第38卷第1期计算机仿真2021年1月文章编号：1006 - 9348(2021)01 -0471 -05
基于优化透射率的快速去雾方法
张勇帅，彭莉婷
(武汉科技大学计算机科学与技术学院，湖北武汉430065)
摘要：针对恢复后图像产生光晕和求大气光值时存在大量计算负担的情况，提出了一种的基于优化透射率的快速图像去雾 新方法。采用直方图均衡化和双边滤波透射率修正机制来消除图像的光晕效应。此外，为了减少预估大气光值的计算负 担，在大气模型的基础上，优化了大气光值的快速估计方法，使大气光值估计值更加准确。其次，为了改善去雾之后图片颜 色暗淡的情况，采用直接非线性方法对图像进行后处理，来改善去雾后效果图的整体视觉效果。最终实验结果显示，本文算 法与文献[11 ]的算法对比，去雾后图片的信息熵平均提高了 〇.4447，对比度平均提高了 19. 0429，能够更快速有效地去雾。
关键词：暗通道先验；透射率；大气光值；双边滤波；图像去雾
accommodating
中图分类号：T P391.41 文献标识码：B
Fast Dehazing Method Bad on Optimized Transmittance
ZHANG Yong - shuai ,Peng Li - ting
minimum(C o l l e g e o f Computer S c i e n c e an d T e c h no lo gy,Wuhan U n i v e r s i t y o f S c i e n c e and Technology,
H u b e i Wuhan430065 ,China)
A B S T R A C T：Aiming a t t h e s i t u a t i o n t h a t t h e r e s t o r e d im ag e p r o d u c e s h a l o and a l a r g e amount o f c o m p u t a t i o n a l b u r
d e n when e s t i m a t i n g t h e a t m o s p h e r i c l i g h t v a l u e,a n o v e l im ag e d e h a z i n g method b a s e d on t h e o p t i m i z e d t r a n s m i s s i o n
i s p r o p o s e d.I n o r d e r t o e l i m i n a t e t h e h a l o g e n e r a t e d a f t e r image de ha z i n g,t h e h i s t o g r a m e q u a l i z a t i o n and b i l a t e r a l
f i l t e r i n
g t r a n s m i s s i o n c o r r e c t i o n mechanism w e r e u s e d t o e l i m i n a t e t
h e h a l o e f f e c t o f t h e image.Se co nd ly,b a s e d o n
t h e a t m o s p h e r i c model,a f a s t e s t i m a t i o n m e t h o d o f a t m o s p h e r i c l i g h t v a l u e was a d o p t e d.I t ca n r e d u c e t h e computat i o n a l b u r d e n and make t h e a t m o s p h e r i c l i g h t v a l u e e s t i m a t e more a c c u r a t e.F i n a l l y,i n o r d e r t o i m p r o v e t h e c o l o r o f t h e im ag e a f t e r de ha zi ng,t h e n o n l i n e a r s t r e t c h i n g im ag e enhancement was u s e d t o enhance t h e v i s u a l e f f e c t o f t h e de-
h a z e d image.The e x p e r i m e n t a l r e s u l t s show t h a t t h e a l g o r i t h m ca n d e h a z e more q u i c k l y and e f f e c t i v e l y,and t h e p i c
t u r e i s b e t t e r a f t e r d e h a z i n g.
