基于小波融合的单幅图像去雾方法

齐　妙，马书一，王　婷，管庆吉

(1.东北师范大学计算机科学与信息技术学院，吉林 长春 130117；2.北京交通大学交通数据分析与挖掘北京市重点实验室，北京 100044)

基于小波融合的单幅图像去雾方法

齐妙1，马书一1，王婷1，管庆吉2

(1.东北师范大学计算机科学与信息技术学院，吉林 长春 130117；2.北京交通大学交通数据分析与挖掘北京市重点实验室，北京 100044)

[摘要]在暗通道先验方法的基础上，提出了一种新的基于小波融合的单幅图像去雾方法.借助于先验常识，提出了基于二分法的大气光值估计方法；为了获得准确的透射率并保持图像的边缘信息，提取不同尺度的透射率图，并采用基于小波融合的方法估计透射率；利用雾霾天气下图像退化模型，复原清晰的无雾图像.实验结果表明，该方法能够有效去除雾的影响，比现有几种流行的方法具有更真实的还原颜色和景深信息.

[关键词]图像去雾；二分法；小波融合；暗通道先验

0引言

近年来，空气质量下降导致雾、霾等恶劣天气频繁出现，由于空气中大气粒子的吸收和散射作用，雾天所拍摄的图像质量退化严重.有雾图像细节信息不明显，许多特征被模糊或覆盖，直接导致了以图像特征为基础的户外视频监控、智能导航与跟踪、军事航空侦查等视觉应用系统无法正常工作.[1-2]同时，道路交通图像或视频的去雾处理对于交通事故责任鉴定发挥着重要作用.因此，图像的去雾处理具有重要理论价值与现实意义.

雾天图像退化过程一般用模型表示为[2-8]

(1)

其中：I(x)表示有雾图像，J(x)表示无雾清晰图像，A表示大气光强度，t(x)表示介质透射率.雾霾天气下介质一般认为是同质的，t(x)可表示为

(2)

近年来，单幅图像去雾方法研究得到了国内外学者的广泛关注.R.T.Tan等人[3]提出一种最大化有雾图像对比度的去雾方法，获得了清晰的图像，但是恢复的图像存在局部颜色过于饱和现象；R.Fattal[4]假设场景反射率和景深局部不相关，使用独立成分分析估计场景辐射率，得到了较好的去雾效果，但是受浓雾影响的图像效果较差；J.P.Tarel等人[5]提出了单幅图像快速去雾方法，但对最小通道图像两次中值滤波后获得的大气光幕无法保留图像景深跳变处的边缘信息；K.He等人[6]提出了基于图像暗通道先验的透射率估计方法，但是采用软抠图方法对透射率进行细化十分费时;Z.Wang等人[7]提出了一种基于透射率融合的去雾算法，该算法速度较快，但是去雾图像的颜色严重失真；Y.Q.Zhang等人[8]提出了采用低秩技术和重叠平均策略实现单幅图像的能见度增强算法；C.O.Ancuti等人[9]提出了半逆解方法检测与图层法去雾算法.

为了获得良好的去雾效果，本文提出一种简单有效的单幅图像去雾方法.首先，利用二分法估计大气光值A；其次，分别提取粗、细尺度的透射率，并采用基于小波图像融合的方法估计透射率；最后利用图像退化模型复原无雾图像.

1本文方法

1.1二分法估计大气光值A

通常受到雾霾的影响，场景中目标的亮度值大于自身亮度值，因此大气光值A一般认为是远处雾较浓区域中的最大亮度值[5].但是，对于场景中存在白色目标或者建筑物时，这种方法估计的A值往往和实际情况有较大偏差.一般情况下，浓雾区域位于远景处，即图像的上半部分.而且浓雾区域亮度较高且相对平滑.基于这一观察，本文提出一种基于二分法的大气光值估计方法.该方法能够排除图像噪音及白色目标的影响，同时处理高分辨率图像时，能够大大降低计算时间.下面给出具体步骤.

输入：有雾图像上半部分I1，分解阈值ε；

输出：大气光值A.

(1)循环：

(A)初始化y=I1;

(b)将y划分为2个区域xi(i=1，2)，计算每个区域的得分为

s(xi)=mean(xi)-stdVar(xi)，

(3)

其中mean(·)表示计算平均值，stdVar(·)表示计算标准差；

(c)计算得分最大值对应的图像区域大小为

(4)

其中size(·)表示计算图像大小，xmax表示得分最大值对应的图像区域；

(d)若φ大于ε，y=xmax，返回步骤b，否则结束.

