基于边缘保持滤波的单幅图像快速去雾

第４９卷第３期　２０１５年３月　西　安　交　通　大　学　学　报　

ＪＯＵＲＮＡＬ　ＯＦ　ＸＩ’ＡＮ　ＪＩＡＯＴＯＮＧ　ＵＮＩＶＥＲＳＩＴＹ　Ｖｏ１．４９　Ｎｏ．３　

Ｍａｒ．２０１５　

ＤＯＩ：１０．７６５２／Ｘｊｔｕｘｂ２０１５Ｏ３Ｏ２２　基于边缘保持滤波的单幅图像快速去雾　

唐晓庆，范赐恩，刘鑫　（武汉大学电子信息学院，４３００７９，武汉）　

摘要：为了解决基于暗通道先验的图像去雾算法运行效率低下的问题以及天空等明亮灰白区域去雾后的色　彩失真问题，提出一种基于边缘保持滤波的单幅图像快速去雾算法。首先根据暗通道先验规律，得到粗略的　透射率图和大气光估计值；然后用边缘保持滤波算法对粗略透射率滤波得到细节平滑、轮廓清晰的精细透射　率图；再用阈值法对灰白明亮区域的透射率修正，之后用边缘保持滤波算法对修正后的透射率进行平滑，得　到最终的透射率图。根据估计的大气光和透射率，利用大气散射模型即可恢复出无雾图像。经测试，该算法　不仅具有很高的运行效率，而且对各种类型的薄雾图像都有较好的去雾效果。客观评测也表明，该算法在对　比度增强程度、色调还原程度、结构信息复原程度方面的综合指标都优于其他算法。另外，所提算法还能够　实现图像处理器（ＧＰＵ）像素级的并行运算，对于分辨率为１　２８０像素×１　０２４像素的彩色图像，用型号为　ＮＶＩＤＩＡ　ＧｅＦｏｒｃｅ　９　８００　ＧＴ的ＧＰＵ处理，速度可达１０帧／ｓ。　・　关键词：去雾算法；暗通道先验；边缘保持滤波　中图分类号：ＴＰ７５１．２　文献标志码：Ａ　文章编号：０２５３—９８７Ｘ（２０１５）０３—０１４３—０８　

