基于暗原色先验去雾算法的研究与改进
改进的基于暗原色先验的图像去雾算法
文 章 编 号 ： １ ０ —２ ９（ ０ １ ２０ ０ ６ ０ ７０ ４ ２ １ —０ ７ ０ １０
电路 与 系 统 学 报
Ｊ ＵＲＮＡ Ｌ Ｏ ０Ｆ ＲＣＵ Ｉ ＣＩ ＴＳ ＡＮ Ｄ Ｙ ＳＴＥＭ Ｓ Ｓ
Ｖ Ｏ ．６ １１
２１ 大 气散 射 模 型 ．
解 决 问题 之 前 ， 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 ： 通
Ｊ ） （ ＝Ｊ（ ｔｘ ＋Ａ（ 一ｆ ） ｘ）（ ） １ （ ） （ ） １
（ ）式 中 ， Ｊ 观 测 图像 的强 度 ，．是 景 物 光 线 的 强度 ， 是 无 穷远 处 的大 气 光 ，ｆ 为透 射 率 。 １ 是 ， 称
摘 要 ｔ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
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 己知 信 息 量 不足 ， 因此 图像 去 雾 恢 复 是 个 不适 定 的反 问题 。为 了
基于暗原色先验的图像去雾算法研究的开题报告
基于暗原色先验的图像去雾算法研究的开题报告一、研究背景及意义近年来，图像去雾是计算机视觉领域中备受关注的研究方向之一。
由于许多自然场景中存在着雾、烟雾等气溶胶，这些气溶胶对于图像质量和可视性的影响巨大。
因此，如何去除这些噪音并恢复清晰的图像，对于提高图像的质量和可视性具有重要意义。
图像去雾算法的研究和应用在计算机视觉、计算机图形学、遥感图像处理等领域广泛应用。
目前，已经有许多图像去雾算法被提出，如单尺度Retinex、Dark Channel Prior、全自动物理模型、分层反卷积等。
但是，在实际应用中，这些算法仍然存在以下几个问题：去雾效果不理想、存在较大的计算复杂度和较大的计算误差等问题。
因此，如何提出一种高效、准确、实用的图像去雾算法，是当前研究的重点。
二、研究目标和内容本文的研究目标是基于暗原色先验的图像去雾算法的研究，旨在解决现有算法的不足，提高去雾算法的准确性和效率。
具体研究内容包括：1. 基于暗原色的理论研究：分析暗原色与气溶胶之间的物理关系，研究暗原色先验在图像去雾中的作用和作用机理。
2. 基于暗原色先验的图像去雾算法设计：基于暗原色先验，设计一种新型的去雾算法，包括暗通道先验、暗原色先验和模糊先验等关键步骤。
3. 算法实现与优化：设计并实现基于暗原色先验的去雾算法，利用图像处理的相关技术对算法进行优化和改进，降低算法的时间复杂度和计算误差。
4. 算法评价：选取不同的数据集和评价指标，对所提出的算法进行定量和定性评价。
与现有的各种算法进行对比分析，检验本文算法的可行性和效果。
三、预期研究成果1. 基于暗原色先验的图像去雾算法：提出一种全新的图像去雾算法，以暗原色先验为主要思想，采用暗通道先验、模糊先验等关键步骤实现图像去雾。
2. 算法的优化和改进：利用图像处理技术和优化算法，降低算法的复杂度和误差，提高算法的运行速度和准确性。
3. 算法的应用分析：对算法的实际应用进行分析，如在图像处理、计算机视觉、计算机图形学等领域的应用。
基于改进的暗原色先验图像去雾算法
基于改进的暗原色先验图像去雾算法杨斌;林志贤;郭太良【摘要】针对在暗原色先验理论下天空区域的透射率预估过小以及大气光值求取受白色物体干扰的缺陷,提出一种改进的基于暗原色先验图像去雾算法.首先将归一化的亮度-饱和度差值图像与粗略透射率逐一比较,取最大值作为新的透射率;其次通过晕光算子操作获取大气光值描述区域,以获得正确的大气光值;最后根据大气散射模型复原图像.实验结果表明,与其他典型去雾算法相比,所提的算法处理时间较短,复原图像细节突出,色彩真实无失真.【期刊名称】《微型机与应用》【年(卷),期】2018(037)005【总页数】5页(P75-79)【关键词】亮度-饱和度差值;晕光算子;暗原色先验;去雾【作者】杨斌;林志贤;郭太良【作者单位】福州大学物理与信息工程学院,福建福州350100;福州大学物理与信息工程学院,福建福州350100;福州大学物理与信息工程学院,福建福州350100【正文语种】中文【中图分类】TP309.70 引言在雾霾天气情况下，视觉系统获取的图像会受到雾霾颗粒对可见光散射作用的影响，出现对比度小、细节模糊等退化现象，影响视觉系统正常工作。
因此复原雾天图像具有重大的必要性。
目前，图像的去雾算法主要有两个分支：基于图像增强和基于图像复原[1-2]。
其中基于图像增强去雾的本质是进行图像对比度的增强，但该类方法可能会损失图像信息，导致图像失真，其中以Retinex算法为代表[3-4]。
而基于图像复原的去雾方法，本质是构建雾天图像的物理模型，反推雾天图像退化过程来复原清晰图像。
这种方法复原的图像色彩自然真实，不易出现图像信息损失。
2008年，TAN R T[5]基于清晰图像比有雾降质图像具有更高的对比度这一前提，通过最大化图像的局部对比度来获得清晰图像，但该方法容易造成色彩过于饱和且容易失真的问题。
