图像去雾技术研究.doc

《图像去雾技术研究.doc》由会员分享，可在线阅读，更多相关《图像去雾技术研究.doc（28页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、Four short words sum up what has lifted most successful individuals above the crowd: a little bit more.-author-date图像去雾技术研究图像去雾技术研究编号 图像去雾技术研究The research on image defogging technology学 生 姓 名XX专 业电子科学与技术学 号XXXXXXX学 院电子信息工程学院摘要本文首先简单介绍了云雾等环境对图像成像的影响，接着从图像增强的角度研究图像去雾技术的基本方法，介绍了去雾算法的原理和算法实现步骤，并对去雾算法的优缺

2、点和适用条件进行了总结。基于图像增强的去雾原理，本文提出了联合使用同态滤波和全局直方图均衡的改进去雾算法。先进行同态滤波使有雾图像的细节充分暴露，然后采用全局直方图均衡扩展图像的灰度动态范围。去雾效果具有对比度高，亮度均匀，视觉效果好的特点，不足的是图像的颜色过于饱和。关键字：图像增强 图像去雾 同态滤波 全局直方图均衡 AbstractFirstly, this paper simply introduces the influence of cloud environment of image formation, then from the enhanced image perspect

3、ive of image to fog technology basic method, is introduced to fog algorithm principle and algorithm steps, and has carried on the summary to fog algorithm advantages, disadvantages and applicable conditions.As for the defogging theory based on the image enhancement, the paper puts forward the improv

4、ed defogging algorithm which requires combining homomorphic filtering and global histogram equalization. We should use homomorphic filtering to get details of the fogging images clearly exposed and then use global histogram equalization to spread the images gray scale dynamic range. Defogging has fe

5、atures of high contrast ratio, uniform brightness and good visual effect. But its drawback is that the image color is too saturated.Key words: image enhancement; image defogging; homomorphic filtering; global histogram equalization; -1.云雾等环境对图像成像的影响1.1 课题研究的背景和意义近年来国内的雾霾天气逐渐由中东地区向全国蔓延。雾霾自2013年起开始成为人

6、们对天气关注的关键词。雾霾是特定气候条件与人类活动相互作用的结果。高密度人口的经济及社会活动必然会排放大量细颗粒物（PM2.5），一旦排放超过大气循环能力和承载度，细颗粒物浓度将持续积聚，此时如果受静稳天气等影响，极易出现大范围的雾霾。雾天时，弥漫在空中的雾气和尘埃模糊了人们的视线，使得景物的能见度大幅降低。在雾天条件下的室外获得的图像会受到严重的退化，图像目标的对比度和颜色等特征被衰减，这大大降低了图像的应用价值。即使在晴朗的天气条件下拍摄的照片，由于大气的散射作用，照片的清晰度同样受到影响。因为在每一个实际的场景中，光线在到达相机之前，都会从物体表面反射出来而且散射在空气中。这是因为空气中

7、存在的浮质，像灰尘、雾和烟等，这些因素导致物体表面颜色变淡和整幅图像的对比度降低。这给工业生产及人们的日常生活带来了很大影响。例如城市交叉路口图像监视系统，在恶劣天气条件下得到的退化图像会对判断车辆信息和监控交通情况造成极大的困难；在军事侦察或监视中，退化图像对信息的识别与处理会造成偏差，而这种偏差的后果是非常严重的；遥感探测中退化图像同样会对后续的信息处理产生很大的干扰。因此许多领域都要用到去雾算法。有雾图像特征清晰化的研究具有非常重要的意义。另一方面，随着科学技术的飞速发展，计算机运行处理速度加快，图像处理广泛应用于众多的科学和工程领域重要领域。数字图像技术从20世纪50年代发展至今，在航