(2)将xmax按像素亮度值降序排列，选取前5%的平均值作为大气光值A.

1.2基于小波图像融合的透射率估计方法

为了准确地估计图像的透射率，本文采用基于小波图像融合的方法估计有雾图像的介质透射率.

(1)粗尺度透射率

K.He等人[6]提出了基于暗通道先验的图像透射率估计方法.其基本思想是户外自然场景图像的局部邻域中，至少在一个颜色通道上像素亮度值接近于零.基于暗通道先验获得的透射率，能够粗略地反映图像的景深信息，本文将其作为初始的透射率，定义为

(5)

循环j= 1，…，n.

其中:s和r分别表示算法中空域和值域向量，yconv表示y的收敛值.与平滑滤波器(如均值滤波器、中值滤波器等)相比较，MeanShift算法在平滑图像纹理的同时，能够保持图像的边缘[11].与平滑保边滤波器(如双边滤波器)相比，MeanShift平滑滤波具有更为稳定的性能[12].

(2)细尺度透射率

(6)

其中：max表示R，g和b中的最大值，min表示R，g和b中的最小值.

(3)透射率融合

基于小波变换的图像融合方法根据小波分解后图像各层次的特征域进行有针对性的融合，能够保持图像自身的结构和细节信息[13].为了获得准确真实的有雾图像透射率，本文采用基于小波变换的图像融合方法融合两个不同尺度的透射率.为了保持融合图像的景深边缘信息，设定以下融合规则：

(A)分解后图像的低频子带(位于最高分解层)采取平均算子，低频分量计算方法为

(7)

(b)分解后图像的高频子带采取加权平均算子，高频分量的计算方法为

(8)

融合算法具体步骤如下：

输出：透射率t.

(b)分别计算融合低频系数lf和高频系数hf，利用公式(7)和(8)；

(c)利用lf和hf进行小波重构，获得融合后的透射率t.

1.3图像复原

已知大气光值A和透射率t后，根据公式(1)，复原的无雾图像可由

(9)

获得.其中t0作为透射率的下界，一般取值为0.1.

2实验结果与分析

为了验证本文方法的有效性，对多幅户外有雾图像进行了测试.图1给出了本文方法所估计的2幅有雾图像的透射率和去雾效果.从图1(b)可以看出，本文采用的基于小波图像融合的透射率估计方法不仅估计出准确的景深信息，而且完整地保持了图像的景深边缘信息.同时，由图1(c)可知，本文方法复原的无雾图像颜色信息丰富真实.实验中参数w取值为0.9，t0取值为0.1～0.3，α取值为0.1～0.5.

图2给出了本文方法与目前较流行的去雾算法的对比结果.从图2(b)和2(e)可以看出，文献[2，6]方法无法完整地去除雾的影响，不能复原场景的真实颜色.图2(c)和2(d)是文献[5，7]去雾结果，虽然这2种方法复原了场景的大部分颜色信息，但是对于图像的景深边缘区域(前景中树叶的缝隙处)的雾不能有效地去除.图2(f)是本文方法复原的无雾图像.该方法从整体上去除了雾的影响，还原了场景的真实颜色，同时还保持了完整的图像边缘信息.

(a)有雾图像(b)透射率图(c)去雾图像

图1本文方法去雾效果

(a)有雾图像(b)文献[4]去雾结果(c)文献[5]去雾结果

(d)文献[7]结果(e)文献[8]结果(f)本文结果

图2“house”去雾对比结果

图3给出了本文方法与文献[3，6，9]方法的对比结果.从图3可以看出，文献[6，9]方法复原图像较自然，但是雾并没有去除干净(大山处)，而且图像整体的对比度较低.文献[3]方法过于强调提高复原图像的对比度，直接导致复原结果颜色过饱和.相对来说，本文方法在提高了图像对比度的同时又保持了原始景物的颜色信息，去雾结果看起来更真实自然.

