基于暗通道的圖像去霧改進算法

吳子凡　羅維平

摘 要：針對傳統暗通道去霧算法對有霧圖像處理后存在的顏色偏差問題和在天空區域與非天空區域上去霧的效果存在較大差異的問題，提出一種基于暗通道的圖像去霧改進算法。該算法在大氣光值與透射率值的計算上進行了相應的改進，首先通過暗通道相關的概念及其原理的計算得到原始輸入圖像的暗通道圖，通過計算的最優閾值將原始圖像分為天空區域和非天空區域兩部分，然后在兩部分不同的區域上分別使用不同的方法得到大氣光值的估計值并且計算出透射率的值，再將得到的初始去霧圖像通過導向濾波對得到的圖像進行去噪，最后得到清晰的去霧圖像。實驗結果顯示：本算法更能有效地展示圖像的真實情況，避免其他環境因素的干擾，具有一定的優越性。

關鍵詞：暗通道；圖像去霧；天空分割；引導濾波

中圖分類號：TP391 文獻標識碼：A 文章編號：2095－414X（2023）05－0047－06

0? 引言

霧天是最常見的惡劣天氣，會降低圖像的視覺質量，不僅對人類的視覺感知，而且對一些高級視覺任務都有不利影響，例如目標檢測、圖像分類、視頻監控等，嚴重影響戶外視覺系統的性能。在多霧天氣條件下，由于大量顆粒物滯留在空氣中對光線產生一些作用，戶外拍攝的圖像大多會受到天氣的影響，這會影響獲取和分析圖像的正常信息，從而導致圖像特征的提取不準確。同時，霧天會給人們的外出帶來一些不便，并會對道路行人檢測、道路標志識別、自動駕駛等產生一些影響。

霧和霾經常一起出現，霧一般指的是霧氣，是小水滴懸浮在空中，使得地面的能見度下降，但會隨著太陽的出現而減小，但是霾是空氣中的小顆粒形成的氣溶膠系統，并不會隨著太陽光的出現而消散，這將導致能見度降低和邊緣信息的減少。獲取到的圖像不夠清晰，主要細節極大可能會丟失，從霧天獲得的圖像中恢復出原始清晰圖像，提高視覺系統的魯棒性是去霧的主要目的，為了保證去霧圖像預處理工作更好地進行，研究人員陸續提出了一些圖像去霧的方法[10， 14， 19]。該方法是一種對圖像進行預處理的方法，其目的是為了達到某些特定的要求，對原始圖像進行去霧處理，使其特征信息表達得更加清晰。

He等[1]提出了一種暗通道先驗的圖像去霧算法，通過分析大量室外無霧圖像的特征，從而去除單一輸入圖像的霧。該方法去霧簡單而且很有效，但在少數特定的場景使用時仍會失效，并且在有霧圖像存在天空或大面積白色背景時，對透射率的估計會不準確，從而導致模型無效等問題。司振惠等[2]在先驗的基礎上對有霧圖像進行去霧之前對原始圖像進行了圖像增強的預處理操作，最后得到的去霧圖像具有很強的實用性。孫曦等[3]提出了一種使用了殘差注意力機制方法的去霧方法，在真實數據集和虛擬數據集上都取得了較好的效果，并在去霧效果和處理時間上實現了平衡，但在面對天空區域和霧濃度不均勻的圖像時會出現圖像顏色的偏差和失真現象。張宏等[4]對暗通道先驗進行了改進，提高大氣光值估計值的精度的同時對亮度進行了均衡化和增強處理，使去霧后的圖像細節丟失和對比度較低等問題得到了解決。

基于此，本文在暗通道去霧的基礎上進行改進，將天空區域分割成兩部分并分別進行處理，相比于原始的暗通道去霧，本文大大減少了對天空區域去霧時出現的顏色失真和細節丟失等問題，并通過更加準確的計算透射率使去霧后的圖像細節特征更加明顯、對比度增強[17]、視覺效果也得到了改善。

