去霧技術」讓監控不再「霧裡看花」

去除視頻中的霧氣，改善圖像質量是提升戶外視頻監控系統價值的一項關鍵技術。本文通過以霧圖像的物理模型為基礎建立與圖像增晰技術的關係對去霧技術進行分析，綜合近年來提出的圖像去霧方法的基本原理，說明一些典型的去霧方法是如何呈現視覺上的去霧效果的。

一、霧霾天氣導致去霧技術發展緊迫

　　近來，PM2.5這一氣象領域專業詞彙成為社會關注的話題,空氣中的液滴和固體小顆粒不僅危害人體健康，同時由於大量懸浮粒子的散射作用，大氣能見度下降，戶外圖像顏色和對比度退化，影響圖像中信息提取，也致使戶外清晰度降低導致交通事故頻發，因此，圖像去霧技術成為圖像處理與計算機視覺領域研究的重要課題，也是人們迫切解決的問題之一。

　　近年來，隨著技術的不斷發展，對有霧天氣時的景物影像進行去霧處理已經成為可能，對去霧圖像的清晰度和真實感也有了長足的進步。圖像去霧技術是圖像處理與計算機視覺領域研究的重要內容，其主要應用領域為視頻監控、地形勘測、自動駕駛和目標跟蹤。在應用過程中，去霧後圖像的真實性、處理的實時性成為去霧技術研究和關注的重點。

　　二、圖像去霧技術

　　採用數字圖像處理技術對圖像進行處理的方法有很多種,歸結起來，仍然是傳統的兩類：一類圖像增強，另一類是圖像復原。圖像增強方法是從圖像呈現的低亮度和低對比度的特徵考慮，按照特定需要突出圖像中的某些信息，削弱或去除某些不需要的信息來完成的;圖像復原是從基於物理模型的天氣退化圖像復原方法，從物理成因的角度對大氣散射作用進行建模分析，實現場景復原。在復原過程中，一般先利用各種先驗知識估計模型中的參數，最後求解方程從而計算出清晰的圖像。兩種方法相較，基於復原去霧算法從原理上實現去霧，對霧的估計更準確，能夠真實地還原霧前的清晰圖像，針對性強，得到的去霧效果自然，一般不會有信息的損失。

　　1、基於圖像處理的圖像增強技術應用較多

　　典型的霧天圖像增強方法有灰度直方圖變換方法、頻率域分析方法和基於色感一致性的Retinex算法等。

　　灰度直方圖變換方法是把有霧圖像的直方圖變換為均勻分布的形式，從而增加像素灰度值的動態範圍達到增強霧天圖像整體對比度的效果。

　　頻率域中小波分析算法是採用基於小波分析的多尺度圖像增強算法，其主要思想是由於霧的能量主要集中在圖像的低頻部分，對高頻部分影響較小，所以在此基礎上對圖像的高頻和低頻分別進行增強或削弱以達到圖像清晰的目的。值得一提的是，目前有一種在小波變換基礎上發展起來的新的多尺度分析方法-曲波分析算法，特別適合於各向異性奇異性特徵的信號處理，很好地彌補小波變換在圖像的曲線邊緣增強方面的局限性，能利用曲波變換的優勢，採用基於曲波的消失點檢測對霧天圖像進行自動去霧處理。

　　色感一致性或稱為色彩恆常理論是基於人類視覺特點提出一種理論，認為人的視覺系統能夠忽略環境中光照的變化而獲得穩定的顏色感知。Retinex算法是建立在色彩恆常理論基礎上一種圖像增強方法，該算法通過視覺系統顏色不變性的特點，加強因為霧的幹擾而被弱化的光照，從而達到對圖像增強的目的。

　　2、基於天氣物理模型的圖像復原方法成為新趨勢

　　(1)多幅圖像合成場景深度模型的方法

　　早期的復原算法是利用場景深度求解大氣散射方程從而獲得清晰圖像，隨後便出現了利用不同天氣條件下同一場景的多幅圖像合成場景深度模型的方法，均取得了較好的效果，但受客觀條件的限制，估測的場景深度往往不夠準確，同時由於缺乏足夠先驗條件加以約束，容易導致復原的結果與實際不符。

　　(2)光的極化角度分析與偏微分方程

　　後來，人們從光的極化角度對霧進行分析，利用同一場景下的多幅圖像把被霧散射的光線分離為水平極化光和垂直極化光，設計相應的濾波器消除霧對光線的影響，達到去霧的目的，這種方法去霧效果明顯，圖像失真小，但是計算量過大，難以應用於實際。此外，偏微分方程在霧天圖像復原領域中也有廣泛的應用，主要方法是在大氣散射模型的基礎上，建立霧化圖像對應的梯度場，然後根據圖像景深與梯度的關係構造偏微分方程並求解獲得清晰的圖像，該方法能夠實現單幅圖像的盲去霧，但是構造和求解偏微分方程的過程繁瑣，同樣難以實現。

　　(3)單幅降質圖像霧氣濃度分析

　　近年來，眾多研究者致力於如何針對單幅降質圖像按照圖中霧氣濃度的變化達到徹底去霧的效果：通過統計發現，無霧圖像相對於有霧圖像必定具有較高的對比度，從而我們可以利用最大化復原圖像的局部對比度來達到去霧的目的，該方法能極大的增強圖像的對比度，但是容易導致圖像的顏色失真，並且在場景深度不連續的地方會產生光圈效應，實驗結果如圖1。

