模糊图像去雾处理技术在安防领域中的应用

谈敏，邵志勇

（江阴职业技术学院 电子信息工程系，江苏 江阴 214405）

模糊图像去雾处理技术在安防领域中的应用

谈敏，邵志勇

（江阴职业技术学院 电子信息工程系，江苏 江阴 214405）

电子监控在生活中愈发普及，然而空气中的液滴和固体小颗粒影响，不仅危害人体健康，同时由于大量悬浮粒子的散射作用，大气能见度下降，户外图像颜色和对比度退化，会造成监控图像模糊，影响到后期监控画面的利用价值。因此图像去雾技术成为图像处理与计算机视觉领域研究的重要课题，也是人们迫切解决的问题之一。本文针对因天气环境（雾、霾）引起的图像模糊，采用全局直方图处理和Retinex算法进行去雾处理，通过实验对比，去雾后图像的清晰度和真实感也有了长足的进步，效果明显。

图像去雾；全局直方图；Retinex算法

0 引言

随着“平安城市”的普遍建设，各大城市都已建有完善的视频监控系统，并且该系统已经深入到每行每业每个人的生活中，广大人民群众逐渐意识到视频监控是不可或缺的。随着监控事业的蓬勃发展，视频图像质量也越来越为人们所关注。视频图像质量是摄像机的灵魂，是视频监控系统最重要的指标，没有好的图像质量，任何其它丰富的功能都失去意义。人们将图像质量低下、看不清细节影响主观视觉观看的图像统称为模糊图像，图像模糊会造成观察物的轮廓（即高频成分）不清晰和边缘线条不明显，妨碍了人们对于目标的图像特征提取、识别、跟踪等[1]。

当出现大雾、雨、雪、阴霾等天气时，监控图像的对比度和颜色明显变差，给视觉系统带来很大的干扰，降低了监控效率；当在光线不足的情况下，监控图像亮度低，细节无法分辨，不能对目标进行有效的监控。这些特殊的监控情况的出现，在实际使用时是不可避免的，我们只能通过技术手段对其进行处理，目前可以通过图像去雾技术对监控图像进行增强，使图像的细节，对比度等得到提升，满足监控要求。因此，本文将对该技术在安防领域的应用进行探讨。

1 图像去雾技术

对模糊图像采用数字图像处理技术进行增强处理的方法有很多，归结起来，仍然是传统的两类：一类是图像增强，另一类是图像复原。所谓图像增强方法即从图像所呈现的低亮度和低对比度的特征考虑，突出图像中特定需要的某些信息，而削弱或去除某些不需要的信息来完成的；而图像复原方法是从物理成因的角度对大气散射作用进行建模分析，实现场景复原。在复原过程中，一般先利用各种先验知识估计模型中的参数，最后求解方程从而计算出清晰的图像。两种方法相较，基于复原去雾算法从原理上实现去雾，对雾的估计更准确，能够真实地还原雾前的清晰图像，针对性强，得到的去雾效果自然，一般不会有信息的损失[2]。

在视频监控模糊图像处理中基于图像处理的图像增强技术应用较多。下面将详细介绍基于直方图均衡化和基于Retinex算法两种方法对图像进行去雾处理，使得模糊图像去模糊，以增强图像以及提高对比度进而去除空气中的雾和霾，恢复目标物原有的色彩。

2 基于直方图均衡化的图像去雾

图像的直方图是一张对不同像素进行个数统计的图形，对一幅图像中相同像素的个数进行统计，即图像中像素为255、254、...的个数分别为多少[3]。

假设图像的灰度值范围为[0～L-1]，则灰度直方图能按此以下这样定义：

公式中rk表示第k级灰度值（像素值），h(rk)和nk表示图像中灰度值为rk的像素个数。

通常含雾霾的模糊图像的像素值都聚集在某一个范围内（即在雾的灰度值附近），如图1-（c）所示的雾天的灰度直方图，这个范围较正常情况下清晰图像的像素值范围要窄很多，使得其他灰度值无法在图像中得到显示，这也就是造成图像模糊的原因。基于直方图均衡化就是将灰度值进行一个拉伸，将聚集在雾的灰度值附近的平均到所有的灰度值中（即0-255），处理后的灰度直方图如图1-（d）所示，这样模糊图像的直方图就可以得到均衡化，以此可以得到图像增强后的去雾图像[4]。

从上述的图1可以看到，原先含雾的图像很暗，根本看不清图像上的具体细节，去雾处理后我们能看到停车场上有一辆汽车，这在安防监控中至关重要，如果不进行去雾去模糊处理，那么监控视频将失去它原本的意义[5]。