K E Y W O R D S：Dark c h a n n e l p r i o r；T r a n s m i s s i o n；A t m o s p h e r i c l i g h t v a l u e；B i l a t e r a l f i l t e r i n g；Image d e- h a z i n g
i引言
雾霾是由悬浮在大气中的气溶胶、微小颗粒和水滴等物 质形成的一种自然现象。该现象导致获取的图像严重降质，为了改善雾霾图像的视觉效果[1<，降低雾霾对图像影响，因此研究有效快速的图像去雾算法具有很重要的现实意义。
在单幅有雾图像处理方法研究中，大多数去雾算法都是 以该图像满足大气散射模型为前提，利用对应的含有图像结 构信息的深度图或者单独的透射图来辅助增强图像的可见
基金项目：国家自然科学基金（61572381 )；国家自然科学基金(61273303)
收稿日期:2019 - 03-18修回日期:2019 - 07 - 08度。本文算法主要是基于暗通道先验知识和大气散射模型的方法[3—4]。
He等人[5_6]提出的暗通道先验，成为图像去雾的主流 算法&8]。文献[9]通过联合双边滤波估计大气耗散函数间 接求得透射率。Fe n g[l°]等人使用贝叶斯估计的方法对透射 率进行优化。Zhang["]算法得到的透射率恢复出的图像具 有更好的视觉效果。但是算法在处理大面积天空区域时，仍 存在一定的偏色现象。
为此，本文提出了一种新的图像去雾方法。通过采用直 方图均衡化和双边滤波透射率修正机制获得新的透射率，来减少图像去雾之后出现的光晕效应。采用一种快速估计大 气光值法来修正大气光值。该方法通过对图像以小窗口滑 动进行暗通道预处理得到候选大气光值集合后再进一步获 取大气光值。这样的改变能够快速的得到大气光值并且，在
—471—
图像去雾的同时，还可以使图像整体具有更好的视觉效果。2背景
2.1大气散射模型
在计算机视觉和计算机成像中，通常使用大气散射模型[12]描述在光照和雾a共同作用下的图像成像机制，具体 表示如下方法
I(x)= J(x)t(x)+/1(1 -t(x))(1)式中3表示单个像素坐标。/(幻是有雾图像在像素点的亮 度，J U)是清晰图像3代表大气光强，e [0,1]是大气 反射光的透射率，其中透射率 <(幻。根据大气散射 模型可知，图像去雾就是通过估计大气光值和透射率来获得 无雾图像[13_~。
康普顿斯大学
2.2暗通道先验
A等人通过大量统计，发现在绝大多数户外自然场景 视频帧中非天空部分的无雾图像中局部区域里的某些像素 点，至少有一个颜色通道的强度值很低且接近于零，进而他 提出了暗通道先验去雾模型。暗通道表示如下方法：
/^(x)= min(min (/(y)))= 0 (2)
c e(r,g,b)y = ft(x)
在(2) *«/(；>〇表示无雾图像的每个通道，H U)表示以像素x 为中心的一个局部邻域。将方程（1)两侧进行局部邻域U)内的最小值滤波处理，得到如下方法
min(min)=
C y e t U x) A
ye t U x)
J-^))+0
(3)
由式(2)和式(3)可以得到粗略透射率如下方法
t(x)- 1 - min(min)(4)
c ye t l(x) A.
由于日常在无雾天气下，空气中也会有小颗粒存在，致 时人眼观看远处的景物具有深度信息。因此，在式（4)中引 人一个值在[0,1]之间的因子，则式(4)如下方法
t r(x)= 1 - ^min(min(^)),〇< (〇 < \(5 )
C yen(x) A
假设秋的大气光值，根据方程（1)和方程（5)就可以将 图像恢复至无雾的图像
2.3
J(x)
光晕现象的产生
(6)根据暗通道先验算法估计初始透射率，即直接参与无雾
图像恢复，恢复的图像存在严重的光晕现象，如图1。
从图1(c)和（d)中可以看到，图像边缘存在严重的H a l o 效应[U1〇
3本文算法
3.1优化后的算法流程
由暗通道先验原理及大气散射模型可知，想要获得/—472 —
(c)A处放大细节f f l
〇〇去雾之后光晕效果
(d)B处放大细节图
图1直接去霣出现的光带效应dreamgirls
(幻，如何快速的准确的求出透射率《(*)和大气光值4就是 最为关键的[m]。本文算法就是通过优化两个未知参数的 求解来达到去雾的最好效果。本文算法的流程图如图2。
7月英文
图2算法流程
3.2粗略透射率的求解