8、空航天、工业生产、医疗诊断、资源环境、气象及交通监测、文化教育等领域有着广泛的应用，创造了巨额的社会价值。应用的视觉系统极易受到天气因素的干扰甚至无法正常工作。雾天天气条件是各种天气条件中对视觉影响最严重的一种。图像去雾技术成为图像处理和计算机视觉领域共同关心的重要问题。为了保证视觉系统的全天候正常工作，就必须使系统能够适用于各类天气状况，这样才能提高系统的可信赖性。因此，研究如何对尘雾等恶劣天气条件下获得的退化图像进行有效地处理，对大气退化图像的复原和景物细节信息的增强有着非常重要的现实意义。雾天下图像的清晰化技术有可能对其他恶劣天气条件下图像的清晰化技术也起到促进作用。从而促使全天候视觉系

9、统排除天气状况的干扰和影响。此方面技术的研究有着很大应用前景。1.2 国内外研究现状对雾天图像，改善退化图像的质量，可采用模拟和数字两种图像处理技术进行处理。模拟图像处理利用光学处理和电子电路处理，特点是速度快实时性好，但是精度较差，灵活性差，很难有判别能力和非线性处理能力。而数字图像处理采用计算机或实时硬件处理，处理精度高，可以进行复杂的非线性处理，有灵活的变通能力。图像增强法就是采用数字图像处理技术对雾天得到的退化图像进行处理的一种方法。图像增强方法又称为非模型的方法，不考虑图像退化原因，按照特定需要突出图像中的某些信息，如边缘轮廓、亮度、对比度等，同时削弱或者除去某些不需要的信息，来改善

10、图像的视觉效果或者将图像转换成为一种更适合人或机器进行分析的形式。增强处理并不能增强原始图像的信息，只是改善图像的可识别度，这种处理可能使图像失去某些信息。（1）全局化的图像增强方法全局化的雾天图像增强方法是指对由整幅雾天图像的统计信息决定的灰度值的调整，与被调整点所处的区域无关。由于雾天下场景的退化程度与其深度相关，而一幅图像往往包含复杂的深度信息，所以全局化的处理方法往往不能得到理想的效果，但当雾天图像的场景相对简单时，不失为一种有效的途径。典型的全局化雾天图像增强方法主要有6种。1）全局直方图均衡化算法。该方法的基本思想是把有雾图像的直方图变换为近似均匀分布的形式，这样就增加了像素灰度值

11、的动态范围，从而达到增强雾天图像整体对比度的效果。但是在实际场景中图像的景深和雾天图像不同区域影响有差别，整体处理会造成图像增强不均匀，去雾图像视觉效果不够好。2）同态滤波算法。该算法是一种把频率过滤和灰度变换相结合的图像增强处理方法，也是一种把照明反射模型作为频域处理的基础，利用压缩亮度范围和增强对比度来改善图像质量的处理技术。 3）小波方法。小波与多尺度分析在对比度增强上的应用取得了很大进展。4）Retinex算法。Retinex是一种描述颜色不变性的模型，它具有动态范围压缩和颜色不变性的特点，对由于光照不均而引起的低对比度彩色图像具有很好的增强效果。黄义明1对于Retinex算法的改进，

12、利用递归高斯滤波对Retinex算法进行加速和利用线性拉伸的方法提高图像的对比度。 5）曲波变换。曲波是一种在小波变换基础上发展起来的新的多尺度分析方法，由于它特别适合于各向异性奇异性特征的信号处理，因此能够很好地弥补小波变换在图像的曲线边缘增强方面的局限性。 6）基于大气调制传递函数增强雾天图像。该方法的原理是：首先通过对大气调制传递函数的预测，近似估计大气对图像质量的退化过程。当得到先验信息时，通过预测公式计算出相应的湍流调制传递函数和气溶胶调制传递函数，再由前两者的乘积得到总的大气调制传递函数。然后利用大气调制传递函数在频域内对天气退化图像进行复原，并对户外景物图像中由大气调制传递函数造

