一种改进的雾天降质图像的清晰化算法

第 33 卷 � 第 3 期 大 连 海 事 大 学 学 报 Vol. 33� No. 3 2007 年 8 月 Journal of Dalian Maritime Universi ty Aug. , � 2007 文章编号: 1006-7736( 2007) 03-0055-04 一种改进的雾天降质图像的清晰化算法� 翟艺书,柳晓鸣,涂雅瑗,陈亚宁 (大连海事大学 信息工程学院, 辽宁 大连 � 116026) 摘要: 为了提高有雾天气下户外监控系统的能见度, 提出一种改进的雾天降质图像清晰化算法.该算法从图 像增强的角度入手,利用移动 模板 个人简介word模板免费下载关于员工迟到处罚通告模板康奈尔office模板下载康奈尔 笔记本 模板 下载软件方案模板免费下载 对各局部区域进行部分块重叠直方图均衡化以实现清晰化处理, 克服了原 算法运行时间过长的缺陷.实验 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 明, 改进算法能够有效提高雾天降质图像的对比度, 获得满意的视觉效果. 关键词:雾天降质图像; 清晰化算法;对比度; 部分块重叠直方图均衡化 中图分类号: TN911. 73 � � � � � � � � � � � � � � 文献标志码: A An improved fog- degraded image clearness algorithm ZHAI Y-i shu, LIU Xiao-ming, TU Ya-yuan, CHEN Ya-ning ( Col lege of I nf ormation Engineer ing , Dalian Marit ime University , Dalian 116026, China) Abstract: This paper presents an improved algorithm for fog-degraded image clearness, w hich is designed to improve the visibility of outdoor surveillance system in fog weather. Image enhancement algorithm w as con- sidered and a moving mask-based partially sub-block overlapped histog ram equalizat ion algorithm w as used to realize fog-deg raded images clearness in every local region. T he proposed algorithm can overcome the time-consum ing drawback. Experimental results show that the improved algorithm can ef ficiently enhance the contrast of fog-degraded images and obtain satisfactory visual effects. Key words: fog-degraded image; algorithm for image clearness; contrast; part ially sub-block overlapped his- togram equalizat ion 0 � 引 � 言 目前, 对雾天降质图像的清晰化处理技术主 要有两种: 一是基于物理模型的天气退化图像复 原 方法 快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载 ,从物理成因的角度对大气散射作用进行 建模分析,实现场景复原;另一方法是从图像处理 的角度,增强图像的对比度,达到清晰化的目的. 基于物理模型的复原方法需要已知景深信息 作为复原的前提, 在场景深度和精确的大气条件 已知时, Oakley 等[ 1] 在基于多种假设的前提下, 建立了一个多参数退化模型, 实现了灰度场景的 复原. Tan等 [ 2]对模型进行了改进, 实现了恶劣天 气下的彩色退化图像复原,但对硬件设备的要求 较高, 难以在现实中广泛应用. Narasimhan等[ 3- 4] 通过处理至少两幅恶劣天气下的降质图像来获得 场景的结构和深度信息,从而恢复出场景的色度 和对比度;在文献[ 5]中, Narasimhan 等又提出了 一种交互式的景深估计方法, 对单幅图像即可实 现场景复原,但是这种方法需要设定消失点并对 最大景深和最小景深进行指定.