对于透射率的求解，文献[9]中选取原有雾图像的3个 通道的均值作为引导图进行滤波，会使得雾区的透射率偏 大，由式(6)可知，偏大的透射率将导致算法去雾能力减弱。所以修正透射率是很有必要的。有研究发现，在最小值图像 中含有大量有雾图像的细节信息，且对原图像做最小值处理 可以有效降低算法的时间复杂度。因此，先对有雾原图像做 最小值运算：
V{x)= min
c e |r,^,fc|
Lill
Ar
(7)
将最小值图像作为初始透射率的引导图进行引导滤波, 求得粗略透射率的值，初始透射率图见图3(b)
。可以看到
经过最小值滤波处理后图像仍有大量雾霾噪声，在投射图的 远景区域透射率仍然偏大。因此，需要对最小值图像做进一 步处理。
W有雾图像（的最小值处理之后结果
图3最小值处理结果对比
3.3修复粗略透射率
对最小值图像进行直方图均衡化处理，可使原本比较少 像素的灰度分配到其它的灰度中，处理后灰度范围变大，对 比度变大，能有效提高了图像细节。通过直方图均衡化的方 式，可以提高最小值图像的对比度，达到了对最小值图像去 雾的效果，减少雾对最小值图像的污染。
直方图均衡化后的最小值图像如图4( a)，方法如下
V\x)= histeq(V(x))(8)
(a)直方图均衡化(b)双边滤波
图4在最小值基础上直方图均衡化与双边滤波处理
对比图3(b)和图4(a)，可以明显得到对比度更高的最 小值图像。将图4(a)作为引导图，对透射率图像进行引导 滤波，所得到的细化的透射率如图5(b)所示。通过对比图5 (a)和图5(b)，可见远景区域的透射率明显小很多。而且图 5(b)透射率的层次感分明，克服了[7]中对远景区域透射率 估计过大而导致恢复图像颜色失真的问题。将直方图均衡 化后的最小值滤波作为引导图细化透射率，得到直方图均衡 化引导透射率。虽然较最小值图像直接做引导图得到的透 射率图要好，但是仍然具有很强的纹理效应，这时用上双边 滤波，既能保持图像的边缘细节，又能很好地平滑图像。
W最小值(b)直方图均衡化M双边滤波
图5不同引导图透射率图像
双边滤波的计算公式简单表示为
r(x)= Bil(V'(x))
图4(a)经过双边滤波之后产生的图像如图4(b)所示, 原方框中纹理效应得到了明显抑制。将图4(b)作为引导图像细化透射率，其结果如图5(c)所示。对比图5(b)和图5 (c)，可明显的观察到图5(c)中原矩形框区域内的纹理效应
被滤除，且近景部分的边缘完好的保存了下来。综合3.2节
和3.3节可以得出透射率求解步骤如下：
1) 对有雾图像进行最小值处理，得到最小值图像K
2)利用最小值图像V计算有雾图像玖幻的暗通道图像，并得到初始透射率f。
3)将最小值图像进行直方图均衡化得到r，再经双边 滤波处理，得到r。
4)将r作为引导图对进行引导滤波，得到细化后的 透射率图t。
3.4快速估计大气光值法
在文献[9]中估计大气光值4需要进行排序操作，会导
致一个很大的计算量。采用一种候选估计法来修正大气光
shining值。该方法通过多次对大气光值的选取和确定能够快速的
得到大气光值，算法流程图如图6。
图6大气光值快速估计法步骤图
由图6可看出，快速大气光值估计法的步骤如下：
1) 输人的有雾图像/(幻每边都以的（识x f t xOl%)+比例缩小，得到/,(*);清明节的英文
2) 让/,(*)经过暗通道先验滤波，得到如下
方法
r j°r k(x)=min (min r,(y))(9)
yeO f(x)celA.C.f i l
式(9)中,/2,(x)是一个3 x3 x3 的 RGB窗口。
3) 对在上的每个像素求出R G B三个通道的最 大值，得到
(1〇)
式中,SITU)是一个10 x10的正方形滑动窗口，它能防止暗
通道先验模型存在局部最小值问题。
4)所有在上的像素点形成一个集合
5)大气光值估计值就是集合£>中最大值。
A= max(/(y))(11)
y e D
在实验过程中发现天空边缘会出现明显的过度区域，为
此我增加了一个最大全球大气光值当计算值超过/1_时
—473
—
大气光值直接取该值。与He的估算法相比，该方法可以节 省大量的计算资源，还能快速获得更加准确的大气光值。3.5非线性拉伸图像增强
由于大气光成分参与成像，从而复原出来的图像比实际 要偏暗[19]。为了改善去雾之后图片颜色暗淡的情况，采用 直接非线性方法对图像进行后处理。该方法在图像的颜色 通道中对亮度的大小采用不同幅度的拉伸。