13、成的衰减进行补偿。例如杨国强通过分析transmission图像的本质特性，并基于图像的大气衰减模型，提出一种有效的单幅图像去雾技术非线性的双边滤波图像去雾方法，并利用获得结果图像实现图像的重光照技术2。（2）局部化的图像增强方法对于上述全局化的图像增强方法而言，由于此类方法是对整幅图像进行操作，而且在确定变换或转移函数时是基于整个图像的统计量。而在实际应用中常常需要对图像某些局部区域的细节进行增强，但这些局部区域内的像素数量相对于整幅图的像素数量往往较小，在参与整幅图的计算时其影响常被忽略掉，并且从整幅图像得到的函数也不能保证这些所关心的局部区域得到所需的增强效果。因此，需要根据所关心的局部

14、区域的特性来计算变换或转移函数，并将这些函数用于所关心的区域，以得到所需的增强效果。王敬东等人使用Kuwahara边缘角点保持滤波器对大气散射光进行估计并对所采用的Kuwahara滤波器进行改进3。通过增加子块的数目以及进行局部加权等提高边缘保留效果，抑制方块效应，从而获得较为准确的介质透射率。2 .基于图像增强的去雾算法研究基于图像增强方法的去雾算法是不考虑有雾图像的成像原理，从有雾图像呈现的低亮度和低对比度的特征考虑，按照特定的需要增强需要突出部分的图像内容，削弱或去除某些图像信息的方法。但是应当明确的是，图像增强去雾算法并不能够增加原始图像的信息，其结果只是提高视觉的清晰度和对比度，会有

15、图像信息的损失。本节主要研究了基于图像增强的全局化处理方法和局部处理方法，分析算法实现步骤并仿真，然后对每一种算法结果进行总结。最后，总结各图像增强算法优缺点后，提出基于同态滤波和全局直方图均衡的改进去雾算法方案。2.1全局化雾天图像增强全局化的雾霾图像增强是指根据整幅雾霾图像的统计信息来对灰度值进行调整，与调整点所在的区域无关。针对雾天条件下获取的图像具有低对比度，全局化图像增强可以使图像成像均匀，扩大图像动态范围及扩展对比度。具有算法时间复杂度小的优点，对薄雾图像有明显的改善效果。2.1.1全局直方图均衡直方图是图像的灰度像素统计图，用于表示图像中不同灰度级出现的概率4。全局直方图均衡是对

16、原始图像的直方图进行操作，使灰度级分布近似均匀，是灰度级动态范围增加，改善图像的对比度。图像全局直方图均衡的实现步骤如下：（1）统计原有雾图像的各灰度级的数目； （2）计算原有雾图像的直方图，即各灰度级的概率密度 (2-1)其中N为原有雾图像的总像素数目；（3）计算直方图累计分布 (2-2)（4）计算最后输出的灰度级 (2-3)其中，表示取整，表示图像最大灰度级。令，则计算公式化简为： (2-4)（5）重新确定图像直方图。用和的映射关系，得到近似均匀分布的待输出直方图；（6）根据新直方图统计输出图像各灰度级个数。采用全局直方图均衡算法进行去雾前后的图像如下图2-1和图2-2。 图2-1原有雾图

17、像及直方图 图2-2全局直方图均衡去雾图像及直方图图2-1和图2-2分别为采用全局直方图均衡去雾前后的图像。可以看出原有雾图像的对比度有所增强，由雾天引起的图像亮度过高问题整体改善。但是去雾图像的部分偏暗，通过直方图的改变可以知道，这是因为全局直方图均衡把原图像中像素值为100以上的区域扩展到0100，图像的灰度范围被拉伸到0255。总之，全局直方图均衡改善了有雾图像的对比和亮度，但是会忽略图像的局部细节，去雾没有针对性，结果有一定失真。2.1.2 同态滤波同态滤波原理是依据图像获取过程中的照明反射成像4。图像可以由两个分量来表征：（1）入射到被观察场景的光源照射总量；（2）场景中物体所反射的

18、光照的总量。这两个分量分别被称为入射分量和反射分量，这两个分量的乘积合并形成图像，即： (2-5)其中，入射分量具有低频特性，反射分量分布在图像高频部分。雾天图像一般是受大气光散射影响将为严重，获得图像呈现偏白效果而影响视觉分辨。使用同态滤波器消除由大气光主导的入射分量，获得景物的反射分量。可以加大图像频域中反射（高频）频谱部分，使暗区细节增强，并保留亮区图像细节。同态滤波算法的实现步骤如下：（1）先对式（2-5）两边同时取对数，即：（2）对上式两边做傅里叶变换，得： (2-6)即得： (2-7)（3）使用频域高通滤波器处理，可得： (2-8)简化表示为： (2-9)（4）傅里叶反变换到空间域

