引用本文

杨燕, 陈高科, 周杰. 基于高斯权重衰减的迭代优化去雾算法. 自动化学报, 2019, 45(4): 819-828. doi: 10.16383/j.aas.c170369

YANG Yan, CHEN Gao-Ke, ZHOU Jie. Iterative Optimization Defogging Algorithm Using Gaussian Weight Decay. ACTA AUTOMATICA SINICA, 2019, 45(4): 819-828. doi: 10.16383/j.aas.c170369

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c170369

关键词

高斯衰减，去雾，迭代优化，大气散射模型 

摘要

针对暗通道先验算法最小滤波使用的不足，提出一种基于高斯权重衰减的迭代优化去雾方法.该方法首先利用Kirsch算子滤波构造高斯函数逼近暗通道操作，然后用交叉双边滤波消除纹理效应，其次，在透射率为最优的前提下，利用高斯暗通道来简化大气散射模型，从而得到粗略透射率；为了得到最优透射率，使用Kirsch和Laplacian算子构成的一组高阶滤波器进行迭代处理，从而获得最优效果；最后，结合大气散射模型复原无雾图像.通过大量实验测试验证，所提假设成立，复原的图像细节明显，明亮度适宜，并且在客观评价中也体现出了优势.

文章导读

雾、雾霾是常见的自然现象, 主要是由于大气中的悬浮固体颗粒和水蒸气等介质对光的散射和吸收现象形成.这种现象的存在, 导致获取的户外图像质量严重下降, 例如对比度下降、细节丢失、颜色发生偏移等, 使得户外视觉系统对图像的分析造成了一定的障碍.因此, 对于雾天图像的清晰化处理具有一定的研究意义和实际应用价值.

目前, 针对单幅图像去雾算法的研究已经取得了一定的成果.按照应用的方法主要分为四类:图像增强、图像复原、图像融合以及机器学习[1].图像增强方法主要是从图像本身出发, 不考虑图像退化的本质原因, 以消弱/增强某些信息来达到去雾的目的, 常见的方法主要是基于Retinex理论的去雾方法[2], 这类方法由于缺少一定的模型支持, 因此不能达到真正意义上的去雾; 图像复原方法是目前经常采用的方法, 这种方法从图像降质的本质出发, 建立雾天图像退化模型, 利用先验知识以及假设逼近模型参数真实值, 从而达到去雾的目的, 这类方法有一定的优越性, 也是目前图像去雾领域的研究热点[3], 经典的方法是暗通道先验去雾算法[4]; 图像融合方法是一种基于融合策略的去雾方法, 这种方法通过对退化图像进行分层研究, 从而选取不同的权重图进行融合, 可以取得相对优越的效果, 但是由于权重值选取上的不足, 存在一定的局限性, 典型的是多尺度融合图像去雾算法[5]; 机器学习方法通过训练数据获得更加优越的去雾模型, 从而获得更好的去雾效果.尽管该方法已经取得了一定成果, 但是考虑到模型复杂以及数据集的约束, 目前在去雾领域发展有限[1].

近年来, 基于单幅雾天图像复原方法的研究取得了巨大的成果. Tan[6]通过大量实验观察, 发现无雾图像比有雾图像的对比度大, 从而提出最大化局部对比度的方法, 可以获取有效的视觉效果, 但是复原图像出现过度饱和现象并且存在光晕现象. Fattal[7]在假设传输率与表面色度局部无关的前提下, 提出了一种估计场景反照率和介质传输率的方法, 这种方法物理有效并且可以取得优越的效果, 但是在假设失效时, 就会出现浓雾图像去雾不成功或失效现象. He等[4]通过对大量的无雾图像进行实验统计, 提出一种暗通道先验去雾方法, 利用先验知识解决了大气散射物理模型的病态问题, 对于满足暗通道先验的图像可以取得很好的去雾效果, 但是在不满足暗通道先验的区域可能失效且Soft Matting算法时间复杂度高.后人在暗通道先验的基础上, 提出了很多改进算法并且取得了一定成果. Meng等[8]考虑到大气散射模型病态问题, 从而增加约束条件, 提出一种基于边界约束的图像去雾方法, 利用牺牲部分细节来复原较好的无雾图像. Sun等[9]提出一种局部大气光估计方法, 可以改善暗通道先验中全局大气光值选取不足现象.

本文通过对大量单幅图像去雾方法的研究, 提出一种基于高斯权重衰减的迭代优化去雾方法, 首先通过构造的高斯函数对有雾图像的最小通道进行衰减来达到暗通道先验的统计效果, 然后利用交叉双边滤波进行纹理效应消除, 从而得到粗略透射率; 假设在最优透射率前提下, 提出无雾图像高斯暗通道和该最优透射率的乘积灰度级趋于0的假设, 从而对粗略透射率进行高阶滤波迭代优化以后向验证; 其次, 对于大气光的选取, 采用局部大气光的策略; 最后, 结合大气散射模型复原无雾图像.实验结果显示, 本文方法可以取得显著的去雾效果.

图 1  本文算法流程图

图 2  本文算法实现过程效果图

图 3  无雾图像高斯暗通道灰度级分布

为了改善暗通道先验算法最小滤波使用导致的透射率块状效应/光晕现象, 本文提出一种基于高斯权重衰减的迭代优化去雾方法.该方法利用高斯衰减代替暗通道先验中的最小滤波方法, 提出高斯暗通道操作, 并且提出无雾图像高斯暗通道与最优透射率的乘积趋于灰度级0的假设, 从而简化大气散射模型, 得到粗略透射率; 为了使得透射率最优, 本文选用一组高阶滤波器的L1范式迭代处理, 从而达到预期的效果.对于大气光的选取, 本文从局部大气光的角度出发, 得到局部大气光图.最终结合大气散射模型复原无雾图像, 通过大量实验测试验证, 本文所提假设成立, 并且复原的图像细节明显, 明亮度适宜, 在客观评价中也体现出了优势.

作者简介

陈高科

兰州交通大学电子与信息工程学院硕士研究生.主要研究方向为数字图像处理.E-mail:kk_325@outlook.com

周杰  

兰州交通大学电子与信息工程学院硕士研究生.主要研究方向为数字图像处理.E-mail:zhouj5239@wuhanrt.com

杨燕  

兰州交通大学电子与信息工程学院教授.主要研究方向为数字图像处理, 智能信息处理, 语音信号处理.本文通信作者.E-mail:yangyantd@mail.lzjtu.cn