基于暗通道的单幅图像雾天低能见度检测算法

时间：2024-08-31

欧斌娜，陈志翔，汤英文，田谦益，王风丽

（1.闽南师范大学计算机学院，福建漳州363000;2.数据科学与智能应用省高校重点实验室，福建漳州363000）

能见度也称气象光学视程[1]，是指对比感阈为0.05 的视力正常人，能够从背景上分辨出大小适度的黑色目标物的最大水平距离.能见度反映了大气的透明度，当出现暴雨、雾霾、沙尘暴等恶劣天气时，大气透明度下降，能见度大幅降低，其中，雾霾天气可能会将能见度降为零.这将对交通运输、航海、航空以及人类的日常生活等方面产生不利的影响.因此，准确地测量出雾天大气能见度对环保、交通管理等具有重要意义.

能见度的测量目前可以采用目测法、能见度仪测量法和基于图像处理的能见度检测法[2].目测法依靠的是人类的主观意识，缺乏科学性、规范性和稳定性.广泛使用的仪器测量法主要有透射式能见度仪、散射式能见度仪、激光雷达式能见度仪等，但是约50 km间隔就需要安装一个测量仪器，且成本昂贵，难以满足大范围覆盖的需要.基于图像处理的能见度检测法采用现有的监控系统进行图片的获取并进行能见度的检测，是目前研究者的主要研究方向.2013 年，Negru 等[3]提出了基于拐点的算法思想来检测雾的出现和雾的浓度，但该算法运算效率低.2014年，Mao等[4]基于大气散射模型和暗通道与亮通道的数据分析理论提出了能见度的评估指标和有雾图像的分类算法，但不适于单色光源的情况.2015年，宋洪军等[5]基于暗通道估测图像透射率的方法，计算道路上点到采样点的距离，计算出能见度值.2017 年，周凯等[6]改进了暗通道先验算法对透射率进行更精细的估计.综上所述，基于图像处理的能见度检测算法已经取得了一些成果，但还处在理论和实验的阶段，具有较大的发展空间.

本文提出了一种基于暗通道先验的单幅图像雾天低能见度检测算法，首先在是否雾霾天气判断阶段，雾浓度的范围由暗通道先验获得的大气透射率决定，在能见度计算阶段，先分别计算每张图像3 个通道的剩余能量比，然后根据3 通道各个像素点之间的差异对能见度进行具体测量.本文算法无需人工设定测量目标，测量成本低廉、应用前景广阔.

1 暗通道先验

暗通道先验理论[7]认为在大部分户外无雾图像中存在的非天空部分，总存在某一颜色通道的亮度值很低且接近于0的像素点.在雾天等恶劣天气下，光线在到达摄像机之前经过衰减，使得户外景物图像降质.用大气散射模型[8]来描述该过程，

其中x 表示像素的坐标，I(x)表示输入的有雾图像，J(x)表示复原后的无雾图像，A 表示大气光值，t(x)表示景物光线的透射率.基于此模型的去雾就是从观察到的图像I(x)恢复出原来的无雾图像J(x).对于无雾图像J，户外无雾图像的暗原色Jdark表示为

c 表示红绿蓝三个通道，Jc(y)表示复原后的清晰图像J 的c 通道的图像，Ω(x)表示以像素点x 为中心的局部区域.给定大气光值A 为常数，在Ω(x)的局部区域内，A 是均匀的并且透射率t(x)是固定不变的.对(1)式取最小值，该运算最小值运算是在3个颜色通道独立进行，由A 归一化得

再在3个颜色通道中分别取最小值运算，结合暗原色先验理论，Jdark(x)= 0，整理得

2 能见度测量原理

以天空为背景，Koschmieder[9]建立了景物亮度L0与距离d 的关系，

其中L为接收到的亮度，Lf为天空亮度，μ为消光系数.Duntley[9]提出了对比度随距离变化的衰减规律

其中C 为景物在距离为d 时的视亮度对比，C0为景物与背景的亮度对比. C/C0= ε 为对比度阈值，对应透射率

在图像的最大能见度下，透射率接近于0，这个值被图像的所有场景共享.

世界气象组织使用对比阈值为0.05时的距离作为气象视距(Meteorological optical range)[10]

3 本文算法

3.1 雾天天气判断

在透射率图中，原始图像中雾浓度越大，透射率越小，能见度越低，没有雾或者雾浓度较小的区域，透射率大，能见度较大，一般认为能见度大于1 km米时属于能见度较好的情况.先使用引导滤波算法[11]求得每个图像的透射率图，以透射率小于0.5为阈值，计算图1中各图像透射率值小于0.5所占的比例[12].

