雾天道路监控系统视频图像增强算法的比较研究

张 道 华

(亳州学院， 安徽 亳州 236800)



雾天道路监控系统视频图像增强算法的比较研究

张 道 华

(亳州学院， 安徽 亳州 236800)

随着平安城市的逐步推进，以智能视频监控为主流的图像增强技术出现了供应上的短缺。因此，研究降质图像的增强算法具有重要的科研价值和经济价值。对目前常用的雾天图像增强算法，如直方图均衡化算法、多尺度Retinex算法及暗通道优先算法，对其进行运行效率和算法效果的比较，并采用MATLAB分别实现3种算法处理后图片的查看和提取。实验表明，暗通道优先算法能够清晰地还原图像，但处理时间较长。最后对暗通道优先算法的进一步完善提出了研究方向。

图像增强； 直方图均衡化； 多尺度Retinex； 暗通道优先

随着信息技术的不断发展，户外的监控系统、智能交通系统以及军用的探测系统等视觉系统越来越受到重视。而这些系统对于天气条件非常敏感，为了实现计算机视觉系统对天气变化的适应性，图像增强技术是急需解决的问题。

目前，针对恶劣天气条件特别是雾天降质图像增强的研究，已成为计算机视觉和图像处理领域学者们研究的热点。目前已研究的各种图像增强算法在还原效果上均具有一定的局限性，如：运算速度慢，单帧图像处理时间过长，或还原效果不理想等，这就使得实时路况监控视频的图像增强处理遇到很大障碍。因此，为了实现雾天路况监控视频的即时去雾，更加快速、有效的算法的设计仍在不断完善之中。通过对目前常用的直方图均衡化算法、多尺度Retinex算法及暗通道优先算法这3种雾天图像增强算法进行效果分析及运算速度的对比可知，暗通道优先算法能够清晰地还原图像，但处理时间较长，因此，对该算法的进一步完善提出了研究方向。

1 图像增强

图像增强的目的是将一副图像中有用的信息(即感兴趣的信息)进行增强，同时将无缘的信息(即干扰信息或噪声)进行削弱，进而提高图像的可观察性。图像增强技术主要解决色彩恢复及处理、直方图修改、图像的平滑化及尖锐化处理等问题。图像增强技术可分为频域处理法和空域处理法。频域增强法以卷积定理为基础，通过修改图像傅里叶变换达到增强图像的目的。空域增强法则是以灰度映射变换为基础，直接增强处理图像中贡献较大的像素。暗通道优先处理算法和直方图均衡化算法以空域处理法为主；Retinex算法主要采用频域处理法。

2 直方图均衡化算法

2.1 直方图均衡化算法原理

图像的灰度直方图能够直接反映图像中像素灰度的分布特性，因此，通过对灰度直方图的直接调整，可以使图像数据信息量增大，从而达到使画面的表现效果得到改善的目的。如果某个灰度值的像素个数在图像中所占比例较大，则此灰度值对画面的影响就较大；反之，影响较小，甚至可忽略不计。即：展宽给定图像中像素个数多即对画面贡献较大的灰度值，归并其中像素个数少即对画面贡献不大或不起作用的灰度值。通过展宽或归并灰度值的操作，能够增强图像画质，使图像更清晰。

2.2 直方图均衡化的步骤

直方图均衡化的步骤为：求给定图像的R通道→求给定图像的G通道→求给定图像的B通道→图像R通道的直方图均衡化→图像G通道的直方图均衡化→图像B通道的直方图均衡化→合并输出图像。

3 Retinex算法

3.1 Retinex算法原理

Retinex算法原理示意图见图1。

图1 Retinex算法原理示意图

假设我们将亮度图像和反射图像从给定的图像中分离出来，通过调整亮度图像与反射图像之间的比例，就能够达到增强图像的目的。成像过程表示为：

S(x,y)=R(x,y)·L(x,y)

