基于双边滤波器的雾霾天气交通标志图像去雾算法∗

王园园 黄丽琼

（商洛学院电子信息与电气工程学院 商洛 726000）

1 引言

随着社会的不断发展，车辆已成为人们出行的必备交通工具，也随之带来了各种交通问题，为驾驶员提供有效的禁令，警告，说明等交通标志是解决这一问题的途径之一。为了确保交通标志信息能够及时准确地传达，交通标志识别（TSR），引起了各国学者的关注［1］。它可用于驾驶员辅助，交通标志维护和无人驾驶技术等领域。TSR的总体框图如图1所示。

图1 TSR的总体框图

交通标志处于室外环境，受自然天气影响较大，特别是近年来雾霾天气越来越严重，对恶劣天气采集到的低质量图片进行去雾、增强处理，获得相对清晰的图像，就变得尤为重要。使用图像增强算法来恢复这样的图像是一个相对简单的想法。Land提出了一种基于人类视觉系统从不同光照条件中提取颜色信息的原理的颜色不变性模型。保持颜色恒定，可以有效地增强由不均匀照明形成的低对比度图像［2］。Chen和芮义斌分别用单分辨率 Retinex（Single-Scale Retinex，SSR）和多分辨率 Retinex（Multi-Scale Retinex，MSR）增强模糊图像并实现一定的去雾效果［3］。Brian Eriksson使用curvelet变换的特征，通过检测曲线波的消失点来实现图像去雾［4］。董涛和王辉认为，雾状图像的退化是由大气湍流和气溶胶引起的［5］。Tarel提出了一种基于快速单图像的去雾算法。该算法也基于物理模型，但不使用全局优化方法，大大提高了处理速度，可以满足实时处理要求。然而，该算法的处理效果略差于暗通道假设算法［6～7］。

2 交通标志简介

交通标志作为公共标识，有明显的颜色、形状等特征，用以传递特定的交通信息、管理交通、指示车辆行进方向。适用于公路、城市道路以及一切专用公路，具有法令的性质，车辆、行人都必须遵守。我国有8种交通标志，如警示标志、引导标志等，如图2所示。

图2 交通标识

交通标志的常见颜色如图2所示。红色，黑色，黄色，蓝色，白色和绿色的组合。在恶劣天气条件下，例如在多雾天气条件下，标志将变得比正常情况更亮。在雾霾天气，交通标志变得比正常颜色更黄，造成图像对比度下降，影响后续的交通标志成功率。

3 去雾算法理论

对于任何输入图像J，其暗通道可表示为

其中Jc代表彩色图像的每个通道。即在绝大多数非天空的局部区域里，某一些像素总会有至少一个颜色通道具有很低的值［8～10］。

暗通道先验的理论指出：

自然场景充满了阴影或颜色，这些场景的图像的暗原色总是非常暗。下述方程所描述的雾图形成模型被广泛使用：

其中，I（X）是待处理图像，J（X）是无雾图像，A是全球大气光成分，t（X）为透射率。这个等式有无数的解决方案，因此需要先验将式（3）转换为

式（4）中C表示R/G/B三个通道的意思。然后对式（4）两边求两次最小值运算［10～11］，得到下式：

上式中，J是处理后图像，Ω（x）表示以像素X为中心的一个窗口，根据前述的暗原色先验理论有

把式（6）带入到式（5）中得到：

实际图像中，雾可使图像景深更加明显，因此，在式（7）中引入一个在［0，1］之间的因子，则式（7）修正为

上述推论，假设A是已知的，实际计算中，从暗通道图中按照亮度取0.1%的像素，在原图像中寻找对应的最高亮度点的值即可作为A值。最终的图像去雾公式如下：

4 基于双边滤波器的图像去雾算法

双边滤波的概念最初由Tomasi提出，当处理相邻像素值的灰度值或颜色信息时。通过几何上的临近关系和亮度相似性的非线性组合，进行自适应滤波，处理后的图像可较好地保留图像的边缘信息。双边滤波是一种滤波技术，可以在保持图像边缘细节的同时有效地降低图像叠加噪声［11～13］。

双边滤波是一种保留边缘和去噪的滤波器。滤波器由两部分功能组成：一个功能是根据几何空间距离确定滤波器系数。另一个根据像素差确定滤波器系数［13～15］。表达式如下：

在该公式中，Sx，y表示中心点（x，y）的（2N+1）*（2N+1）大小的领域。实际上，等式（1）的右侧是中心像素点邻域内像素亮度值的加权平均。

文中结合双边滤波算法处理图像的暗通道，得到更详细的透射图像，为雾霾图像的最终恢复提供了更好的结果。研究双边滤波器的特性和参数设置，并利用暗通道理论，结合双边滤波器来处理图像透射率。去雾霾算法流程图如图3所示。

5 算法仿真

基于图3流程去雾霾算法，对雾霾天拍摄交通表示图像进行去雾霾处理，图4（a）为原始图片，图4（b）为彩色通道最小化图像，图4（c）为最小值滤波后投射图像，图4（d）为双边滤波透射后图像，两张图片对比可以看到双边滤波得到的透射图像细节更加详细。

图3 基于双边滤波器的图像去雾霾算法流程图

图4 图像处理后波形

图5 （a）为Retinex算法去雾霾后图像，图5（b）为本文算法去雾霾后图像，可以看出图5（a）存在分辨率较低、色块等问题，本文算法去雾霾后图像交通图标边缘清晰，较好地保留了图片的原始信息。

图5 不同算法去雾霾比较

5 结语

论文论述了双边滤波器在交通标识图像除雾算法中的应用。为了准确地恢复无雾霾图像，利用暗通道先验去雾方法，通过双边滤波器获得精确的透射率图，由于图像去雾与原始图像不可比，从主观感觉可以看出，基于双边滤波算法的图像去雾实现了显著的去雾霾效果并且可以满足日常应用。然而，基于双边滤波算法的图像去雾也存在一些缺点，例如处理大的白色天空区域的结果并不理想。