一种改进的实时视频去雾算法.docVIP

一种改进的实时视频去雾算法 　　摘要：雾、霾天气下，成像传感器采集到的图像质量严重下降，大量图像去雾算法应运而生，但是其处理速度慢、细节模糊、色彩失真、特别是在实时视频中的应用受限。为此，在实时视频去雾技术大气透射模型的基础上融合图像增强与图像复原技术的优势，采用两级下采样技术，提出一种改进的实时视频去雾算法。实验结果表明，改进的实时视频去雾算法有效增强了图像的清晰度，提高了处理速度。 　　关键词：去雾技术； 先验暗通道； 透射率； 图像增强 　　DOIDOI：10.11907/rjdk.162255 　　中图分类号：TP312 　　文献标识码：A文章编号2016）010005002 　　0引言 　　在雾、霾天气环境下，大气粒子散射导致成像传感器采集到的图像质量严重下降，带来图像对比度下降、细节模糊、色彩失真、可视距离变小等问题。 　　当前去雾算法主要分为两类： 一类是非模型的图像增强方法，如直方图均衡化[1]、Retinex算法[2]、滤波变换方法和基于模糊逻辑的方法等；另一类是基于模型的图像复原方法[3]，如最大熵方法、图像退化函数估计法等。前者能通过增强相关区域提升可识别度，但不能针对图像退化过程的原因进行图像补偿，只能改善视觉效果而不能改变去雾效果。后者依据物理模型来设计[4]，如大气散射模型，需在不同时间点采集多幅图像作为参考图像，确定模型参数，求解出无雾状态下的图像，从而限制了此类方法在实时视频中的应用。实际视频处理中，图像处理数据量庞大，特别是高清时代图像数据更是惊人，视频实时监控对处理效果和自适应性等方面都提出了较为苛刻的要求，同时也受制于CPU带宽、频率、功耗等而难以工程化。 　　本文实时视频去雾技术在大气透射模型的基础上融合图像增强与图像复原技术，采用两级下采样技术，提出一种改进的实时视频去雾技术，从而增强图像的对比度、清晰度、可视距离，具有应用价值。 　　1本文算法 　　1.1算法原理 　　在绝大多数非天空的图像局部区域中，一些像素至少有一个颜色通道具有很低的亮度值。而在实际生活中造成暗原色中低通道值的因素主要有阴影、投影或者色彩鲜艳的物体等，这些景物图像暗原色一般很灰暗。 　　本文去雾算法主要原理是：基于暗原色通道原理[5]生成暗通道图像，根据暗通道图像得出最初的透射率图，针对初始透射率图进行图像抠图处理，得到带较准确细节信息的修正投射率[6]，最后由修正的透射率图与原始输入图像得到去雾后的输出图像。 　　其中，Ix表示有雾图像，Jx表示去雾后的图像，场景辐射中大气传输过程中的透射率用tx表示，目标辐射信息的直接衰减用Jxtx表示，反应出了经过传输介质后目标电磁波信息到达传感器的能量； A 表示大气光，大气光经过衰减后到达传感器的能量用A（1-tx）表示。 　　包含天空的场景天空区域，先验暗原色通道算法并不合适，但有雾时天空区域的强度值和大气光值A很相近，此时有： 　　minc（miny∈Ω（x）（Ic（Y）AC））→1，t（x）→0（3） 　　空气中总会不可避免地包含一些杂质分子，且雾的存在是人们感知深度的一个基本线索，这一现象被称为空间透视。如果彻底移除雾的存在，图像看起来会不真实。所以引进一个常数ω（0ω≤1），有针对性地保留一部分覆盖遥远景物的雾： 　　t（x）=1-ωminx（miny∈Ω（x）（Ic（y）Ac））（4） 　　抠图方法可以估计出较好的透射率图，并提取图像的轮廓边沿。基于暗通道原理的去雾处理模型所计算出的透射率图包含了很多块状的半透明图块，如果直接对这个透射率图计算去雾的结果图像，去雾后图像对应的位置处会有半透明的块状效应，这些半透明的块正是输入图像的轮廓边沿处。因此需要对透射率图作抠图处理以便提取其轮廓边沿。在本算法的工程实现上采用一种导向滤波器作为抠图滤波器。通过抠图处理可以获得精确的透射率图，然后根据公式： 　　J（x）=I（x）-Amax（t（x），t0）+A（5）对输入图像的RGB三分量分别采用公式可以计算出去雾后的结果图像J（x）。 　　1.2改进的去雾算法 　　当用一幅图像作为输入数据时，经过该算法处理，对于相似输入数据，分析每一个处理步骤产生的处理结果是否相似，能否产生与原图非常近似而差异主要限于分辨率方面的结果图像。并且能够从小分辨率的结果图像产生原图大小的结果图像，分析恢复出的图像与原始图像直接经过算法处理后的结果图像之间的差异是否难以察觉。 　　在去雾算法中应用下采样技术主要基于以下几点考虑：①有雾图像数据尤其是浓雾图像数据具有邻域相似性；②除抠图处理对精度敏感以外，其余处理步骤均对计算精度要求不是特别敏感；③分别以相同内容而仅分辨率不同的两幅图像进行去雾处理，其各步骤均能产生近似结果