式中：L(x,y)表示入射光，标志着图像中像素能达到的动态范围；R(x,y)为反射物体，决定给定图像的内在性质。

采用Retinex算法的核心问题是如何从原始图像中有效地计算出亮度图像，或忽略入射光的性质来获取原始图像的面貌，此原始面貌即为增强图像。然而在数学上，从原图像计算亮度图像问题是一个奇异问题，我们对亮度图像的计算在数学上只能通过近似估算的方式来获取。学者们在对Retinex算法进行研究和改进的过程中，依次出现了单尺度Retinex算法、多尺度Retinex算法以及McCann’s Retinex算法等。其中，最为经典且应用广泛的是单尺度Retinex算法与多尺度Retinex算法，多尺度Retinex算法是在单尺度Retinex算法基础上的改进。本次讨论的是多尺度Retinex算法。

3.2 多尺度Retinex算法步骤

多尺度Retinex算法步骤如下：

(1) 输入图像，分别计算3个通道对应权值的高斯卷积函数Gn(n=1,2,3)：

(2) 计算3个通道的增强模型：

RMin(x,y)=ωn{logSi(x,y)- log[Gn(x,y)*Si(x,y)]}

(3) 将对应的进行加权求和，由单尺度Retinex算法转化为多尺度Retinex算法，可以更好地增强输出图像的动态压缩能力及色调再现的能力。

式中：N—— 尺度个数。

4 暗通道优先算法

4.1 暗通道优先算法原理

暗通道优先算法是基于对户外无雾图像的观察得出的下述结论。

假设给定任意图像J，其暗通道Jdark可以表示为：

式中：Jc——J的颜色通道；

Ω(x) —— 以xy∈Ω(x)为中心的一小块区域；

暗通道理论认为，如果J是在场景无雾情况下获取的图像，除去天空部分，J的暗通道的亮度极低甚至接近零：

Jdark→0

我们称这个观察结果为暗通道优先理论。

导致暗通道中像素亮度较低的因素有3种：阴影；彩色物体的表面；暗色的物体或物体的阴面。自然的户外图像通常都是彩色并且富有阴影的，因此，这些图像的暗通道通常亮度较暗。

4.2 暗通道优先算法步骤

暗通道优先算法步骤为：

(1) 输入图像，计算暗通道：

(2) 计算抠图拉普拉斯矩阵L：

式中：Ii和Ij—— 输入图像I的第i及第j个像素的颜色；

δij—— 克罗内克Δ；

μk—— 窗口ωk的平均矩阵；

∑k——ωk的方差矩阵；

U3—— 3×3的单位矩阵；

ε—— 规范化参数；

|ωk| —— 窗口ωk中的像素个数。

(3) 求稀疏数矩阵的投射图：

(4) 求大气光的颜色值(A)：

雾天图像中每个颜色通道的场景色彩可以由下式给出：

I(x)=R(x)St(x)+R(x)At(x)+(1-t(x))A

式中：I—— 雾化图像的颜色值；

A—— 大气光的颜色值；

t—— 场景色彩在各个区域的透射图。

去雾方法的本质就是根据I获取J、A和t。

(5) 求原场景色彩：

计算出大气光和透射图后，即可恢复场景色彩。这里使用一个下限t0来限定t的值。在雾浓的地方就保留了适当的雾。最终的场景恢复式为：

式中t0可取0.1。

5 算法比较

直方图均衡化算法、Retinex算法及暗通道优先算法都能在一定程度上达到增强图像的目的，但是各有优缺点。下面以MATLAB为实验平台，对3种算法进行对比研究，并进行分析论证。

5.1 运行速度比较

对不同的带雾图像进行了测试，并对其中3组样本采用上述3种算法得到结果的运行时间进行了统计，见表1。从3种算法处理速度看，直方图均衡化速度最快，原因是其算法简单且计算量小；Retinex算法次之；暗通道优先算法最慢，究其原因是该算法为了消除景深边缘产生的光晕，而采用“软抠图”技术求得投射图，而这个过程需要较长的时间。