Ａ　Ｆａｓｔ　Ｈａｚｅ　Ｒｅｍｏｖｉｎｇ　Ａｌｇｏｒｉｔｈｍ　ｏｆ　Ｓｉｎｇｌｅ　ＴＡＮＧ　Ｘｉａｏｑｉｎｇ，　（Ｓｅｈｏｏｌ　ｏｆ　Ｅｌｅｃｔｒｏｎｉｃ　ａｎｄ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｉｍａｇｅ　Ｕｓｉｎｇ　Ｅｄｇｅ　Ｐｒｅｓｅｒｖｉｎｇ　Ｆｉｌｔｅｒｉｎｇ　ＦＡＮ　Ｃｉ’ａｎ，ＬＩＵ　Ｘｉｎ　Ｗｕｈａｎ　Ｕｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ　４３００７９，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ａ　ｆａｓｔ　ｈａｚｅ　ｒｅｍｏｖｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｏｆ　ｓｉｎｇｌｅ　ｉｍａｇｅ　ｉｓ　ｐｒｏｐｏｓｅｄ　ｔｏ　ｓｏｌｖｅ　ｔｈｅ　ｐｒｏｂｌｅｍ　ｔｈａｔ　ｔｈｅ　ｉｍａｇｅ　ｄｅｈａｚｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｕｓｉｎｇ　ｄａｒｋ　ｃｈａｎｎｅｌ　ｐｒｉｏｒ　ｉｓ　ｏｆ　ｌｏｗ　ｅｆｆｉｃｉｅｎｃｙ　ａｎｄ　ｔｈｅ　ｃｏｌｏｒ　ｄｉｓｔｏｒｔｉｏｎ　ｏｆ　ｔｈｅ　ｂｒｉｇｈｔ　ｇｒｅｙ　ａｒｅａ　ｈａｐｐｅｎｓ　ａｆｔｅｒ　ｄｅｈａｚｉｎｇ．Ｔｈｅ　ａｌｇｏｒｉｔｈｍ　ｉｓ　ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｅｄｇｅ　ｐｒｅｓｅｒｖｉｎｇ　ｆｉｌｔｅｒｉｎｇ，ａｎｄ　ｆｉｒｓｔ　ｇｉｖｅｓ　ｒｏｕｇｈ　ｅｓｔｉｍａｔｉｏｎｓ　ｏｆ　ｔｈｅ　ｔｒａｎｓｍｉｔｔａｎｃｅ　ａｎｄ　ｔｈｅ　ａｔｍｏｓｐｈｅｒｉｃ　ｌｉｇｈｔ　ｕｓｉｎｇ　ｄａｒｋ　ｃｈａｎｎｅｌ　ｐｒｉｏｒ．Ｔｈｅｎ，ｔｈｅｓｅ　ｒｏｕｇｈ　ｔｒａｎｓｍｉｔｔａｎｃｅｓ　ａｒｅ　ｏｐｔｉｍｉｚｅｄ　ｔｈｒｏｕｇｈ　ｕｓｉｎｇ　ｔｈｅ　ｅｄｇｅ　ｐｒｅｓｅｒｖｉｎｇ　ｆｉｌｔｅｒｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｔｏ　ｇｅｔ　ｒｅｆｉｎｅｄ　ｔｒａｎｓｍｉｔｔａｎｃｅｓ　ｗｉｔｈ　ｓｍｏｏｔｈ　ｄｅｔａｉｌｓ　ａｎｄ　ｃｌｅａｒ　ｏｕｔｌｉｎｅｓ．Ｔｈｅ　ｂｒｉｇｈｔ　ａｎｄ　ｇｒｅｙ　ａｒｅａｓ　ｉｎ　ｔｈｅ　ｒｅｆｉｎｅｄ　ｔｒａｎｓｍｉｔｔａｎｃｅｓ　ａｒｅ　ｃｏｒｒｅｃｔｅｄ　ｕｓｉｎｇ　ａ　ｔｈｒｅｓｈｏｌｄ，ａｎｄ　ｔｈｅ　ｆｉｎａｌ　ｔｒａｎｓｍｉｔｔａｎｃｅ　ｉｍａｇｅ　ｉｓ　ｇｅｎｅｒａｔｅｄ　ｂｙ　ｕｓｉｎｇ　ｔｈｅ　ｅｄｇｅ　ｐｒｅｓｅｒｖｉｎｇ　ｆｉｌｔｅｒｉｎｇ　ｏｎｃｅ　ｍｏｒｅ　ｔｏ　ｓｍｏｏｔｈ　ｔｈｅ　ｃｏｒｒｅｃｔｅｄ　ｔｒａｎｓｍｉｔｔａｎｃｅｓ．Ｌａｓｔｌｙ，ｔｈｅ　ａｔｍｏｓｐｈｅｒｉｃ　ｓｃａｔｔｅｒｉｎｇ　ｍｏｄｅｌ　ｉｓ　ｕｓｅｄ　ｔｏ　ｒｅｃｏｖｅｒ　ｔｈｅ　ｈａｚｅ　ｉｍａｇｅ　ｆｒｏｍ　ｔｈｅ　ｅｓｔｉｍａｔｅｄ　ａｔｍｏｓｐｈｅｒｉｃ　ｌｉｇｈｔ　ａｎｄ　ｔｈｅ　ｆｉｎａｌ　ｔｒａｎｓｍｉｔｔａｎｃｅ　ｉｍａｇｅ．Ｔｅｓｔ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ｐｒｏｐｏｓｅｄ　ａｌｇｏｒｉｔｈｍ　ｎｏｔ　ｏｎｌｙ　ｈａｓ　ｔｈｅ　ｖｅｒｙ　ｈｉｇｈ　ｅｆｆｉｃｉｅｎｃｙ，　ｂｕｔ　ａｌｓｏ　ｈａｓ　ａ　ｐｒｅｆｅｒａｂｌｅ　ｅｆｆｅｃｔ　ｉｎ　ｄｅｈａｚｉｎｇ　ａｌｌ　ｋｉｎｄｓ　ｏｆ　ｉｍａｇｅｓ　ｗｉｔｈ　ｔｈｉｎ　ｈａｚｅ．Ｉｔ　ｆｏｌｌｏｗｓ　ｆｒｏｍ　ｔｈｅ　ｏｂｊ　ｅｃｔｉｖｅ　ｅｖａｌｕａｔｉｏｎ　ｔｈａｔ　ｔｈｅ　ａｌｇｏｒｉｔｈｍ　ｉｓ　ｓｕｐｅｒｉｏｒ　ｔｏ　ｏｔｈｅｒ　ｅｘｉｓｔｉｎｇ　ａｌｇｏｒｉｔｈｍｓ　ｉｎ　ｔｈｅ　ａｇｇｒｅｇａｔｉｖｅ　ｉｎｄｉｃａｔｏｒｓ　ｉｎｃｌｕｄｉｎｇ　ｃｏｎｔｒａｓｔ　ｅｎｈａｎｃｅｍｅｎｔ，ｃｏｌｏｒ　ｒｅｄｕｃｔｉｏｎ　ａｎｄ　ｓｔｒｕｃｔｕｒａｌ　ｉｎｆｏｒｍａｔｉｏｎ　ｒｅｃｏｖｅｒｙ．Ｍｏｒｅｏｖｅｒ，ｔｈｅ　ｐｒｏｐｏｓｅｄ　ａｌｇｏｒｉｔｈｍ　ｃａｎ　ｂｅ　ｒｅａｌｉｚｅｄ　ｉｎ　ｐｉｘ—ｌｅｖｅｌ　ｐａｒａｌｌｅｌ　ｃｏｍｐｕｔａｔｉｏｎ　ｕｓｉｎｇ　ＧＰＵ．Ｗｈｅｎ　ｔｈｅ　ＮＶＩＤＩＡ　ＧｅＦｏｒｃｅ　９　８００　ＧＴ　ＧＰＵ　ｉｓ　ｕｓｅｄ．ｔｈｅ　ｐｒｏｃｅｓｓｉｎｇ　ｓｐｅｅｄ　ｒｅａｃｈｅｓ　１０　ｆｒａｍｅｓ　ｐｅｒ　ｓｅｃｏｎｄ　ｆｏｒ　ａ　ｒａｎｇｅ　ｏｆ　１　２８０＊１　０２４　ｒｅｓｏｌｕ—　ｔｉｏｎｓ．　Ｋｅｙｗｏｒｄｓ：ｈａｚｅ　ｒｅｍｏｖａｌ　ａｌｇｏｒｉｔｈｍ；ｄａｒｋ　ｃｈａｎｎｅｌ　ｐｒｉｏｒ；ｅｄｇｅ　ｐｒｅｓｅｒｖｉｎｇ　ｆｉｌｔｅｒ　

