改进的暗通道先验图像去雾霾算法.pdf
《改进的暗通道先验图像去雾霾算法.pdf》由会员分享,可在线阅读,更多相关《改进的暗通道先验图像去雾霾算法.pdf(7页珍藏版)》请在咨信网上搜索。
1、第 卷 第期 年月西安邮电大学学报J OUR NA LO FX I ANUN I V E R S I T YO FP O S T SAN DT E L E C OMMUN I C A T I ON SV o l N o M a r d o i:/j i s s n 改进的暗通道先验图像去雾霾算法王文庆,孙柯,黄世奇,卢莹,(西安邮电大学 自动化学院,陕西 西安 ;西安邮电大学 西安市先进控制与智能处理重点实验室,陕西 西安 )收稿日期:作者简介:王文庆(),男,博士,教授,从事智能信息处理方向研究.E m a i l:w w q x u p t e d u c n孙柯(),男,硕士研究生,研究
2、方向为模式识别与智能系统.E m a i l:q q c o m摘要:对图像去雾问题进行研究,提出一种改进的暗通道先验图像去雾霾算法.先根据图像亮度最高处的像素值计算大气光值,然后在获取透射率的同时参考峰值信噪比,利用迭代的方法求出使峰值信噪比最优时所对应的透射率,并采用导向滤波的方法细化透射率,最后通过有雾图像物理模型还原图像.实验结果表明,相比于经典的暗通道去雾算法,改进算法能够显著改善图像信噪比以及大面积天空图像出现的光晕问题.关键词:雾霾;暗通道先验算法;峰值信噪比;透射率;导向滤波中图分类号:T P 文献标识码:A文章编号:()I m p r o v e dd a r kc h a
3、n n e l p r i o r i m a g eh a z e r e m o v a l a l g o r i t h mWAN G W e n q i n g,S UNK e,HUAN GS h i q i,L UY i n g,(S c h o o l o fA u t o m a t i o n,X ia nU n i v e r s i t yo fP o s t sa n dT e l e c o mm u n i c a t i o n s,X ia n ,C h i n a;X ia nK e yL a b o r a t o r yo fA d v a n c e d
4、C o n t r o l a n dI n t e l l i g e n tP r o c e s s i n g,X ia nU n i v e r s i t yo fP o s t sa n dT e l e c o mm u n i c a t i o n s,X ia n ,C h i n a)A b s t r a c t:T os t u d yt h ep r o b l e mo f i m a g eh a z er e m o v a l,a ni m p r o v e dd a r kc h a n n e lp r i o ra l g o r i t h mf
5、 o r i m a g eh a z er e m o v a l i sp r o p o s e d T h ea t m o s p h e r i cl i g h tv a l u eb a s e do nt h ep i x e lv a l u ea tt h eh i g h e s tb r i g h t n e s so f t h e i m a g e i sc a l c u l a t e df i r s t T h e n,t h et r a n s m i s s i v i t yi so b t a i n e dw i t hr e f e r
6、e n c e t ot h ep e a ks i g n a l t o n o i s er a t i o(P S N R)T h et r a n s m i s s i v i t ya t t h eo p t i m a lP S N Ri so b t a i n e db y i t e r a t i v em e t h o d,a n d t h e t r a n s m i s s i v i t y i s r e f i n e db yg u i d e d f i l t e r a l g o r i t h m F i n a l l y,t h e
7、i m a g e i sr e s t o r e db yt h ep h y s i c a lm o d e lo f f o g g yi m a g e T h ee x p e r i m e n t a l r e s u l t ss h o wt h a tc o m p a r e dw i t ht h ec l a s s i cd a r kc h a n n e l a l g o r i t h m,t h ep r o p o s e da l g o r i t h mc a ns i g n i f i c a n t l y i m p r o v e