国内学者[ 6- 10] 主 � 收稿日期: 2007-06-10� 作者简介:翟艺书( 1979- ) , 女,吉林长春人, 博士研究生, E-mail: ebook66@ sohu. com; 柳晓鸣( 1959- ) , 男,山东栖霞人, 教授,博士生导师. 要从图像处理角度对雾天降质图像实现对比度增 强.图像增强方法在空间域包括全局增强和局部 增强两种. 全局直方图均衡化是全局增强方法中 应用较广泛的方法. 它对整个图像的直方图进行 平整处理,使信息熵达到最大,实现整个图像的对 比度增强. 这对单景深图像的复原效果较好, 但 是,对于场景深度多变的图像,这种方法就很难反 映图像中局部景物深度的变化,因此,对比度增强 的效果难以令人满意. 而采用局部增强方法可以 在很大程度上减小场景深度的影响, 还原出较清 晰的图像. 祝培等 [ 6]提出了一种基于移动模板的 雾天景物的清晰化算法.本文作者对该算法进行 了深入的分析, 对基于模板的图像清晰化算法进 行了改进,提高了算法的运行效率. 1 � 雾天降质图像的清晰化算法 � � 在有雾天气下, 户外监控系统捕获的图像对 比度退化严重, 其退化的程度与景物深度呈现非 线性关系,即随着深度的增加,图像对比度呈指数 性下降.在景物深度未知的情况下,无法利用大气 退化模型进行复原. 祝培等[ 6] 提出了一种基于移 动模板的局部块重叠直方图均衡化方法,近似地 假设同一模板内的景物处于场景同一深度,通过 对模板内同深度的场景采用块重叠直方图均衡化 方法进行处理, 实现不同深度的目标对比度增强, 增强的效果及运行时间与模板的大小和移动步长 有关. 设降质图像算法 f 大小为 M � N , 结果图 像为 g, 大小同 f ,移动模板 A 的大小为m � n,算 法的具体实现过程是: ( 1) 初始化: k = 0, l = 0, x = 1, y = 1; ( 2) 判断图像当前像素点 ( x , y ) 是否属于 天空区域, 如果是, 则 f ( x , y ) 保持不变; 如果不 是,则转到第 3步处理; ( 3) 按照移动模板 A 的大小取出图像f 中的 子块 f A ; ( 4) 对 f A 做直方图均衡化处理, 得到 gA ; ( 5) 将 gA 拷贝到结果图像g 中的对应区域; ( 6) 将模板 A 移动一个像素位置: 如果 k < M - m ,则 k = k+ 1;如果 k = M - m , l < N - n, 则 l = l + 1; 如果 k = M - n, l = N - n,处理结束; ( 7) 信息综合处理, 即将原始退化图像和上 述结果图像进行综合,得到最终结果. 本文作者在对该方法进行大量实验和分析的 基础上,发现其存在如下不足: ( 1)该方法在判断当前点是否属于天空区域 时,对不属于天空区域的点,直接定位该点作为模 板的始点进行模块内直方图均衡化运算,却忽略 了对模板内是否仍然存在天空区域点的判断. 对 于大多数图像,天空区域的形状并不是规则的,或 者由于建筑物、数木等的遮挡,使得以当前点作为 始点的模块内可能仍存在大量的天空区域点, 而 直方图均衡化的对比度拉伸结果是由原图像的灰 度范围决定的,模板内的灰度范围越小,统计的灰 度数越少,对比度拉伸的程度就会越大,景物细节 清晰化的效果越好; 反之, 模板内的灰度范围越 大, 统计的灰度数越多, 对比度拉伸的程度就越 低.该算法没有对模板内的天空点进一步排除,扩 展了模板内的灰度范围,必然会降低直方图均衡 化的对比度拉伸效果.因此,对模块内天空区域点 的进一步判断和排除对降质图像对比度的增强是 非常重要的. ( 2)经过对多幅图片采用该算法处理后,图像 整体灰度偏白[图 1( b) ] , 在某些局部区域对比度 拉伸的效果不是很好. 远处楼宇边缘信息部分丢 失,道路等处的灰度处理结果比天空的灰度更大, 这显然是不符合实际的,这是由于直方图均衡化 是将灰度拉伸到[ 0, 255]上, 而文献[ 6]中对天空 区域的赋值却与原退化图像保持不变造成的. ( 3)该算法在具体实现过程中, 采用步长为 1 的模板进行逐点移动, 实现天空区域判断和直方 图均衡化.两个过程同时进行,极大地限制了算法 的运行效率,运行时间过长,不能满足户外监控系 统的实时监控要求. 但是, 天空区域的判断,要求 模板逐点移动, 此要求造成了算法实质上是采用 步长为 1的块重叠直方图均衡化, 计算量巨大. 