表1 各算法运行时间对比

5.2 其他指标比较

随机选取一幅带雾图像，对上述3种算法进行峰值信噪比、亮度及对比度的比较(见表2)。峰值信噪比可以用来衡量经过相应算法处理后的图像品质，峰值信噪比越大(小)，说明处理后图像失真越小(大)，因此可以看出采用暗通道优先算法处理后的图像品质最高。由亮度、对比度两个指标可以看出，采用直方图均衡化、Retinex算法处理后的图像色彩艳丽、丰富，但在实际应用中易发生色彩上的偏移。

表2 各算法相关指标对比

5.3 处理效果比较

上述3种图像增强算法的处理效果见图2。其中，图2(a)为原图，图2(b)为直方图均衡化效果图，图2(c)为Retinex算法效果图，图2(d)为暗通道优先算法效果图。

图2 各算法处理效果比较

从图像处理效果来看，暗通道优先算法优于其他2种算法，它能够成功处理带雾图像，可以还原图中大部分场景信息甚至可以增强细节部分；直方图均衡化算法尽管也可以对带雾图像信息进行还原，但是在处理结果上往往会出现整幅图像在色彩上的偏移；Retinex算法尽管能够清晰地还原景物，但是由于出现噪声而影响了最终的视觉效果。

6 结 语

研究表明，基于暗通道优先处理的图像增强算法能够较细腻地还原图像，但所需时间较长。主要原因是采用“软抠图”方法求得投射图需要花费大量的时间，如果省略“软抠图”技术这个步骤，则会导致图像边缘部分产生明显不协调的光晕。所以，想要快速处理图像，必须改进边缘锐化的算法，可考虑采用导向虑波的方式获取投射图。在实际应用中，可根据图像自身的特点及预期处理效果，选择相应的图像增强算法。

[1] 姜柏军,钟明霞.改进的直方图均衡化算法在图像增强中的应用[J].激光与红外,2014,44(6):703-705.

[2] 李灵杰,唐宁.一种面向交通场景的快速图像增强算法[J].计算机与现代化,2015(6):55-58.

[3] 李莹.基于Retinex理论的图像增强算法研究[D].西安:西北大学,2014:10-21.

[4] 孙茂金.基于暗通道优先的单幅图像去雾算法研究[D].大连:大连海事大学,2010:8-15.

[5] 王孟柳,陈和平,刘夏.基于暗通道优先烟雾检测算法的研究[J].计算机应用与软件,2014,31(11):226-228.

[6] 汪荣贵,傅剑锋,杨志学,等.基于暗原色先验模型的Retinex算法[J].电子学报,2013(6):1189-1191.

[7] 汪荣贵,朱静,杨万挺,等.基于照度分割的局部多尺度的Retinex算法[J].电子学报,2010(5):1182-1185.

[8] 周雪智.图像增强算法研究及其在图像去雾中的应用[D].长沙:湖南师范大学,2015:6-17.

A Comparative Study on Fog Image Enhancement Algorithm for Intelligent Video Surveillance

ZHANGDaohua

(Bozhou College, Bozhou Anhui 236800, China)

With the gradual advance of green city, the supply of image enhancement technology for intelligent video surveillance is inadequate to meet the demand. So the research of degraded image enhancement algorithm has important research value and economic value. This article analyzes frequently-used fog image enhancement algorithm such as the histogram equalization algorithm, multi-scale Retinex and the dark channel priority algorithm, and compares the results and efficiency of these three fog image processing algorithms. And then with the help of Matlab software, we view the final results of the three algorithms′ output. Experiments show that the dark channel priority algorithm can restore image clearly, but it costs much time. Lastly, we put forward further research direction about the dark channel priority algorithm.

image enhancement; histogram equalization; multi-scale Retinex; dark channel prior

2017-01-04

安徽省高等学校省级质量工程项目“大学生创客实验室建设计划‘星星之火’创客实验室”(2016ckjh124)；安徽省高等学校省级质量工程项目“名师工作室”(2014msgzs170)；安徽高校自然科学研究重点项目“基于敏捷开发的高校实习实训APP建设”(KJ2017A703)

张道华(1984 — )，女，讲师，研究方向为模式识别与图形图像处理、教师教育研究。

TP391

A

1673-1980(2017)03-0102-04