【《基于大气物理模型的单幅图像去雾算法分析》4700字（论文）】

基于大气物理模型的单幅图像去雾算法分析目录TOC\o"1-3"\h\u31090基于大气物理模型的单幅图像去雾算法分析 1291851.1暗原色先验去雾算法研究与实现 1148181.1.1暗通道定义及求取 121151.1.2透射率和大气光的求取 1151111.1.3求解全局大气光照 3228401.1.4软抠图优化透射率 3272921.1.5复原图像与质量评价 410771.2暗原色先验去雾算法改进 5227931.2.1大气光的改进 553481.2.2快速细化透射率 653131.3暗原色先验算法的不足 750081.3.1Halo效应 745801.3.2大气光估计不准确 812351.3.3暗原色先验的局限性 101.1暗原色先验去雾算法研究与实现1.1.1暗通道定义及求取 何恺明博士通过对大量在户外拍摄的自然景物图片进行统计分析得出一个结论：在绝大多数非天空的局部区域里，某一些像素总会（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（趋于0）。基于上述结论，我们定义暗通道，用公式描述，对于一幅图像J有如下式子：表示彩色图像的每个通道，是一个以为中心的窗口。我们的观察表明，除了天空区域，如果J是一个无雾的户外图像，则很低，并趋向于零。我们称之为为的暗通道，并且把以上观察得出的经验性规律称为暗原色先验。也就是说以像素点x为中心，分别取三个通道内窗口Ω内的最小值，然后再取三个通道的最小值作为像素点x的暗通道的值。1.1.2透射率和大气光的求取这里，我们首先假设大气光A是已知的。我们首先用A对雾霾成像方程进行归一化：注意，操作是在三个颜色通道上独立执行的。我们进一步假设在局部区域内的传输是恒定的。然后，对上式取三个颜色通道中的最小运算，得到:（4）根据暗通道先验，暗通道的无雾幅度，趋于0(5)总是正的，这会导致:(6)将式(6)代入式(4)中，我们可以简单地估算出透射t特征如下: （7）事实上，实际上是归一化雾图像的暗通道，它直接提供了传输的估计。正如我们前面提到的，暗通道先验对于天空区域来说不是一个好的先验。幸运的是，天空的颜色通常与雾霾图像中的大气光非常相似，我们有:（8）（8）式(11)指出。在天空区域，由于天空是无限的，而且往往具有零传输，因此式(8)可以很好地处理天空区域和非天空区域。我们不需要事先将天空区域分开。实际上，即使在晴朗的日子里，大气中也不是绝对没有任何粒子。所以，当我们看远处的物体时，烟雾仍然存在。此外，雾霾的存在是人类感知深度的基本线索。这种现象叫做空中透视。如果我们彻底去除雾霾，图像可能会显得不自然，也可能失去深度感。因此，通过在式(8)中引入常数参数，我们可以任选地为遥远的物体保留很小的雾度: (9)这种改进的优点是对远处的物体自适应地保持了较多的雾度。的值是基于应用的。对于本文报告的所有结果，我们将其固定为0.95。1.1.3求解全局大气光照1.首先对输入的有雾图像I求解其暗通道图像。2.选择暗通道内图像总像素点个数千分之一个最亮的像素点，并记录这些像素点（x,y）坐标。3.再根据这些点的坐标分别在原图像I的三个通道（r,g,b）内找到这些像素点并加和得到（sum_r,sum_g,sum_b）.1.Ac=[Ar,Ag,Ab].其中Ar=sum_r/N;Ag=sum_g/N;Ab=sum_b/N.1.1.4软抠图优化透射率 透射率分布与暗通道图像有直接关系。由于在求取暗通道时，采用了最小值滤波，将会导致暗通道图像存在块状效应，透射率分布也会出现这种现象。透射率分布只和场景深度有关。因此，在透射率分布图上，相同景深的区域内，透射率的变化应趋于平缓，而不是呈现块状效应。为消除这种由最小值滤波导致的块状效应，提升去雾效果，何恺明等人使用了一种软抠图算法，优化大气透射率。