2 � 改进的雾天降质图像清晰化算法 在进行以上分析的基础上, 本文作者对文献 [ 6]中基于模板的块重叠直方图均衡化方法做了 如下改进. ( 1)在算法具体实现过程中,将天空区域判断 和基于移动模板的直方图均衡化过程分开,首先 对天空区域进行分离; 56� � � � � � � � � � � � � � � � � � 大 连 海 事 大学 学 报 � � � � � � � � � � � � � 第 33卷 � 图 1� 雾天降质图片及文献[ 6]算法的清晰化结果 � � ( 2)进行模板内直方图均衡化以前,对模板内 是否仍有属于天空区域的点作进一步判断:去除 属于天空区域的点, 对剩余的点统计各灰度级及 其对应的频数, 得到模板内直方图均衡化函数; ( 3)考虑到直方图均衡化的处理结果是将灰 度值拉伸到[ 0, 255]上, 因此, 本文算法将分割出 的天空区域灰度赋成 255; (4)为了改善算法的运行效率, 减少运行时 间,令移动模板的步长大于 1, 即利用修改的部分 重叠直方图均衡化算法思想实现对比度拉伸. 采用和文献[ 6] 相同的符号, 设图像 f 大小为 M � N , 结果图像为 g(大小同 f ) ,移动模板 A 的 大小为 m � n ,则改进算法的实现过程具体描述 如下: ( 1) 初始化: k = 0, l = 0, x = 1, y = 1, 生成 四个大小为 M � N 的零矩阵: g, COUNT, E, M. 其中, g 为最终结果图像; M 为中间结果矩 阵,即每次均衡化后的灰度结果矩阵; E为灰度累 加矩阵,处理结束时, E表示各点的均衡化灰度累 加结果; COUNT 为次数累加矩阵, 处理结束时, COUNT 表示各点被均衡化处理的总次数. ( 2) 利用文献中的天空提取算法找到直方图 灰度值较大的区域上满足近似正态分布的两个端 点 h1、h2 , 分离出天空区域, 并在结果图像 g 中 的相应位置赋值 255. ( 3) 令移动模板 A 定位在图像 f 的像素点 ( x , y ) 处,根据结果图像 g, 对模板A 内的所有像 素点进行天空区域点去除, 以去除天空点对模板 内灰度范围的影响, 并对模板内所有非天空像素 点的灰度级和对应频数进行统计计算, 得到变换 函数实现模板内直方图均衡化, 将得到的变换结 果储存到 M 的相应位置. ( 4) 令 E = E + M(对变换结果进行灰度值 累加) . ( 5) 将模板移动步长像素, 转到( 3) , 在每次 均衡化后将各点被均衡化的次数累加到 COUNT 中对应位置;如果 k < M - m ,则 k = k + 1;如果 k = M - m , l < N - n,则 l = l + 1;如果 k = M - m , l = N - n,处理结束. ( 6) 对各点的灰度累加结果 E 除以对应各点 的处理次数累加结果 COUNT, 得到最终结果图 像 g . 3 � 实验结果与分析 为了检验算法的有效性, 对多幅雾天降质图 片进行去雾处理,得到了令人满意的清晰化效果. 图 2是对图 1中的降质图像经文献[ 6]算法、 全局直方图均衡化及本文改进算法处理后的对比 结果.图 2( a)是原图,由于受雾的干扰, 景物比较 模糊, 对比度较差; 图 2( b)是全局直方图均衡化 的结果,图像的对比度得到了一定的增强,但是结 果图像整体灰度偏暗, 而且视线深处的楼宇信息 基本丢失;图 2( c)为文献[ 6]算法处理的结果,处 理后的图像虽然清晰化程度得到了较大提高, 但 是在结果图像的远景区域楼宇的边缘信息比较模 糊,同时, 由于该算法对天空区域的灰度保持与原 图不变,出现了天空灰度低于道路的反常现象;图 2( d)是基于本文改进算法的处理结果, 相对( b)和 ( c) , 改进算法整体对比度更好,道路两旁的绿地、 楼宇、车辆、垃圾桶、地上的井盖和路标等细节都 得到了更好的增强, 甚至在视线深处的几栋高楼 和树木也都被较好地增强出来.可见,本文的改进 算法更好地提高了远景和近景景物的清晰化程 度,保留了更多的细节信息. 另外,对本文的算法和文献[ 6]算法采用大小 相同的模板进行时间上的对比测试, 发现改进算 法的运行时间大大缩短. 图 2中,在模板大小同样 取 40 � 40的情况下,文献[ 6]算法的运行时间为 57第 3期 � � � � � � � � 翟艺书,等:一种改进的雾天降质图像的清晰化算法 � � � � � � � � � 图 2� 雾天降质图片及对比清晰化结果 11 m in 31 s, 而本文改进算法的运行时间仅为 9 s, 此时的步长为 8,虽然有一些块效应, 但是相对 于算法的运行时间, 清晰化效果还是比较好的.减 小步长.图像的清晰化效果会更好,但是运行时间 较长; 对步长为 5进行实验的运行时间为 37 s;同 样,增大步长, 算法的运行时间会进一步缩短,但 是块效应会稍重一些,实际中,应根据需要来调整 步长的大小. 