雾天低质量可见光侦察图像复原算法

侯智斌， 陈向春， 宗军君

（陆军军官学院基础部，安徽合肥 230031）

利用侦察设备对敌方目标进行照相侦察和监视，是现代战争中获取敌方情报的主要方式之一。但在执行任务过程中，经常会遇到雾天等气象条件的影响，致使所获取的可见光侦察图像对比度降低，造成图像的混叠、降晰和扭曲，严重影响了指挥员对战场目标的识别判断。特别是在雾天频繁出现的季节和地区以及气象战利用的情况下，为保证全天候侦察和监视敌方态势，从低质量可见光侦察图像中去除天气影响，恢复图像对比度，已经成为一个亟待解决的难题。

目前，对于雾天单图像清晰化处理的方法主要有：雾天图像增强和雾天图像复原。雾天图像增强方法虽然算法简单，适用范围广，能有效地提高雾天图像的对比度，但很难反映景深多变的图像中局部景深的变化，对于突出部分的信息可能会造成一定损失，这将直接影响到指挥员的判断决策。

而雾天图像复原是研究雾天图像降质的物理过程，并建立雾天退化模型，反演退化过程，补偿退化过程造成的失真，以便获得未经干扰退化的无雾图像或无雾图像的最优估计值，从而改善雾天图像质量。这种方法针对性强，得到的去雾效果自然，一般不会有信息损失［1－4］。因此，本文基于大气散射系数的空间变化，建立了图像复原物理模型，该方法实现了低质量可见光侦察图像复原。

1 基于光学深度估计的雾天图像复原

散射是可见光波段导致图像降质的主要原因。为了实现雾天低质量可见光侦察图像的清晰化处理，分析了大气散射作用对图像的影响，以便了解雾天图像发生退化的物理过程。

1.1 雾天图像降质的退化模型

大气散射的物理本质是非常复杂的，与很多因素有关系，包括组成传播介质的粒子类型、半径大小、形状、方位和分布情况以及入射光的波长、偏振面和方向等。由于雾天天气状况相对稳定，大气介质中悬浮粒子的尺寸相对粒子间的距离很小，因此，本文假设光线从敌方目标到侦察设备的传播过程中只发生单散射现象。文献［5－9］对恶劣天气下图像的成像机制进行了深入的研究，结果表明，在雾天状况下，景物成像机制主要包括：景物光通过大气传送到侦察设备传感器过程中的入射光衰减机制；大气中粒子对来自天空的自然光散射引起的环境光成像机制。

目标反射光经大气衰减后到达侦察设备传感器的光强度为：大气中粒子将环境光散射到侦察设备传感器

的光强度为：

雾天情况下，侦察设备传感器上接收到的光强度为入射光衰减后到达侦察设备传感器的辐射度与进入成像系统的环境光辐射度之和，即

其中，ρ为归一化的场景辐射度，是天空照度、侦察目标反射率和侦察设备相机频谱响应函数三者的函数，与天气条件相关，ρ值在［0，l］区间上；d为侦察目标到侦察设备的距离，即景深；β（ν，λ）为大气散射系数，表示单位体积的大气对光线的散射能力；称为侦察目标的光学深度；I∞为空间光照度，β（ν，λ）和I∞构成了与天气有关的主要因素。该模型即为雾天图像降质的退化模型［10－11］。

要实现敌方目标场景对比度的复原问题，可以通过计算场景中各点的ρ值来解决，侦察目标的亮度和天空照度可以由图像信息得到，因此，实现图像上各像素点归一化辐射度ρ的计算问题，可以转换成对图像上各像素点光学深度的计算。

1.2 光学深度估计方法

1.2.1 景深d的计算

执行侦察之前首先要受领侦察任务，根据当时的天气等情况制定详细的侦察计划，并结合地图进行推演。到达现地要选择能通视侦察目标的位置作为观察所。

如果侦察任务是一个目标点，可以直接通过相关方向和观察设备锁定目标，再利用测距设备测出景深d。

如果侦察任务是获取侦察目标区域情报，则首先通过相关方向和观察设备确定重点侦察区域SD，如图1所示。分别确定n个边界目标（例如MA、MB、MC、MD），并利用测距设备分别测出各个边界目标点与测距设备之间的距离（例如dGA、dGB、dGC、dGD），取其均值dGO，dGO＝（dGA＋dGB＋dGC＋dGD）／4，O点为重点观察区域的距离均值点。由于各边界目标点到O点的距离（dAO、dBO、dCO、dDO）远小于距离dGO，故可以将dGO作为侦察目标区至侦察设备之间的距离，即景深d，代入到光学深度中进行计算，可以重点复原敌方重点目标区域，使敌方目标区域得到较好的复原效果。

