(完整word版)图像去雾霭算法及其实现...doc

2021年3月1日发(作者：军事政变)

图像去雾霭算法及其实现

电气工程及其自动化

学生姓名

杨超程

指导教师

李国辉

摘要

雾霭等天气条件下获得的图像，具有图像不清晰，颜色失真等等一

些图像退化的现象，直接影响了视觉系统的发挥。因此，为了有效的改善雾化

图像的质量，降低雾霭等天气条件下造成户外系统成像的影响，对雾 霭图像进

行有效的去雾处理显得十分必要。

本 设计提出了三种图像去雾算法，一种是基于光照分离模型的图像去雾算

法；一种是基于直方图均衡化的图像去雾算法；还有一种是基于暗原色先验的

图像去雾算法。

并在

MATLAB

的基础上对现实生活的图像进行了去雾处理，

< /p>

最后

对不同的方法的处理结果进行了简要的分析。

关键词：

图像去雾

光照分离

直方图均衡化

暗原色先验

I

Algorithm and its implementation of image

dehazing

Major Electrical engineering and automation

Student

Yang Chaocheng

Supervisor Li Guohui

Abstract

Haze weather conditions so as to obtain the image, the

image is not clear, the phenomenon of color distortion and so on some

image degradation,

directly

the image, reduce

influence

the exertion

of

the visual

Therefore, in order to effectively improve the atomization quality of

the haze caused by outdoor

weather

conditions

of

the haze image

effectively

system.

such as

it is

imaging system,

the

influence

necessary to deal with the fog.

This design introduced three kinds of algorithms of image to fog,

a model is based on

the separation

is based on the

dark

grey apriori

of light image

is the image to fog algorithm based on histogram equalization; Another

algorithms

of image to

basis of MATLAB to the real life to deal with the fog, the image of the

processing results of different methods are briefly analyzed.

to fog algorithm; One

fog. And on the

Key words: Image to fog

Light

separation histogram

Dark

grey

II

目

录

摘要

. ....................... ...........................................

Abstract . . .......................... ..................................

目录

1

绪论图像去雾霭算法及其实现

...........................................

1.1

研究背景及意义

.................................................

1.2

当前图像去雾霭技术发展现状及其趋势

.............................

1.3

本文的章节安排

. ................................................

1.4

小结

.......... .................................................

2

图像去雾霭基础理论

.... ...............................................

2.1

雾霭的形成机理

.................................................

2.2

图像去雾算法

..... ..............................................

2.2.1

图像增强技术

.............................................

2.2.2

图像复原技术

.............................................

2.3

基于图像增强的去雾霭算法

.......................................

2.3.1

同态滤波

.................................................

2.3.2

光照分离模型

.............................................

2.3.3

小结

........ ............................................

2.4

基于直方图均衡化的图像去雾算法

................................

2.4.1

直方图均衡化去雾原理

....................................

2.4.2

直方图均衡化模型

........................................

2.4.3

直方图均衡化的算法步骤

..................................

2.4.4

小结

........ ............................................

2.5

基于图像复原的去雾霭方法

......................................

2.5.1

暗原色先验去雾霭原理

....................................

2.5.2

暗原色先验模型

..........................................

2.5.3

算法概述

................................................

2.5.4

小结：

..................................................

3

实验结果

.......... ..................................................

4

总结与展望

........ ..................................................

附录

1

光照分离代码

.................... ...............................

附录

2

基于直方图均衡化的图像去雾代码

.................................

I

II

1

1

2

2

3

4

4

4

5

5

5

6

7

11

11

11

12

12

16

16

16

16

17

20

21

22

23

25

附录

3

暗原色先验的去雾代码

................. .................................................. .................................................. .................................................. .......

27

参考文献

.

.......... .................................................. .................................................. .................................................. .................................................. .........................

29

致谢

.

. .................................................. .................................................. .................................................. .................................................. .................................................

