基于SLIC超像素分割的暗通道去雾方法优化

刘博文 中国海洋大学

1 基于暗原色先验的雾天图像复原

He等人在观察多幅雾天图像后发现了暗通道规律，暗通道规律说明了无雾图像的一个共同特征。何恺明在通过大量统计后发现，在某个小区域内无雾图像总能从RGB三通道中找到某个通道中数值很低的像素。

当后期结合导向滤波对透射率图进行平滑处理时，这些缺点导致的最直接的问题就是晕轮效应：在景深突变的区域，导向滤波会导致边缘处的景深发生渐变，景深从图像中的突变变成了缓慢过度。其产生的主要原因是原始的暗原色图所求的边缘不准确，利用导向滤波对其进行平滑处理后，在部分图片中，景物之间景深变化不大，可以顺利的对其进行平滑；但如果景深突变，在两个景物之间再进行平滑就会发生一个明显的渐变，视觉上即晕轮效应。

2 超像素聚类理论

2003 年，超像素由加州大学伯克利分校机器视觉实验室的Ren等人提出的。在图像中存在很多局部的、连贯的并且具有很大的相似性像素点，这些点组成的集合在纹理、颜色或者轮廓上具有相似性，把这些集合作为一个单独的像素来进行图像分割具有很好的效果，这些集合就被称为超像素块。一个超像素块是由多个像素单位构成的，利用像素之间的相似程度，将具有相似属性的像素聚集在一起去分割图像。

本文将使用SLIC算法对图像进行超像素聚类，它采用k均值聚类方法高效地生成超像素。与其他算法相比，SLIC算法具有更简单且更好的获取边界的特性，它的速度更快且内存效率更高。

3 算法整体思路

上文中对大气的散射模型做了介绍，其公式如下：

在上式中，I代表有雾的图像，J代表经过去雾处理后的图像，t代表透射率图，A代表大气光的值。根据式（3-1）可知，当对透射率图t和大气光的值A有准确的的估计时，去雾图像就可以通过公式求得。于是如何去雾这一问题就变成了如何获得准确的大气光值A和透射率图t。

对于大气光值A，本文采用了暗通道先验的求取方式。

而根据前面的大气散射模型的相关介绍，可以得到透射率图t的表达式：

在求透射率图前先对图像进行分割，在分割后的图像中获取边缘更为精确的透射率图。

在求得透射率图t之后，对其进行归一化处理，将其限定在[0,1]范围内。由于大气光A和原始有雾图像I都已知，就可以根据大气散射模型求取最终去雾图像，对大气散射模型变形如下式所示：

4 结束语

本文介绍了一种基于区域分割的暗通道去雾方法优化算法，在该算法中使用超像素分割后的区域求透射率图而不再使用长宽固定的小格子。这样可以使雾天图像中物体的边缘更加清晰，可以不使用导向滤波，避免了晕轮效应。实验结果表明，本文算法可以有效抑制晕轮效应的产生，而且保护了边缘和纹理部分。

[1]董林娜.基于暗原色先验的图像去雾算法研究[D].山东师范大学,2015.

[2]周宝.基于超像素聚类的图像分割方法研究[D].东南大学,2015.