基于暗原色先验图像除雾算法的优化

色如下：
J
dark
(x)
=
min (
c∈{r ,g ,b}
min (
y∈Ω( x)
J
c
(
y)))
（2）
式中： Ω(x) 是以 x 为中心的正方形邻域， Jc 为 J
三原色的一个通道， J dark (x) 即为图像 J 在这个邻域的
暗原色。观察统计表明 J dark 趋于零。假设大气光 A 已知，
首先在式（1）两端在每个像素块求取最小值：
t
（13）
将公式（12）代入公式（13）即可求得去雾图像。
综上所述，本文算法原理如图 1。
果一幅图像中含有很多不同的灰度值，则各灰度值出现 的次数较少，概率就小，它的熵值就会很高，那么这幅 图像包含的信息量就很大。
5 MATLABGUI 可视化界面
图形用户界面（GraphicalUserInterfaces，GUI）是 提供人机交互的一种工具或者方法，具有一些简单的菜 单并且点击它能够实现相应的功能。本系统实现了图像 去雾功能。采用 Matlab 界面编程方法，设计了 1 个窗口， 窗口中包含了 3 菜单，即“文件”菜单，“原始算法” 菜单，“改进算法”菜单。
引入参数 K，利用容差机制增大天空区域的透射率 t1 ：
K = 70
（10）
t1
=
max
I
K
( x) −
A
,1
（11）
将透射率进行融合处理。具体操作如式（12）所示：
=t min (t1 • max (t0, 0.1),1)
（12）
= J ( x) I ( x) − A + A
China 中国 Plant 设备
Engineering 工程
基于暗原色先验图像除雾算法的优化
刘心奥 （山东 兖州 272100）
摘要：雾霾天气下拍摄的图像不少细节难以捕捉，对日常拍摄、交管部门等造成不利影响。本文基于暗原色先验图像 除雾原理，对有雾图像的天空区域使用容差机制的方法计算透射率，对于非天空区域采取插值方法求解透射率，使算法的 速度更快、效果更好。最后利用信息熵对本文算法和原始算法进行了对比分析，表明本文算法取得了良好的效果。
3 本文算法
本文算法的基本思路是：将天空区域和非天空区 域分别使用蒋建国提出的容差机制和插值算法计算非天 空区域透射率方法，两者结合，最终防止了天空（明亮） 区域色彩失真问题。对大气光 A 的估计，本文综合李 坤与何恺明的方法，先对图像的暗原色进行排序 , 取出 最亮的 0.1% 的像素，然后在雾图像中对应的最亮 0.1% 的像素值作为大气光值，做到了简化，同时避免了图像 有大块白色建筑物等特殊情况下的错误。对于透射率 t 的估计，由于何恺明等的 SoftMatting 算法所耗时间很 长，对计算机内存消耗特别大，本文采用一种插值方法 快速计算透射率。根据公式（3）可以推导出：
关键词：暗原色先验；插值算法；容差机制；信息熵 中图分类号：TP391.41 文献标识码：A 文章编号：1671-0711（2018）11（下）-0085-03
图像除雾算法包括图像增强与图像还原。图像增 强是从修改雾化图像的对比度入手进行除雾，图像增强 算法一般具有较强的针对性，很少有通用算法。图像复 原是较新型的除雾技术，因其实用性强，去雾效果相对 自然，所以被广泛应用。本文所改进的是由何恺明教授 于 2009 年提出的暗原色先验算法（部分文献称为暗通 道先验算法），并在原有学者关于暗原色先验改进算法 上进一步优化。
t
=
1−
min

Ic Ac

1−
min

Jc Ac

（6）
现 令 暗 原 色 图 中 最 小 值 为 Ic (m, n) ， 最 大 值 为
Ic ( p, q) ，也就是：

Ic Ic
( (
m, n) p, q )
= =
min max
min min
( (
Ic Ic
6 去雾效果对比（图 2）
图 1 本文算法原理图
（4）
当 t(x) 趋于零时，图像趋于包含噪音，因此常常
需要设置一个透射率下限 0.1。
最后得到 J 的求解公式为：
= J (x) I (x) − A + A max(t(x), 0.1)
（5）
2 暗原色先验算天空区域的 颜色与大气光的颜色非常相近，透射率趋向于 0，而天 空实际的透射率也趋向于零，因此暗原色先验可直接应 用于全部图像。但目前其他学者发现，天空区域颜色与 大气光颜色之间的差别在除以了一个小量 t 后会被严重 放大，造成天空区域的去雾图像产生光晕等失真现象， 这种失真现象在白墙等明亮区域也有所体现，因此应将 天空区域与非天空区域分离处理。
) )
（7）
利用插值方法，可以估计无雾图像 J 中每个像素点
中国设备工程 2018.11（下） 85
Research and Exploration 研究与探索·改造与更新
的暗原色值：
= min ( Jc )
min ( Ic Ic ( p, q
) )
− −
Ic Ic
( (
m, m,
nn))·• min
1 暗原色先验算法介绍
暗原色先验算法是基于这样一个大气散色模型
= I (x) t(x)J (x) + (1− t(x))A
（1）
其中 I 表示有雾图像，J 表示无雾条件下的场景辐
照度，t 表示雾气的通透程度，也称为透射率，A 是大
气光 , 通常被认定为大气、地平线处或者天空的颜色。
对户外无雾图像 J 进行分块，每个像素块定义暗原
= min( min ( Ic ( y))) t(x) min( min ( Jc ( y))) + (1− t(x))
A y∈Ω( x) c
A c y∈Ω( x) c
（3）
根据暗原色先验无雾图像的暗原色趋于零，故由
上式可得
t(x)= 1− ω * min( min ( Ic ( y)))
c
A y∈Ω( x) c
(
I
c
)
（8）
将以上公式代入公式（6），可得：
t0
=
Ac
(Ic
(
( Ic ( p, q) − Ic (m, n)) • ( Ac − min ( Ic )) p, q) − Ic (m, n)) − (min Ic − Ic (m, n)) • min ( Ic
)
（9）
对于天空区域，因为不符合暗原色先验理论，所以