19、，得： （5）对上式两边去指数，得： (2-10)使用同态滤波器对有雾图像去雾，如下图2-3和图2-4。 图2-3原有雾图像图2-4同态滤波去雾图像可以看出同态滤波可以有效地减弱由雾天天气造成的图像偏白的问题，抑制部分大气光散射对景物图像的影响，更多暴露原景物的反射图像部分，图像的清晰度提高。但是对于在浓雾天气条件下，景物反射图像使用同态滤波无法完全恢复，如图2-4的上半部分仍可见很浓的雾气。 2.1.3 Retinex算法Retinex理论是以色感的一致性为基础的理论，也称为颜色恒常理论。1963E. Land在俄亥俄州提出了一种颜色恒常知觉的计算理论-Retinex理论，把它作为人类视觉的

20、亮度和颜色感知的模型。Retinex理论的基础理论是物体的颜色是由物体对长波（红色）、中波（绿色）、短波（蓝色）光线的反射能力来决定的，而不是由反射光强度的绝对值来决定的，物体的色彩不受光照非均匀性的影响，具有一致性。根据Retinex理论，一幅图像可以表示为由反射图像和入射图像组成，其原理示意图如图2-5所示：图2-5 Retinex理论图像成像示意图对于观察图像，是由入射光照射在反射物体上，通过反射物体的反射形成反射光进入人眼得到的。用公式可以表示为： (2-11)对式（2-11）两边同时取对数可得： (2-12)则， (2-13) (2-14)使用对数形式将复杂的乘法运算变换为加法，使用

21、算法估计出入射图像则可以得到景物图像的本质属性反射图像，得到去除雾天的影响后的图像具有好的图像细节和颜色保真性。Retinex算法和同态滤波在数学形式上有一定的相似性，都是将图像分成照射分量和反射分量。但是Retinex理论是在空间域上的处理，而同态滤波是在频率域上的处理。50多年来，学者模仿人类视觉系统发展了Retinex算法，有基于中心环绕的单尺度Retinex算法（single scale retinex，SSR）和改进后的多尺度加权平均的Retinex算法（multi-scale retinex， MSR）。（1）单尺度Retinex算法（SSR）根据上述Retinex原理，实现图像增

22、强的关键是从原图像的有效信息中估算出反射图像。即是，对数化后，从原图像中减去由估算的入射分量。在数学上这是一个奇异问题，只能以从数学上近似估计的方式得到入射分量部分的近似值。单尺度Retinex算法是由Jobson和Rahman的中心环绕函数发展来的。Jobson论证了高斯卷积函数可以对原图像提供更局部的准确处理，有更好的图像增强效果。高斯卷积函数表示为： (2-15)其中，为函数的归一化系数，使满足；为高斯尺度，作为高斯卷积函数的控制参数。由于高斯函数的特点，高斯尺度的取值不能使增强后的图像对动态范围大幅压缩和对比度增强不能同时保证。为了兼顾这两者，取值一般为80-100。入射图像可以使用高

23、斯卷积函数近似估计为： (2-16)其中，表示卷积运算。表示图像的R、G、B三个通道。由式（3-14）可得单尺度Retinex算法估计的景物反射图像为： (2-17)单尺度Retinex算法的实现步骤如下：1）将原图像转换到对数域。如果图像是彩色图像，则分为R、G、B三个颜色通道分别转换。2）输入高斯尺度，根据式（2-15）确定高斯卷积函数的归一化系数，并由这两个参数构建高斯卷积函数。3）根据式（2-13）计算得到。4）将从对数域变换到实数域得到估计反射图像。5）对进行线性拉伸，并输出显示。线性拉伸函数为： (2-18)图2-6原有雾图像图2-7SSR算法去雾结果（2）多尺度Retinex算法

