贝叶斯框架下的单幅图像去雾算法

第22卷第10期2010年10月

计算机辅助设计与图形学学报

Journal o f Computer A ided Desig n &Co mputer Gr aphics

V ol.22N o.10Oct.2010

收稿日期:2009-11-10;修回日期:2010-04-15.基金项目:中国博士后科学基金资助项目.王多超(1982 ),男,硕士,主要研究方向为数字图像处理;王永国(1965 ),男,学士,副教授,硕士生导师,论文通讯作者,主要研究方向为数值计算、图像处理、数据库应用(ygw ang21@);董雪梅(1979 ),女,博士,主要研究方向为小波分析、机器学习及统计分析;胡晰远(1984 ),男,博士研究生,主要研究方向为图像与信号处理、图像配准;彭思龙(1971 ),男,博士,研究员,博士生导师,主要研究方向为小波理论及应用、模式识别、图像处理等.

贝叶斯框架下的单幅图像去雾算法

王多超1),王永国

1)*

,董雪梅2),胡晰远2),彭思龙

2)

1)(安徽大学数学科学学院 合肥 230039)

2)(

中国科学院自动化研究所国家专用集成电路设计工程技术研究中心 北京 100190)

(splade2009@)

摘要:在有雾天气条件下拍摄的图像,由于光线在传播过程中受到空气中悬浮颗粒的散射,导致图像内容模糊不

清,颜色偏灰白色.为了恢复出清晰的图像,根据大气散射物理模型,利用图像的稀疏先验知识,在贝叶斯框架下提出一种单幅图像去雾算法.该算法用图像梯度稀疏性先验来约束优化结果,并认为图像成像噪声服从零均值的高斯分布,然后用IRL S 方法对其求解.实验结果表明,该算法能够很好地恢复图像的对比度和保持图像的真实颜色,噪声小,便于应用.

关键词:去雾;贝叶斯框架;稀疏先验;大气散射模型中图法分类号:T P391.41

Single Image Dehazing Based on Bayesian Framework

Wang Duo chao 1),Wang Yongg uo 1)*,Dong Xuem ei 2),H u Xiy uan 2),and Peng Silo ng 2)

1)(S chool of M athematica l S cie nces ,A nhui Univ er sity ,H e f ei 230039)

2)(N

ational A S IC Design Eng ineering Ce nter ,I nstitu te o f A utomation ,Chine se Ac ade my o f S cience s,Beij ing 100190)

Abstract :Because o f light scattered by the suspended particles in the atm osphere,pho to graphs taken in the fo gg y day lo ok g ray and are lack of visibility.In order to unv eil the clear imag e s structures and colors,w e pr opo se a new algor ithm based o n the atm osphere scattering m odel using a single imag e and the image sparsity prior in Bayesian framewo rk.The fog remov al r esult is optimized under the constraint of the prior of the image gr adient sparsity and the noise in the fogg y imag e being the normal distributio n w ith zero mean,and then the o ptimization functio n is com puted using the IRLS alg orithm.In our ex periments,the alg orithm has a g ood effect on resto ring the clear image s co ntents and preserving the image s true co lors.T he no ise in the output im age is very w eak that has advantag e for many applicatio ns.

Key words :dehazing;Bay esian framew ork;spar sity prior;atmosphere scattering m odel 对户外场景进行普通光学成像时经常会受到有雾天气的影响.在有雾天气条件下,从物体表面反射的光线到达成像设备之前,会受到大气中悬浮颗粒的影响发生散射,散射的程度和悬浮颗粒的种类、大小、形状及其在大气中的聚集程度,即雾的浓度以及光的波长有关[1]

.当雾较浓时,成像设备所得到的图像的对比度较低,颜色偏向灰白色,导致图像中的物体辨认不清,直接影响到大多数基于计算机视觉算

法的自动化图像系统的正常工作,如交通运输、户外监视、地形侦测系统等.因此,图像去雾算法的研究有着现实和理论的迫切需要.