厂(w)= /(：c，y，c)(2(12)
通过获取不同通道的像素亮度m ean(/(*,y,:))构成拉 伸因子可以图像亮度。因子的存在还可以在改变亮度的同 时保留图像颜色。非线性拉伸图像增强方法的具体效果如 图6所示，将图7中的部分细节放大显示出来，发现细节保 持的更好，颜色更清晰，对比度更加明显。
(a)原图 〇>)增强前效果图 W增强后效果图
图7非线性拉伸前后图像细节增强的对比图
4实验结果
4.1主观分析
本组实验用不同的算法分别对（Canon,Brand,City j，City_2，Trees)5幅图像进行去雾，去雾效果对比如图9。
结果显示（b)对天空区域的透射率估计不够准确，会伴 随着“halo效应”；（C)相比之前的方法减弱了光晕，保持了饱 满的深度信息，但是算法结果容易产生色彩偏色等不良效
(d)原图左下部分
M增强后细节
0)增强后细节
图8增强细节展示
果，图片效果显示过饱和。（c)中图片曝光率很高，导致图像 失真；（d)使用贝叶斯估计的方法对透射率进行优化，图像效 果不是很稳定；（e)让原图通过直方图均衡化和双边滤波之 后，再通过引导滤波，从而来修正粗略透射率。实验结果显 示在天空区域的去雾效果还存在误差；（f)为本文的算法去 雾结果图，通过流程的优化本文算法在Contrast指标上有很 大提升，在SSIM指标上也有相应的提高，效果图综合去雾效 果最好。
4.2客观分析
本文使用到3个参数，对比度（Contrast)、信息熵（Entropy)、结构相似度 （S S IM) 、前两个指标值代表图像所包含的 有效信息量越大越好，结构相似度代表两个目标图像的结构 信息关联度最大值趋于1[2〇]。
表1数据显示去雾后图片的信息熵平均提髙了 0.4447, 可以有效的保留图像中的细节信息。在图像后处理方面由 数据可知与其他文献方法对比图像对比度平均提高了
—474—图9
去雾效果比较
19.0429，可以在有效保留图像颜色信息的基础上获得更好 的图像效果。在结构相似度方面平均提升0.02，确保了在提 升其它性能的基础上仍有效保持原图像的结构信息。此外 还对He、Zhan g、的方法与本文做了性能的对比。运行环境 (W indow s7 + in te r i5 + 16g RAM + MATLAB2018b)实验结果
显示，本文方法在相同的实验条件下消耗资源最少。相同的 测试图像时间复杂度H e> Zhang>本文。综合以上两个方 面的实验对比，我们可以得知本文优化的算法在保持优良去 雾效果的同时能大大降低计算资源的消耗。
表1图像的定置分析
Image C^itcri<m original He Chen Feng Zhang Ours Entropy 6.1750 6.2174 6.4815 6.5716 6.81067.0674 Canon Contrast27.583154.857562.231887.9246102.3019115.2016 SSIM10.83410.85330.87110.89130.9394
Entropy 5.7754 6.5349 6.7416 6.97817.31947.«5»Brand Contrast 5.69768.020112.799215.431616.317423.08U SSIM10.93250.94110.95870.97110.W59
Entropy7.15677.17027.22977.24037.26497.2958
C ity.l Contrast153.2828167.1065185.2549215.0379247.1643272.99*0
SSIM10.83990.8512088610.90510.9251
Eanapy 6.90267.01987.25367.31627.33257.3628 City_2Contrast165.6592230.1613279.1825312.0
753326.1949350.3134 SSIM10.86250.88130.92430.9448O.S>647
Entropy 6.3837 6.5103 6.5394 6.7362 6.95167.3428 Trees Contrast160.1864209.1346257.4948291.04053270158352.6149 SSIM10.74820.76940.78010.7961*0.S325
5结束语