24、（MSR）MSR是在SSR的基础上发展而来的，其优点是可以同时保持图像高颜色保真度和图像的动态范围的压缩。多尺度Retinex算法可以用如下公式表示： (2-19)这里有，k为高斯卷积函数的个数；表示加权系数，有。当时，MSR退化为SSR。通常取3，即做3个尺度的SSR后做加权平均，3个SSR一般分别按照小尺度（），中尺度（），大尺度（）。2.2局部化雾天图像增强2.2.1子块不重叠直方图均衡如前述图像全局直方图均衡对于图像背景或前景过亮及过暗的图像增强都有显著效果，但是对于图像的细节处理却没有把握住很好的处理精度。由此，对于全局直方图均衡改进为局部直方图均衡。局部直方图均衡增强法有：子块不重

25、叠直方图均衡、子块重叠直方图均衡和子块部分重叠直方图均衡。其每个子块的处理方法都遵循全局直方图均衡的处理方法，相当于对图像的细化处理。子块不重叠直方图均衡实现确定一个子块处理的窗口大小，使每次处理图像的每个子块区域不重叠，然后对每个子块遍历做直方图均衡。最后将每个子块均衡化的结果按遍历顺序组合即得到最后输出图像。算法的实现步骤如下：（1）初始化子块窗口的大小。如图像大小为，子块窗口大小为，则将图像分为（符号表示向下取整）个子块，其余部分单独作为不规则的子块处理。（2）构建新的输出图像。对每个子块按照从左到右步长为m，从上到下步长为n的顺序对每个子块窗口做直方图均衡处理。处理结果存放到中。（3）

26、将遍历结束后得到的作为结果输出。 图2-8原有雾图像及直方图 图2-9子块不重叠直方图均衡4050窗口处理结果 图2-10子块不重叠直方图均衡3040窗口处理结果子块不重叠直方图均衡算法具有图像处理速度快，图像局部增强效果好、局部对比度高等的优点。但是，处理结果有明显的块效应，影响视觉效果。2.2.2子块重叠直方图均衡子块重叠直方图均衡的处理方法跟子块不重叠直方图均衡算法类似，只是子块窗口每次向左和向下移动的步长都为1，处理结果中的每一个点可能为多次运算的平均值。 图2-11子块重叠直方图均衡7080窗口处理结果 图2-12子块重叠直方图均衡100200窗口处理结果 图2-13子块重叠直方图均

27、衡120240窗口处理结果子块重叠直方图均衡法去雾得到的图片看不到块效应，因为子块重叠法是对子窗口直方图均衡图的累计叠加，去雾效果很好。算法中窗口越小处理效果越好。但是由算法实现步骤可知，窗口越小遍历得到的窗口越多算法耗时越大，这也是子块重叠直方图均衡算法的应用限制所在。2.2.3子块部分重叠直方图均衡J.Y.KIM等人提出子块部分重叠直方图均衡算法，该算法兼顾图像局部细节处理和运行时间复杂度。算法核心部分仍和全局直方图均衡一样，只是子块移动步长为1到m的数，对于每个像素处理后结果为所有结果的平均。 图2-14子块部分重叠直方图均衡100120窗口（行步长为31，列步长为43）处理结果 图2-

28、15子块部分重叠直方图均衡100120窗口（行步长为31，列步长为50）处理结果通过改变窗口遍历过程中水平方向和竖直方向的移动步长，可大大减少运算量，兼顾了处理效果和时间效率。由处理结果可知窗口大小越小移动步长越小，均衡效果越好，但运算时间越长。2.2.2基于局部方差的对比度增强局部方差的对比度增强方法其实质是对图像的局部范围内以窗口内方差为对比度增强因子的灰度变换。图像的细节往往和高频部分有关，所以通过图像的局部方差的变化可以有效地分析图像的细节信息。根据局部方差的大小来设定图像的局部增强程度，再以局部的灰度均值为中心来扩展像素点的灰度范围5。基于局部方差的对比度增强算法的实现步骤如下：（1

