海上拍摄图像的清晰化算法研究∗

刘海波 张慧娟

（92124部队 大连 116023）

1 引言

海上拍摄的图像容易受到雾气和海面光影的影响，使得能见度大幅下降，成像系统采集的画面质量受损，给视频监控、船只导航的正常工作带来困难［1］。因此对于降质图像进行清晰化，具有重要的研究价值。

图像清晰化方法主要分为图像增强和图像复原。直方图均衡化属于经典方法，运算简便，但是会出现过图像增强，导致画面不自然；多尺度Ret⁃inex［2～3］对薄雾有较好的处理效果，但是高对比度边缘会出现光晕。Narasihman等［4～6］通过多种方法对场景的景深进行提取，但是需要多副图像，限制应用范围。Tarel等［7］利用两次中值滤波估计雾气浓度，但是存在边缘部分损失细节的弱点；He等［8～9］提出了基于暗通道先验的景深估计方法，取得了较好的去雾效果，但是对于海上图像大面积的天空背景，容易出现较大面积的纹理过增强和分块现象。

本文针对海上靶场可见光图像大面积海空图像的特点，改进了暗通道去雾方法中大气透射率的估计方法；针对去雾的图像亮度较低，对比度差，不利于后续的图像分析和判读的问题，对去雾后图像进行gamma校正，增强对比度，改善可读性。应用于几幅典型的任务图像，本文方法的处理结果均优于经典的直方图均衡增强、有限对比度自适应直方图均衡化和多尺度Retinex方法。

2 图像去雾算法

2.1 雾天图像成像机理

雾天模型通常表达为

式中，A为当前场景的大气光值，x表示在图像中的坐标位置；t(x)表示为在图像坐标为x处透射率。由式（1）可得

由式（2）可知，若求复原图像J，只需求出透射率t和大气光值A即可。t和A的求取直接决定恢复效果的好坏。

2.2 暗通道先验估计透射率

2009年，在CVPR大会上，He等［8］提出基于暗黑通道先验知识的单幅图像去雾。暗黑通道先验知识是对大量无雾图像进行最小值滤波发现的统计规律：对于一幅无雾图像的任意小块中，总有一个像素点，其一个颜色通道具有很低的强度值，数学表达式为

其中Jdark为图像J的暗通道，Jc为的J的r、g、b一个通道，Ω(x)为以像素x为中心的正方形邻域。

假设大气光A已知且透射率t(x)在每一个局部区域Ω(x)内保持不变，对式（1）使用在三通道中使用最小运算符，并同时除以A，得到：

对于没有天空区域的无雾图像，由暗通道先验统计规律可知：，因此式（4）可转化为

2.3 透射率估计的改进

针对雾天海上场景的去雾，必须考虑大面积天空和海水。利用He的方法求取其暗黑通道。海面上暗通道颜色很暗，基本上趋近于0，空中暗通道数值大于海面，容易出现不符合暗通道先验的问题，需要对透射率估计方程进行修改。

实际上，如果彻底去除雾的存在，图像会失去景深感，看起来不真实［10～11］。所有可以通过在式（5）中引入参数ω，保留一部分覆盖遥远景物的雾：

参数ω的取值为［0，1］，ω越近于1，表示其去雾程度越大，反之去雾程度越小，从减小去雾后海上图像的失真度和去雾程度这两个因素出发，本文取ω=0.85。

实际拍摄的雾天图像，往往包含大量明亮的海空背景，这不满足暗通道先验算法的应用条件，必须对大气透射率t的估计进行改进，故引入一个容差参数C， ||I-A＜L的区域，认为是满足暗通道先验的区域，保持原来的透射率不变；对于 ||I-A＜L的区域，认为是明亮区域，重新计算透射率。为此，得到适用于海上图像去雾的公式：

式（7）保证了海空等明亮区域的透射率不会偏向很小的值，是对暗通道去雾算法的有益处补充和扩展，能够很好地处理明亮背景下的雾化图像。

初步估计透射率t~块效应一般都很明显，文献利用导向滤波［12］的方法对初步估计的透射率进行细化，具有很好的边缘保持性，并且该方法透射率细化效果与软抠图方法基本一致，该方法的最大优势就是计算量远低于软抠图方法［8］。