KIM J H[6]等人提出了构建包括对比度和信息丢失的成本函数，通过求解成本函数最小值来获得每个区域块最佳的传输率值，再结合雾天降质物理模型复原图像，该算法所复原的图像对比度高，信息损失小。
基于暗通道原理的图像去雾算法改进
电子技术与软件工程Electronic Technology&Software Engineering计算机与多媒体技术Computer And Multimedia Technology基于暗通道原理的图像去雾算法改进倪金卉(吉林建筑科技学院吉林省长春市130114)摘要：本文基于暗通原理改进的去雾算法针对透射率细化过程比较耗时的问题，通过结合Retinex算法进行改进；针对暗通道去雾类似区域出现颜色失真、色偏效应，采用分割出天空区域在求取大气参数A,提高求取大气参数A的精度，并结合阈值法对透射率加个增幅项；针对暗通道去雾处理后的图像有偏暗的现象，采用自适应对数映射算法进行色调调整.该改进算法能较好的还原出无雾图像，并具有很好的保留边缘细节信息等特性.关键词：图像去雾；暗通道去雾；透射率；还原图像雾是十分普遍的大气现象，釆集图像时目标图像和雾被一起釆集，这种图像比无雾图像看起来朦胧模糊且伴有颜色偏灰白、对比度下降现象。
何恺名博士通过大量户外自然图像釆集实验得出，在户外自然无雾图像中，除去天空区域外，绝大多数的图像数据块中都有一些在某个色彩通道上亮度值很小的像素，并提出了暗通道先验原理模型，通过暗通道先验假设直接恢复岀无雾的图像。
但在实际应用中，利用软抠图算法来细化粗糙的透射率，会导致算法的复杂度很高。
经过大量实验对比分析，本文题提出一种基于暗通道先验原理的改进算法。
户外釆集的图像，天空区域一般在图像的中上部，利用这种特点对是否存在天空进行判断和分割。
从而避免高亮物体对大气参数求取过程的影响并提高了求取大气参数的精度。
结合Retinex算法、利用快速双边滤波器对透射率滤波从而消除Halo现象和色彩失真。
针对像素点的值接近大气光值时，对透射率加上增幅项来消除出现的色斑色块效应。
1暗通道先验原理去霧算法1.1大气散射模型在近些年计算机视觉领域，有一种得到广泛应用的雾天图像成像物理模型为：I(x)=/(/(x)+/1(1-r(x))(1)其中，I(x)为获取的有雾降质图像：J(x)为无雾的场景真实图像：A为大气参数；t(x)为透射率。
基于暗通道先验的图像去雾算法改进研究
基于暗通道先验的图像去雾算法改进研究摘要：暗通道先验去雾算法求得的的透射率比较精细，去雾效果优于大多数去雾算法。
然而在暗通道求取过程中，最小值滤波的处理会使得暗色向外扩张，导致透射率扩张变大，使得去雾后的图像在边缘部分产生“光晕”现象。
为了减弱光晕效应，利用形态学理论对粗略透射率进行腐蚀处理，腐蚀掉扩张变大的透射率，然后使用容差机制修复不符合暗原色先验的明亮区域透射率，再使用引导滤波精细化透射率，最后利用去雾模型复原图像。
实验表明，改进后的算法去雾效果更佳、去雾速度更快，具有更强的鲁棒性。
关键词：暗通道先验去雾；腐蚀；引导滤波DOIDOI：10.11907/rjdk.161089中图分类号：TP312文献标识码：A 文章编号：1672-7800（2016）005-0030-040 引言雾霾天气不仅影响人们的出行，也给视频监控、自动驾驶等涉及室外图像应用的领域带来了很大挑战，并引起了相关研究人员的重视，如今已出现了不少研究成果。
图像去雾的研究方法可分为两大类，基于图像增强的方法和基于物理模型的方法。
早期图像去雾研究主要利用图像处理的知识来去雾，Kim[1]提出对雾图进行局部直方图均衡处理的方法，这种方法根据每个像素的邻域对像素进行处理，可以突出图像的特征，但运算量较大，算法复杂度较高。
Land[2-3]基于色彩恒常性提出了Retinex即视网膜皮层理论，其后出现了一些基于Retinex的图像增强算法[4-6]，与其它图像增强算法相比，基于Retinex的图像增强算法处理的图像，局部对比度相对较高，色彩失真较小。
基于图像增强的去雾方法可以利用成熟的图像处理算法来增强图像的对比度，突出图像中的特征信息，但这种方法会造成图像部分信息损失，导致图像失真。
图像去雾的另一类是基于物理模型的方法，该方法研究大气悬浮颗粒对光的散射作用，通过大气散射模型来复原图像，恢复的图像效果更真实，图像信息能得到较好保存。
Narasimhan等[7]提出了雾霾天气条件下的单色大气散射模型，后来基于物理模型的方法几乎均建立在此模型之上。
改进的暗原色先验去雾算法
改进的暗原色先验去雾算法杨帅;张明【摘要】In order to better eliminate the targeted haze in image, an improved haze removal algorithm aiming to solve the shortage of original dark channel prior is proposed. First, the self-adaptive boundary is used to obtain the dark channel region block, and the interval of the atmospheric light intensity is estimated. Then, the transmittance repair method is improved. By including fault tolerance method, the improved algorithm can conveniently deal with the bright area which the original algorithm did not handle. The experimental results show that the improved algorithm can effectively remove the haze and bright area of the image.