图1 敌方重点目标区域景深选择

1.2.2 大气散射系数β（ν，λ）的计算

文献［12］详细分析了大气散射系数β（ν，λ）的计算方法。大气散射系数β（ν，λ）与能见度、波长之间的经验公式为：

其中，ν为能见度；λ为波长；q与能见度有关，其关系为：

由此可见，当波长一定时，大气散射系数与能见度成反比关系。如果在雾浓度变化明显地区侦察，可采用分段积分计算光学深度。由上述求得的光学深度根据雾天图像降质的退化模型（3）即可求出图像各点的归一化辐射度ρ矩阵，扩展到［0，255］上，即可获得复原后的清晰侦察图像。

2 仿真结果及分析

为了验证本文雾天低质量可见光侦察图像复原方法的有效性，在Matlab平台上进行了大量的仿真实验，实验中恰当选择参数值，并对复原后的效果与原图像进行了对比。

雾天条件下，利用观察设备在安徽省某地拍摄的低质量可见光侦察图像如图2所示，图像大小为489×336，整幅图的对比度很低，远近景的对比度很差，指挥员无法识别判断敌方目标区的相关情况，无法掌握敌方态势并给出指挥决策。

图2 安徽省某地低质量图像

实验中将侦察时测得的大气能见度以及波长等代入（4）式，可得大气散射系数为0.872 4，再将测得的侦察目标区景深代入计算光学深度。根据侦察设备测量的相关边界目标得出景深矩阵为：

根据雾天图像降质退化模型求出图像各点的 归一化辐射度ρ矩阵为：

由于“S”函数更能反映人眼的视觉特性，对较亮和较暗的区域进行压缩，而扩展中间的灰度级，因此，在实验中采用“S”函数拉伸方式将归一化辐射度拉伸到［0，255］上获得复原结果图像，如图3所示。

虽然在近景区域出现增强现象，但整体上具有更好的亮度分布，复原后的细节保持较好，远景和近景方面都得到了较好的改善，更多地改善了观察目标区场景的对比度，去雾效果自然。

图3 本文算法清晰化处理后的安徽省某地图像

在雾天条件下，在山东省某地利用侦察设备拍摄的低质量可见光侦察图像如图4所示，整幅图对比度低，无法满足作战需要。结合侦察数据，采用本文图像复原方法获得的清晰化图像如图5所示，图像清晰、自然，去雾效果明显。

图4 山东省某地低质量图像

图5 本文算法清晰化处理后山东省某地图像

实验结果表明，本文基于图像复原的清晰化处理方法可以实现低质量可见光侦察图像对比度的有效复原，该方法有效可行。

3 结束语

本文基于大气散射理论提出了一种雾天条件下低质量可见光侦察图像的清晰化复原方法。该方法适用于照相侦察远距离以及大气的空间变化，通过与相关硬件设备连接，该方法在具有完全自适应性的同时，也能够应用到实时性的图像处理系统中。文中经过对一系列低质量可见光侦察图像的处理，验证了本文方法的有效性，为指挥员全天候、及时、准确掌握敌方态势，做出正确指挥判断奠定了坚实的基础。

［1］ 黄黎红.单幅图像的去雾新算法［J］.光子学报，2011，40（9）：1419－1422.

［2］ 禹 晶，李大鹏，廖庆敏.基于物理模型的快速单幅图像去雾方法［J］.自动化学报，2011，37（2）：143－149.

［3］ 彭文竹.基于大气散射模型的偏振图像去雾算法［J］.电子测量技术，2011，34（7）：43－45，61.

［4］ 郭 璠，蔡自兴，谢 斌，等.图像去雾技术研究综述与展望［J］.计算机应用，2010，30（9）：2417－2421.

［5］ 李庆菲，朱志超，方 帅.大气湍流退化图像的复原研究［J］.合肥工业大学学报：自然科学版，2011，34（1）：80－82，127.

［6］ 郭 璠，蔡自兴，谢 斌，等.单幅图像自动去雾新算法［J］.中国图象图形学报，2011，16（4）：516－521.

［7］ Narasimhan S G，Shree K N.Removing weather effects from monochrome images［J］.IEEE Transactions on Computer Vision and Pattern Recognition，2001，2（11）：186－193.

［8］ Nayar S N，Narasimhan S G.Vision in bad weather［C］／／ICCV Proceedings of the 7th IEEE International Conference on Computer Vision，Kerkyra，Greece.USA：IEEE Computer Society，1999：820－827.

［9］ John P O，Brenda L S.Improving image quality in poor visibility conditions using a physical model for contrast degradation［J］.IEEE Transactions on Image Processing，1998，7（2）：167－179.

［10］ 侯天峰.数字图像去雾与超分辨率重建算法研究［D］.合肥：合肥工业大学，2011.

［11］ 陈 功，王 唐，周荷琴.基于物理模型的雾天图像复原新方法［J］.中国图象图形学报，2008，13（5）：887－893.

［12］ 葛君伟，谢祥华，方义秋.雾天图像清晰化方法及应用［J］.重庆邮电大学学报：自然科学版，2010，22（2）：223－226.