基于图像融合的单幅图像去雾方法*

［李婵飞］

1 引言

图像去雾是指通过一序列图像处理方法，消除或减少雾霾对成像系统的影响，提高图像的清晰度、对比度和饱和度，从而获得信息量丰富的高质量去雾图像。图像去雾技术被广泛应用于公路交通、航空航天、军事侦察等领域[1]。

近年来，国内外学者利用图像复原理论研究提出了多种图像去雾方法[2]。其中最为经典的是何凯明等人提出的基于暗通道先验的图像去雾方法[3]，该方法利用暗通道去雾原理计算透射率，采用软抠算法对透射率进一步优化，最终实现图像去雾，取得了较好的效果。但是该方法仅仅是利用优化的精细化透射率估算传播图，不利于保持图像的场景深度及亮度平滑信息。

本文在何凯明等人方法上进行改进，估算大气光值，利用暗通道去雾原理计算粗透射率，利用梯度导向滤波获取精细化透射率，将两种透射率利用小波变换的方法融合获取融合透射率；结合雾天降质图像物理模型，最终实现去雾。

2 雾天降质图像的物理模型

根据大气散射模型，图像雾天退化物理模型由两部分组成，即衰减模型和大气光模型[4][5]。其中衰减模型描述了光从场景点传播到观测点之间的削弱过程。大气光模型描述了周围环境中的各种光经过大气粒子散射后，对观测点所观测到得光强的影响。具体模型如下：

公式中I(x)是人眼观察到的有雾图像，J(x)是场景辐射照度，代表要恢复的去雾图像，A 是大气光，t(x)是场景透射率。去雾的最终目地是根据公式（1）中的。

3 基于图像融合的单幅图像去雾算法

（1）暗原色理论

根据暗原色理论，对于室外无雾自然图像中，每一个局部区域都会有至少一个颜色通道具有很低的强度值，并且这些强度值趋于0，把这些强度值趋于0 的通道对应像素称为暗原色。

对于图像J，可以通过公式（2）求取该暗原色图。其中Jc表示J的某个颜色通道，是Ω(x)以x为中心点的局部区域。

（2）大气光值计算

对于大多数针对单幅图像的去雾方法，大气光值是利用图像相关像素计算得到的。有研究对有雾图像的天空区域分块求取均值作为大气光的值，该方法可以获得较好的去雾效果，但是不适用于不存在天空区域的图像；有研究对有雾图像求取最高亮度值作为大气光值，但实际上最高亮度可能是环境中的白色物体。

文章方法利用暗原色先验规律来估算大气光值。首先在暗原色图像中，将图像像素灰度值进行递减顺序排序，获取灰度值大小为前0.1%像素点在暗原色图像中所处的位置，将这些位置对应的原有雾图像区域中的灰度平均值作为大气光A 的值。相对于将原有雾图像区域中的灰度最大值作为大气光A 的值，该方法具有更好的鲁棒性。

（3）透射率图融合

①粗透射率的获取

根据公式（2）获取大气光A 的值，在局部区域内，假设透射率为常数，则对公式（1）进行变形，得到

因为J是无雾图像，根据暗原色原理可得

结合公式（3）和（4）可得粗透射率

为了使去雾图像看起来更加自然真实但又不丢掉深度信息，所以在公式（5）Z 中引入参数w，保留远景的部分雾气。透射率最终的公式如下：

②精细化透射率图的获取

粗透射率图比较粗糙，因此利用梯度导向滤波[6]对粗透射率图进行细化获取精细化透射率图。

③基于小波的透射率图融合

由于粗略传播图主要体现的是图像的场景深度及亮度平滑信息，精细化传播图主要体现的是图像中锐边的不连续性及场景目标的边缘轮廓信息，因此文章利用基于小波变换[7][8]的融合方法将粗透射率图和精细透射率图融合以获取边缘细节及平滑信息丰富的透射率图。

小波变换融合透射率图原理：小波变换具有良好的时频局域化特性和多分辨率特性，利用小波变换将①和②中的两种透射率图进行四层小波分解得到低频近似透射率图和高频边缘细节透射率图，使用一定的融合准则对低频和高频透射率图进行融合获取融合透射率图像的低频和高频部分，然后进行小波重构图像获取最终的透射率图。文章算法的低、高频融合准则分别是均值法和绝对值取大法，选取的融合准则既能兼顾时间复杂度又能提高透射率图质量。

（4）获取去雾图像

利用公式（7），结合前面估算的大气光A 和透射率图恢复无雾图像J。其中t0是用来限定透射率的下限值，主要是为了在输入图像的浓雾区域保留一定的雾，使图像看起来更自然。

4 实验结果与分析

为了验证本文方法的有效性，文章对提出算法进行仿真分析。其中，仿真工具选择Matlab 软件，原图像选择I-HAZE 数据集的经典户外雾霾图像。实验图像如图1 所示，客观评价参数[8]如表1 所示，其中He 代表何凯明经典图像去雾算法。

图1 实验图像

表1 实验客观评价参数

在主观评价上，通过图1 可以看出，本文方法和He方法都能取得较好的去雾效果，但是在客观评价上，通过表1 可以看出，本文算法的信息熵、结构相似度、方差都要高于He 方法。综合可知，本文算法去雾图像相对于原图像而言失真小，包含的有用信息及细节边缘信息更为丰富。因此，本文方法相对于He 方法是一种有效的图像去雾方法。

5 结论

相对于经典的何凯明图像去雾方法，本文提出了一种改进的图像去雾方法。利用小波变换融合方法获得了更加精确的透射率图像，较好地保持了原图像的边缘细节及平滑信息。仿真实验表明，提出算法可以取得较好的去雾效果。