%为了更好的消除图像中部分雾气, 解决传统暗原色先验去雾算法的不足, 提出了一种改进图像去雾算法. 采用自适应取界获取暗原色区域块, 对大气光强进行区间估计, 改进了透射率修复方法, 通过引入一种容错方法, 使算法能更好地处理不满足暗原色先验的强光区域. 实验结果表明, 改进算法能有效去除图像的雾气和强光区域.【期刊名称】《计算机系统应用》【年(卷),期】2018(027)006【总页数】6页(P118-123)【关键词】去雾;自适应;暗原色先验;容错;强光区域【作者】杨帅;张明【作者单位】上海海事大学信息工程学院, 上海 201306;上海海事大学信息工程学院, 上海 201306【正文语种】中文对现代计算机视觉系统图像去雾研究[1]而言,雾霾天气是影响图像清晰度的重要因素之一,由于大气污染的持续存在,导致光学传感器获取的图像严重降质,直接影响航空、海运和道路交通安全.其中如各类监控系统,在大雾或者恶劣天气下往往无法正常工作.因此,简单有效的图像去雾算法越来越成为计算机视觉系统中不可或缺的部分,对系统的健壮性和鲁棒性具有一定的意义.目前,单幅图像去雾有了很好的研究,其中包括直方图均衡化算法[2]、同态滤波算法[3]、以及Retinex[4]算法等.由于雾化的图像质量较低与场景点到成像传感器的距离成指数关联,导致雾天远近景增强后的场景深度信息丢失,颜色失真也较为明显.最新的是基于大气散射场物理模型[5]的方法.这类方法通过分析图像降质的机理,基于大气散射场规律建立了图像退化模型,求解去雾后的图像,具有内在的优越性.但是,这一方法需要掌握大气光强和场景深度.为了达到较好的应用,基于单幅图像去雾算法的研究[6]已成为当今热点.何凯明[7]提出了暗原色先验理论的去雾算法,在图像信息研究几十年的当今社会,该理论的诞生发现了图像本质的新特性,无疑是计算机视觉领域的一大突破.该算法利用暗原色先验粗估计介质透射率,并借助软抠图算法细化透射率,估算出大气光强,最后基于大气散射场模型复原出无雾图像.该算法虽然对一般户外图像去雾取得了不错的效果,但该算法建立在暗原色假设上,对图像中的强光区域,透射率估计偏小,结果出现色彩失真.本文基于暗原色先验的原理,对该算法进行了部分改进.首先,介绍基于暗原色先验原理的去雾算法;之后,分析暗原色先验算法的不足部分,并加以优化;最后,通过实验展示和客观评价表明算法优化的可行性.1 暗原色先验去雾1.1 大气散射场模型在计算机视觉与图像处理中,公式(1)描述了雾化图像的散射模型：其中,I(x)是去雾前图像强度,J(x)是去雾后图像强度,A是大气光强,t(x)为雾的浓度,即透射率.其中前一项t(x)J(x)为像素衰减项,(1-t(x))A为折损光强.后式ρ(x)为反照率.1.2 暗原色先验暗原色先验是基于统计观察户外无雾图像得出的结论：大部分的无雾图像,在每个局部区域内都存在着一个或多个颜色通道的强度值很低的像素点,这些区域就是图像中的暗原色块.对图像J的定义：Jdark(x)是以x像素点为中点的像素区域块的暗原色,He等人[7]规定15×15像素来划分图像的区域块,代表J的一个颜色通道,其中是以x为中心的一块方形区域,经过大量实验观察,在每个方形区域总存在灰度值很低的{R,G,B}通道,抽取出这些块的灰度值,可以得到该图的暗原色图.1.3 暗原色先验去雾过程首先,通过给定的大气散射场模型,我们得知了图像雾化的物理模型公式,假设给定A 的情况下,(1)式两边同除A,并取区域块中各颜色通道的最低灰度值,变换如下：根据暗原色先验的规律,无雾图像的暗原色项Jdark趋近于0,导出如下公式：把式(4)带入式(3),求得透射率为：对于处理后的图像而言,彻底消除雾气的存在,会导致图像看起来不真实,所以,引入一个参数ω(0<ω<1),加在求取原图区域块的暗原色前,保留图像远景中的部分雾,ω在文献[7]中取值为0.8,修改后公式：通过以上方法只能粗略估算出图像中的透射率,为了提高透射率精度,应用一种导向滤波(Soft Matting)算法来完善透射率的离散分布函数.推导出以下公式求解细化后的透射率t.式(7)中, λ是一个修正参数, L是拉普拉斯矩阵.通过细化透射率后,得到的t(x),由式(8)推算出去雾的图像：其中,t0取0.1,A的估算取雾化图的暗原色0.1%亮度最大的像素,并取其中亮度最大的作为A的固定值.但是,A并不一定是图像中的最亮点.对于大部分雾化图像而言,暗原色先验算法可以取得很好的处理效果,如图1显示,颜色恢复较为真实.