8、t h ep e a ks i g n a l t o n o i s er a t i oa n ds o l v e t h eh a l op r o b l e mo f l a r g ea r e as k y i m a g e K e y w o r d s:h a z e;d a r kc h a n n e lp r i o ra l g o r i t h m;p e a ks i g n a l t o n o i s er a t i o;t r a n s m i s s i v i t y;g u i d e df i l t e r在雾霾气候条件的作用下,大气中
9、悬浮粒子数量不断增加,导致光线的正常传输受到影响,会干扰图像采集设备对图像的采集.对遥感图像进行采集时,大气中的粒子散射作用会导致传感器的成像质量下降,遥感图像中的物体模糊不清,信息存在一定的损失.因此,图像去雾的重要性不容忽视 .目前,图像去雾方法主要包括基于图像增强的去雾方法、基于物理模型复原的图像去雾方法和基于深度学习的图像去雾方法.基于图像增强的去雾方法原理是通过对比度的增强,突出图像中背景与目标的差别来提高图像的视觉效果,从而达到一个去雾的目的.常见的方法有直方图均衡化 、基于R e t i n e x的增强算法和基于小波变换的对比度增强去雾方法等 .这种方法有较高的时效性和广泛的适
10、用性,在图像去雾领域较为常用.但是,该类方法是从人眼视觉效果出发,没有考虑图像降质的根本原因,在处理雾霾较为均匀的图像时能够取得较好的效果,但对于雾霾不均匀的图像往往会产生不可预测的失真.基于物理模型复原的图像去雾方法主要是通过对成像的物理过程进行分析,西安邮电大学学报 年月考虑图像受雾霾影响而退化的主要原因.通过对大量无雾图像和有雾图像观察总结,建立精确的物理模型来呈现有无图像和原始无雾图像的关系,最终从有雾图像反推出无雾图像.该类方法的核心是需要尽可能精确地得到物理模型中的参数值,最终得到复原图像.最经典的方法是H e等提出的暗通道先验理论(D a r kC h a n n e lP r
11、i o r,D C P).该理论是根据暗通道统计规律,通过求解大气散射模型的逆过程恢复清晰图像,属于图像复原的范畴.在正常的成像过程中,大气光包括太阳的直射光、场景的反射光及大气的散射光等,而该类方法一般只将大气光作为全局常量,会导致远景去雾效果减弱,并伴随光晕现象.随着计算机技术以及硬件条件的迅速发展,以数据为驱动的基于机器学习的图像去雾方法,特别是卷积神经网络(C o n v o l u t i o n a lN e u r a lN e t w o r k s,C NN)被广泛应用于图像去雾领域中.基于卷积神经网络去雾方法大致分为两类,一类是使用卷积神经网络生成大气散射模型中所需要的大气
12、光、透射率等参数,再通过大气散射模型还原图像.另一类是使用卷积神经网络进行训练,直接端到端地生成无雾图像.文献 提出一种基于生成对抗网络(G e n e r a t i v eA d v e r s a r i a lN e t w o r k s,GAN)去 雾模型,实现起来较为复杂并且需要大量的样本对.年,C a i等 首次提出了D e h a z eN e t去雾网络,该网络用于估计有雾图像的透射率,主要通过特征提取、局部极值、非线性回归和多尺度映射形成的端到端的卷积神经网络系统进行去雾 .采用GAN实现端到端图像去雾算法 可直接从有雾图像恢复出无雾图像.但是,基于卷积神经网络去雾方法在
13、应用于真实雾天图像时会出现过饱和或去雾不彻底的现象.结合神经网络和暗通道先验的去雾方法 能够处理偏色图像,但在处理天空区域的室外图像时,天空区域会有明显的光晕现象.为了改善传统暗通道先验算法对图像去雾霾时会出现估算的大气透过率比实际值偏低,导致恢复影像的色彩与真实情形出现偏差的问题,拟提出一种改进的暗通道先验图像去雾霾算法.基于物理模型复原方法的优点,改善透射率参数选择方法,从图像受雾霾影响而退化的主要原因出发还原图像,以期较好地保持图像色彩和图像质量.暗通道先验原理暗通道先验是一个统计规律,该规律认为在大多数无雾图像中(不包含天空区域),总存在一个像素值极低、甚至接近于的通道,将此通道称为暗
14、通道.暗通道去雾是基于物理模型还原的去雾方法,采用M c C a r t n e y大气散射模型,该模型用公式描述为I(x)J(x)t(x)A(t(x)()式中:x为像素的坐标;I(x)为有雾图像;J(x)为去雾后图像;t(x)表示图像的透射率,所描述的是到达成像镜头且未被散射掉的光;A为大气光值.由式()可知,利用大气散射模型对图像去雾的关键是求得大气光值A以及透射率t(x),得到这些关键参数后,代入式()通过等式的数学变形便可得到J(x).暗通道先验理论指出,在大多数非天空局部区域中,几乎每一个像素点都至少一个通道具有特别低的灰度值,这个值接近于零.由此,对于任意一幅输入的图像J,其暗通道