30

图像去雾霭算法及其实现

1

绪论

< /p>

图像作为人类感知世界的主要视觉基础，是人类获取信息以及表达信息的重要

方法。因此一些雾化图像十分有必要进行一些处理。在本设计的开头部分， 这章讲

述了图像去雾的一些研究背景以及意义，

主要介绍了当前去雾的算法以及发展趋势。

最后介绍了本文的主要工作内容。

1.1

研究背景及意义

社会在不断的发展，

各种高科技也在不断的更新

，一年比一年的雾霾现象也比

较严重 了。近些年，在我国出现了比较频繁的、覆盖区域也比较广泛的雾霾天气。

< p>
尤其是大陆南方等地区。近几年的空气质量逐步退化，一些恶劣天气也频繁出现，

< br>

PM2.5

值越来越引起人们的关注。在有雾天气下 拍摄的图像，由于空气重混入了不

少的浑浊杂质对光的吸收和 散射产生了严重的影响，最终导致了图像模糊不清，给

人一种 不美观的第一感觉。上述视觉效果不好不仅仅只是针对图像成像而造成的影

< p>
响，给判定目标会带来一定的麻烦。在图像、视频的获取与空气质量息息相关，然

< br>

而随着工业化的进程，大气污染日益严峻。大气雾霭环境下图像成像欠佳，使得 图

像后续处理，如目标识别等任务难度增加；在卫星遥感监测 、公路监控等各方面都

会造成极大的影响。本设计以公路监控 为例，由于大雾弥漫，道路的能见度很低，

驾驶员通过视觉获 得道路的信息往往很模糊，进一步造成一些不必要的事故发生。

由此可见，对雾天图像进行快速有效的处理显得十分必要。

1

图

1

四川师范大学成龙校区某角落

由图

1

可以很明显的看出，受浓雾 的影响，图像的质量退化严重，许多地方显

得十分模糊，基本无法识别和提取景物的特征 。因此对图像去雾技术的研究，恢复

图像等信息的处理显得十分重要。

< br>

1.2

当前图像去雾霭技术发展现状及其趋势

图像去 雾技术是通过一定的方法和手段，去除图像中雾的干扰，恢复出有效的

图像信息及其特征，并能得到一种良好的视觉效果的图像。

图像去雾技术经历了一个漫长的过程。

1992

年，

nette

等人针对雾和

雨天气下所做的图像进行了研究；随后

John

等人针对雾霭天气下所拍摄

的彩色图 像进行了去雾处理，并取得了一定的成果。目前图像去雾技术的主流是向

基于模型与基于非模型的两个角度展开的。其中，基于非模型的方法可以简单的归

纳为图像对比度增强的问题。比较典型和常用的图像增 强方法包括直方图均衡化算

法、曲波变换、小波方法、以及

Retinex

算法等。每种算法针对不同的场合和对象

都取得不错的效果去雾效果，但是每种方法都有不同程度的不足，所以不断的引入

新方法和新手段，才能使得该领域保持旺盛的生命力。

1.3

本文的章节安排

本文主要对以下几个方面进行研究和分析：

第一章绪论部分首先论述了图像去雾的研究背景及其发展趋势。

2

第二 章详细的论述了图像去雾霭的基础理论，包括图像的增强及其复原。以及

运用直方图均衡 化、光照分离模型、暗原色先验的方法来处理雾化图像。

并对去雾结果进行了简要的分析。

第 三章给出实验结果，对不同方法处理雾化图像进行了对比，并得出了相关的

结论。

第四章对本文进行了简要的总结。

以 上方法，本设计采用的直方图均衡算法是最基本的，是研究暗原色先验方法

< p>
做对比时的参照；同态滤波算法在图像增强方面也取得了很大的进展；曲波变换能

< br>

够很好的增强曲线边缘；暗原色先验算法是一种描述颜色恒常性的模型，具有使 图

像更加清晰化，图像特征更加明显，因此在图像增强方面暗 原色先验要优于。

1.4

小结

本设计围绕图像增强和图像复原 去雾两个方面，对图像去雾技术涉及的内容进

行了简单的介绍 。根据雾天图像去雾处理的情况，采用不同的方法对雾化图像进行

处理，并给出了各种去雾算法的实验结果图、不同方法的结果对比。采用主观和客

观评价相结合的方式对图像质量进行评估。

3

2

图像去雾霭基础理论

为了实 现雾化图像的去雾处理，本章首先对雾霭的形成过程出发进行了简单的

阐述，研究了图像 去雾算法的分类主要包括图像增强技术以及图像复原技术。

2.1

雾霭的形成机理

