基于域变换递归滤波的雾天图像复原

优先出版 计 算 机 应 用 研 究 第32卷
--------------------------------
基金项目：福建省自然科学基金项目(2012J01274)；福建省科技计划重点项目(2013H0030)；中央高校基本科研专项(JB-ZR1145)
作者简介：王伟鹏(1989-)，男，福建泉州人，硕士研究生，主要研究方向为图像复原和图像增强(wwp866@)；戴声奎(1971-)，男，副教授，博士，主要研究方向为图像处理．
基于域变换递归滤波的雾天图像复原
王伟鹏，戴声奎
(华侨大学 信息科学与工程学院，福建 厦门 361021)
摘 要：为了提高大雾天气下采集图像的对比度和能见度，提出一种基于域变换递归滤波的图像复原方法。

该方法在大气散射模型的基础上，首先对大气耗散函数的约束条件进行空间域的变换以实现维数降低，然后经过递归滤波之后获取较准确的结果，最后求解雾图成像方程，并对复原结果进行局部的线性映射调整，获得理想的清晰图像。

该方法在场景深度跳变的边缘处可以获得更自然的复原效果，而且能很好地突出图像中的细节信息。

实验结果表明，通过该方法得到的结果相比于传统的单幅图像去雾方法，视觉效果更佳、执行速度更快，并且该方法可以并行计算，因此采用GPU 进一步加速能够满足实时处理视频的需求。

关键词：去雾；图像复原；大气散射模型；域变换；递归滤波器；图像增强 中图分类号：TP391 文献标志码：A
Haze image restoration using domain transform recursive filter
WANG Wei-peng, DAI Sheng-kui
(College of Information Science & Engineering, Huaqiao University, Xiamen 361021, China)
Abstract: In order to improve contrast and visibility of haze image captured in the foggy weather, this paper proposed an image restoration algorithm using domain transform recursive filter. Based on the atmospheric scattering model, the proposed method firstly reduced the image dimensions of physical constraint through domain transform, and then obtained the accurate atmospheric veil by performing the recursive filter. Finally the clear image was recovered by solving the physical equation of haze image and enhanced by a local linear mapping. The proposed algorithm not only get more natural effectiveness at the edge of places where scene depth changes abruptly, but also effectively highlight detail information of recovered image. Experimental results show that comparing with traditional single image haze removal methods, the proposed method has better visual effect and faster execution speed. Furthermore, the algorithm can be performed in parallel, so it can be accelerated using GPU and satisfy real-time applications.
Key Words: haze removal; image restoration; atmospheric scattering model; domain transform; recursive filter; image enhancement
0 引言
户外场景的图像采集通常会受到雾霾天气的影响，悬浮在大气中的颗粒介质对场景辐射以及大气光的散射作用共同导致图像质量的严重退化，对比度、颜色保真度下降，影响人眼或者机器视觉系统对图像信息的提取和分析。

因此对雾天图像的去雾研究具有重要的应用价值和意义。

大气中颗粒介质对成像的散射作用随着场景到观测点的距离增大而增加，图像去雾的难点就在于如何准确估计场景深度。

目前基于先验知识的单幅图像去雾方法[1-7]成为研究的热点。

Fattal [1]假设传输透射率与表面投影是局部不相关的，采用独立分量分析和MRF 模型来复原场景反射光，该方法取决于雾天图像的统计特性，无法处理灰度图像和浓雾图像。

He 等人[2,3]提出一种基于暗通道先验的统计规律，用于估计传输透射率，并借
助抠图算法进行修复进而实现图像去雾。

该方法对一般户外图像取得了很理想的效果，但算法复杂度较高，执行速度慢。

Tarel [4]利用中值滤波的方法估计大气耗散函数，然而中值滤波对边缘保持不佳，且不恰当的参数设置易导致去雾图像在景深突变的边缘处仍有残留雾气。

针对当前算法普遍存在的不足，本文提出一种基于域变换递归滤波[8]的去雾方法。

该算法从雾图成像模型出发，对空间域的多维信号进行降维，经过多次迭代滤波之后获得较准确的大气耗散函数，实现有效的图像去雾。

和其他方法相比较，本文算法原理简单，处理速度更快，适用性更强，复原图像具有清晰度高、细节丰富、颜色自然的特点。

1 雾图成像模型
在计算机视觉中，Narasimhan 等人[9,10]给出了基于大气散射
文章预览已结束
获取全文请访问
/article/02-2015-03-066.html。