楊杰，王瑞

（1.91202部隊(duì)遼寧葫蘆島125004；2.海軍航空兵學(xué)院，遼寧葫蘆島125001）

基于圖像增強(qiáng)技術(shù)的幾種破霧算法分析

楊杰1，王瑞2

（1.91202部隊(duì)遼寧葫蘆島125004；2.海軍航空兵學(xué)院，遼寧葫蘆島125001）

視頻圖像是偵察和監(jiān)控系統(tǒng)的一個(gè)重要信息來(lái)源，其信息量直觀且豐富。但在惡劣天氣條件下，尤其是霧霾天氣，會(huì)使視頻監(jiān)控的可視性能急劇下降。采用適當(dāng)?shù)膱D像增強(qiáng)算法，可以有效地改善霧霾天氣條件下監(jiān)控視頻的可視性，提高監(jiān)控效能。在分析拉普拉斯算子、直方圖均衡化、對(duì)比度拉伸時(shí)域算法以及高通濾波、同態(tài)濾波頻域算法的基礎(chǔ)上，結(jié)合一個(gè)實(shí)際海上船舶監(jiān)控系統(tǒng)，對(duì)這些算法進(jìn)行一一試驗(yàn)，綜合破霧效果以及算法實(shí)用性得出高通濾波器具有最佳的實(shí)用價(jià)值，并進(jìn)一步指出，以后圖像破霧算法的發(fā)展方向?yàn)樾〔夹g(shù)的應(yīng)用。

圖像增強(qiáng)；破霧處理；時(shí)域；頻域；海區(qū)監(jiān)控

在海上偵察和監(jiān)視時(shí)，由于經(jīng)常出現(xiàn)霧霾天氣，嚴(yán)重影響視頻圖像的清晰度。因此尋找有效的圖像破霧處理方法是視頻偵查中一個(gè)重要而緊迫的課題。霧天圖像由于大氣粒子的散射作用，從目標(biāo)反射的光通量大部分被微粒吸收或反射而導(dǎo)致接受的入射光被衰減。反映在圖像上，有以下3個(gè)特點(diǎn)：

1）低灰度值被加強(qiáng)，高灰度值被削弱，對(duì)比度減弱；

2）由于像素點(diǎn)灰度值的分布過(guò)于集中，信噪比相應(yīng)降低；

3）場(chǎng)景深度信息難以提取。

目前，對(duì)霧霾天氣圖像的清晰化處理主要分為基于物理模型的天氣退化圖像復(fù)原方法和基于圖像增強(qiáng)技術(shù)的突出顯示方法。而天氣退化圖像復(fù)原方法必須已知圖像的景深信息，目前成熟的Oakley、Narasimhan等方法需要借助于其它設(shè)備或其它條件來(lái)獲得深度信息；且這些方法對(duì)圖像采集的要求過(guò)于苛刻，同時(shí)對(duì)硬件設(shè)備的要求較高，在現(xiàn)實(shí)中難以廣泛應(yīng)用。圖像增強(qiáng)［1］是一個(gè)傳統(tǒng)且有生命力的圖像處理領(lǐng)域，已有多種適用于實(shí)際使用的圖像增強(qiáng)算法，可以大大降低算法的復(fù)雜度，滿足實(shí)際使用中實(shí)時(shí)性的需要。本文主要從圖像增強(qiáng)的角度對(duì)霧霾天氣圖像實(shí)現(xiàn)破霧處理。

圖像增強(qiáng)技術(shù)用于突出圖像中需要的信息，削弱或消除不重要的信息，增大圖像中不同物體特征之間的差別，以改善視覺(jué)效果。圖像增強(qiáng)不會(huì)增加圖像內(nèi)在信息，但是能夠增大信息的動(dòng)態(tài)范圍，便于圖像分析與識(shí)別。按照處理方式不同可分為時(shí)域和頻域兩類增強(qiáng)方式。