在已有的文献中,人们提出了多种去雾方法.一种方法是利用相机附带的偏振光滤波器,以及同一场景点在不同偏振光条件下获得的图像,实现多幅图像去雾[2];该方法的缺点是对动态场景处理效果不好.另一种方法是利用同一场景在不同雾强度下

进行拍摄所得的多幅图像来去雾[1],该方法由于需要等到天气条件的改变才能拍摄多幅图像,有很强的时间限制,同样不能很好地处理运动场景.还有学者利用单幅图像和附加的场景深度或者场景结构信息来实现去雾.文献[3]提出了基于图像的退化模型,在用户有限的交互操作下,实现了单幅图像的去雾算法;但是该算法需要的附加信息往往不太容易获得.近年来,基于单幅图像来实现图像去雾已逐渐成为图像处理与计算机视觉领域的研究热点.Fattal[4]运用独立成分分析的方法,基于图像表面阴影和大气传递函数在图像局部块上统计不相关的假设,利用雾天图像退化模型,在马尔可夫随机场(M arkov random field,M RF)框架的约束下实现了单幅图像的去雾.该方法去雾效果显著,但对于图像各个分量变化不大的情况处理效果不好.几乎在同一时期, T an[5]基于无雾图像的对比度比有雾图像的对比度要高的事实,通过最大化局部对比度,并基于M RF 框架对结果进行规整化,也实现了单幅图像的去雾.该方法极大地增强了图像的对比度,但是容易导致图像的颜色失真,并且在场景深度不连续的地方会产生光圈效应.H e等[6]从新的角度提出户外自然图像的先验知识,通过对大量户外自然图像的统计实验得出,在户外无雾图像中,绝大多数图像块中都有一些在某个色彩通道亮度值很小的像素.基于该实验结论,H e等[6]提出了暗通道先验模型,通过暗通道假设直接恢复出无雾图像.该方法对那些符合暗通道假设的图像效果非常显著,而对那些有大片白色区域的图像处理的效果会失真. 本文在前人工作的基础上,根据图像的稀疏先验,基于贝叶斯框架建立了图像去雾的优化模型,实现了单幅图像的去雾.该方法处理的效果比较显著,不仅能恢复图像的对比度,而且能保持图像的真实色彩,同时生成的图像噪声较文献[6]要小,便于后续的高层次图像处理算法的应用.

1 雾天图像退化模型

空气中除了氮气、氧气、水蒸气等成分之外,还有一部分是悬浮在空气中的颗粒,如粉尘、燃烧产生的烟雾、火山灰等,这些分散在大气中的小颗粒对空气湿度变化很敏感.随着空气湿度的增大,这些颗粒的表面会包裹着一层水汽,形成小水滴.这些小水滴的形状、大小、在空气中的聚集程度等因素决定了不同的天气条件,形成阴霾、薄雾、雾等多种天气状况[1].有雾天气对光线在大气中的传播有着很大的影响,大体上可以分为散射、吸收和发射3类,其中光的散射起到主要的作用.根据M cCartney提出的大气散射模型可知,起主要作用的是衰减模型和环境光模型[1,4 6].

1.1 衰减模型

由于大气中悬浮颗粒的散射作用,从场景表面反射的光线在到达相机的过程中部分光线偏离原来的传播方向,使得到达观测者的入射光的光照强度变弱,如图1所示.

图1 大气衰减模型 入射光的衰减可以用模型

E d(d, )=E0(x)e- ( )d(x)

d(x)2

来描述[1,4 6].其中,E d(d, )表示观测者接收到的场景点光照强度;E0(x)表示场景点光照强度;d(x)表示场景点到观测者之间的距离; 表示光波长; ( )称为大气散射系数.由于雾是均匀同质物质,并且空气中悬浮的颗粒的半径比较小,可以认为其对各个波长散射能力是相同的,即 ( )是一个与 无关的常量[4,6].衰减模型描述了随着场景成像距离的增加,到达观测者的光照强度呈指数减少这样一个事实.

1.2 环境光模型

如图2所示,直射的阳光、天空漫射的光线、地面

1757

第10期王多超,等:贝叶斯框架下的单幅图像去雾算法