图2中显示图像复原后的 J dark灰度分布直方图,图像整体灰度趋向于0,说明了暗原色理论的可靠性.2 改进算法2.1 自适应取块本文基于暗原色先验去雾的整个流程,从每一阶段分析暗原色去雾算法可优化的部分模块.本文提出用自适应取块的方法改进以上算法的不足.由于图像数据库里面的图片像素尺寸参差不齐,如果按照暗原色取块15×15像素的方法,当处理大像素图片时,会造成算法的时间复杂度增加,相反若处理的图像像素过小,按照暗原色区域块执行程序,会造成区域块暗原色错误估计,导致恢复后图像块状化严重,图像失真.基于此,本文采用自适应取块的方法,取原图分辨率的2%自动调节暗原色区域块.公式如下：上式,Block为暗原色区域块的像素个数(一般以矩阵显示).这样就可以自适应的为图像分块,避免了用整齐划一的方式来处理大小不一的图像.图1 暗原色先验去雾算法展示图2 雾化图像暗原色灰度直方图2.2 大气光值的估计暗原色先验去雾算法,对大气光值A的估计是从暗原色中选取0.1%亮度最大的像素,然后取这些像素对应于原图像中的最大值作为大气光值.如果图像暗原色求取中块的尺寸大于天空区域,天空区域可能会被过滤.所以,本文采用区间估计的方法,提高大气光值估计的鲁棒性.考虑到原图像的暗原色图中白色物体对大气光值估计的差异,对(1)式后式两边进行灰度开运算(先腐蚀再膨胀),可得：式中,当开运算中元素的尺寸大于 Idark中白色物体的尺寸时的取值趋向0.因此,式(10)可以改成：进而推导出的表达式：上式,t′(x)为透射率 t(x)的初始值.由于t′(x)中像素的取值不大于 t(x)中像素的取值,所以A的取值应大于中像素的最大值,则A可表示为：又因为,通常情况下,A的取值不大于原图像中像素的最大值.故此,A的取值为：由式(14)我们可以推出A的区间估计为式中,Δ为调节系数,取值范围为0≤∆≤1.本文定义的表达式为：上式所表达的含义是,对开运算后的中所有元素求其几何均值,n为图像分辨率数比上区域分块的分辨率数,由于本算法采用的是自适应取块,所以n具体数值为2.5E+04.2.3 高斯型双边滤波图3(b)显示了暗原色先验去雾过程中粗估计的透射率会导致去雾图像产生白边现象,这种现象是因为雾图中远近景的深度信息影响,导致边缘差异过大,从而复原的图像中会出现边界白边现象.为了解决这种现象,要对透射率图进行适当的细化和修复处理.He[7]利用的是导向滤波方法.由于使用预处理共轭梯度算法求解大型稀疏矩阵(Matting Laplacian Matrix[8]),但是给整个运行过程带来了巨大的计算量,占用了大量的时间和内存,限制了算法的推广.当然这些原因不是制约He[7]方法的关键,算法最主要的瓶颈还是计算速度和时间复杂度.本文针对He[7]透射率细化方法复杂度高、运算时间长、不适合实时处理等问题,结合双边滤波[9]方法,提出了改进的高斯型双边滤波方法.该方法不仅可以平滑透射率,而且很好地保留了边缘信息的突变景深.最重要的是,在算法复杂度上双边滤波方法比导向滤波方法有很大幅度地降低,一定程度上降低了时间复杂度.图3 边界白边现象本文使用高斯型双边滤波,即空域和值域平滑函数均是高斯函数.对于透射率t′(x)的粗估计,利用高斯型双边滤波进行细化操作,可表示为：式中,t′(x)是应用暗原色先验求得的透射率粗估计值,Ω(x)表示中心点(x,y)的(2N+1)*(2N+1)大小的领域窗口,N为双边滤波器的半宽,其中越大,表示平滑效果越强.I是图像的强度值.Ghs和Ghr为高斯函数.w(x)为归一化系数,其表达式如下：双边滤波器主要参数有：N,hs和hr.当滤波领域半径N较小时,hs值接近1,作用发挥不好;当N较大时,会导致时间复杂度增加.在图像平缓区域,领域内亮度值比差小,此时双边滤波转化为高斯低通滤波;而在图像变剧烈的区域,边缘点的亮度可以用附近亮度值相近的像素的代替,所以双边滤波既能平缓图像又可以保持边缘.本文采用双边滤波对透过率图修复,进行了平滑和细化处理.如图4所示.图中4(b)给出了带雾图像的透射率粗估计图,可以看出,图中有明显的块状效应,细化后图中,He[7]的软件抠图效果最好,细节明显,图像层次感强(图4(c)所示);本文双边滤波参数的选择是：双边滤波器的半宽N=6.7,即双边滤波器窗口大小为：自适应Block;空域高斯模板hs=5.8,值域高斯模板hr=0.29.从结果图中可以看出,细节信息有所加强,修复后基本能抓住尖锐边缘的不连续性,并且勾勒出物体的轮廓,消除白边现象,较之粗估计的结果变得细腻、平滑(图4(d)所示).图4 透射率细化图通过大量的实验比较,如图5所示,本文采用的双边滤波修复透射率方法,可以有效的去处边缘的白边现象,相比He[7]软抠图细化透射率方法,具有相似的处理效果,使得图像突变边缘平滑、细腻、真实率高,而且图像复原后的去雾能力十分明显,色彩饱和度和景深信息都到达较好的效果.最重要的是,处理的时间较He[7]的方法更短. 图5 消除白边现象对比图2.4 透射率容错方法文献[7]中,明确说明基于图像中包括天空、偏白色物体、水面等大面积强光区域,去雾后的区域会有部分背离原图的地方.为了解决这个难点,需改进算法,实现不同场景下雾化图像的去雾能力.