1　時(shí)域增強(qiáng)算法

時(shí)域增強(qiáng)算法中，常用的有拉普拉斯算子［2］、直方圖均衡化［3］、對(duì)比度拉伸［4］等算法。

1.1拉普拉斯算子

圖1是拉普拉斯算子增強(qiáng)效果：（a）是原始圖像，為霧天條件下海上船舶的監(jiān)控圖像；（b）為對(duì)圖a）的四鄰域拉普拉斯算子增強(qiáng)；（c）為對(duì)圖（a）的八鄰域拉普拉斯算子增強(qiáng)。

圖1　拉普拉斯算子增強(qiáng)效果圖

拉普拉斯算子最大的優(yōu)點(diǎn)是運(yùn)算簡(jiǎn)單，易于實(shí)現(xiàn)，且作為局部增強(qiáng)算法，景深信息對(duì)增強(qiáng)效果影響不大。但如圖1所示，拉普拉斯算子的增強(qiáng)效果主要作用在邊緣上，對(duì)對(duì)比度減弱的霧天圖像，對(duì)比度拉伸效果并不明顯；而且，拉普拉斯算子在增強(qiáng)目標(biāo)邊緣的同時(shí)，也放大了噪聲，增強(qiáng)效果并不理想。

1.2直方圖均衡化

直方圖均衡化以累積分布函數(shù)為基礎(chǔ)，將原始圖像的直方圖修正為均衡分布。其具體操作為：首先通過(guò)變換函數(shù)將原始圖像直方圖修正為均衡直方圖，接著根據(jù)均衡直方圖來(lái)調(diào)整原始圖像，以滿足人眼視覺(jué)需求。

圖像的灰度直方圖是個(gè)一維離散函數(shù)：

式中，sk是圖像f（x，y）的第k級(jí)灰度值；nk是f（x，y）中具有灰度值sk的像素個(gè)數(shù)；n是圖像中像素的總數(shù)。由定義式可知，P（sk）給出了對(duì)sk出現(xiàn)概率的一個(gè)估計(jì)。設(shè)r和s分別為原圖像的灰度和經(jīng)過(guò)直方圖均衡后相對(duì)應(yīng)的圖像灰度，0≤r，s≤1，變換函數(shù)為累積分布函數(shù)：

全局直方圖均衡化適用于全局增強(qiáng)方法，通過(guò)平整處理全局圖像的直方圖，最大化信息熵，從而增強(qiáng)整個(gè)圖像的對(duì)比。這對(duì)于單景深圖像具有較好的復(fù)原效果，但是，對(duì)于場(chǎng)景深度信息多變且又未知的霧天圖像，效果并不理想。而局部增強(qiáng)［5］方法可以有效降低景深的影響，得到比較清晰的圖像。

該方法通過(guò)在圖像的局部區(qū)域進(jìn)行直方圖均衡化運(yùn)算，然后對(duì)所有局部區(qū)域進(jìn)行遍歷。具體操作為：首先選擇一個(gè)大小合適的子塊，然后用該子塊逐一覆蓋圖像上每一個(gè)像素點(diǎn)，每次覆蓋時(shí)，該像素點(diǎn)為位于子塊中心，接著對(duì)該子塊進(jìn)行直方圖均衡化處理，并用該處理結(jié)果代替該像素點(diǎn)的灰度值，然后移動(dòng)到下一個(gè)像素點(diǎn)，進(jìn)行同樣的處理過(guò)程。

圖2是對(duì)圖1中的（a）圖進(jìn)行直方圖均衡的處理效果：（a）圖是全局均衡化圖像；（b）圖為80×60的局部均衡圖像；（c）圖為120×80的局部均衡圖像。由圖2可以看出，全局直方圖均衡化有效的拉伸對(duì)比度，將霧中的目標(biāo)明顯的突出。但由于直方圖的累加運(yùn)算，會(huì)導(dǎo)致灰度值合并，信息丟失；而且在同一霧天場(chǎng)景中，有不同景深的目標(biāo)，增強(qiáng)效果就會(huì)下降。而局部直方圖均衡化通過(guò)使用像素點(diǎn)周?chē)植啃畔?duì)該像素點(diǎn)進(jìn)行灰度值變換，從而有效的增強(qiáng)了圖像對(duì)比度，解決了霧中多景深目標(biāo)的增強(qiáng)問(wèn)題，但其計(jì)算量較大。不管是全局直方圖均衡化，還是局部直方圖均衡化，都無(wú)法解決噪聲放大比較嚴(yán)重的問(wèn)題。