1? 相關理論及方法

從霧天獲得的圖像主要會受大氣光值和透射率兩方面的影響。圖像去霧可以分為圖像增強和圖像退化兩種方法，前者的典型方法基于小波變換、偏微分方程、Retinex等[5-7]，該方法的主要作用是調節圖像的對比度和亮度，使圖像的清晰度得到改變。為達到相應的要求，該方法通常需要對多種圖像處理算法進行組合。后者的典型方法基于大氣散射模型、神經網絡的去霧、暗通道先驗的去霧等[8-9]。該方法是通過圖像退化的程度建立與之對應的數學模型，恢復出圖像的細節信息并從圖像中提取所需要的特征信息，使被霧氣影響的圖像得到恢復。而圖像增強是忽略圖像退化的過程，通過組合多種圖像增強的方法來恢復出清晰的原始圖像。圖像復原則需要通過圖像退化的過程模擬出圖像退化的逆過程，通過對圖像進行逆過程處理的方法得到清晰的去霧圖像[16]。兩種方法最終都使原始圖像得到了恢復，并使圖像的質量得到了提高，本文采用方法主要基于圖像退化的方法。

1.1? 大氣散射模型

3? 實驗結果及分析

為了檢驗本文改進方法的有效性，在實驗過程中分別選取多幅存在天空區域和不存在天空區域的圖像進行測試，并分別與普通暗通道去霧和文獻[15]的結果進行對比。實驗平臺為64位windows10操作系統的計算機，顯卡為NVIDIA2080Ti，軟件平臺為PyCharm2022.1×64。

3.1? 實驗結果

將本文算法在真實單圖像去霧數據集RESIDE上與暗通道、DehazeNet進行對比[20]，部分實驗結果如圖3所示。由圖3可知，暗通道去霧在不存在天空區域時，受背景影響去霧不夠徹底，在存在天空區域時，天空區域顏色失真較為嚴重。與暗通道去霧相比文獻[15]的去霧效果更好并且沒有出現顏色失真的現象，但在對天空區域去霧時存在部分細節丟失的情況。綜上可知本文提出的改進算法在圖像中取得了較好的去霧效果，本文的改進暗通道去霧方法在能見度和對比度上效果更好，并且能夠在顏色不失真的情況下最大程度去除霧氣。特別是對非天空區域的去霧效果比傳統的暗通道去霧更加明顯，而且去霧更加徹底。

3.2? 實驗結果分析

將三種不同方法在真實單圖像去霧數據集RESIDE上進行實驗對比，該數據集包括合成和真實世界的模糊圖像，RESIDE包含了五種不同類型的圖像，每種類型的圖像有其特定的應用場景及都有著各自的訓練或評估目的。這里選取了峰值信噪比（PSNR）作為主要的評價標準，并將結果與原圖進行對比，比較對應的SSIM值，原始圖像各方法在合成數據集RESIDE上測試的PSNR和SSIM的值如表1所示。通過比較分析可知本文提出的方法運行時間不僅大大減少而優于傳統的去霧算法，在圖像失真程度以及圖像還原程度上也優于傳統的去霧算法，提升了去霧性能。

4? 結論

圖像去霧的目的是達到某些特定的要求，對原始圖像進行去霧處理，使其特征信息表達的更加清晰。本文在原始暗通道去霧算法上進行了改進，首先通過暗通道相關的概念及其原理的計算得到原始輸入圖像的暗通道圖，通過計算的最優閾值將原始圖像分為天空區域和非天空區域兩部分，然后在兩部分不同的區域上分別使用不同的方法得到大氣光值的估計值并且計算出透射率的值，再將得到的初始去霧圖像通過導向濾波對得到的圖像進行去噪，最后得到清晰的去霧圖像。相比于原始方法，本文方法在大氣光值的計算方法和準確率上精度更高，使得最后求得透射率的值更加準確，解決了相應的顏色失真或色彩偏差的問題，從而能夠達到更好的去霧效果。通過在合成數據集RESIDE上進行實驗并與不同的去霧方法進行對比，結果表明本文方法具有較好的去霧性能并有效解決了顏色失真的問題。

參考文獻：

HE K M， SUN J， FELLOW， et al. Single image haze removal using dark channel prior[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence， 2011， 33（12）： 2341-2353.

司振惠，于萍，王巖.基于暗通道的單圖像融合去霧算法[J].計算機應用與軟件，2022，39（8）：240-245.

孫曦，于蓮芝.基于殘差注意力和半監督學習的圖像去霧算法[J].電子科技，2022，36（9）：1-8.