回溯式(3),在不考虑暗原色假设的前提下,真实的透射率如下所示：在强光区域,透射率不会近似为0,实际的透射率要大于暗原色先验细化估计的透射率假设在强光区域,应用暗原色先验原理,该区域的{R,G,B}颜色通道不会有明显的暗色道,都接近白的灰度级1(归一化).是三通道的灰度级综合求彩色图像.所以,当3通道方向不一致(有的通道大于A,有的通道小于A)时,通道间颜色值的差异会被放大,即使t0=0.1,差异也会被放大.这样就会产生,强光区域自然色的色偏和不和谐,即色彩失真.如图6所示.图6 强光区域的雾化图像处理图综上可见,如果想保留原图的真实色彩,就必须调整光强区域的透射率,使得估计值更加接近 treal(x),同时又不破坏暗原色先验去雾的模型.基于此,文献[10]等提出定义一个容差参数K对图像中强光区域进行区分.但是该算子,虽然可以区分弱光区和强光区,但是在最后强光区处理的效果上显示的色彩饱和度过高,图像对比度过强,失去了图像的真实感,如图7(b)所示.所以,本文提出容差方法是建立在文献[10]的基础上,对该算子的进一步优化,使得强光区的去雾效果更真实.本文在大量实验数据的结果上,提出了一种比容性透射率容差方法.公式如下：式中,t′′(x)为比容性容差修正的透射率,t(x)为暗原色先验估计细化的透射率,n是本文算法提出的暗原色区域块数,是对暗原色图中所有的灰度值累加的和,本文规定为强光区,此时重新计算透射率,反之认为是弱光区,满足暗原色先验的区域,可以进行去雾算法.本文算法改进了强光区的透射率,使得其不会偏向t0.这种方法是对暗原色先验的补充和优化,使其不但可以处理弱光区,而且还可以正确的左右于强光区.简言之,对接近大气光强A的区域把去雾能力降到最低,因为从真实的视觉考虑,雾气在这些较白的区域里面也不是很明显,就是弱化处理该区域,使得图像真实立体感更强.图7展示了文献[7]和[10]以及本文算法的去雾图像.为了更加实际的看出强光区域(图7红色矩形区域)去雾后的三原色差异,本文通过实验展示了文献[7]、文献[10]以及本文算法去雾后的{R,G,B}通道的灰度直方图.如图8所示.图7 强光区域的雾化图像处理图如上可得,本文算法去雾后强光区域{R,G,B}通道灰度值更大,更接近实物颜色.3 实验与分析本文操作是在一台处理器为2.30 GHz的Intel (R)Core (TM) i5-6300HQ CPU的PC机上处理雾化图像.平台是Matlab 2016a.实验效果如上几节图中所展示.本文选取客观评价,先对比图5中本文算法和文献[7]暗原色先验算法的时间复杂度的大小,通常时间复杂度O(n)越大,说明运行时间越长,CPU的开销越大.评价数据如表1所示.可见,本文的双边滤波细化透射率的方法有较好的运行时间,虽然图像深度效果上不比暗原色先验软抠图细化透射率的方法柔和,但是一定程度上达到人的视觉欣赏特点,并且图像突变部分显得比较平滑清晰,最主要的是,运行时间较少,有利于算法的扩散与复用.最后,对比图7强光区域的色彩效果,本文从细节、色调及结果信息方面来验证本算法的通用性.评测数据如表2所示.图8 强光区域的雾化图像处理图表1 时间复杂度比较(单位：s)文献[7] 19.578 94 20.240 57本文算法 9.156 87 10.059 86表2 图7去雾算法质量评测细节质量 0.448 0.451 0.460还原程度 0.696 0.8180.755结构信息 0.978 0.912 0.981从评测可见,文献[7]算法和文献[10]在图像细节和结构信息中和本文算法差异很小,说明soft matting在图像细节处理方面很到位,而色调方面即饱和度,文献[10]算法色调偏亮,图像去雾后颜色比较鲜艳.综上所述,本文算法在图像保质方面同样具有不错的效果.4 结束语通过对暗原色先验理论的研究,发现该理论虽然存在部分的不足,但大体上对雾化图像的去雾效果仍有空前的效果.本文针对原理的部分不足,做出了细致的优化与改进,但是时间与质量往往都是均衡的,本文只能做到在图像能保真的情况下,相应的提上图像处理的速度.本文通过各种方优化暗原色先验的透射率以及图像中的大气光A 的准确估计,同时使用双边滤波器处理去雾图像白边现象,不仅保证了图像的平滑和清晰,而且降低了算法的运行时间,最后通过对透射率的限定,可以对图像中强光区域进行弱处理来改进图像去雾后色彩失真现象.参考文献【相关文献】1 吴迪,朱青松.图像去雾的最新研究进展.自动化学报,2015,41(2)：221-239.2 艾明晶,戴隆忠,曹庆华.雾天环境下自适应图像增强去雾方法研究.计算机仿真,2009,26(7)：244-247.3 张新明,沈兰荪.基于小波的同态滤波器用于图像对比度增强.电子学报,2001,29(4)：531-533.4 刘海波,杨杰,吴正平,等.基于暗通道先验和Retinex理论的快速单幅图像去雾方法.自动化学报,2015,41(7)：1264-1273.5 孙伟,李大健,刘宏娟,等.基于大气散射模型的单幅图像快速去雾.光学精密工程,2013,21(4)：1040-1046.6 毕笃彦,葛渊,李权合,等.单幅图像去雾方法研究.