基于HSI变换的无人机图像亮度均衡模型去雾研究

颜景顺

（广西水利电力勘测设计研究院有限责任公司，南宁 530023）

为去除薄雾干扰，使图像更清晰真实、易于人眼观察，本文基于HSI 彩色变换[1]，将图像的红、绿、蓝三分量转换为色调、饱和度、亮度分量。根据亮度的空间位置关系，使用具局部特性的自适应滤波对亮度进行重构和非线性动态调整达到去雾的目的，HSI 逆变换后采用高斯模糊保留图像细节信息并利用色彩重塑算法保持图像颜色的鲜艳程度。经实验证明，本文模型能够明显去除雾天影响，图像细节部分清晰，色彩基本无失真情况。

1 HSI变换

在图像处理中通常有两种彩色空间，一种是由红、绿、蓝三原色构成的彩色空间，另一种是由色调（颜色的类别）、饱和度（颜色的纯度，即浓淡程度）及亮度（人眼感受到的亮暗程度）3个变量构成的彩色空间。

HSI空间以色调（Hue）、饱和度（Saturation）和亮度（Intensity）3个参数来表现图像的色彩内容[2]。由于人眼对亮度的强弱变化十分敏感，采用HSI 色彩空间呈现图像色彩与人类自身的视觉特点更为切合。其优势在于把亮度信息（I）从色彩信息中分离提取出来能够简化图像处理数据量。

2 高斯模糊

高斯模糊将高斯分布和卷积滤波引入图像处理，高斯模糊原理示意图见图1。

图1 高斯模糊原理示意图

中心像素点n的取值为n点的邻域像素点的平均值。显然图1高斯模糊后中心点的像素值应该为1，这在图像的直观显示上图像的细节变化信息得到保留。

在图像里间隔近的像素之间关系较密切，反之则联系就较为疏远。因此，使用权值随距离的增加而减小的加权平均是比较合理的。

式中：G(x,y)为权重；σ为方差；(x,y)为邻域像素点在一中心像素点为原点的坐标系内坐标。

3 色彩重塑处理

色彩重塑处理通过重新分配图像暗区的亮度值，强调暗区的地物信息，以修复图像经HSI逆变换后带来的颜色暗淡等色彩缺陷。

其中：

式中：fi(x,y)为原始图像；fCRi(x,y)为色彩重塑后的图像；Ci(x,y)为调整因子；i为色彩通道；k为调整因子的非线性强度；Li(x,y)为原始图像经高斯低通滤波器的处理结果。

经过色彩重塑处理后，图像颜色的鲜艳程度得到改善，在人的视觉感知下显得更为自然、真实。

4 亮度均衡模型

模型主要分为3 大步骤，第一步是对HSI 变换中分离出的亮度进行自适应滤波调整；第二步为对调整后的图像亮度进行动态扩展并逆变换到RGB色彩空间；第三步是采用高斯模糊后的图像作为底图以保留图像细节，再利用色彩重塑处理图像作为顶图保持图像颜色的鲜艳程度。其处理流程如图2所示。

图2 亮度均衡模型流程图

（1）第一步，按照下列的变换公式对原始图像进行HSI变化：

对分离出的亮度图进行局部滤波处理，得到R与I的关系：

式中：Subset为参与运算的亮度的子集；I(i)-I(j)为当前亮度点i与周围亮度点j的差值；r函数为相对亮度表现函数；d函数为两点之间的距离度量函数。

d函数采用曼哈顿距离，坐标为(xi,yi)的i点与坐标为(xj,yj)的j点的曼哈顿距离采用下式计算：

相对亮度表现函数则采用饱和函数r（x）计算：

本文中饱和临界阈值T的取值为20。

（2）第二步，动态扩展，重新规划亮度图并将其动态地映射到合适大小[1]：

式中：O(i)为输出的亮度图；round函数表示四舍五入取整。其中：

将新的亮度图O(i)（I）与原有的色调图（H）、饱和度图（S）通过HSI 逆变换到RGB 色彩空间，形成新的亮度调整过的结果图像f(x,y)：

（3）第三步，对f（x，y）使用模板大小为3×3 大小的高斯模糊，得到f′（x，y）。f′（x，y）包含了上一步的结果图像f（x，y）大部分的细节信息。再通过引入色彩重塑处理，弥补图像局部因HSI 逆变换而产生的色彩缺陷。最后以图像f′（x，y）为底图，以色彩重塑结果fCR（x，y）为顶图将两张图像进行叠加，即可得到亮度均衡模型的最终结果图像。

5 实验对比分析

对于图像的去雾效果评价，人眼主观判断是一种直接而有效的图像质量评价。为更精确科学，本文采用图像的均值、标准差和熵等客观质量评价标准来分析实验结果。

为验证本文算法对雾霾图像的去雾效果，对存在雾天影响的同一幅图像经本文亮度均衡模型处理前后做对比实验，结果见图3和表1。

图3 图像处理前后对

表1 处理前后图像指标比较

原图存在雾天影响，图像场景整体光线颜色偏暗且变化不够充足，天空区域和远方的建筑亮度普遍偏白，没有层次感。图像对比度低，给人十分朦胧的感觉。通过本文的亮度均衡模型对图像的颜色特征进行强调突出，使颜色得到了明显的增强，色彩动态范围扩大、过渡平滑且亮度能够分布均匀。图像地物信息得到恢复，提升了图像整体质量。处理后图像均值有所提高。标准差提高表明图像去雾后地物易于分辨、颜色鲜艳程度得到提升，熵值提高表明处理后图像带雾区域信息得到一定恢复。

6 结语

针对无人机图像易因雾天影响而降质的问题，本文提出了基于HSI变换和自适应亮度调整的亮度均衡模型，经验证，亮度均衡模型的去雾效果明显，处理结果图像清晰，图像地物信息得到恢复，图像对比度增强，清晰度和鲜艳程度得到明显提高。本文的亮度均衡模型可以为无人机航拍图像的去雾处理提供参考。