基于暗通道先验的图像去雾算法改进

基于暗通道先验的图像去雾算法改进研究

  　　摘要：暗通道先验去雾算法求得的的透射率比较精细，去雾效果优于大多数去雾算法。然而在暗通道求取过程中，最小值滤波的处理会使得暗色向外扩张，导致透射率扩张变大，使得去雾后的图像在边缘部分产生“光晕”现象。为了减弱光晕效应，利用形态学理论对粗略透射率进行腐蚀处理，腐蚀掉扩张变大的透射率，然后使用容差机制修复不符合暗原色先验的明亮区域透射率，再使用引导滤波精细化透射率，最后利用去雾模型复原图像。实验表明，改进后的算法去雾效果更佳、去雾速度更快，具有更强的鲁棒性。

0 引言

　　雾霾天气不仅影响人们的出行，也给视频监控、自动驾驶等涉及室外图像应用的领域带来了很大挑战，并引起了相关研究人员的重视，如今已出现了不少研究成果。图像去雾的研究方法可分为两大类，基于图像增强的方法和基于物理模型的方法。早期图像去雾研究主要利用图像处理的知识来去雾，Kim[1]提出对雾图进行局部直方图均衡处理的方法，这种方法根据每个像素的邻域对像素进行处理，可以突出图像的特征，但运算量较大，算法复杂度较高。Land[2-3]基于色彩恒常性提出了Retinex即视网膜皮层理论，其后出现了一些基于Retinex的图像增强算法[4-6]，与其它图像增强算法相比，基于Retinex的图像增强算法处理的图像，局部对比度相对较高，色彩失真较小。基于图像增强的去雾方法可以利用成熟的图像处理算法来增强图像的对比度，突出图像中的特征信息，但这种方法会造成图像部分信息损失，导致图像失真。图像去雾的另一类是基于物理模型的方法，该方法研究大气悬浮颗粒对光的散射作用，通过大气散射模型来复原图像，恢复的图像效果更真实，图像信息能得到较好保存。Narasimhan等[7]提出了雾霾天气条件下的单色大气散射模型，后来基于物理模型的方法几乎均建立在此模型之上。Tan[8]基于无雾图比雾图有更高对比度的假定来最大化有雾图像的对比度，该算法在很大程度上能复原图像结构和细节，然而Tan的算法趋向于过度补偿降低的对比度，容易产生光晕效应。Fattal[9]把图像场景光分解成反射和透射两部分，然后基于独立主成成分分析来估计场景光强，这种方法可以有效去除局部的雾但不能很好恢复浓雾的图像。Kim等[10]结合局部对比度增强和去雾模型方法，能够抑制伪影的产生，但时间复杂度较高。刘倩等[11]使用均值滤波去雾，对单幅图像去雾效果尚可，但是用于视频去雾时帧之间的过渡就不很自然。王燕等[12]使用中值滤波去雾，其有一定的去雾能力，但图像周边会出现明显的分界。何凯明等[13]提出的暗通道先验去雾算法，可以得到精细的透射率，去雾效果优于大多数的去雾算法，已成为去雾领域的经典。去雾后的图像在景深变化大的地方会产生光晕现象，而导致这一问题的原因是在暗通道计算过程中使用