改进的基于暗原色先验的图像去雾算法 improved algorithm on image haze removal using dark channel prior.pdfVIP

第16卷第2期 电路与系统学报 V01．16No．2 2011年4月 JOURNALOFClRCUITSANDSYSTEMS April，2011 文章编号：1007．0249(2011)02—0007．06 改进的基于暗原色先验的图像去雾算法· 蒋建国1，一， 侯天峰1， 齐美彬1，2 (1．合肥工业大学计算机与信息学院，安徽合肥230009：安全关键工业测控技术教育部工程研究中心。安徽合肥230009) 擒要；分析讨论了原暗原色先验去雾算法原理，指出其不足之处并推导出改进方法。通过引入一种容差机制，算 法能更有效地处理不满足暗原色先验的明亮区域，纠正了这类区域错误估计的透射率，从而克服原算法在处理这些区 域时产生的色彩失真。实验结果表明，这样的修改切实可行，恢复图像消除了色彩失真，视觉效果得以显著提高。 关键词。去雾；暗原色先验；色彩失真；容差 TN911．73 A 中图分类号t 文献标识码t 1 引言 在雾天环境下，由于大气散射影响使得拍摄出来的景物能见度和对比度降低，直接影响航空、海 运和道路交通的安全，同时使各种户外监测系统，如视频监控系统，在恶劣的天气下往往无法可靠工 作。因此，简单有效的图像去雾对提高视觉系统的可靠性和鲁棒性具有重要意义。 当前，对于图像的去雾算法主要分为两类：一类是基于图像增强的方法，如文献[1，2】的基于移动 模板的直方图均衡化技术。由于图像的质量降低与场景点到成像传感器的距离成指数关系，因此这种 假设场景景深不变的图像增强技术不能很好地对雾化图像去雾恢复。另一类是基于大气散射物理模型 的方法。这类方法基于大气散射规律建立了图像退化模型，能够利用先验知识，具有内在的优越性。 不足的是这类方法一般需要求得场景深度或大气条件信息。而现实条件下，获取的降质图像并没有附 加任何景深与大气条件的信息。由于已知信息量不足，因此图像去雾恢复是个不适定的反问题。为了 消除这种不确定性，许多研究者利用在不同天气条件下的拍摄的同一场景的图像【3，4】，或通过用户交互 提供的附加信息进行从一幅图像的恢复工作p6】。然而，这些算法对图像采集仍然具有较高的要求。Tan[。7】 ’观察到无雾图像比有雾图像具有更高的对比度，他通过扩大复原图像的局部对比度来达到去雾的目的， 这样得到的结果只是在光学原理上达到去雾，忽视了透射率，处理结果的一些色彩经常会出现过度饱 和。文献[8]提出一种基于统计学的去雾方法，取得了很好的效果。但该方法需要足够的颜色信息以及 差异性，当雾很浓时，颜色很微薄，差异也不够明显，该方法估计出的透射率就不可靠。 近来，He[9]等基于对户外无雾图像数据库的统计规律，提出一种简单有效的暗原色先验单一图像 去雾方法，对一般户外图像取得了很好的去雾效果，但该算法建立在暗原色假设之上，对不满足这个 假设的明亮区域，算法估计的透射率偏小，恢复结果出现色彩失真，影响了图像的视觉效果。为此， 本文提出了改进方法。第2部分简单介绍基于暗原色先验的去雾算法原理；第3部分分析了产生失真 的原因，并导出改进算法；第4部分的实验结果表明这样的改进是可行且很有效的。 2 暗原色先验去雾算法[91 2．1大气散射模型 解决问题之前，通常要对所研究的问题建立数学模型。大气散射模型描述了雾化图像的退化过程： l(x)=J(x)t(x)+A(1一f(x)) (1) (1)式中，，是观测图像的强度，-，是景物光线的强度，A是无穷远处的大气光，t称为透射率。 ’收藕日期。2010-08—24修订日期：2010—09．30 万方数据 8 电路与系统学报 第16卷 2．2暗原色先验 暗原色先验是通过对大量户外无雾图像的统计观察得出的：在绝大多数图像的局部区域里，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很小的数。对图像．．，， 定义： ‘，槲(x)-龇m