15、Jd a r k的数学公式可定义为Jd a r k m i ny(x)m i nc(r,g,b)Jc(y)Ac()大气光值A反映了影像上雾最浓区域的值,通过暗通道图像可获取大气光值.因此,在实际中,将提取暗通道上最亮的前 像素,取出其相对应的原始有雾图像上对应位置具有最大亮度的像素点的值作为大气光值.得到大气光值A后,对式()两端分别计算其暗通道图,得到m i ny(x)m i nc(r,g,b)IcAct(x)m i ny(x)m i nc(r,g,b)Jc(y)Act(x)()将式()代入式()可得透射率为t(x)m i ny(x)m i nc(r,g,b)IcAc()但是,在实际的户外图
16、像中,即使是在晴朗的天气里,空气中仍存在着一些粒子,使得人们在向远处看的时候会觉得有一些极薄的雾存在,同时,这些雾给人的眼睛以景深的存在.因此,在式()的基础上,加入一个调节景深的因子w(取值为),则得到估计的透射率为t(x)wm i ny(x)m i nc(r,g,b)IcAc()由此得出的透射率是粗估计,还需进一步通过软扣图或引导滤波等方法进一步细化.将求得的大气光值和透射率代入式(),可还原出原图J(x)I(x)At(x)A()第 卷第期王文庆,等:改进的暗通道先验图像去雾霾算法改进算法雾和霾具有不同的形成过程和不同的形态结构.雾是一种常见的自然天气,其实质上是悬浮在空气中凝结的小水珠,
17、具有不均匀的特性.而霾是指悬浮在空气中的细小颗粒,霾的来源也比较丰富,如烟、尘等.暗通道先验算法对图像去雾和去霾均可适用,但对图像去霾有时也会出现估算的大气透过率比实际值偏低,导致恢复影像的色彩与真实情形出现偏差的问题.为了改善该问题,改进的暗通道先验图像去雾霾算法对透射率参数选择方法上进行改善,从而达到较好的去雾霾效果.求取大气光值以及粗透射率计算将传统大气光的求法进行改进,提取暗通道中亮度最高的前 的像素,找出原始有雾图像上对应位置处像素点的平均值.在计算粗透射率的式()中,w的选取一般是根据经验值确定,D C P算法中w取 ,但根据测试,w的选取对最终的去雾效果有较大的影响.文献 提出一
18、种结合峰值信噪比(P e a kS i g n a l t oN o i s eR a t i o,P S N R)信息自适应调节雾气参数w的暗通道先验去雾改进算法.通过设定具体初值和步长采用迭代的方法,求出P S N R最优时所对应的w值.峰值信噪比与原图和处理后的图像都相关,由此特性可通过迭代法求出最优w值.大量实验验证表明,w的选取在到之间且接近于时去雾效果是最好的,而如果需要对w进行迭代取最优时,w取 时既能够保证不错失最优值,也能够保证算法的运行速度.为尽可能提升迭代算法的运算速度,先选取w的初值为,根据此值得出粗透射率,再计算出此时的P S N R值.然后w以 的步长增加,得到一个
19、新的透射率以及新的P S N R,将此时的P S N R与上一步对比,若P S N R增大则继续迭代,直至P S N R不再增大或 者 增 大 值 小 于 则 认 为 其 是 最 优 的P S N R.而此时也就是最后一步迭代的w值,将作为最终计算粗透射率的w值.透射率优化在透射率优化方面,常用的有软扣图、双边滤波和引导滤波等方法.文献 采用的软扣图细化透射率,但是这种方法具有计算复杂度高、耗时长的缺点.随后,双边滤波被提出替代软抠图法修复透过率图,并且达到了较好的处理效果.导向滤波同双边滤波类似,具有边缘保持、图像平滑的特性,但与双边滤波相比,一方面,导向滤波在算法的时间复杂度和空间复杂度都
20、有很大幅度的降低,其时间复杂度与滤波核的尺寸和亮度范围无关.另一方面,导向滤波避免了双边滤波在边缘附近产生的“梯度逆转”伪影效应,其在图像边缘有着更好的处理效果,极大保留了图像边缘特性,且平滑了图像边缘.因此,为使透过率图更加平滑,同时使景物的边缘、轮廓更加突出,改进算法采用导向滤波优化透过率图,改善透过率图存在的缺陷.在得到优化的透射率之后,通过有雾图像物理模型,即将大气光和优化的透射率带入式()可复原图像.改进算法流程如图所示.图改进算法原理流程改进算法具体步骤如下.步骤在暗通道中获取亮度最高的前 的像素,找出原始有雾图像上对应位置处像素点的平均值,作为大气光值A.西安邮电大学学报 年月步
21、骤求暗通道图像,依据大量实验和经验,w选取初值为,计算透射率以及P S N R.步骤选取步长为 增大w.步骤再次计算透射率以及P S N R.根据经验w最佳值应当接近于,而第二步选取的w初值为,因此此时的P S N R值应当大于第二步的P S N R值.故可通过重复第三、四步直到P S N R达到最优值,即当P S N R值开始降低或增量小于 时,输出最终的透射率.步骤利用导向滤波对初步获得的透射率通过引导滤波进行精细化处理得到细透射率.步骤利用获得的大气光值和精细透射率代入物理模型的变形式即式()还原图像.实验结果分析以M a t l a b a为实验操作平台,选取户外采集的不同时间段不同类
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 改进 通道 先验 图像 去雾霾 算法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。