图像抠图是指将一幅图像中的前景信息和背景信息相分离，被广泛应用于视频编辑领域，其数学模型如下： 上式中，Ｆ为前景色；Ｂ为背景色；a是前景透明度。观察可知，该式和雾天图像成像模型具有相同的形式。因此，He认为可以将雾天图像成像模型中的大气透射率视上式中的a，并可参考封闭式抠图的代价函数定义大气透射率的代价函数 其中，是经过处理后的大气透射率；是约束参数，使被约束，一般可设为0.0004；为拉普拉斯矩阵，与封闭式抠图中的拉普拉斯矩阵有着相似的形式。因此，可以采用图像软抠图的方法，优化透射率图最终求解形式如下： 其中，是一个和具有相同大小的单位矩阵。图３．３给出未经过处理的大气透射率分布图和经过软抠图处理后的大气透射率分布图，通过对比可以发现，较之图ｂ，图ｃ中的大气透射率分布完全消除了块状效应，更加平滑，更接近于实际中的大气透射率分布，有利于最终去雾效果的提升。原图粗透射率图优化后透射率图1.1.5复原图像与质量评价现在，我们得到了A和t，那么带入大气模型公式：这里，t0参数用来限定透射率t的下限值，其作用也就是在输入图像的浓雾区域保留一定的雾。1.2暗原色先验去雾算法改进1.2.1大气光的改进大气光是太阳光经过大气，经过空气中各种分子、水蒸气、粒子等散射后，最终被光敏设备感知到的光。由于各种粒子对太阳的散射能力不同，小半径粒子散射波长的颜色较短，而大半径粒子散射波长的颜色较长，晴朗的天空总是呈现蓝色。在多雾的环境中，它往往是白色的。从大气散射模型,我们可以看到更远的景深或较重的雾雾图像,大气光值越大,因此我们可以认为在雾图像的地方是无限或雾太厚,该区域的透光率接近于零，可以认为仅是大气环境光组成。研究发现，在暗原色图上，这类区域总是亮的。从这一点上，我们可以知道大气光往往是在天空区域的雾图像或在最雾的地区。He(2011)，在暗原色先验算法中，以暗原色地图上最亮的0.1%像素点作为取值范围，这些点对应于原始图像。但对于高亮度或白色区域的雾图像，效果不明显。当这些区域在雾图像中存在时，大气光的估值不够准确。通过这些不精确的大气光去雾，去雾图像的效果一定不能令人满意，甚至会出现图像失真等现象。通过对大气光所在区域的分析，我们知道该区域总是明亮的，细节信息较少，属于图像中灰度平坦的区域。所以这个区域的边缘信息比其他区域小。虽然该区域的像素亮度值很高，但并不一定存在亮度值最高的点，因此我们设置了两个阈值来寻找亮度值更高的点。上阈值用于防止图像中明亮区域的干扰。在此步骤之后，得到雾图像中大气光所在的区域，然后在该区域中选择最大大气光的值。流程如下:(1)先按照暗原色先验的去雾过程求取带雾图像暗原色图，则暗原色图中的最大值为。取阈值上限和阈值下限分别为暗原色最大值的0.95和0.90;(2)求取带雾图像的灰度分量图，对得到的灰度图像进行直方图均衡化，增强灰度图像中景物的边缘信息后，用canny算子对增强后的图像进行边缘检测，找到边缘图像B,统计边缘图像B中的边缘像素点的个数，记为Nedge_sum；（3）对每个边缘像素点，求其邻域内边缘像素点的个数，然后将他们与Nedge_sum，得到比值图像Nedge(x),则所得的平坦阈值为为 (4)我们知道大气光所在区域应该同时满足,以及所以通过查找带雾图像内满足条件的点找出大气光所在区域；（5）通过以上步骤，我们找出大气光的所在区域，将该区域的点对应到带雾图像中，选取其中亮度值最大的点作为大气光的取值。1.2.2快速细化透射率无论是软垫算法还是引导滤波方法，对于分辨率较大的雾图像，必然会引入较大的计算开销，为了保证优化效果，降低优化过程的时间复杂度，本章采用一种新的详细的方法，其核心思想是:充分利用当地平滑传输分布特征图,从基于减少采样体积小雾地图,使用最小值过滤和联合双边滤波代替软抠图处理,实现基于暗通道传输图精细化处理。因为像素在图像的局部区域对应于类似的场景深度或传输,没有必要计算图像中每个像素的传输基于当地的像素之间的相关性属性在附近。