参考文献( References) : [ 1] OAKLEY J P, SATHERLEY B L , Improving image quality in poor visibility conditions using a physical model for contr ast degr adation[ J] . IEEE Transactions on Im- age Processing, 1998, 7( 2) : 167-179. [ 2] TAN K, OAKLEY J P, Enhancement of color images in poor visibility conditions[ C]��I nternational Conference on Image Processing . Vancouver: IEEE Press, 2000: 788- 791. [ 3] NARASIMHAN S G, NAYAR S K . Contrast restora- tion of weather deg raded images[ J] . IEEE Transactions on Pattern Analysis and Machine Intelligence, 2003, 25 ( 6) : 713-724. [ 4] NARASIMHAN S G, NAYAR S K. Removing w eather effects fr om monochrome images [ C ]��Proceedings of IEEE Confer ence on Computer V ision and Pattern Rec- ognition: IEEE Computer Societ y, 2001: 186-193. [ 5] NARASIMHAN S G, NAYAR S K . Interactive ( de) weather ing of an image using physical model[ C]��Pro- ceedings of t he ICCV Work- shop on Color and Photomet- ric Methods in Computer Vision. N ice: IEEE Computer Society , 2003: 713-723. [ 6]祝 � 培, 朱 � 虹, 钱学明,等. 一种有雾天气图像景物 影像的清晰化方法[ J] . 中国图像图形学报, 2004, 9 ( 1) : 124-128. ZHU Pei, ZHU Hong, Q IAN Xue-ming , et al. An im- age clearness method fo r fog [ J] . Journal of Image and Graphics, 2004, 9( 1) : 124-128. ( in Chinese) [ 7]祝 � 培, 恶劣天气环境下图像的清晰化[ D] .西安: 西 安理工大学, 2004. [ 8]朱凯军,周 � 焰,兰祖送. 基于区域分割的雾天图像增 强算法[ J] . 计算机测量与控制, 2006, 14( 5) : 661-663. ZHU Ka-i jun, ZHOU Yan, LAN Zu-song. Enhance- ment algorithm of misty image based on reg ion segmenta- tion[ J] . Computer Measurement & Control, 2006, 14 ( 5) : 661-663. ( in Chinese) [ 9]王 � 萍, 张 � 春,罗颖昕, 一种雾天图像低对比度增强 的快速算法[ J] . 计算机应用, 2006, 26( 1) : 152-156. WANG Ping, ZHANG Chun, LUO Ying-x in. Fast a-l gorithm to enhance contrast of fog-degr aded images[ J] . Computer Applicat ions, 2006, 26( 1) : 152-156. ( in Ch-i nese) [ 10]罗颖昕, 雾天低对比度图像增强方法的研究[ D] . 天 津: 天津大学, 2003. 58� � � � � � � � � � � � � � � � � � 大 连 海 事 大学 学 报 � � � � � � � � � � � � � 第 33卷 