基于直方图均衡化也有分全局和局部，全局直方图均衡化一般应用于整张图的亮度都很暗的情况，局部直方图均衡化一般应用于图像部分区域存在很暗的现象。因为雾霾天气的监控图像都是整张图都受到影响，所以本文主要详细介绍了全局直方图均衡化。由图1-（a）可以看到之前完全看不到任何东西的含雾图像，通过全局直方图均衡化后，整个图像的的亮度提升了很多，可以很清楚的看清楚图像上的物体，如图1-（b）所示。但是图像的细节并不是非常清晰，而且也存在一定的噪声干扰。

3 基于retinex算法的图像去雾

Retinex算法指的是retinex（视网膜）和cortex（皮层）的组合。他的基本思想是：人眼感知到的亮度和颜色不只只取决于retinex和cortecx识别到的光线，还受到周围环境的影响，即光和物质共同作用的结果。基本原理如图2所示，用公式可以表示为：

图1 直方图均衡化去雾前后对比Fig. 1 Comparison of the histogram equalization before and after the fog

观察者观察到的其实是入射光线L经过反射物体R反射后的结果，物体的真实颜色不是由入射光强度而是由物体对不同长度波的反射能力所决定的，物体的真实颜色不会受到光照的非均匀性影响。Retinex算法按照公式来分析，就是在观察到的图像S中估计出入射光线L，并且将入射光线L从图像中删除掉，这样就能得到原始的反射图像R[6]。

Retinex算法的基本步骤为：

①读取模糊图像

②对模糊图像的三个颜色R、G、B通道分别进行归一化的处理，方便计算

③设置高斯函数及其矩阵

④高斯函数矩阵与输入的模糊图像矩阵进行卷积运算，除去图像中的噪声，再取其对数。

图2 Retinex算法基本原理Fig. 2 The basic principles of Retinex algorithm

⑤求输入的模糊图像矩阵的对数与④步骤中求得的对数之差

⑥输出清晰图像

程序中可以通过调节高斯滤波器的宽度σ和模板大小n来改变图像的去雾效果。经实验发现，当滤波器的宽度σ过小时，那么通过高斯滤波器的值都很小以至于处理后的图像基本为黑色；当滤波器宽度σ过大时，那么刚好相反，处理后的图像基本为白色。经过多次的实验与尝试，现在归纳总结得到当σ在70～100之间，模板大小n在200左右时，处理后的图像去雾效果最好。

现在假设模板大小n为200，滤波器宽度σ分别取70、80、90时，去雾效果如下图3所示：

图3 模板大小为200，σ 分别取70、80、90的去雾效果Fig. 3 The template size is 200，σ take 70，80，90 respectively to the fog effect

可以看到，滤波器宽度σ越窄，灰度直方图基本分布在灰度值低范围内，图像的细节处越突出，但是图片颜色有点失真，当滤波器宽度变大时，去雾后的图像亮度增大，细节保存不完整，但相比而言，颜色失真方面有所改善。

现在假设高斯滤波器宽度σ为80，模板大小n分别取200、220、240时，去雾效果如下图4所示。

可以看到，模板大小n越大，图像的细节处越突出，但是图片颜色有点失真，当模板大小n变小时，去雾后的图像亮度增大，细节保存不完整，但相比而言，颜色失真方面有所改善。正好与高斯滤波器宽度σ对去雾图像的结果相反。

通过多次实验，总结出来：σ越大，会导致图像的灰度值集中在越大的区域，也就是图像会越亮，当n越大时，图像越暗[7]。所以灰度值集中在后面的，图像要适当变暗，即σ越大n越大，σ越小，n越小。

图4 滤波器带宽σ为80，分别模板大小为200、220、240的去雾效果Fig. 4 The filter bandwidth σ is 80，the template size is 200，220 and 240 respectively to fog effect

最后选定σ=90和 n=240，σ=75和 n=220，σ=62和 n=200分别以高、中、低三个尺度对图像进行处理（也称为多尺度MSR）得到的效果图为图5-（a）、（b）、（c）所示，取其各自的1/3并相加得到图5-（d）。

图5 取不同滤波器带宽和不同模板及其组合成的去雾结果Fig. 5 The results of the different filter bandwidth and different templates and their combination