空军工程大学学报(自然科学版),2013,14(6)：46-53.7 He KM,Sun J,Tang XO.Single image haze removal using dark channel prior.Proceedings of 2009 IEEE Conference on Computer Vision and PatternRecognition.Miami,FL,USA.2009.1956-1963.8 He KM,Sun J,Tang XO.Fast matting using large kernel matting Laplacianmatrices.Proceedings of 2010 IEEE Conference on Computer Vision and Pattern Recognition.San Francisco,CA,USA.2010.2165-2172.9 孙抗,汪渤,周志强,等.基于双边滤波的实时图像去雾技术研究.北京理工大学学报,2011,31(7)：810-813,822.10 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.电路与系统学报,2011,16(2)：7-12.。
改进的基于暗原色先验的图像去雾算法
改进的基于暗原色先验的图像去雾算法蒋建国;侯天峰;齐美彬【期刊名称】《电路与系统学报》【年(卷),期】2011(016)002【摘要】Images captured in fog suffer from poor contrast and visibility. It is important to remove weather effects from the degraded image in order to make vision systems more reliable and more robust. An improved method is proposed to overcome the weakness of original algorithm. By including tolerance mechanism and adaptive efforts to fog, the improved algorithm can effectively deal with the sky, white object, and so bright area that do not meet the assumptions of dark channel, to overcome color distortion which is arise by using the original algorithm dealing with these areas. Experimental results show that such changes is feasible, to eliminate color distortion of the image, visibility can be significantly enhanced.%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.【总页数】6页(P7-12)【作者】蒋建国;侯天峰;齐美彬【作者单位】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;安全关键工业测控技术教育部工程研究中心,安徽,合肥,230009;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【正文语种】中文【中图分类】TN911.73【相关文献】1.基于暗原色先验图像去雾算法的研究与改进 [J], 王亮;万舟2.基于改进的暗原色先验图像去雾算法 [J], 杨斌;林志贤;郭太良3.基于暗原色先验图像去雾的改进算法 [J], 李春江;禹素萍;许武军;范红4.基于改进的暗原色先验图像去雾算法 [J], 杨斌;林志贤;郭太良;5.基于暗原色先验的图像去雾改进算法 [J], 严莉; 王玮; 刘荫; 殷齐林; 刘越因版权原因，仅展示原文概要，查看原文内容请购买。
基于暗原色先验图像去雾算法的研究与改进
基于暗原色先验图像去雾算法的研究与改进作者：王亮万舟来源：《软件》2017年第09期摘要：暗原色先验算法在单幅图像去雾方面有较好的效果，但该算法对处理器要求较高，且耗时长，很难应用于对实时性要求较高的图像去雾。
针对这一问题，提出了一种基于暗通道先验的改进算法：首先用高斯滤波替代软抠图方法消除块状效应、平滑透射率，根据给定的雾浓度系数粗略恢复无雾图像；然后增大雾的浓度系数，结合峰值信噪比和暗原色先验算法对图像进行去雾处理，最终恢复无雾图像。
与典型的去雾算法相比，改进后的算法运算量显著减少，保证去雾效果的同时计算速度明显提高。
关键词：暗原色先验；图像去雾；高斯滤波；峰值信噪比0 引言目前，无人机广泛用于航拍、交通监测、空中侦察和测绘等方面。
其轻便、机动灵活、隐蔽性强的特点，使其具有很高的应用价值，越来越受到人们的重视。
然而无人机雾天执行任务时，由于大气中气溶胶对光线的吸收和散射作用，造成无人机拍摄图像质量下降。
图像的退化和模糊使得图像中基本信息特征失真受损，导致目标识别不清。