圖2　直方圖均衡化增強(qiáng)效果

1.3對(duì)比度拉伸

針對(duì)霧天圖像低灰度值被加強(qiáng)，高灰度值被削弱，對(duì)比度減弱的問(wèn)題，對(duì)比度拉伸則是在空間域進(jìn)行增強(qiáng)的簡(jiǎn)單而效果明顯的方法。常用的對(duì)比度拉伸可分為3種：線性、分段線性以及非線性拉伸3種。圖3是對(duì)圖1中的圖（a）進(jìn)行對(duì)比度拉伸的增強(qiáng)效果：圖3中（a）、（b）、（c）分別為線性、分段線性以及非線性3種拉伸變換函數(shù)；（d）、（e）、（f）分別為3種拉伸變換函數(shù)作用下的增強(qiáng)圖像。

但是采用以上哪種對(duì)比度拉伸方法，或是具體采用其中一種的那種參數(shù)，要建立在以圖像的對(duì)比度分布為先驗(yàn)知識(shí)的基礎(chǔ)上。選用適當(dāng)?shù)睦熳儞Q函數(shù)及參數(shù)，達(dá)到圖像增強(qiáng)的效果。對(duì)于監(jiān)控系統(tǒng)中對(duì)比度分布會(huì)不斷變化的視頻，增強(qiáng)效果不理想。需要尋找一種策略，對(duì)實(shí)時(shí)的視頻圖像分析其對(duì)比度特性，自動(dòng)生成與之相適應(yīng)的拉伸變換函數(shù)。

圖3　對(duì)比度拉伸增強(qiáng)效果

圖4自適應(yīng)線性對(duì)比度拉伸增強(qiáng)效果

圖4是對(duì)圖1中的圖（a）進(jìn)行自適應(yīng)線性對(duì)比度拉伸的增強(qiáng)效果，圖（a）為自適應(yīng)產(chǎn)生的拉伸變換函數(shù)；圖（b）為拉伸變換函數(shù)作用下的增強(qiáng)圖像。由圖4可以看出，自適應(yīng)線性拉伸與直方圖均衡化處理一樣，變換函數(shù)可以將對(duì)比度最大程度的拉伸；但噪聲與對(duì)比度同時(shí)放大，且在霧天存在不同景深的目標(biāo)時(shí)，增強(qiáng)效果就會(huì)下降。此問(wèn)題可以通過(guò)與直方圖均衡化一樣的方法來(lái)解決，即采用局部對(duì)比度拉伸的方式。但此方法同樣有運(yùn)算量巨大的問(wèn)題，難以實(shí)時(shí)使用。

2　頻域增強(qiáng)

頻域增強(qiáng)算法中，常用的有高通濾波器［6］、同態(tài)濾波［7］等算法。

2.1高通濾波器

圖像中的變化較大的細(xì)節(jié)部分，如邊緣或線條等，與圖像頻譜中的高頻分量相對(duì)應(yīng)，因此，采用高通濾波器可以使高頻分量順利通過(guò)，使圖像的邊緣或線條等細(xì)節(jié)信息變得清楚，實(shí)現(xiàn)圖像的銳化。濾波器可采用理想高通濾波器、巴特沃思濾波器以及指數(shù)高通濾波器等經(jīng)典高通濾波器。實(shí)現(xiàn)方式如圖5所示。

圖5　高通濾波器實(shí)現(xiàn)方式

圖6是對(duì)圖1中的圖（a）進(jìn)行高通濾波器的增強(qiáng)效果：圖（a）、（b）、（c）分別為理想高通濾波器、巴特沃思濾波器和指數(shù)高通濾波器的變換函數(shù)H（u，v），圖（d）、（e）、（f）分別采用這3種高通濾波器增強(qiáng)的圖像。

