域是不成立的。

　　由H的计算方法可知，当图像存在明亮区域时，全球大气光H值落在这些区域。利用式（5）求透射率t（x）时,O（x）与H越接近其t（x）值越小，由于明亮区域的像素值与H值接近，计算出来的t（x）会趋于很小的值。过小的t(x)值会造成对受雾影响不大的区域去雾力度过强，从而导致图像出现色彩失真。结合边界条件限制［9］及设置门限值的方法来修正透射率，公式（1）经过变形可得到：

　　清晰图像S（x）与雾天图像O(x)及H为线性关系，而清晰图像S(x)的像素值可限定在一定的范围内。S(x)的极限值限定在［C0,C1］之间。

　　在一幅无雾图像中，可以认为每个像素点值的大小都受限在一个范围内：

　　C0≤S(x)≤C1(8)

　　公式中C0和C1为根据已有的雾天图像信息设置的两个常数向量。由公式(8)可知，S(x)的限制条件会对t(x)造成一个低边界限制，全球大气光参数H为已知，则对于任一个像素点x，可以计算出边界限定的清晰图像像素点S(x)，由公式(7)、(8)可以定义t(x)的一个限定范围：

　　0≤tb(x)≤t(x)≤1(9)

　　其中：

　　Hc、Oc、Cc分别表示各个颜色通道的值，对透射率边界限制tb(x)进行一次形态学的闭操作，即可得到透射率：

　　t(x)=min(max(tb(x)))(11)

　　公式（11）给出了一种新的计算透射率的方法，要使此方法能适用于“明亮区域”透射率的计算，本文提出了一种可变的门限机制，求出更准确的自适应的透射率。根据门限值v，针对不同的像素点，对于|I(x)－H|>v的区域保持原透射率不变，对于|O(x)－H|<v的区域使用边界条件限定结合调整参数β重新计算透射率，这种方法可以很好地解决“明亮区域”色彩失真的问题，t(x)的计算如下：

　　β的取值与明亮区域的程度有关，当|O(x)－H|>v时仍然使用暗原色先验的方法求透射率t(x)，当|O(x)－H|<v时使用边界条件限定的方法求出透射率后，使用修正参数β对求得的透射率进行修正。

　　3实验与结果

　　本文所采用的图像均来自百度、Google等网站，算法采用MATLAB2014实现。PC处理器为Intel(R) Core(TM)i54570，内存8.0 GB。表1列举对比了不同图像大小分别采用He的算法及用本文算法执行时间的对比，通过表2，可以看到本文算法在保持图像保真度的同时大幅度地提高了算法的执行效率。

　　图2展示了本文算法去雾前后的效果比较。从实例结果可以看出，本文提出的改进算法，修正了He算法中在处理“明亮区域”出现的色彩失真，得到了较清晰的单幅视频图像。

4结论

　　针对雾天单幅行车视频图像，为了解决暗通道先验图像去雾方法容易产生色偏色、透射率误判、算法效率较低等问题，提出一种结合边界条件限定的门限值方法，对于满足暗原色先验的区域仍然采用原方法求透射率图，对于不满足暗原色先验的区域，使用本文算法求透射率。修正了透射率的错误果断，大大减弱了无雾图像中偏色的产生。实验结果表明，本文算法得到的无雾图像相比以前的方法更好地处理了亮度值较大的区域，使最终获得的无雾图像边颜色深度感饱满, 图像视觉效果显著提高,恢复的无雾图像清晰、自然、细节丰富。

参考文献

　　［1］ 祝培, 朱虹, 钱学明,等. 一种有雾天气图像景物影像的清晰化方法［J］. 中国图象图形学报, 2004, 9(1):124-128.

　　［2］ KIM J H, JANG W D, SIM J Y, et al. Optimized contrast enhancement for realtime image and video dehazing［J］. Journal of Visual Communication and Image Representation, 2013, 24(3): 410-425.

　　［3］ QIAO X Y, GUANG RONG J I, CHEN W. Improved retinex image enhancement algorithm and simulation study［J］. Journal of System Simulation, 2009(4):1195-1197.

　　［4］ Dong Xuan, Wang Guan, Pang Yi, et al. Fast efficient algorithm for enhancement of low lighting video［C］.IEEE International Conference on Multimedia and Expo. IEEE Computer Society, 2011:1-6.

　　［5］ He Kaiming, Sun Jian, Tang Xiaoou. Single image haze removal using dark channel prior［C］.Conference on Computer Vision and Pattern Recognition, 2011:2341-53.

　　［6］ 蒋建国,侯天峰,齐美彬. 改进的基于暗原色先验的图像去雾算法［J］. 电路与系统学报,2011,16(7802):7-12.

　　［7］ 刘洋, 潘静, 庞彦伟. 一种基于暗原色先验的低照度视频增强算法［J］. 电子测量技术, 2013, 36(10):55-57.

　　［8］ 马春波,徐浪平,敖珺. 基于暗原色的图像去雾改进算法研究［J］.计算机与数字工程,2016,44(31501):118-122.

　　［9］ 侯典柯, 吴晓红,何小海,等. 改进的基于边界限制的图像去雾算法［J］. 四川大学学报, 2015(S2):136-141.