5 结论

全局均衡化去雾图像整体亮度比较亮，对比度分明，尽管在颜色上失真效果很明显，但基本是在很大程度上除去了雾对视觉效果的影响。Retinex算法去雾图像中物体的颜色更鲜艳，细节处也更清晰，但是灰度值比较大的部分即图中天空的部分改善效果不佳，因为Retinex算法对高光区域较低光区域敏感度低，所以该区域的细节处理后也无法达到应有的效果。基于图像处理的图像增强方法具有对比度提高显著、图像细节突出、视觉效果明显的特点，上述方法已经在实践中获得了广泛的应用[8]。

图像去雾技术的未来研究方向将集中在提高其实时性，并实现硬件化。同时，寻求更加完备的物理模型来描绘复杂的大气状况，并探索研究基于这些模型的去雾算法在未来一段时间内都将是一个具有挑战性的课题。

[1] 张国锋.安吉县城市治安管理中视频监控系统的设计与实现[D].电子科技大学，2011.

ZHANG Guo-feng. The design and implementation of video surveillance system in urban public security management in Anji County[D]. University of Electronic Science and Technology of China，2011.

[2] 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.

GUO Fan，CAI Zi-xing，XIE Bin，TANG Jin. Review and prospect of image dehazing techniques[J]. Journal of Computer Applications，2010，30（9）:2417-2421.

[3] 胡媛媛.雾霾图像清晰化处理算法的研究[D].南京理工大学，2014.

HU Yuan-yuan. Research on the algorithm of image processing in fog and haze[D]. Nanjing University of Science and Technology，2014.

[4] 黄黎红.一种基于单尺度Retinex的雾天降质图像增强新方法[J].应用光学，2010，31（5）:728-733.

HUANG Li-hong. Fog-degraded image enhancement based on single-scale Retinex[J]. Journal of Applied Optics，2010，31（5）:728-733.

[5] 肖晖，韩轩，孙智权，等.基于的砝码自动装卸机械手图像定位方法的设计与研究[J].新型工业化，2014，4（12）:25-30.

XIAO Hui，HAN Xuan，SUN Zhi-quan，et al. Design and research of automatic weight loading and unloading manipulator image positioning method based on Matlab[J]. The Journal of New Industrialization，2014，4（12）：25-30.

[6] 尹丽.图像去雾和超分辨率图像重构技术研究[D]. 武汉理工大学，2012.

YIN Li. Research of Image Dehazing and Super-resolution Reconstrution[D]. Wuhan University of Technology，2012.

[7] 钟仡龙.单幅图像去雾处理算法研究及软件实现[D]. 西南交通大学，2012.

ZHONG Yi-long. The Research of Single Image-defog Processing Algorithm and Software Implement[D]. Southwest Jiaotong University，2012.

[8] 赵菁，陈峰，刘宇.基于多特征融合级联分类器的高速公路交通流检测方法研究[J].新型工业化，2014.4（2）：25-32.

ZHAO Jing，CHEN Feng，LIU Yu. Vehicle Detection in Highway Scenes Based on Multi-feature Cascade Classifier[J]. The Journal of New Industrialization，2014，4（2）：25-32.

Application of Fuzzy Image Defogging Processing Technology in the Field of Security

TAN Min, SHAO Zhi-yong
(Department of Electric Information Engineering Jiangyin Polytechnic College, Jiangyin 214405, China)

Electronic monitoring is increasingly popular in life. However, air liquid droplets and solid particles infuence, which not only harm human health, but also lead to the decrease of the atmospheric visibility, the degradation of outdoor image color and contrast caused by the scattering effect of a large amount of suspended particles. As a result, the monitoring image becomes blurred which further affects the use value of the monitoring screen. Therefore, the image processing technology has become an important research topic in the feld of image processing and computer vision, and it is also one of the urgent problems. The aiming at the image blur caused by weather conditions (fog, haze) by global histogram processing and the Retinex algorithm to deal with the mist. Through the contrast experiment, the image clarity and reality had considerable progress after image defogging.

Image defogging; Global histogram; Retinex algorithm

10.19335/j.cnki.2095-6649.2016.12.005

:TAN Min, SHAO Zhi-yong. Application of Fuzzy Image Defogging Processing Technology in the Field of Security[J]. The Journal of New Industrialization, 2016, 6(12) : 25-30.

江苏省大学生创新创业训练计划2016立项项目 （编号：201613137006Y）

谈敏（1980-），女，江苏常州人，硕士，讲师，研究方向为信号处理与模糊控制；邵志勇（1996-），男，江苏盐城人，大学专科，研究方向为电气自动化技术

本文引用格式：谈敏，邵志勇. 模糊图像去雾处理技术在安防领域中的应用[J]. 新型工业化，2016，6（12）：25-30.