圖6　高通濾波器增強(qiáng)效果

高通濾波器與拉普拉斯算子在本質(zhì)上是類似的，拉普拉斯算子在頻域上就是一個(gè)高通濾波器；上述高通濾波器也可以近似為時(shí)域上的算子來(lái)實(shí)現(xiàn)。所以高通濾波器也適用于未知景深信息的圖像增強(qiáng)應(yīng)用，且快速傅立葉變換使得高通濾波器的運(yùn)算復(fù)雜度大大降低。對(duì)于霧天圖像的增強(qiáng)，直接采用適當(dāng)?shù)母咄V波器，與拉普拉斯等算子有同樣的缺陷，對(duì)比度拉伸不夠充分；但噪聲抑制較好，這是時(shí)域上增強(qiáng)算法無(wú)法比擬的。

2.2同態(tài)濾波

同態(tài)濾波增強(qiáng)方法是一種基于照射和反射模型的頻域?qū)Ρ榷日{(diào)節(jié)方法。此方法以入射光和反射光為基礎(chǔ)建立一種圖像模型，把圖像f（u，v）表示成入射分量i（u，v）和反射分量r（u，v）的乘積，因?yàn)橐话鉯（u，v）在空間是緩慢變化而r（u，v）在不同物體的交界兩側(cè)變化很快，所以i（u，v）對(duì)應(yīng)于頻域的低頻部分，而r（u，v）對(duì)應(yīng)于高頻部分。同態(tài)濾波的基本想法是把f（u，v）分成i（u，v）和r（u，v）兩部分，然后在頻域中選擇合適的濾波器H（u，v），減少低頻和增強(qiáng)高頻，達(dá)到圖像增強(qiáng)的效果。實(shí)現(xiàn)方式與高通濾波器類似，如圖7所示：

圖7　同態(tài)濾波實(shí)現(xiàn)方式

圖8是對(duì)圖1中的（a）圖進(jìn)行同態(tài)濾波的增強(qiáng)效果：（a）圖、（b）圖分別為基于巴特沃思濾波器以及指數(shù)濾波器的同態(tài)濾波變換函數(shù)，（c）圖、（d）圖分別采用這兩種變換函數(shù)增強(qiáng)的圖像。

圖8　同態(tài)濾波增強(qiáng)效果

同態(tài)濾波增強(qiáng)方法在低照度的可見(jiàn)光圖像增強(qiáng)處理中得到廣泛應(yīng)用，并取得了較好的效果。霧天的圖像與低照度可見(jiàn)光圖像的灰度分布比較相似，灰度信息比較集中，對(duì)比度低。采用同態(tài)濾波可以取得較好的效果。如圖8可見(jiàn)，與高通濾波器類似，同態(tài)濾波圖像在增強(qiáng)邊緣信息的同時(shí)，有效的抑制了噪聲；景深信息影響較??；但是對(duì)比度拉伸不夠充分，而且對(duì)于監(jiān)控系統(tǒng)中對(duì)比度分布會(huì)不斷變化的視頻，用單一的濾波器H（u，v）無(wú)法取得理想的效果，而設(shè)計(jì)合適的自適應(yīng)濾波器卻遠(yuǎn)比自動(dòng)對(duì)比度拉伸復(fù)雜的多，而不易于在實(shí)際監(jiān)控系統(tǒng)中實(shí)現(xiàn)。

3　破霧效果比較

對(duì)于對(duì)比度低，信噪比差，景深未知的霧天圖像，基于圖像增強(qiáng)的圖像破霧處理方法相較于基于物理模型的方法，大大減少對(duì)監(jiān)控系統(tǒng)的要求，以及算法復(fù)雜度。其中各種時(shí)域和頻域的方法都各有其利弊，具體比較結(jié)論如表1所示。