張宏，張玉倫，鄧旭， 等.基于改進暗通道先驗的圖像去霧算法[J].計算機仿真，2022，39（4）：150-155.

蔣華偉，楊震，張鑫，等.圖像去霧算法研究進展[J].吉林大學學報（工學版），2021，51（4）：1169-1181.

TANRT.Visibility in bad weather from a single image[C] //CVPR2008：Proceeding of the 2008 IEEE Conference on Computer Vision and Pattern Recognition.Washington，DC：IEEE Computer Society， 2008.1-8.

陶海威，王毅，沈燕飛，等.基于暗通道先驗的圖像去霧算法改進研究[J].軟件導刊，2016，15（5）：30-34.

魏紅偉，田杰，肖卓朋.圖像去霧算法研究綜述[J].軟件導刊，2021，20（8）：231-235.

馮燕茹.雙視覺注意網絡的聯合圖像去霧和透射率估計[J].光學精密工程，2021，29（4）：8-13.

欒中，尚媛園，舒華忠，等.基于SLIC和SVR的單幅圖像去霧算法[J].東南大學學報（自然科學版），2018，48（1）：26-28.

王嬌.一種改進的基于暗通道先驗的快速去霧算法[J].現代電子技術，2019，42（22）：63-68.

ZhuQ，MaiJ，ShaoL.A Fast Single Image Haze Removal Algorithm Using Color Attenuation Prior[J].IEEE Transactions on Image Processing，2015，24（11）：3522-3533.

吳宏鍔，胡雙年.基于天空區域改進的暗通道先驗算法研究[J].實驗技術與管理，2019，36（9）：120-123．

王小霞，黃穎雯，譚庭均，等．基于Retinex的汽車牌照圖像去霧研究[J].內蒙古農業大學學報（自然科學版），2018，39（1）：64-70．

Cai B L，Xu X M，Jia K，et al.DhazeNet：An end-to-end system for single image haze removel[J].IEEE Transaction on Image Processing.2016，25（11）：5187-5198.

Sebastian S C，Ivan C A，Arrrguin R，et al.Single image degazing using a multilayer perceptron[J].Journal of Electronic Imaging，2018，27（4）：1-11.

Zuiderveld K.Contrast limited adaptive histogram equalization[M]. Graphics gems IV.Academic Press Professional，Inc.1994. 474-485.

He K，Sun J，TangXo.Guided image filtering[J].IEEE Transactions on Pattren Anaalysis and Machine Inteligence，2013，35（6）：1397-1409.

Galdran A.Image dehazing by artificial multiple-exposure image fusion[J].Singnal Processing，2018，149：135-147.

Hautière N，Tarel J P，Aubert D，et al.Blind contrast enhancement assessment by gradient rayioing at visible edges[J].Image Analysis and Stereology，2008，27（2）：87-95.

Image Defogging Improved Algorithm Based on Dark Channel

WU Zi-fana， LUO Wei-pingb

（a.School of Mechanical Engineering and Automation; b. Hubei Key Laboratory of Digital Textile Equipment，

Wuhan Textile University， Wuhan Hubei 430200， China）

Abstract：Aiming at the problem of color deviation after traditional dark channel defogging algorithms process foggy images and the significant difference in defogging effects between sky regions and non sky regions， an improved dark channel based image defogging algorithm is proposed. This algorithm has made corresponding improvements in the calculation of atmospheric light value and transmittance value. Firstly， the dark channel map of the original input image is obtained through the calculation of the concept and principle of dark channel correlation. Through the calculation of the optimal threshold value， the original image is divided into two parts， namely， sky region and non sky region. Then， different methods are used to obtain the estimated atmospheric light value and calculate the transmittance value on two different regions， respectively， Then， the obtained initial defogging image is denoised through guided filtering to obtain a clear defogging image. Experimental results show that this algorithm can more effectively display the true situation of the image， avoid interference from other environmental factors， and has certain advantages.

Keywords：dark channel; image defogging; sky segmentation; guided filtering

（責任編輯：周莉）

*通訊作者：羅維平（1967-），女，教授，碩士生導師，研究方向：智能控制及嵌入式系統、檢測與大數據技術及應用、智能電網與新能源技術.

基金項目：湖北省數字化紡織裝備重點實驗室開放課題（DTL2022001）.