因此，对无人机图像进行去雾技术研究意义重大。
雾天下由于从目标物体反射的光线与大气粒子的相互作用，发生折射、散射、吸收融合等光学现象，造成能量大幅衰减，感光装置接收到的光线强度发生变化，从而引起图像灰度值分布过于集中、像素间的对比度降低等。
目前无人机去雾算法主要分为两类：基于图像处理的图像增强，通过对雾化图像锐化处理提高对比度，凸显图像中的细节信息，但会造成一定的细节丢失，并不能真正地实现去雾。
该类方法主要包括gamma校正、直方图均衡、小波变换、对比度拉伸等；第二，基于物理模型的图像复原，通过对整个过程清晰的了解构建物理模型，反演退化过程，获得清晰无雾的图像。
该类方法主要包括基于偏微分方程、基于深度关系、基于先验信息等。
如基于暗通道先验的图像去雾算法，虽然能获得较好的清晰度和对比度，但该基于先验信息的方法依然存在计算复杂，明亮区域透射率估算不准确，色彩过于饱和等问题。
基于暗原色先验的去雾理论与算法的学习
暗原色先验去雾原理
暗原色先验去雾原理
• 上述推论中都是假设全球大气光A值是已知的，在实际中，我们可以借助于 暗通道图来从有雾图像中获取该值。具体步骤如下： • 1） 从雾化暗通道图中按照亮度的大小取前0.1%的像素。 • 2） 在这些位置中，在原始有雾图像I中寻找对应的具有最高亮度的点的值， 作为A值。 • 到这一步，我们就可以进行无雾图像的恢复了。由上式可知： • J = ( I - A)/t + A
基于暗原色先验的去雾理论与算法的学习报告
By唐建城 杨琪泽
去雾除霾现实意义
近几年空气质量退化严重，雾霾等恶劣天气出现频繁，PM2.5值越来越 引起人们的广泛关注。 在有雾天气下拍摄的图像模糊不清，清晰度不够，细节不明显，色彩保 真度下降，出现严重的颜色偏移和失真，达不到满意的视觉效果。 限制和影响了室外目标识别和跟踪、智能导航、公路视觉监视、卫星遥 感监测、军事航空侦察等系统效用的发挥，给生产与生活等各方面都造 成了极大的影响。 以公路监控为例，由于大雾弥漫，道路的能见度大大降低，司机通过视 觉获得的路况信息往往不准确，进一步影响对环境的判读，很容易发生
暗原色先验去雾原理
• 但是当t值很小时，会导致J的值偏大，从而使得图像整体向白场过渡，因此 一般可设置一阈值T0，当t小于t0时，令t=t0。在单幅图像去雾算法中，t0通 常被设置成0.1。最终恢复公式：
暗原色先验去雾原理
• 下面直接用上述理论进行图像恢复，去雾效果也是可以的，但边框会出现模 糊，左边是原图，右边是恢复后的图像
暗原色先验去雾原理
基于暗原色先验的图像去雾算法研究
基于暗原色先验的图像去雾算法研究作者：兰军明来源：《软件导刊》2016年第04期摘要：受雾气环境影响，图像往往出现退化现象。
在基于暗原色先验原理的去雾算法中，大气光值的估计对去雾效果有着直接影响。
首先判断图像中是否包含天空区域，对含有天空的图像以像素点位置信息与其对应的亮度分量作为估计条件，求取大气光值。
实验结果表明，该方法针对不同场景进行去雾时，有较强的鲁棒性，能够获取更加准确的大气光值，从而有利于增强复原图像整体视觉效果。
关键词关键词：暗原色先验；大气光；去雾中图分类号：TP317.4 文献标识码：A 文章编号：1672-7800（2016）004-0188-020引言近年来，雾霾天气频繁，在雾霾环境中，各种成像设备的功能受到一定限制，如采集画面对比度低、彩色饱和度弱、图像信息失真严重等。
目前，对于图像去雾的研究主要集中在两个方面[1]：一是在图像本身的基础上对图像进行降噪处理，并不考虑图像所带有的景深等内部信息[2-3]。
此类方法简单、快速，但处理效果一般；二是在物理模型的基础上，对图像形成的过程进行模拟、建模。
然后将已知条件代入模型中，求得无雾图像[4-5]。
这类方法效果明显，结果更接近实际。
本文在暗原色理论的基础上建立模型，准确选取大气光值，获得更好的去雾效果。
1暗原色先验去雾算法1.1物理模型根据光在雾天环境下传输的物理特性，建立物理模型，本文使用McCarney大气散射模型[2]模拟雾天图像形成的过程：I（x）=J（x）t（x）+A（1-t（x））（1）其中，x表示某一个像素点，I（x）为有雾图像，J（x）为要复原的无雾图像，t（x）代表透射率，A是无穷远处的大气光值。
通过假设和先验知识可求得未知量t（x）、A，进而求解得到无雾图像J（x）。
1.2基于DCP的去雾算法He等[6]通过观察大量户外无雾图像发现，在绝大多数非天空区域，某些像素RGB三个通道中至少存在一个通道具有很低的光强度。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
２ ０ １ ４年 ２月
成
都
信
息
工
程
学
院
学
报
Ｖｏ Ｌ２ ９ ＮＯ． １ Ｆｅ ｂ．２ ０１ ４
Ｊ Ｏ ＵＲＮ ＡＬ ＯＦ Ｃ ＨＥ ＮＧ ＤＵ ＵＮＩ ＶＥ Ｒ Ｓ Ｉ ＴＹ Ｏ Ｆ Ｉ Ｎ Ｆ ＯＲ ＭＡＴＩ ＯＮ Ｔ ＥＣ Ｈ ＮＯＬ ０ ＧＹ
以改进 。
１ 雾 天 条 件 下 的 图 像 增 强
１ ． １ 大 气 散射 物理 模型
何凯ｉ ￣Ｃ １ ５ ３ 的暗原色先验去雾方法是基于文献 ［ １ ８ ］ 的大气物理散射模型 （ 如图 １ 、 图２ 所示 ） 进行 的， 该模型
