基于自适应伽玛校正的去雾算法

辛婷婷　肖雪梅

摘要：考虑到目前去雾算法复杂度高、效果不稳定和处理结果模糊等问题，为了更好地提高雾霾环境的图像能见度，提出基于自适应伽马校正的去雾算法。首先利用暗原色优先模型构造透射率图，然后通过对比度评估算法来计算环境光系数，以获取初始去雾图像，再利用自适应伽玛校正算法增强初始去雾图像的亮度和对比度，从而最大限度地提高事物的能见度。结合实例，对算法进行了详细的阐述，实验结果表明，该算法切实可行。

关键词：去雾算法；自适应伽玛校正；暗原色模型；对比度评估算法；环境光感知

中图分类号：TN911.73

文献标识码：A

文章编号：1009-3044（2017）10-0227-03

越来越严重的雾霾环境给图像传感带来了巨大的挑战。雾霾中微粒的散射会严重衰减图像的能见度，如何高效去雾是目前图像传感领域里亟待解决的问题。

图像去雾的方法大致分为两类：非物理模型方法和基于物理模型方法。非物理模型图像去雾方法通常采用增强图像对比度来提高图像清晰度，其优点是无需分析降低图像质量的原因，但该类方法去雾的效果往往不理想。基于物理模型的去雾方法，是通过含雾图像的退化模型来实现图像的复原，图像去雾效果更为明显，但在许多模型算法实践中有出现各种问题：Tarel利用中值滤波变形来估计光照耗散，从而实现图像去雾，但由于过多的参数设置会造成去雾效果不稳定；He采用暗原色模型进行去雾，明显缺点是算法复杂度高、耗时长；Gibson利用异步维纳滤波实现图像的自适应去雾，但获得的图像对比度较低。

结合两类去雾算法的优点，本文提出了一种基于自适应伽玛校正的去雾算法。首先，利用暗原色优先模型原理构造透射率图，通过图像对比度评估算法来获取图像的环境光系数，从而实现初步去雾。然后，利用自适应伽玛校正算法调节图像的亮度和对比度，最大程度提高去雾图像中事物的能见度。

1.基于自适应伽玛校正的去雾算法

1.1大气散射模型

将增强的亮度分量和H，S色彩分量结合，转换回RGB色彩空间，即可获得最后的去雾图像。图l给出了所提算法的各步骤处理的结果。从图1中可以看出，初步去雾图像的亮度和对比度均较低；而最终处理结果拥有更好的亮度和对比度，图像中事物的能见度得到了极大提高，去雾效果显著。

2.实验结果及分析

为了更好的测试本文所提算法的性能，下文将结合文献[3]、[4]、[5]所提去雾算法在主观视觉效果、客观评价指标和时间复杂度等方面进行比较。

2.1主观视觉效果比较

图2和图3分别为不同程度的含雾图像的处理结果，图2中原图名称自左而右分别为：建筑，田园，森林。图3中原图名称自左而右分别为：小路，草堆，郊区。

这些图所含的雾浓度不同，导致图像中事物的能见度不同。从视觉效果来看，Tarel处理结果较暗，色彩饱和度过大；He去雾后细节变得模糊，处理后图像中仍有含有薄雾；Gibson处理结果的对比度较低。本文所提方法解决了以上问题，去雾图像明亮，对比度高，细节突出，图像的主观视觉效果最好。

2.2客觀评价指标

式中Ugde为去雾图像的梯度平均值，Ugo为原图像的梯度平均值。

gr数值越大说明图像的去雾效果越好，图像中物体细节更为清晰。

表1为各种算法所得去雾图像的gr结果。

2.3时间复杂度

本文的实验平台包括：3.3 GHz CPU、Windows 7操作系统、4GB内存、Matlab 7.10。表2是各种算法对100幅大小为640x480含雾图像的平均处理耗时结果。本文算法在该PC上采用C++实现，对于大小为640x480含雾图像的平均处理耗时为38ms，完全可以满足实时视频处理的需要。

3.结束语

本文提出了一种基于自适应伽玛校正的图像去雾算法。首先利用暗原色优先模型建立透射率图，利用对比度评估算法自适应获取含雾图像的环境光系数，然后利用大气散射模型、透射率图和环境光系数求解初步去雾图像，最后对于初步去雾图像进行自适应伽玛校正。实验证明，本文所提方法具有很强的自适应性，算法的时间复杂度低，去雾图像能见度得到明显地提高。