表1　多種圖像增強(qiáng)算法破霧處理應(yīng)用比較

4　結(jié)論

綜合以上試驗(yàn)效果以及表1中的比較結(jié)果，我們可以得出，頻域算法效果相對(duì)好于時(shí)域算法效果，并且，從破霧效果以及算法復(fù)雜程度考慮，高通濾波器具有最好的實(shí)用性。圖像破霧處理要求在拉伸對(duì)比度的同時(shí)不能丟失圖像信息，同時(shí)還要減少噪聲的放大以及景深信息的影響。直方圖均衡化和對(duì)比度拉伸等時(shí)域算法能有效拉伸對(duì)比度，但對(duì)噪聲抑制和景深信息影響處理效果較差。高通濾波和同態(tài)濾波等頻域算法能較好的抑制噪聲且對(duì)景深信息不敏感，但缺乏充分拉伸對(duì)比度。如何在抑制噪聲、減小景深信息影響和拉伸對(duì)比度上權(quán)衡，設(shè)計(jì)性能更優(yōu)的圖像破霧處理方法，目前較多采用小波分析［8］。圖像通過(guò)小波分解為多個(gè)子頻帶后，圖像能量、細(xì)節(jié)和噪聲分別分布在不同頻帶上。對(duì)圖像的對(duì)比度、能量、細(xì)節(jié)和噪聲采取不同的濾波策略，增強(qiáng)圖像在不同分辨率尺度下不同頻帶的系數(shù)，從而得到了一幅圖像增強(qiáng)后的小波系數(shù)，再利用逆變換便能得到對(duì)比度增強(qiáng)后的圖像。但是，在實(shí)時(shí)偵察監(jiān)視系統(tǒng)中選擇圖像破霧處理策略時(shí)，小波變換較高的運(yùn)算復(fù)雜度是必須考慮的因素之一。而不同頻帶上的圖像增強(qiáng)濾波策略是實(shí)現(xiàn)圖像破霧處理的關(guān)鍵，針對(duì)于監(jiān)控系統(tǒng)中圖像不斷變化的視頻，如何自適應(yīng)的對(duì)不同的頻帶，選擇合適的濾波策略，來(lái)達(dá)到最佳可視效果，則需要我們進(jìn)一步去研究。

［1］王蓉.圖像增強(qiáng)算法實(shí)現(xiàn)［D］.武漢：長(zhǎng)江大學(xué)，2014.

［2］Gonzalez R C，Woods R E.Digital image processing［M］.北京：電子工業(yè)出版社，2002:128-134.

［3］Tan K K，Oakley P.Enhancement of Color Images in Poor Visibility Conditions Image Processing，2000 Proceedings［C］. 2000 International Conference on，2000:788-791.

［4］Fahnesstock J D，Schowengerd R A.Spatially Variant Contrast Enhancement Using Local Range Modification［J］. Optical Eng，1983，22（3）:378-381.

［5］Marr D，Hildreth E.Theory of edge detection［J］.Proceedings of the Royal Society of London（Series B），Biological Sciences，1980，207（1167）:187-217.

［6］Stark J A.Adaptive Image Contrast Enhancement Using Generalizations of Histogram Equalization［C］.IEEE Transactions on Image Processing，2000，9（5）:889-896.

［7］胡竇明，趙海生，李云川，等.一種基于同態(tài)濾波的紅外圖像增強(qiáng)新方法［J］.紅外技術(shù).2012，4（34）:224-228.

［8］曾鵬鑫，么健石，陳鵬，等.基于小波變換的圖像增強(qiáng)算法［J］.東北大學(xué)學(xué)報(bào):自然科學(xué)版，2005，26（6）:527-530.

Analysis of fog image clearness algorithms based on image enhancement

YANG Jie1，WANG Rui2
（1.Navy 91202，Huludao 125004，China；2.Naval Air Academy，HuLuDao 125001，China）

Video images is an important information source in reconnaissance system and monitoring system，and its information is intuitive and rich.But in bad weather conditions，especially the fog haze weather，the video monitoring visibility falls sharply.For this problem，several appropriate image enhancement algorithms are proposed to improve video monitoring visibility.A variety of image enhancement algorithms both in time-domin and frequency-domin including laplacian operator，histogram equalization，contrast stretching，high pass filter and homomorphic filter are analyzed and used in a marine monitoring system to improve monitoring ability.The fog image clearness result shows that the high pass filter algorithm is the best in practical video monitoring system.At last，points out that the future development direction of fog image clearness is the application of wavelet technology.

image enhancement；fog clearness；time-domin；frequency-domin；marine monitoring

TN919.82

A

1674－6236（2016）12-0172-04

2015-08-27稿件編號(hào)：201508152

楊杰（1984—），男，四川廣元人，博士，工程師。研究方向：目標(biāo)識(shí)別與跟蹤、圖像處理。