为了减少计算量,算法首先对输入有雾图像进行降采样操作,依据降采样后的低分辨率图像构造出小尺寸的透射图，再利用高精度插值算法使透射图恢复到原图尺寸。为简单起见，下采样处理在不重叠矩形区域内应用均值化方法计算得到。具体做法是：对输入有雾图像(尺寸为h×w)执行连续分块，将其划分成若干互不重叠的方块(尺寸为𝑛×𝑛)。遍历所有分块，对每个分块图像在三个颜色通道内分别计算均值，形成低分辨率雾图： 1.3暗原色先验算法的不足1.3.1Halo效应Halo效应即光晕效应，在使用He去雾算法处理有雾图像时，会在图像内的场景边缘处出现Halo效应，其强度与求解暗通道时所采用的最小值滤波半径ｒ相关,ｒ越大，Halo效应越明显。图３．４分别给出使5*5,11*11,17*17,21＊21四种不同滤波半径求解得到的最终去雾效果图，在图像中树叶的边缘附近，存在淡淡的白色雾气，且随着滤波半径ｒ的增大,白色雾气逐渐向旁边扩散，降低去雾图像的可视性。（a）有雾图像（b）暗通道r=11（c）去雾图r=5（d）去雾图r=11（e）去雾图r=17（f）去雾图r=21图3.4暗原色先验去雾过程Halo效应产生的原因是对大气透过率的估计不准确。根据雾图像成像方式中大气透过率的依赖性，不同景深下大气透过率不同。在He算法中，我们首先使用最小滤波器求解暗通道图，然后使用暗通道图求大气透过率。在这个过程中，由于最小滤波器会破坏场景的边缘，即在图像的景深交点处，最小滤波器会将视觉的暗通道值带入到近景中。如图3.4(b)所示，在叶子与砖墙交界处附近，砖墙附近的x个像素点中包含了叶子，而树木的区域叶子属于前景，其暗通道值很低。暗通道值误判为叶面积。x点的透光率会被过高估计，造成点该点去雾不完全。Halo效果可以增加图像的边缘细节信息，但是这个由Halo效果是一个伪边缘，在原始图像中不存在，不利于后期图像的进一步处理。从人的主观视觉感受来看，具有Halo效应的去雾图像整体视觉效果较差。1.3.2大气光估计不准确大气光学值在很大程度上决定了最终去雾效果，过高或过低都会降低去雾图像的能见度。在图3.5中选择了一个较低、正常和较高的大气光学值对图（a）进行去雾处理。当大气光学值较低时，图(b)整体亮度增加，但前景有明显的饱和度，白色区域出现白色。大气光学值越高，图像(d)越暗，对比度越低，图像上方区域不明显。（a）原图（b）低光学值去雾效果（c）正常光学值去雾效果（d）高光学值去雾效果He算法中提出一种改善的求解大气光学值的方法，较于原先直接选取图像中最亮的像素点作为大气光学值估计值的方法，He提出的方法效果更好，能够在很大程度上避免了图像对白色场景的影响。当最小滤镜用于暗通道图时，如果滤镜窗口大小r大于白色场景，就会被腐蚀，因此排除了取值到该区域的可能性。如图3.6(a)所示，图中红色框中是一辆白色轿车，其像素值高于远处无穷大时的天空像素值。但是，经过最小值滤波处理后，如图3.6(b)在中所示，红色框中的白色轿车被完全腐蚀，最终大气光学值在天空区域可以准确取得。（a）原图（b）暗通道图在现实生活中，收集到的图像中可能有各种各样的白色物体。想通过最小值滤波腐蚀除去该区域，选择较大的过滤器窗口尺寸。但是，当窗口端口太大时，可能会不正确地移除天空区域。大气光学值会取在错误的区域，最终的除雾效果不好。图中有一架白色的飞机，如图3.7所示。当滤光窗半径较小时，白色飞机未被完全腐蚀，大气光学值将处于白色飞机区域。当滤光窗半径较大时，图像上方的天空区域被腐蚀，导致大气光学值无法准确取值到天空区域。（a）原图（b）He算法r=11（c）He算法r=37图求取大气光学值1.3.3暗原色先验的局限性暗原色先验原理原则并不普遍试用,会失败在明亮的区域的图像(包括天空区域和白色区域),因为该地区色调很浅,没有最小值趋于零的RGB三个通道,同时缺乏其他场景物的遮挡而不存在阴影。图像亮区暗通道值与大气光学值接近，得到的大气透过率趋于0。在不考虑暗原色先验理论的情况下，得到的实际大气透射率表达