本文提出一种新的基于优化透射率的快速图像去雾方 法以及大气光值快速估计法。在暗通道先验原理的基础之 上，针对去雾过程中的光晕效应提出了采用直方图均衡化和 双边滤波透射率修正机制的解决方案。有效解决了在近景 区域细节上的光晕效应，并通过大气光值的候选预估方法加 快大气光值的确定。实验结果以达到预期，但是在参数的选 取上还没有达到更快更准确的水平，希望未来可以在此方面 有更加好的选择。
参考文献：
[1 ] R Fattal. Single image dehazing [ C ] . Proc. of the ACM SIG-
GRAPH, 2008：1-9.
[2]吴迪，朱青松.图像去雾的最新研究进展[J].自动化学报，
2015,41(2)：221-239.
[3]彭莉婷，李波.基于优化后透射率和半逆法的暗通道图像去
雾方法[J].计算机应用研究，2019(10).
[4]彭莉婷，李波.基于优化后透射率和半逆法的暗通道图像去
雾方法[J].计算机应用研究，2019(10).
[5] Kaiming. He, Jian Sun, and Xiaoou Tang. Single Image Haze Re
moval UsingDark Channel Prior [ C ]. Proc. IEEE Conference
Computer Vision and PattemRecognition, 2009.
[6] Kaiming. He, Jian Sun, and Xiaoou Tang. Guided image filtering
[C ]. Proc. of the European Conference on Computer Vision.
2010,6311：! - 14.[7]张登银，鞠铭烨，王雪梅.一种基于暗通道先验的快速图像去
pair雾算法[J].电子学报，2015, 43(007) :1437 -1443.
[8]刘海波，杨杰，吴正平，等.基于暗通道先验和Retinex理论的
快速单幅图像去雾方法.[J].自动化学报，2015,41(7) :1264
-1273.
[9]陈龙，郭宝龙，毕娟，等.基于联合双边滤波的单幅图像去雾算财务总结范文
法[J].北京邮电大学学报，2012,(4) :19 -23.
[10] Feng Chen,Zhuo Shaojie,Zhang Xiaopeng,et,al. Near - infrared
guided color image dehazing [ C]. Proceedings of the 20th IEEE
International Conference on Image Processing, Melbourne, Aus
tralia, Sep 15-18, 2013. Piscataway, USA：IEEE, 2013：2363
-2367.
[11]张宝山，杨燕，陈高科，等.结合直方图均衡化和暗通道先验
的去雾算法[J].传感器与微系统，2018,37(3) :148-152. [12] E J McCartney. Optics of atmosphere：scattering by molecules
and particles[ J]. New York： John Wiley and Sons, 176. Robby日语能力测试
Tan. Visibility in bad weather from a single image[ C]. Proc. of-
the IEEE Conference on Computer Vision and Pattern Recogni
tion ,2008 ： 1— 8.
[13] Zhu Q, Mai J, Shao J. A fast single image haze removal algorithm
using color attenuation prior [ J ]. IEEE Transactions on Image
Processing, 2015,24( 11) ：3522 -3533.
[14] Wang Yuankai, Fan C T. Single image defoggig by multiscale
depth fusion [J].IEEE Transactions on Image Processing, 2014,
23(l l)：4826 -4837.
(下转第485页）
—475—