2.4 对图像进行gamma校正增强

gamma描述了输入图像和输出图像之间的映射曲线的形状，如果gamma＜1，则曲线中像素值高的权重会大些，如果gamma＞1，则曲线中像素值低的权重会大些。图1为gamma值对输入输出映射的影响示意图。

经过去雾后，通常亮度较低，对比度差，此时gamma值应根据实际情况取小于1的数值，将像素值高的权重取大些，改善图像的对比度，更有利于人眼的分析和判读。

3 结果与分析

图2、图3的（a）为两组海面拍摄的典型彩色图像，由于受到海面水汽、雾气的影响，图像对比度较低；（b）为经典的直方图均衡算法的处理结果，色彩失真，天空出现明显的色块；（c）限制对比度的直方图均衡化方法的处理结果，明暗过渡的部分容易出现跳变，海面色彩还原不理想；（d）Retinex算法去雾后图片饱和度偏高，图像前景目标片偏白；（e）He［8］的经典方法，天空部分因为不满足暗通道先验，处理之后出现亮域失真现象且画面偏暗；（f）为本文算法，在细节强度、色调还原和结构信息方面表现更为突出，有效解决亮域失真的问题，对比度提高明显，画面自然，处理效果较好。

4 结语

本文针对海上图像易受到雾气影响，图像对比度低、可读性差的问题，在大气散射物理模型的基础上，提出了改进的暗通道去雾方法，并且对去雾后图像进行gamma校正。通过两组典型图像处理结果表明，所提算法与其他经典算法相比，有效增强了目标对比度，同时抑制了背景的过度增强，画面自然，达到了较好的效果。

［1］吴兆麟，赵月林.船舶值班与避碰［M］.大连：大连海事大学出版社，2008：132-138.

［2］Rahman Z U，Glenn A W，Daniel J J.A Comparison of the Multiscale Retinex with Other Image Enhancement Techniques［C］//Proceedings of the IS&T 50th Anniversa⁃ry Conference，2007：426-431.

［3］Jobson D J，Rahman Z，Woodell G A.A Multi-Scale Ret⁃inex for Bridging the Gap Between Color Images and the Human Observation of Scenes［C］//IEEE Transactions on Image Processing：Special Issue on Color Processing.1997，6（7）：965-976.

［4］Narasimham S G，Nayar S K.Chromatic Framework for Vi⁃sion in Bad Weather［C］//Proceedings of the IEEE Confer⁃ence on Computer Vision and Pattern Recognition，Hilton Head Island，USA：2002：598-605.

［5］Narasimham S G，Nayar S K.Vision and the Atomsphere［J］.International Journal of Computer Vision.2002，48（3）：233-254.

［6］Schechner Y Y，Narasimham S G，Nayar S K.Polariza⁃tion-Based Vision through Haze［J］.Applied Optics.2003，42（3）：511-525.

［7］Tarel J，Hautiere N.Fast Visibility Restoration From a Single Color Or Gray Level Image［C］//Proceedings of the IEEE 12th International Conference on Computer Vision，Kyoto：IEEE Press，2009：2201-2208.

［8］He K M，Sun J，Tang X.Single Image Haze Removal Us⁃ing Dark Channel Prior［J］.IEEE Transactions On Pat⁃tern Analysis and Machine Intelligence.2011，33（12）：2341-2344.

［9］He K，Sun J，Tang X.Fast Matting Using Large Kernel Matting Laplacian Matrices［C］//Proceedings of IEEE Conference on Computer Vision and Pattern Recognition，San Francisco，California，USA：IEEE Computer Soci⁃ety，2010：2165-2172.

［10］陈书贞，任占广，练秋生.基于改进暗通道和导向滤波的单幅图像去雾算法［J］.自动化学报.2016，42（3）：455-465.

［11］高银，云利军，石俊生，等.基于各向异性高斯滤波的暗原色理论雾天彩色图像增强算法［J］.计算机辅助设计与图形学学报.2015，27（9）：1701-1705.

［12］He K，Sun J，Tang X.Guider Image Filtering［C］//Euro⁃pean Conference on Computer Vision，2010：1-14.