雾实际上是由悬浮颗粒在大气中的 微小液滴构成的气溶胶，常呈现乳白色，其

底部位于地球表面，所以也可以看做是接近地面的云。霭其实跟雾区别不大，它的

一种解释是轻雾，多呈现灰白色，与雾的颜色十分接近。

雾霭作为一种灾害性的天气，会引起室外能见度降低，一些高 速公路也会因此

封锁道路，航空运 输方面也会因此延误航班等等交通工具无法正常的使用。另外，

人们长期停留在雾霭天气的环境中，人体会吸入不少的悬浮颗 粒等有害物质，对人

们的身体健康 有着极大的影响，会对人体造成肺病或者流感等其他疾病。

2.2

图像去雾算法

图像去雾算法可以分为两大类：一 类是图像增强；另一类是图像复原。本设计

将下面两个小节中逐步介绍上述的两种技术。 图

2

介绍了图像去雾算法的分类

:

图像去雾算法

雾化图像增强

雾化图像复原

全

局

化

局

部

化

增强

基

于

偏

微分

基

于

深

度关系

基

于

先

验信息

增强

图

2

图像去雾算法分类

4

2.2.1

图像增强技术

为了改善视觉效果或者 便于人们对图像的判别和分析，根据图像的特征采取简

单的改善方法或者加强特征的措施 叫做图像增强。图像增强可分为两大类：频率域

法和空间域法。空间域处理主要包括：点 处理，模块处理即领域处理。频率域处理

主要包括：高、低通滤波、同态滤波等等。

图像增强可分为两大类：

频率域法和空间域法。

空间域处理主要包括：

点处理，

模块处理即领域处理。频率域处理主要包括：高、低通滤波、同态滤波等等。

2.2.2

图像复原技术

从广义上讲，

图像复原是一个求逆问题，

逆问题经常存在非唯一解，

甚至无解 。

图像复原的目的是将所观测到的退化图像恢复到退化前的原始图像，这种恢复过程

在

很多

图像

处理

中的

应

用十

分重

要。

目前

应用

最广

泛的

图像

复

原技

术

是

Lucf-Richardson

，随着迭代次数的增加，最 终将会收敛在泊松统计的最大似然解

处。为了更好的对图像复原的理解，图

3

为图像复原的流程图：

图像复原

g(x,y)

滤波器

f(x,y)

图

3

图像复原流程图

其中

g(x,y)

为降质图像函数，

f(x,y)

为真实图像函数。

在图像复原技术可以分为以下几类：

1

）在给定退化模型条件下，分为无约束和有约束两大类。

2

）根据是否 需要外界干预，分为自动和交互两大类。

< br>3

）根据处理所在的域，分为频率域和空间域。

2.3

基于图像增强的去雾霭算法

在本设计中将采用同态滤波的方式，

通过求图像

I

的平滑来进行估计光 照分量

L

，

从而做到对两个分量进行分 离。

下面的论述中将着重介绍光照分离模型，

使用同

态滤波的方式来估计光照分量

L

。这种方法在人脸识别领域有一定的应用

,

可以有效地

消除光

,

雨、雾等天气和环境减少影响人脸图像的质量

,

并且可以实现本地对象保持的

细节。

5

通常，图像

I

（

x,y

）可以由光照分量

L

（

x,y

）和反射分量

R

（

x,y

）的乘积，光

照分量

L

取决于照射源，而反射分量

R

取决于物体的内在不变的属性，如物体表

面反射系数和表面法线等。因此光照预处理的问题可以转化为 给定图像

I

用来解决

R

的问题。

2.3.1

同态滤波

在进行光照分离前，我们使用同态滤波来得到光照分量

L

。在生活中会得到这

样的图像，它的动态范围很大，而我们感兴趣部分的灰度又很暗，图像细节无法辨

认，采用一般的灰度级线性变换是不行的。同态滤波属 于图像频率域处理范畴，其

作用是 对图像灰度范围进行调整，通过消除图像上照明不均的问题，增强暗区的图

像细节，同时又不损伤亮区的图像细节。

图像的灰度由照射分量和反射分量合成。反射分量反映图象内 容，随图像细节

不同在空间上作快 速变化。照射分量在空间上通常均具有缓慢变化的性质。照射分

量的频谱落在空间低频区域，反射分量的频谱落在空间高频区 域。

一般景物的图像

f (x, y)