收稿日期：２０１４—０７—１４。　作者简介：唐晓庆（１９８７一），男，博士生；范赐恩（通信作者），女，博士，副教授。　基金项目：国　家自然科学基金资助项目（ＣＡＳＴ２０１２４０）。　西安交通大学学报　第４９卷　计算机视觉和数字图像处理技术的飞速发展，　使其在智能交通、遥感监测、资源勘查等诸多领域都　得到了广泛应用。然而，在恶劣的天气条件下，如雨　雪、雾霾等，室外的计算机视觉系统受到大气中随机　介质的影响，导致成像传感器采集的景物图像在一　定程度上退化和降质。为了提高计算机视觉系统在　恶劣天气下工作的鲁棒性和可靠性，研究图像去雾　技术具有非常重要的意义。　２００８年，Ｔａｎ通过最大化复原图像局部对比度　来获得清晰的图像［１］，但是该方法在场景深度突变　区域会有“光晕”，并且恢复出的图像过于饱和。　Ｆａｔｔａｌ使用基于独立分量分析的方法估计场景的反　射率，再利用马尔可夫随机场模型推断图像颜色，恢　复无雾图像　］，由于数理统计需要场景结构具有足　够多的颜色信息，所以对浓雾天气下颜色暗淡的图　像复原效果不好。Ｈｅ经过对大量户外无雾图像统　计得出暗通道先验规律＿３］，利用图像暗通道直接估　算环境光和图像透射率，再利用软件抠图算法对透　射率进行优化，使得细节更加清楚，最后根据大气散　射物理模型恢复无雾图像，但是软件抠图算法复杂　度高、内存消耗大。为此，有人提出用双边滤波代替　软件抠图　］，计算量并没有明显降低。文献Ｅ６］使　用边缘算子，从粗略透射率图中提取边缘，再用差值　抠图法优化透射率，平均计算时间仅降低了近一半。　文献［７］采用图像分块的方法估计透射率，以降低算　法时间复杂度，但是透射率图的块效　吊终也会造　成复原图像的块效应。Ｚｈａｎｇ提出基于图像处理器　（ＧＰＵ）加速的实时图像去雾算法［８］，运行速率可达　８０帧／ｓ，但是需要用户设置部分去雾参数，否则去　雾效果很差，尤其是对天空区域，颜色失真很严重。　文献［９］采用了图像复原和增强相结合的混合去雾　算法，取得了较好的雾霾退化和光照均衡效果，但是　仍然存在天空区域变暗的问题。为此，Ｓｕｎ采用减　去固定值的方式修正大气光强度ｌ＿１　，但是该方法对　不同暗通道亮度的图像具有较差的适应性。文献　［１１］对图像边缘和非边缘分别采用不同的模板处理　得到透射图，并通过分割天空或者雾最浓区域求得　准确的大气光值，但该方案对大气光不连续的图像　复原效果很差。　本文的主要研究内容是基于大气散射模型的快　速图像去雾算法及ＧＰＵ实现的。首先提出了一种　边缘保持滤波算法对粗略透射率进行优化，该算法　具有极低的运算复杂度并能够做并行化处理；其次　针对接近大气光的区域处理后颜色失真的问题，提　出了透射率修正方法，并利用边缘保持滤波算法对　修正后的透射率图进行平滑，再利用大气散射模型　恢复无雾图像；最后用ＧＰＵ实现了本文提出的快　速去雾算法，极大提高了算法的运行速度，能够满足　对效率和实时性要求更高的场合。　