29、）选定适当大小的滑动窗口，n为整数，求出窗口内的像素的均值和方差，计算公式如下： (2-20) (2-21)（2）令增强因子，D为常数，把k作为根据方差变化的自适应对比度调节系数来适应不同的图像的相应增强。（3）像素的对比度拉伸。根据基于局部方差的自适应对比度增强算法计算该点的输出像素值，算法表达式如下： (2-22)（4）将滑动窗口逐个像素位置移动，重复步骤13的运算，完成整幅图像的增强。 2.3 图像增强去雾算法的优缺点比较全局直方图均衡算法能有效地增强整幅有雾图像的对比，但是它从图像的整体考虑，图像不同区域景深不同、大气介质透射率不一致，因此增强效果不均匀。同态滤波从原有雾图像分离出原景

30、物的反射图像部分，可以抑制部分大气光散射对景物图像的影响，图像的清晰度提高。但是对于在浓雾天气条件下，景物反射图像使用同态滤波无法完全恢复。Retinex算法分为单尺度SSR和多尺度MSR算法，通过控制中心环绕函数的参数平衡动态范围大幅压缩和对比度增强，多尺度算法表现更好，但是算法耗时也将增加。局部直方图均衡可以对有雾图像进行局部分块处理，图像局部细节增强表现突出。子块不重叠局部直方图均衡处理结果会产生块效应，影响视觉观察。子块重叠局部直方图均衡方法处理结果整体较全局处理改善很多，但其算法运算量太大，算法耗时过长，不利于实时处理。子块部分重叠局部直方图均衡是子块不重叠和子块重叠直方图均衡的平衡

31、改进算法，算法执行时间有所减少。基于局部方差的增强方法对于低对比度、深度信息多变的雾霾图像具有较好的去雾效果，但是与局部直方图均衡化方法相比，该方法在抑制噪声方差方面较差。2.4一种基于图像增强的去雾改进算法通过对已有的基于图像增强的去雾算法研究，综合分析优缺点，本文提出采用同态滤波和全局直方图均衡联合去雾的方法。首先，对有雾图像进行同态滤波，充分暴露图像中的有用信息。然后，通过全局直方图均衡进一步增加图像灰度的动态范围，使灰度级分布趋于近似平均，从而增强图像的对比度。对有雾彩色图像的去雾，具体算法实现步骤如下：（1）将彩色图像分解为R、G、B三个颜色通道的灰度图像；（2）对三个颜色通道的灰度

32、图像分别做同态滤波；（3）将进行同态滤波后的图像分别做全局直方图均衡处理；（4）合并处理后的R、G、B通道图像为彩色图像输出。如图2-16，为改进算法的操作流程图。图2-16 改进算法流程图 如下图2-17对有雾图像分别做同态滤波去雾和改进算法去雾。选取的三张有雾图像的雾气浓度有高低的差异。 a） b） c）图2-17基于图像增强的去雾改进算法去雾图2-17a）为原有雾图像，b）为使用同态滤波后的结果，c）图像为改进算法的结果。对比三组图像，改进算法去雾后的图像对比度有了很大的提高。对于薄雾情况下的图像，增强效果最明显。但是，由于采用直方图均衡改变图像R、G、B颜色通道的灰度，会使去雾结果颜色

33、产生略微失真，如第三组图片使用改进算法去雾后，图像颜色过于饱和，真实感较差。总之，改进算法达到了理想的去雾效果。参考文献1黄义明.雾霾天气下图像增强算法的研究D.大连：大连理工大学，20132杨国强.图像和视频去雾技术的研究D.天津：天津大学计算机科学与技术学院，20103王敬东，张文涛，王子瑞，许丽红.一种快速航空图像去雾算法J.航空学报，2013,34(3):636-6434Gonzalez，R.C.，Wood，R.E.数字图像处理：第3版M.阮秋琦，阮宇志等译.北京：电子工业出版社，20115詹翔.周焰.一种基于局部方差的雾天图像增强算法J.计算机应用，2007，27(2):510-512