圖1 Tan的方法去霧效果圖

(4)光線的反射估算方法

　　由於物體表面的反射率是固定不變的，與其表面的光照強度無關，因此也可以利用景物對光線的反射估算光線的透射程度達到去霧的目的，但是該算法要求圖像局部存在不同的色彩，因此當霧的濃度很大、圖像接近白色時，就無法估計得到相應參數，導致去霧失敗。而且這種方法只對彩色圖像有效，並且計算量較大，實驗結果如圖2。

　　

圖2 Fattal的方法去霧效果圖

　　(5)基於暗通道先驗的單幅圖像去霧算法

　　基於暗通道先驗的單幅圖像去霧算法是在2009年被提出的一種簡單有效的圖像復原方法，該方法建立在一種自然界中普遍存在的暗通道先驗的基礎上，由于晴天拍攝的戶外圖像中總存在一些「暗點」，這些「暗點」至少有一個顏色通道的值很低，所以當圖像受到霧的幹擾時，這些原本很低的值由於受到大氣散射光的影響而大幅升高，利用這些點就可以估算出拍攝場景中霧的濃度，並復原出清晰的無霧圖像。但這種方法只能粗略估算出圖像大氣光的分布，需要結合軟摳圖或雙邊濾波算法對透射率進行優化，該方法去霧效果如圖3。

　　

圖3 暗原色去霧效果圖

　　三、暗原色去霧方法的改進

　　在完善透射率的過程中，用軟摳圖的方法，旨在在暗原色圖像遠近景交界邊緣處，採用最大值濾波對被低估的暗像素值進行修復。但計算過程中軟摳圖計算開銷大，時間複雜度高，求解線性系統過程中速度慢，計算效率成為限制該方法實用化的最大障礙。

　　如若選取保持圖像邊緣的指導濾波器，通過圖像指導濾波來近似模擬這一侵蝕過程，不僅可以取得相似結果，同時也減少了運行時間。與經典的雙邊濾波相比，指導濾波是一種顯式濾波，不僅具有線性的時間複雜度，對圖像邊緣的保持效果更加出色，還可以實現圖像邊緣的平滑、細節增強以及圖像融合去噪等功能。

　　1.改進後的圖像去霧實驗結果

　　為了驗證改進後的算法的有效性，使用圖像濾波對同一幅有霧圖像進行了去霧實驗。通過觀察圖4可以發現，在視覺效果上，運用軟摳圖與運用引導圖像濾波對初始透射圖的優化結果雖然並無明顯差異，但採取軟摳圖的方法計算量大約佔到這個整個計算量的90%，而引導圖像濾波算法計算複雜度低，運算效率得到了大幅度提升，同時節約大量的內存空間，統計結果如表1。

　　

圖4 軟摳圖與導向濾波比較

　　表1：兩種方法去霧的時間對比

　　去霧方法圖片尺寸去霧時間(s)主觀去霧效果

　　暗原色去霧圖4(d)340×45015.249很好

　　改進後方法圖4(f)340×4503.358很好

四、去霧技術在安防監控領域的應用前景

　　筆者所在企業聯合南京郵電大學研發霧霾視頻増晰處理技術，針對由於霧霾等天氣條件下視頻圖像受到的不良影響進行處理，還原成較為清晰的圖像，便於人眼識別，該處理方法採用了獨特的基於暗通道先驗理論的圖像復原算法，利用霧化模型和先驗暗通道可以直接估算霧的厚度，並恢復出高質量的去霧圖像。

　　隨著工業的發展以及其對氣候的影響，霧霾越來越成為一種常見的天氣現象，這對戶外應用的監控系統的畫面品質造成很大的影響。而去霧技術能夠從多個角度提升視頻監控的質量，可以用於各種有霧天氣條件的透霧處理;能明顯提升圖像的對比度、使圖像變通透、清晰;能夠顯著增強圖像的細節信息，使原來被隱藏的圖像細節被充分展示;能夠提升圖像的飽和度，使圖像色彩鮮豔活潑、生動，透霧處理後的圖像保持準確的色調、自然的外觀，因而獲得了良好的圖像質量與視覺感受。

　　因此，從應用場景來看，去霧技術可用於多種戶外場合，如可應用於安防監控領域，能夠大大提高現有監控系統在霧天等惡劣天氣下的性能;可應用於公路交通監控領域，可以避免戶外監控攝像頭看不清監控對象、造成在關鍵時刻失效的後果;還可應用於遙感圖像處理以及軍事科技等領域。

　　

圖5 去霧技術在交通領域的應用圖

　　五、結語

　　基於圖像處理的圖像增強方法具有對比度提高顯著、圖像細節突出、視覺效果明顯的特點，該方法已經在實踐中獲得了廣泛的應用。而基於物理模型的圖像復原方法針對性強，得到的復原結果自然，相信該技術必將獲得更大的發展，尤其是以基於暗原色先驗的霧天圖像復原的方法。使用引導濾波的方法取代軟摳圖，突破了此方法的最大瓶頸——即計算開銷大、時間複雜度高的問題。

　　圖像去霧技術的未來研究方向將集中在提高其實時性，並實現硬體化。同時，尋求更加完備的物理模型來描繪複雜的大氣狀況，並探索研究基於這些模型的去霧算法在未來一段時間內都將是一個具有挑戰性的課題。