雾霾天气下交通监控图像的一种去雾算法

曹立，李良荣*，顾平，李震，龚静，亓琳

【摘要】为提高雾霾天气下交通监控图像的清晰化程度，采用暗原色先验与MSR算法相结合的方式，在处理过程中用双边滤波代替MSR算法中的高斯滤波来保持边缘细节特性。实验结果表明，该算法处理的雾霾图像有效地消除了Halo效应，亮度均值适中，图像标准差提高，信息熵增大，总体效果较好，可在一定程度上提高雾霾图像的清晰度。

【期刊名称】贵州大学学报（自然科学版）

【年(卷),期】2019(036)002

【总页数】5

【关键词】交通监控；去雾算法；暗原色先验；MSR算法；双边滤波

基金项目：国家自然科学基金项目资助(61361012)

雾霾天气是一种大气污染状态，由于大气中悬浮的颗粒物以及小水滴对光线的吸收、散射和折射等作用，导致大气浑浊、能见度降低、设备捕获到的图像色调偏移、分辨率下降，给交通监控带来极大的影响，为了能够准确地获得图像的特征信息，于是针对雾霾天气降质图像清晰化处理技术展开研究。

目前国内外主要的去雾算法包括两个方面，基于物理模型的图像复原算法，以及基于非物理模型的图像增强算法[1-4]。其中基于物理模型的暗原色先验理论最早由何恺明提出[5-7]，经过该算法处理后的雾霾图像更自然，但图像亮度偏暗，从而导致图像失真。非物理模型的图像增强算法能提高图像的对比度，增强视觉效果，常用的算法包括直方图均衡算法、自动颜色均衡算法、Retinex 算法[8-10]、线性对比度拉伸[11]等，其中单尺度Retinex(Single Scale