有雾图像文献[6]结果本文结果

有雾图像文献[3]结果本文结果

有雾图像文献[9]结果本文结果

图3本文方法与文献[3，6，9]对比实验结果

3结论

本文提出了一种新的单幅图像去雾算法.首先，依据合理的先验常识，假定天空区域位于图像的上半部分，提出了基于二分法的大气光值估计方法.该方法在处理高分辨率图像时能够大量降低计算量，从而降低时间代价.其次，基于小波图像融合的透射率估计方法不仅融合了图像的景深边缘信息，而且还原了场景的真实颜色信息.实验结果证明本文方法具有较强的实用性.现实生活中，往往遇到的是数据量巨大的视频数据，因此，我们的下一步工作是将该方法应用于视频处理.

[参考文献]

[1]刘宛宜，杨璐泽，刘淼，等.长春市宽城区总悬浮颗粒物中Cu和Cd的污染特征及化学形态分布研究[J].东北师大学报(自然科学版)，2014，46(2)：138-143.

[2]白杨，崔明，贾宏光.捷联导引头中基于知识的目标分割方法研究[J].东北师大学报(自然科学版)，2014，(46)3:75-80.

[3]TAN R T.Visibility in bad weather from a single image[C]//IEEE Conference on Computer Vision and Pattern Recognition，Anchorage AK：IEEE，2008，2008：1-8.

[4]FATTAL R.Single image dehazing[C]//ACM Transactions on Graphics，New York：ACM，2008:1-9.

[5]TAREL J P，HAUTIERE N.Fast visibility restoration from a single color or gray level image[C]//2009 IEEE 12th International Conference on Computer Vision，Kyoto：IEEE，2009：2201-2208.

[6]HE K，SUN J，TANG X.Single image haze removal using dark channel prior[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2011，33(12)：2341-2353.

[7]WANG Z，FEND Y.Fast single haze image enhancement[J].Computers & Electrical Engineering，2014，40(3)：785-795.

[8]ZHANG Y Q，DING Y，XIAO J S，et al.Visibility enhancement using an image filtering approach[J].EURASIP Journal on Advances in Signal Processing，2012(1)：1-6.

[9]ANCUTI C O，ANCUTI C，HERMANS C，et al.A fast semi-inverse approach to detect and remove the haze from a single image[C]//Computer Vision-ACCV 2010，Queenstown：Springer Berlin，2011：501-514.

[10]CHENG Y.Mean shift，mode seeking，and clustering[J].IEEE Transactions onPattern Analysis and Machine Intelligence，1995，17(8)：790-799.

[11]COMANICIU D，MEER P.Mean shift analysis and applications[C]//The Proceedings ofthe Seventh IEEE International Conference onComputer Vision，Kerkyra：IEEE，1999：1197-1203.

[12]HAN H，SOHN K.Automatic illumination and color compensation using mean shift and sigma filter[J].IEEE Transactions onConsumer Electronics，2009，55(3)：978-986.

[13]王海晖，彭嘉雄.基于多小波变换的图像融合研究[J].中国图像图形学报(A 辑)，2005，9(8)：1002-1007.

(责任编辑：石绍庆)

Single image dehazing based onwavelet fusion

QI Miao1，MA Shu-yi1，WANG Ting1，GUAN Qing-ji2

(1.School of Computer Science and Information Technology，Northeast Normal University，Changchun 130117，China;2.Beijing Key Lab of Traffic Data Analysis and Mining，Beijing Jiaotong University，Beijing 100044，China)

Abstract:Based on the dark channel prior，a new single image dehazing method is proposed using Wavelet fusion.Firstly，by means of a priorknowledge，the atmospheric light value is estimated by dichotomy.Secondly，in order to obtain accurate transmission map and keep image edge information，fusion different scale transmission maps are adpoted by Wavelet fusion approach.Finally，we restore the clear haze-free image is restored by image degradation model.Experimental results show that our proposed method can remove the haze effectively.Moreover，compared with several state-of-the-art methods，it can restore the more real color and scene depth information.

Keywords:image dehazing；dichotomy；wavelet fusion；dark channel prior

[文章编号]1000-1832(2016)02-0077-06

[收稿日期]2015-05-07

[基金项目]国家自然科学基金资助项目(61403078)；吉林省科技厅工业高新技术项目(20130206042GX).

[作者简介]齐妙(1981—)，女，副教授，主要从事数字图像处理研究；通讯作者：管庆吉(1988—)，女，博士研究生，主要从事计算机视觉研究.

[中图分类号]TP 391.41[学科代码]520·6040

[文献标志码]A

[DOI]10.16163/j.cnki.22-1123/n.2016.02.017