可以由照明函数

f

i

( x, y)

和反射函数

f

r

( x, y)

的乘积表

示。

f

i

( x, y)

表示景物的照明，与景物无关；

f

r

(x, y)

包含景物的细节，与照明无关。

图

3

为同态滤波处理流程图：

f(x,y)

s(u,v)

ln

s

FFT

Z(u,v)

g(x,y)

H(u,v)

IFF

exp

图

4

同态滤波处理流程图

例如，图像

f(x,y)

由照射分量

i(x,y)

f(x,y)=i(x,y).r(x,y)

与反射分量

r(x,y)

的乘积构成。

（

2-1

）

公式（

2-1

）中。

0< r(x,y)<10< f(x,y)

首先对

f(x,y)

取对数，

z(x,y)=ln f(x,y)=ln

对公式

2

作傅里叶变换可得：

≤

i(x,y)<

∞

i(x,y)+ln

r(x,y)

(2-2)

F

（

z(x,y)

）

=F[ln i(x,y)]+F[ln r(x,y)]

即

Z

（

u,v

）

=I(u,v)+R(u,v)

(2-3

(2-4

）

）

（

2-5

）

6

设计滤波器传递函数为

H

（

u,v

），则

S

（

u,v

）

= H

（

u,v

）

Z

（

u,v

）

= H

（

u,v

）

I(u,v)+

H

（

u,v

）

R(u,v)

根据不同图像特性和需要，对于公式（

2-5

）选用不同的

H

（

u,v

），可以得到令

人满意的结果，细节对比度差，分辨不清的图像用同态滤波进行处理后，图像画面亮度

< p>
比较均匀，细节得以增强。

2.3.2

光照分离模型

在估计出光照分量后，进行计算物体内在的反射分量：

R=I/L.

本设计将利用全变分模型来估计反射分量。全变 分模型是一种经典的图像恢复

方法 ，在图像中主要用于从观测图像中恢复图像真实，具有模型简单、需要优化的

参数少的特点。

令

l=logL,r=logR,i=logI

则有：

（

2-6

）

i=l+r

；

l

是在空间上平滑的，

在整个图像中变化缓慢；

r

在一个局部小邻域内是一个常

量，

r

在边缘区域则变化激烈。反射系数

r

可以通过一个简单的值来进行分割；

l

值大于

r

，并且接近于图像的亮度值。

min

∫︱▽

l(x,y)

︱

d

xdy l

∈

BV(

Ω

)

（

2-7

）

（

2-8

）

s.t.

‖

i-l

‖

^2

≤σ

；

整个图像。上述式的含义是光照

对于公式（

2-7

），公式（

2-8

）其中

σ

为一个常数，Ω

是函数支撑集，范围覆盖

l

在空间上是平滑的，同时反射系数可以通过一个

简单的阀值分割出来。可以将上述式子改写成：

E=min[

∫▽

l+

λ

(l-i)^2];l

∈

BV

（Ω）

其中

Ω

是图像区域，λ

是非负实数。即可求得光照

l

的估计。

这种算法的一般步骤如下：

（

2-9

）

1

）给定图像

I

，取得对数得到

i=logI;

2

）去初始值

l0=i

，根据上述公式求解全变模型。求得

l

。

3)

对光照

l

做指数运算，得到

L

。

4

）再根据公式求取反射系数模型

R

。

基于光照分离模型图像去雾流程图如图

5

：

7

对

图

像

构

造

一

个

高

斯

求

取

光

进

行

灰

照

分

量

度处理

滤波器

L

输

入

图

像

PS

输

出

图

像

I

建

立

全

变

分

模

型

求

取

反

射

分

量

R

图

5

光照分离模型图像去雾流程图

运用

matlab

软件编写程序代码获取下面效果图

:

图

6

原始图像

8

图

7

高通滤波器

图

8

原始直方图灰度值

9

图

9

均衡后的直方图

图

10

光照分离后的图像

10

2.3.3

小结

从上述图像中可以看出这种算法 是把频率过渡和灰度变换相结合的图像增强的

方法，利用压缩 亮度范围和增强对比度来改善图像质量的处理技术。能够很好的去

掉光照不均匀所产生的黑斑；能够比较好的保持图像的原始风 貌。

2.4

基于直方图均衡化的图像去雾算法

本章主要讨论了直方图均衡化处理 的基本原理以及相关模型，并用

MATLAB

语言实现了直方图均衡化的图像增强处理，结果 表明，直方图均衡化方法并不能生

成平坦的直方图，但它具有能增强图像灰度级的动态范 围的特性。

2.4.1

直方图均衡化去雾原理

目前，对于去 雾图像进行清晰化处理的技术主要分为两大类：一种是基于图像

处理，通过增强图像对比 度而达到清晰化目的；另一种是基于物理模型的图像复原

< /p>

方法，从雾形成原因的角度对大气散射作用进行建模分析处理的。

图

11

为简单的直方

图均衡的分类示意图：

全局直方图均

衡

直方图均衡

LAHE

局部直方图均

NLAHE

衡

POSHE

图

11

直方图均衡的分类示意图

基于直方图均衡化的算法以概率论为基础，用灰度变换达到图像增强的目的，

是图像增强中最常用的算法之一。本文介绍一种基于累 积分布函数变换法为基础的

直方图均衡化。

它可以通过对直方图进行均匀修正技术，

可使图像的灰度间距增大，

从而使图像变得更加清晰。

11

2.4.2

直方

均衡化模型

于

像，

r

和

s

分

代表被增

像和

像后

像的灰度。

了

r=s=0

，

，在下面的

中，假定所有像素的灰度都被

一化了，就是

，当

表示黑色；当

r=s=1

表示白色；

函数

T

（

r

）与原

像概率密度函数

P(r)

之

的关系

：

s=T

（

r

）

=

∫

Pr(r)dr (0

≤

r

≤

1)

r

的，累

分布函数。式中累

分布函数是

（

2-10

）

r

的函数，

s

的定

域内

是原始

像灰度

从

0

增加到

1

，所以

个

函数

足求

由此可

，

后的

量

的概率密度是均匀分布的。由此可

，用

r

累

分布函数作

函数可

生一幅

灰度

分布具有均匀概率密度的

像。其

果

展了像素取

的

范

。

了

像

行数字

理，必

引入离散形式的公式。当灰度

是离散

的

候，可用

数近似代替概率

，即：

Pr(rk)=

Nk

n

(0

?

,L-1)

（

2-11

）

公式

2-12

）中，

L

是灰度

数；

p

r

( r

k

)

是取第

k

灰度

的概率；

Nk

是在

像中出

第

k

灰度的次数；

n

是

像中像素数。

通常把

得到均匀直方

的

像增

技

叫做直方

均衡化

理或直方

性化

理

2.4.3

直方

均衡化的算法步

直方

均衡化的算法步

如下：

1

）、列出原始

像和

后

像的灰度

：

I

，

j=0,1,,L-1,

ni;

其中

L

是灰度

的个数；

2

）、

原

像各灰度

的像素个数

3

）、

算原始

像直方

：

P(i)=ni/N,N

原始

像像素

个数；

j=INT[(L-1)Pi+0.5]

f(m,n)=i

修正

g(m,n)=j

；

4

）、利用灰度

函数

算

后的灰度

，并四舍五入：

5

）、确定灰度

关系

i

→

j,

根据此将原

像的灰度

nj

；

p(j)=nj/N

后各灰度

的像素个数

6

）、

算

后

像的直方

：

12

列出原始灰度

级

rk

统计原始直方

图各灰度级像

计算原始直方

图各级概率

Pk

计算累积直方

图

Sk

计算新直方图

统计新直方图

确定映射关系

rk

与

sk

灰度级像素

nk

取整

sk

图

12

直方图均衡化示意图

根据图

12

直方图均衡化示意图做出下面图像效果：

图

13

输入图像

13