图1 原始图像Fig.1 Original imag e

将能见度以1 km为分界线进行粗划分，当小于0.5 的比例超过30%，可认为该图像透射率较小，雾浓度较大，能见度较低，在实际应用中需要对图像进行去雾处理以提高图像的能见度.当小于0.5的比例小于30%，可认为该图像透射率较大，雾浓度较小，能见度较高，可以不用进行处理.实验结果如表1所示.

表1 雾天天气分类Tab.1 Classification of foggy weather

3.2 剩余能量比检测能见度

大气中的悬浮粒子对不同波长的光散射程度不同，波长越长，散射效应越不明显.因此不同波长光的透射率不同，不能视为同一个t，以RGB 颜色通道为例，RGB 三通道的透射率应不同[13].根据文献[13]可得经修正后的透射率为

由式(10)可得暗通道算法求得的未修正的能见度V，将V 代入式(12)可得不同波长对应的不同透射率，如图2所示.

图2 图像的3通道透射率Fig.2 Three-channel transmittance of the image

图3为图2透射率图对应的直方图，由图2和图3可以看出，原始图像的透射率和3通道的透射率均存在不同程度的差异.

图3 透射率对应直方图Fig.3 Transmittance of corresponds to the histogram

光线的透射率t 也称光线的剩余能量比[14]，由文献[13]可知不同波长的光线的标准剩余能量比Nrer(λ)表示为

不同波长的光线经过传播距离d(x)后的标准剩余能量比不同，在不同的能见度下，每经过单位距离衰减后，3个颜色通道标准剩余能量比是一个常数[13].以1 km为例，在能见度0～6 km的范围内三个通道的剩余能量比如图4(a)所示.

由图4(a)可以看出，在相同能见度下，光线经过相同距离的衰减后，3 通道剩余能量比存在差异，R 通道剩余最多，G通道少于R通道，B通道最少，随着传播距离的增加，每个通道的剩余能量比越来越少，3通道之间的差异也越来越大.因此分别计算在相同能见度下，以1 km 为单位距离时3 个通道剩余能量比之间的差异，计算结果如图5(b)所示.可以看出R 通道与B 通道之间差异最大，G 通道与B 通道之间差异最小.以1 km为分界线，每条线上的每个差值都有相对应的能见度.由于蓝色通道衰减最快，为了避免较大误差，选择(R-G)/G的值，结合3.1节雾天天气判断可计算出图像修正后的能见度.

图4 3个通道的剩余能量比Fig.4 Residual energy ratio of the three channels

4 实验结果与分析

4.1 能见度检测结果

图5选取了一些不同雾浓度的图像进行实验，实验结果如表2所示，图像(a)～(d)的γ 值小于30%，图像(e)～(h)的γ 值大于30%，判断图像(a)～(d)的能见度应大于1 km，图像(e)～(h)的能见度应小于1 km，然后计算剩余像素点(R-G)/G 的加权平均值，找出该值在图6 上对应的能见度值V.该实验结果基本符合人眼主观判断.

图5 能见度计算图像Fig. 5 Visibility calculation image

表2 能见度计算结果Tab.2 Calculation results of visibility

4.2 利用能见度评价不同算法的去雾效果

本文算法能计算出不同算法处理过的图像的能见度，因此也能用来评价不同去雾算法的有效性.将原图与暗原色算法、引导滤波算法、DEFADE算法[15]、MENG算法[16]复原后的图像使用本文算法进行能见度估测，对比结果如图6所示.图6(a)列是有雾图像，(b)列是暗原色先验算法的结果，(c)列是引导滤波算法的结果，(d)列是DEFADE算法的结果，(e)列是MENG算法的结果.

图6 不同算法去雾图Fig.6 Demystification diagram of different algorithms

本文算法计算结果数值越小能见度越低，从表3的各项评价数据可以看出，去雾后的图像与去雾后的图像能见度有明显的改善，图6 的有雾图像浓度均小于1 km，不同算法去雾后的图像能见度检测值均大于1 km.仅从去雾效果来看，暗原色算法比引导滤波算法更好，但去雾结果存在块效应.DEFADE 算法表现出更好的视觉效果，对于图1 和图2 比其他算法去雾更彻底，但对于图3 这样存在大范围白色区域的图像来说效果欠佳.MENG 算法去雾效果良好，采用人机交互手动选取大气光，在天空区域会出现明显的halo效应.因此可将本文算法计算出的能见度作为评价去雾算法有效性的评价指标.