引用本文

董辉, 张斌. 基于显著图的可变模板形态学去雾方法. 自动化学报, 2019, 45(5): 877-887. doi: 10.16383/j.aas.2018.c170607

DONG Hui, ZHANG Bin. Image Haze Removal with Salience Map and Morphological Adaptive Filtering. ACTA AUTOMATICA SINICA, 2019, 45(5): 877-887. doi: 10.16383/j.aas.2018.c170607

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2018.c170607

关键词

去雾，自适应可变形结构元，形态学重构，显著图，最优化透射率 

摘要

针对暗通道先验去雾中存在的光晕现象和天空区域颜色失真现象，提出了一种基于自适应可变形结构元（Adaptive deformable structuring element，ADSE）中值滤波结合灰度形态学重构精细化透射率的方法.该方法利用透射率与图像细纹理结构的无关性，由有雾图像的灰度图计算显著图（Salience map，SM），将SM作为导向图计算ADSE，用生成的ADSE对最小颜色通道图像进行自适应中值滤波运算；其次，以粗估计暗通道图像为标记图像，以自适应中值滤波后的图像作为模板图像进行灰度形态学重构运算，获得精细化暗通道图像，继而得到精细化透射率；最后，针对天空区域，引入最优化透射率方法，对天空和非天空区域做统一的运算得到最终透射率，完成图像去雾.本文算法对真实场景具有很好的去雾效果，同时，基于形态学的运算易于并行化和硬件实现.

文章导读

光在空气中传播时会被“雾”[1-2]反射、吸收和散射.光的强度和颜色会因雾的浓度和光线传播距离发生改变.这就造成了图像质量下降, 包括图像模糊, 对比度下降, 色彩弱化, 场景特征减弱.特别是有雾图像的深度信息被破坏, 会影响后续图像处理和视觉计算效果.所以, 在遥感、航空和水下图像处理, 室外监控和目标识别应用中, 去雾处理被广泛使用.图像去雾可以消除雾气干扰和颜色失真, 提高对比度和视觉效果.

去雾技术中主要的挑战是有雾图像丢失了原始场景的深度信息, 这样就不能使用大气散射模型对图像建模.所以, 在去雾处理时, 需要使用多幅图像或附加信息获得场景的深度信息, 实现对有雾图像建模.当前, 主要的去雾方法有三类.第一类采用图像处理方法.包括直方图均衡[3-4]和Retinex方法[5].基于图像处理的去雾方法只关注图像对比度, 饱和度和亮度的提高.这类方法不能得到场景的深度信息、而且会恶化图像的视觉效果.第二类采用物理模型方法.这类方法使用附加信息、多幅图像或先验.使用附加信息的方法包括使用大气光偏振效应[6]和深度信息[7].这两种附加信息需要使用额外的器件, 因而在实际应用中不能方便获得.使用多幅图像的方法通过采集同一场景不同天气条件下的多幅图像实现[8-10].在实际应用时, 多幅图像并不能很轻易的获取.所以, 基于假设[11-13]或先验[2, 14]的方法得到越来越多的应用.这种方法首先对雾建模, 然后通过逆过程实现去雾.这种方法使用单一有雾图像实现去雾, 效果自然.第三类方法基于机器学习[15-18], 针对特定大气条件训练模型.这类方法有较好的去雾效果, 但是对非雾气造成的图像退化产生不好的影响.当前, 去雾方法中最简单有效的是基于暗通道先验(Dark channel prior, DCP)的方法[2].但这一方法并不能很好地处理天空图像和光晕现象, 而且计算量大.针对该方法的不足, 一些后续工作对其进行了补充[19-21].

本文在DCP方法的基础上引入可变形自适应滤波和形态学重构, 实现去除光晕现象.采用最优化介质传播系数[22]处理有雾图像天空区域.实验结果表明本文提出的算法能够普遍用于不同雾气条件的图像去雾.对天空区域和光晕的去除都有很好的处理效果.而且, 该方法采用形态学运算, 易于并行化和硬件实现.

图 1  有雾图像模型

图 2  暗通道计算

图 3  不同邻域大小对去雾的影响

本文采用显著图做自适应可变形中值滤波结合形态学重构方法精细化透射率, 消除细纹理和噪声, 得到保留了强边缘和深度边界信息的结构图像, 能够很好地处理非天空区域的去雾.结合最优化透射率方法, 可以有效处理有雾图像天空区域颜色失真的问题.实验结果表明, 本文提出的方法能够有效去除光晕效应, 提高去雾图像对比度和色彩饱和度.同时, 该方法能有效应用于包括天空区域的有雾图像, 避免了其他方法对天空去雾处理时产生的颜色失真现象.另外, 本文提出的方法易于并行化和硬件化.

作者简介

董辉

西安交通大学软件学院硕士研究生.主要研究方向为计算机视觉.E-mail:donghuid@stu.xjtu.edu.cn

张斌   

西安交通大学软件学院副教授.主要研究方向为图像处理和计算机视觉.本文通信作者.E-mail:bzhang82@mail.xjtu.edu.cn