基于双边滤波的实时图像去雾技术研究

基于双边滤波的实时图像去雾技术研究前言1.Tan通过增强局部区域颜色对比度的方法,首次实现基于单幅图像信息的去雾。2.Fattal假定雾天大气介质透射比与表面阴影局部不相关,利用独立成分分析(ICA)的方法估计透射比。3.He等人首次提出了一种物理先验统计规律———暗原色先验(darkchannelprior),并利用该规律直接估计大气透射比,实现图像去雾。针对目前去雾算法普遍存在的算法复杂度高、处理速度慢等缺点,作者首先基于暗原色先验统计规律鲁棒地估计出大气光。在此基础上,提出一种新的基于双边滤波器的快速大气光幕估计方法,并利用大气散射物理模型恢复去雾图像。1.基于大气散射模型的成像方程Narasimhan等人给出了基于大气散射物理模型的雾天成像方程：式中:IJ为场景在理想气象条件下的辐射强度;IJ(x,y)τ(x,y)对应衰减后的辐射强度;IA为全局大气光辐射强度;IA[1-τ(x,y)]对应大气光散射强度;I(x,y)为实际辐射强度,对应于雾天退化图像(x,y)处像素点的颜色值;τ为大气透射比,对于同性大气式中:β为大气散射系数;d为景深。1.基于大气散射模型的成像方程重写方程,得到上述成像方程的一种等价形式：式中V为大气光幕(atmosphericveil)。本文中提出的基于双边滤波的实时图像去雾方法即可通过直接求解上面的方程实现。2.基于双边滤波的去雾算法在使用暗原色先验规律鲁棒地估计出全局大气光IA的基础上，将大气光幕的精确估计问题转化为一种快速双边滤波估计问题，进而通过求解大气散射物理方程直接恢复出去雾后图像IJ，在取得更佳去雾效果的同时,运算速度得到了极大的提升。2.1基于暗原色先验的大气光估计暗原色先验是一种基于无雾图像的先验统计规律。在纹理较丰富的无雾图像中,每一个局部区域都很有可能会有纯色或黑色的阴影。因此,每一个局部区域都很可能在至少1个颜色通道内含有很低的值,近似为0。对于图像IJ,该先验IJd表达式为：式中IcJ为图像IJ的颜色通道,c∈{r,g,b},(x′,y′)∈Ω(x,y),Ω(x,y)是以点(x,y)为中心的局部区域。2.1基于暗原色先验的大气光估计对于退化图像I,在雾较浓区域,其暗原色先验图像Id的亮度将明显增加,因此带雾图像暗原色先验的亮度可近似雾的浓度,大气光IA的颜色值通常对应于雾最浓的区域。基于此,给出大气光估计。具体实现步骤：①求取带雾图像的暗原色先验图Id,②从Id统计出前0.1%亮度最高的像素点。③在带雾图像I中搜索步骤②给出的亮度极小值点,并将该点亮度值作为大气光IA的颜色值。这种基于暗原色先验的自动大气光估计方法简单易行,并且相比以前方法具有更强的鲁棒性。2.2大气光幕估计对彩色图像(RGB颜色空间),令:则有约束条件:0≤V(x,y)≤W(x,y)。对于灰度图像,有W=I。W局部均值与局部标准差之间的差值可较好地近似V,在景深d突变的局部区域,V也会随之产生跃变;而在景深变化平缓的局部区域,V同样趋于平缓(如图1所示)2.2大气光幕估计为避免出现残雾及光晕现象,在估计W局部均值与局部标准差时,必须保护其沿边缘方向的跃变,而这正是双边滤波器的独有特性。双边滤波器定义为：式中:Ip,Iq分别表示图像I中坐标为p和q像素点的颜色值;Wp为滤波器归一化系数;Gσr,Gσs分别是图像I值域R和空域S上以σr,σs为参数的高斯核;符号|•|表示绝对值,||•||表示两像素点之间的欧式距离。可见,双边滤波在处理相邻像素值的灰度时,不仅考虑到了空间的邻近关系,也考虑到了灰度的相似关系,可在平滑图像的同时保持图像边缘。2.2大气光幕估计基于上述分析,提出了基于双边滤波的大气光幕估计方法,具体步骤如下：①采用双边滤波器估计W局部均值M(x,y)及局部标准差D(x,y),分别为②计算M(x,y)与D(x,y)之差V′(x,y),V′(x,y)=M(x,y)-D(x,y).。③考虑约束条件0≤V(x,y)≤W(x,y),求取大气光幕V(x,y),式中参数ω∈(0,1)控制去雾后图像远景处的残余雾量,用以保证去雾后图像在视觉上的自然效果。为了提高算法的运算速度,采用一种双边滤波器的近似快速算法。2.3去雾图像的恢复在求取大气光强度IA及大气光幕V(x,y)的基础上,可直接恢复出场景在理想气象条件下的辐射强度IJ(x,y),2.4去雾后图像亮度的调整去雾后图像整体亮度偏暗,须进行亮度的调整以提高图像质量,采用标准差截断法进行亮度调整。对于给定的颜色饱和阈值s∈(0,1),在R,G,B3个颜色通道内分别计算出最大、最小分位数fmax,fmin。设各颜色通道值域为[rmin,rmax],则亮度增强后图像为：3.实验结果及分析估计大气光IA时,局部区域Ω的大小设为15×15;在估计大气光幕V阶段,选取双边滤波器参数σr=0.1,σs=16;去雾图像亮度调整阶段,颜色饱和阈值s∈0.03。3.1去雾效果的分析图2为本文中算法的去雾效果图。去雾后图像整体颜色自然,无过饱和现象,这得益于本文物理模型的有效性和基于暗原色先验方法的全局大气光精确估计。图2(c)为去雾前后图像局部细节的放大对比,通过比较可见,算法对于图像能见度及对比度有极大地提升,非常有利于图像特征的提取和应用。4.结论本文基于暗原色先验统计规律鲁棒地估计出大气光,在此基础上,提出基于双边滤波器的快速大气光幕估计方法,并利用大气散射物理模型恢复去雾图像。该方法在实现更佳去雾效果的基础上,大幅度提高了运算度,并且对彩色图像和灰度图像均可适用,该图像去雾技术可广泛应用于室外实时监控、智能车辆及目标跟踪等领域。谢谢大家!