１透射率估计　１．１　大气光的估计和粗略透射率的估计　目前广泛使用的雾图形成模型是由大气散射模　型变形而来，即　ｆ（　）一Ｊ（　）ｔ（　）＋Ａ（１一ｔ（　））　（１）　式中：　（　）表示设备获取到的图像；Ｊ（　）表示场景　辐射亮度，也是要恢复的图像；Ａ表示大气环境光；　（　）表示介质传输率，也称透射率。雾霾天气下的　图像复原问题就是从Ｉ（　）中恢复出Ｊ（ｚ）。　暗通道先验规律是通过对大量户外无雾图像进　行观察统计得出的，在非天空的很多局部区域，一些　像素点有至少一个颜色通道的亮度值很小。因此，　对含雾图像在　×”的区域内做３个通道的最小值　滤波，即可得到暗通道［１。　Ｊ　（　）一ｍｉｎ（ｒａｉｎ（Ｊ　（Ｙ）））　（２）　ｃ６　ｆ　ｒ，ｇ，６｝ｙＥｎ（　）　式中：．，　代表－，的某一个颜色通道；Ｊ　ｄａｒｋ代表．，的暗　

通道；　（ｚ）表示以　为中心的一块　×ｎ的方形　区域。　根据暗通道先验规律，通常无雾图像的暗通道　像素亮度很小，趋近于０，所以含雾图像的暗通道像　素亮度与雾的浓度非常接近，因此可以利用图像的　暗通道估计大气光。选取暗通道中亮度最大的　０．１　像素，并在这些像素点所对应位置寻找原始图　像中亮度最大的像素点作为大气光的估计值Ａ。　假设图像在　（．ｚ）的局部区域内，透射率为常　数，用ｔ（ｚ）表示。式（１）两边同时取最小值，得　ｒａｉｎ（ｒ（　））二＝＝ｔ（ｚ）ｍｉｎ（　（　））＋（１一ｔ（　））Ａ　ｙ６ｎ（　）　ｙＥｆ／（ｘ）　

（３）　最小值操作在３个颜色通道中独立进行。将式（３）　两边同时除以大气光Ａ　，即可得到３个颜色通道各　自归一化的暗通道像素值