雾霾天气下降质图像复原算法研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇雾霾天气下降质图像复原算法研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

【摘要】随着工业化的发展，雾霾天气已经严重影响了人们的日常生活，特别对交通安全造成了巨大影响，是我国车祸的一个重要原因。目前，国内外对雾霾的处理方法主要有两种：单幅图像清晰化与直方图均衡化，本文将结合这两种方法，基于matlab图像处理对去雾进行研究。

【关键词】雾霾;单幅图像清晰化;直方图均衡化;灰度;非线性拉伸

1.研究意义

现今社会是一个高度复杂的人口密集型社会，人们的活动方式越来越多样、活动范围越来越大，使汽车成为了重要的交通工具，但随着我国工业化进程加快，造成了雾霾等恶劣天气，对交通存在着巨大安全隐患。在雾天情况下，由于场景可见度较低，造成驾驶员的视觉模糊，是我国车祸的重大原因之一。然而随着计算机软硬件技术的快速发展，单幅图像清晰化技术日益成熟，使得我们对雾霾天气图像清晰度的处理成为了可能，但是雾霾的日益加重，又对去雾图像的清晰度和真实感提出了更高的要求。本文将在以往图像清晰化技术的基础上，加以深入研究，设计出一种效果更好的程序，为拓宽驾驶员视野，构造顺畅、安全的交通环境提供一种更好的思路。

2.国内外研究现状

雾天场景恢复是一个十分困难的问题， 因为雾对图像的影响程度与场景深度相关， 然而图像深度的获取却是一个不完全约束的问题。目前，国内外对去雾的方法主要有两种：单幅图像清晰度恢复技术和图像色彩均衡技术（直方图均衡化）。

如今，单幅图像清晰化技术取得较大突破，这些方法的成功是因为众多前辈的实践或假设。2009年，何凯明博士在《Single Image Haze Removal Using Dark Channel Prior》一文中提出了一种基于暗通道先验知识统计[1]的方法，用于单幅图像去雾， 此方法认为在绝大多数非天空的局部区域里，某一些像素总会有至少一个颜色通道具有很低的值，换言之，该区域光强度的最小值是个很小的数。在雾天图像中，暗原色的强度值大小主要由大气光组成，此方法直接应用暗通道来估计透射率图，并运用图像修补的方法对透射率图进行了平滑操作，利用修补后的透射率图能够恢复出清晰的图像，并从中获得雾天图像的深度图，因此该方法虽然具备物理有效性， 但当图像目标在很大的区域和大气光本质上十分相同时，并且无暗影投到物体上时，暗通道先验知识统计将会无效，并且修补透射率图时存在局限性，因为当修补的参数过小时，透射率图的细节较多，层次感虽然较好，但平滑过少，将会出现大量的局部错误;而当修补参数过大时，局部错误虽然会减少，但是修补之后细节将会变得十分不明显，使得整幅透射率图层次感缺失，丧失了图像的深度感。

而在单幅图像清晰度恢复技术取得突破的同时，直方图均衡化去雾技术也在被改进创新。直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较密集的某些灰度区间均匀分布在全部灰度范围内[2]。简单来说，直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使全部灰度范围内的像素数量基本相同。因此直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布的直方图。在传统的直方图均衡化算法中常用灰度增强算法，一般分为三个步骤：（1）求出原始图的直方图;（2）求出灰度值的变换表;（3）进行灰度值均匀分布。

但是此种算法经常会出现因原始图中灰度级过多合并，造成图像的灰度级减少，易造成信息的丢失;而且经处理后对比度不自然的过分增强。

3.设计思路

一般来讲，雾霾天气下采集到的实物图像退化比较严重，对于此类色素下降图像的清晰化处理，主要依靠于对有限色素动态范围的非线性拉伸，加强图像对比度从而实现对降质图像清晰化处理，但又要防止对比度过分增强造成的图像不自然。本文对雾霾天气下降质图像清晰化方法的研究，主要是在以往的直方图均衡化算法法及其衍生出来的算法的基础上实现的，对以往的直方图均衡法进行了一定的改进，且结合了单幅图像清晰度恢复算法。

直方图均衡化是多种空间域处理技术的基础，而单幅图像清晰度恢复是计算机视觉研究领域的重要分支，随着人们对单幅图像清晰度恢复技术的日益重视，使得该技术日趋成熟，本文将通过对该技术的学习，并加以研究，使其与直方图均衡化相结合，利用matlab进行编程，应用所依托的设备获取外界图像帧，并对图像帧加以实时处理并显示，使其可进一步开发以实现车载实时图像去雾的功效，让驾驶员在显示器中清晰地看到前方状况，为车辆安全、快速行驶保驾护航。

4.算法的实验结果分析研究

从国内外对单幅图像去雾和直方图均衡化技术的应用中，我们不难看出两者都存在着一定的缺点，而本文提出了一种改进后的直方图均衡化算法，使其与单幅图像清晰度恢复算法相结合，相比于以往的直方图均衡化算法，本算法的优点在于它既有单幅图像清晰度恢复算法的速度，又能在原有的清晰化处理上加强图像的色彩，且不会因灰度级过多合并而造成信息丢失，使其具有实时处理应用，例如将其运用在车载摄像头中，能够更快的使图像实时清晰化，更好的检测前方障碍。下面将详细介绍本算法：

对于雾霾天气下的降质图像，本文首先使用细节信息预提取的方法，针对以往算法存在的细节信息丢失、对比度过分增强等难以解决的问题进行了修正，再结合单幅图像清晰度恢复原理，使其成为具有两种去雾优点的全新算法。具体过程如图1所示：

图1 程序设计流程图

在程序设计出来后，我们经大量的实验验证，发现修正后的算法能够实现比较理想的图像清晰处理效果。现选取一组图像原图与效果图做对比如下：

图2 原图 图3 效果图

5.结论与展望：

该算法虽然与以往的直方图均衡化算法相比，具有较为理想的效果，对车载实时去雾设备的制造具有极其重要的意义。但是从实验效果图中，我们也可以看出图像还达不到实时去雾的标准，仍需要进一步改进，为实时去雾设备的发展提供更好的算法基础。

参考文献

[1]何凯明.Single Image Haze Removal Using Dark Channel Prior[J].

[2].

作者简介：

王新胜（1992―），男，现就读于大学工学院交通运输专业（道路方向）。

陈贤花（1993―），女，现就读于大学工学院交通运输专业（道路方向）。