收 稿 日期 ： ２ ０ １ ３ ． １ １ — １ ５ 基金项 目： 四川省 ２ ０ １ ０基础研究计划项 目（ ２ ０ １ ０ ． １ Ｙ ０ １ ８ １ ）
摘要 ： 在雾天情况下 ， 室外 采集到的图像易受 到噪声 干扰 ， 质量降 低 ， 清 晰度下 降 。在对 常用 的几种 图像去雾
方法 的对 比分析 及研 究的基础上 ， 提 出了改进的基于小波变换结合 暗原色先验 去雾 的快 速算法 。通过小 波分解 可
求 出近似环境光 ， 对环境光 ， 大气光 的估计 ， 可对原图像进行复原 。实验表 明， 改进 的算法不但 去雾效果 明显 ， 图像 色彩 丰富 ， 而且可 以有效地减少 运行 时间 ， 提 高运 行速度。
Ｉ （ Ｘ ） 指平时拍摄到的有雾图像 ， Ｊ （ ） 为要恢复的无雾图像 ， Ａ（ ｘ ） 环境光成分 ， ｔ （ ｚ ） 是透射率 ， 图像去雾 就是通过估算环境光 Ａ（ ｘ ）， 透射率 ｔ （ Ｘ ）， 求出无雾图像 Ｊ （ ｚ ） 。方程 中的第一项 Ｊ （ ｚ ） ｔ （ ｚ ） 为衰减模型 ， 第二 项 Ａ（ ） （ １一 ｔ （ ） ）是环境 光模 型 。
面带来 了很大 困难 。因此对 雾 天 图像 进行 去雾 处 理成 为近 些年 的研究 热点 。
近年来 国内外许多专家学者在图像去雾方面都做了大量研究。国外对 图像去雾方面研究 比较早 ， 早期 的许 多去雾方法都是对同一场景进行长年观测ｌ ＿ １ Ｊ ， 得到多幅图像 ， 通过这些 图像对 比， 得 到该 区域的景深， 能见度
等参数 ， 利 用这 些参 数进 行 去雾 ， 这种 方法 主要 用 于理论 研 究 ， 在生 产 生 活方 面 利用 还 不 是很 广 泛 。近 几 年 主要
是针对单一 图像进行去雾分析ｌ ６ － ７ ］ ， 只有图像本身信息， 主要方法是利用增强图像对 比度来去雾 ， 真正利用雾霾 成 因和大气散射物理模型的不多， 进展也不大。文献［ ８ ］ 是用直方图均衡化来处理雾天 图像 ， 将图像所在 区域的
关 键 词： 信号与信息处理 ； 图像 处理 ； 去 雾； 小波分解 ； 暗原 色先验 ； 快速 文献标志码 ： Ａ 中图分类号 ： ＴＰ ３ ９ １ ． ４
Ｏ 引 言
近些年雾霾天气给人们生产生活带来 了很大影响， 在雾天户外作业时 ， 由于空气折射散射等因素 的影响， 采 集到的图像质量降低 ， 一般很模糊 ， 使得后续工作很难进行 。这给户外监测 、 视频监控 、 目标跟踪 、 图像处理等方
成
都
信
息
工
程
学 院
学
报
第２ ９卷
在计 算机 视觉 和计 算机 图形 中被 广泛 使用 。
—
一 争 一 刍 夸 堕 奈．
一
图 ２ 环 境 光 模 型
根 据衰 减模 型和 环境 光模 型可 以得 到 ： ｊ （ ｚ）＝ Ｊ （ ｚ） ｔ （ ｚ）＋Ａ（ ｚ） （ １一ｔ （ ． ｚ ） ） （ １ ）
文章 编 号 ：１ ６ ７ １ ． １ ７ ４ ２ （ ２ ０ １ ４ Ｊ Ｏ １ ． ０ ０ ６ ５ — ０ ８
基பைடு நூலகம்于 暗原 色先 验 去 雾 算 法 的研 究 与 改进
聂 宁 ， 吴 四九２ ， 朱 明３ ， 程卫东
（ １ ． 成都信息工程 学院电子工程 学院， 四川 成都 ６ １ ０ ２ ２ ５ ； ２ ． 成都信息工程 学院信息中心， 四川 成都 ６ １ ０ ２ ２ ５ ； ３ ． 成都信息工程学院控制工程学院， 四川 成都 ６ １ ０ ２ ２ ５ ）
灰度进行非线性拉伸 ， 通过均衡图像像素来抑制雾霾影响。文献［ ９ ］ 是对直方图均衡化进行改进 ， 通过局部部分 区域进行有 目地直方图增强 ， 可以改善部分图像区域 ， 但是需要人工参与区域的选取 。文献［ １ ０ ］ 利用晴天对 比度
较雾天高的先验 ， 提出通过增强图像的局部对 比度来进行去雾 ， 这种方法在薄雾情况下效果很好 ， 图像的细节和 结 构能 较好 的恢 复 ， 但 图像 有 时候会 因为不 连续 而 出现 许 多空 的块 。文献 ［ １ １ ］ 是 利 用 大气 调 制转 移 函数估 计 大 气对图像影响并且得到图像 的景深 ， 通过得到图像距离 ， 对衰减 的雾天图像进行有 目地 的补偿 以达到去雾 目的。 文献［ １ ２ ］ ￣ Ｕ 是通过对物体散射和辐射等方面的具体研究得到物体的反射率 ， 再结合环境光影响得 到景深等参数 恢 复 图像 ， 但是 其应 用条 件有 限。文献 ［ １ ３ —１ ４ ］ 是 基于 同态 滤波 进行 去雾 ， 将雾 天环 境影 响分 为 照射分 量 和反射 分量 ， 通过对其进行对数运算 ， 滤波去雾 ， 在实际过程 中还是不能很好的区分照射分量和反射分量。何凯明等人 提出基于暗原色先验去雾方法 【 １ ５ Ｊ ， 通过对大量有雾图像进行分析 ， 得出所有有雾图像都存在暗原色区域 ， 通过对 该区域分析可以估计环境光和大气光 ， 从而恢复出原 图像 ， 但其运算速度太慢 ， 不能对图像进行实时性处理。文 献［ １ ６ —１ ７ ］ 分别是将 暗原色先验去雾算法用于航拍和遥感去雾图像处理。论文将介绍暗原色先验去雾算法并加